Deskripsi Data PENEMUAN DAN PEMBAHASAN

57 Dari tabel 4.5 diatas dapat diketahui kemampuan perusahaan mengelola Net Profit Margin NPM. Hasil analisis yang dilakukan penulis terhadap 10 perusahaan manufaktur sektor industri barang konsumsi dan komponennya yang terdaftar di Bursa Efek Indonesia dari tahun 2008 sampai 2012 Net Profit Margin NPM. Pada tahun 2008 Net Profit Margin NPM terbesar adalah 0,22 dan Net Profit Margin NPM terkecil adalah 0,00 serta rata-rata Net Profit Margin NPM pada tahun tersebut adalah 0,05. Pada tahun 2009 Net Profit Margin NPM terbesar adalah 0,08 dan Net Profit Margin NPM terkecil adalah 0,00 serta rata-rata Net Profit Margin NPM pada tahun tersebut adalah 0,051. Pada tahun 2010 Net Profit Margin NPM terbesar adalah 0,10 dan Net Profit Margin NPM terkecil adalah 0,02 serta rata-rata Net Profit Margin NPM pada tahun tersebut adalah 0,053. Pada tahun 2011 Net Profit Margin NPM terbesar adalah 0,11 dan Net Profit Margin NPM terkecil adalah 0,02 serta rata-rata Net Profit Margin NPM pada tahun tersebut adalah 0,055. Pada tahun 2012 Net Profit Margin NPM terbesar adalah 0,13 dan Net Profit Margin NPM terkecil adalah 0,02 serta rata-rata Net Profit Margin NPM pada tahun tersebut adalah 0,065. 58 4. Return On Asset ROA Return on assets ROA adalah perbandingan antara keuntungan sebelum biaya bunga dan pajak EBIT = Earning before interest and taxes dengan seluruh aktiva atau kekayaan perusahaan. Rasio ini menunjukkan kemampuan perusahaan dengan seluruh modal yang ada didalamnya untuk menghasilkan keuntungan, dengan menggunakan data yang ada pada neraca dan perhitungan laba rugi pada perusahaan tersebut. Rasio ini dapat dirumuskan sebagai berikut: Return On Asset = x 100 Tabel 4.6 Nilai Return On Asset Dalam Persen No Kode Emiten Tahun 2008 2009 2010 2011 2012 1 ULTJ 0.17 0.04 0.05 0.05 0.15 2 MYR 0.07 0.01 0.11 0.07 0.09 3 PSDN 0.03 0.03 0.06 0.06 0.04 4 STTP 0.01 0.15 0.13 0.09 0.12 5 CEKA 0.05 0.09 0.03 0.12 0.06 6 KAEF 0.04 0.04 0.08 0.10 0.10 7 TSPC 0.10 0.11 0.14 0.14 0.14 8 INAF 0.01 0.00 0.02 0.03 0.04 9 SKLT 0.02 0.07 0.02 0.03 0.03 10 INDF 0.07 0.07 0.08 0.09 0.08 Sumber : Laporan Keuangan yang sudah diolah Dari tabel 4.6 diatas dapat diketahui kemampuan perusahaan mengelola Return on assets ROA. Hasil analisis yang dilakukan penulis terhadap 10 perusahaan manufaktur sektor industri barang konsumsi dan komponennya yang terdaftar di Bursa Efek Indonesia dari tahun 2008 sampai 2012 Return on assets ROA. Pada tahun 59 2008 Return on assets ROA terbesar 0,17 adalah dan Return on assets ROA terkecil adalah 0,01 serta rata-rata Return on assets ROA pada tahun tersebut adalah 0,057. Pada tahun 2009 Return on assets ROA terbesar adalah 0,15 dan Return on assets ROA terkecil adalah 0,00 serta rata-rata Return on assets ROA pada tahun tersebut adalah 0,061. Pada tahun 2010 Return on assets ROA terbesar adalah 0,14 dan Return on assets ROA terkecil adalah 0,02 serta rata-rata Return on assets ROA pada tahun tersebut adalah 0,072. Pada tahun 2011 Return on assets ROA terbesar adalah 0,14 dan Return on assets ROA terkecil adalah 0,03 serta rata-rata Return on assets ROA pada tahun tersebut adalah 0,078. Pada tahun 2012 Return on assets ROA terbesar adalah 0,15 dan Return on assets ROA terkecil adalah 0,03 serta rata-rata Return on assets ROA pada tahun tersebut adalah 0,085. 