37
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum
Di dalam bab ini disajikan analisis terhadap data yang telah diperoleh selama pelaksanaan penelitian. Data yang digunakan dalam penelitian adalah
perusahaan manufaktur yang terdaftar di BEI. Perusahaan yang dijadikan sampel berjumlah 30 perusahaan. Berdasarkan 30 perusahaan manufaktur tersebut,
kemudian dilakukan pengujian-pengujian meliputi statistik deskriptif, uji asumsi klasik dan uji hipotesis penelitian. Daftar perusahaan yang telah ditentukan dapat
dilihat pada lampiran.
4.2 Hasil Penelitian 4.2.1 Analisis Statistik Deskriptif
Informasi yang