60 5. Harga Saham Harga Saham yaitu refleksi dari keputusan-keputusan investasi, pendanaan termasuk kebijakan dividen, dan pengelolaan asset. Tabel 4.7 Harga Saham LogN No Kode Emiten Tahun 2008 2009 2010 2011 2012 1 ULTJ 6.68 6.33 7.10 6.98 7.19 2 MYR 6.88 8.41 9.44 9.56 9.88 3 PSDN 4.79 5.00 4.38 5.74 5.32 4 STTP 4.98 5.39 5.95 6.54 6.96 5 CEKA 6.45 7.13 7.00 6.86 7.17 6 KAEF 4.33 4.84 5.07 5.83 6.61 7 TSPC 5.99 6.59 7.44 7.84 8.21 8 INAF 3.91 4.42 4.38 5.09 5.80 9 SKLT 4.50 5.01 4.94 4.94 5.19 10 INDF 6.84 8.17 8.44 8.43 8.67 Sumber : Laporan Keuangan yang sudah diolah Untuk ukuran perusahaan biasanya di proxy dengan menghitung LogN total asset ataupun total sales. Dalam penelitian ini semua variabel independen GPM, OPM, NPM dan ROA menggunakan satuan persen serta kepemilikan institusi juga menggunakan satuan persen sedangkan size yang biasanya diukur melalui total asset atau sales yang satuannya bisa bisa mencapai triliunan rupiah maka secara ekonometrik menjadi bermasalah menyebabkan error dalam pemaknaannya sehingga untuk menghindari terjadi masalah pada saat memasukkan data ke analisis tidak ada kesalahan pengukuran variabel tersebut dilakukan normalisasi terhadap ukuran triliun tersebut menjadi LogN. Dari tabel 4.7 diatas dapat diketahui harga 61 saham suatu perusahaan. Hasil analisis yang dilakukan penulis terhadap 10 perusahaan manufaktur sektor industri barang konsumsi dan komponennya yang terdaftar di Bursa Efek Indonesia dari tahun 2008 sampai 2012. Pada tahun 2008 harga saham terbesar adalah 6,88 MYR dan harga saham terkecil adalah 3,91 INAF serta rata-rata harga saham pada tahun tersebut adalah 5,535. Pada tahun 2009 harga saham terbesar adalah 8,41 MYR dan harga saham terkecil adalah 4,42 INAF serta rata-rata harga saham pada tahun tersebut adalah 6,129. Pada tahun 2010 harga saham terbesar adalah 9,44 MYR dan harga saham terkecil adalah 4,38 PSDN dan INAF serta rata-rata harga aaham pada tahun tersebut adalah 6,414. Pada tahun 2011 harga saham terbesar adalah 9,56 MYR dan harga saham terkecil adalah 4,94 SKLT, serta rata-rata harga saham pada tahun tersebut adalah 6,781. Pada tahun 2012 harga saham terbesar adalah 9,88 MYR dan harga saham terkecil adalah 5,19 SKLT serta rata-rata harga saham pada tahun tersebut adalah 7,1. 62

C. Analisis Data

1. Uji Asumsi Klasik Pengujian asumsi klasik yang digunakan dalam penelitian ini adalah sebagai berikut: a. Uji Normalitas Uji normalitas data dilakukan untuk menguji kenormalan distribusi data, dimana data yang normal akan memusat pada nilai rata-rata dan median. Uji normalitas bertujuan untuk mengetahui seberapa besar data terdistribusi secara normal dalam variabel yang digunakan dalam penelitian ini. Data yang baik dalam suatu penelitian adalah data yang terdistribusi secara normal. Penelitian ini mengunakan dua cara yaitu: pertama menggunakan pengujian dengan melihat probability plot, dimana pada grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya mengikuti arah garis diagonal. Kedua akan digunakan uji One Sample Kolmogorov-Smirnov, apabila mengunakan ukuran ini maka harus dibandingkan dengan tingkat alpha yang kita tetapkan sebelumnya apakah 10, 5 atau 1 Sudarmanto, 2005:108. Kriteria yang digunakan adalah signifikansi 5. Data dinyatakan berdistribusi normal jika signifikansi lebih besar dari 5 atau 0,05. 63 Uji Normalitas Gambar 4.1 Sumber : Hasil diolah dengan SPSS 20 Pada gambar 4.1, terlihat bahwa sebaran data berada disekitar garis diagonal atau tidak terpencar jauh dari garis lurus. Hal ini berarti model regresi ini normal atau mendekati normal sehingga layak digunakan dalam penelitian. 64 Tabel 4.8 Tests of Normality One-Sample Kolmogorov-Smirnov Test Kolmogorov-Smirnov a Shapiro-Wilk Statistic df Sig. Statistic df Sig. HARGA SAHAM .106 50 .200 .956 50 .063 GPM .115 50 .098 .957 50 .069 OPM .099 50 .200 .981 50 .605 NPM .119 50 .074 .893 50 .000 ROA .113 50 .131 .958 50 .073 a. Lilliefors Significance Correction . This is a lower bound of the true significance. Sumber : hasil diolah dengan SPSS 20 Dari tabel diatas, kelima variabel memiliki nilai sig yang lebih besar dari 0,05 yaitu harga saham adalah 0,200, gross profit margin GPM adalah 0,98, operating profitmargin OPM adalah 0,200, net profit margin NPM adalah 0,74 dan return on asset ROA adalah 0,131. Karena signifikansi untuk seluruh variabel lebih besar dari 0.05 maka dapat disimpulkan bahwa data pada variabel harga saham, Gross Profit Margin, Operating profit margin, Net profit margin, Return On asset berdistribusi normal. Angka Statistic menunjukkan semakin kecil nilainya maka distribusi data semakin normal. df = jumlah data. 65 b. Uji Multikolinearitas Untuk mendeteksi ada atau tidaknya multikolinieritas didalam model regresi, salah satu caranya adalah, dengan melihat besarnya nilai tolerance dan VIF. Menurut Nugroho 2005:58 jika nilai VIF tidak lebih dari 10 dan nilai toleransi tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas. Analisis dengan menggunakan SPSS 20 diperoleh hasil sebagai berikut : Tabel 4.9 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 4.426 .449 9.861 .000 GPM 3.208 1.850 .173 1.734 .090 .801 1.249 OPM 28.888 4.719 .726 6.122 .000 .568 1.761 NPM 3.405 6.284 .092 .542 .591 .280 3.575 ROA 4.718 4.904 .141 .962 .341 .373 2.684 a. Dependent Variable: HARGA SAHAM Dari hasil diatas dapat diketahui nilai variance inflation factor VIF masing-masing yaitu gross profit margin GPM adalah 1,249, operating profit margin OPM adalah 1,761, net profit margin NPM adalah 3,575 dan return on asset ROA adalah 2,684, keempatnya tidak memiliki nilai variance inflation factor VIF lebih dari 10 dan nilai tolerance keempat variabel tidak kurang dari 0,1 sehingga dapat disimpulkan bahwa antar variabel independen tidak terjadi persoalan multikolinearitas. 66 c. Uji Autokorelasi Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain dengan model regresi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi pada penelitian ini dilihat dari Durbin-Watson DWtest dengan ketentuan sebagai berikut. Ho : Tidak terjadi autokorelasi Ha : Terjadi autokorelasi Masalah autokorelasi diuji melalui tabel Durbin Watson dengan menggunakan tabel batas bawah dL dan batas atas dU untuk mengetahui daerah auto korelasi dari nilai Durbin Watson, dalam penelitian ini dapat dilihat dari tabel dibawah ini : Tabel 4.10 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .800 a .640 .608 .94820 2.175 a. Predictors: Constant, ROA, GPM, OPM, NPM b. Dependent Variable: HARGA SAHAM Sumber : Hasil diolah dengan SPSS 20 Dari data diatas didapatkan nilai DW dari model regresi yang digunakan adalah 2,175, sedangkan dari tabel DW dengan signifikansi n = 50 dengan k = 4 diperoleh nilai dL sebesar 1.378 dan dU sebesar 1,721. Karena nilai DW 2,175 berada di daerah 67 dU 1,721 dan 4-dU 2,279, maka menerima Ho dan dapat disimpulkan dari model regresi yang digunakan bahwa tidak terjadi autokorelasi positif atau negatif pada data di dalam penelitian. Gambar 4.2 Kurva Uji Autokorelasi d. Uji Heteroskedastisitas Uji Heteroskedastisitas dimaksudkan untuk mengetahui apakah variasi residual absolute sama atau tidak untuk semua pengamatan. Model regresi yang baik adalah model yang dikatakan homoskedastisitas dimana memiliki persamaan varians residual suatu periode pengamatan dengan periode pengamatan yang lain atau tidak terjadi heteroskedastisitas. Metode yang digunakan untuk uji heteroskedastisitas yaitu dengan melihat pola titik-titik pada scatterplots regresi. Metode ini yaitu dengan cara melihat dW 2,175 4-dU 2,279 dU 1,721 4-dL 2,622 dL 1,378 4 Korelasi + Korelasi - Inconlusive Tidak ada Korelasi Inconlusive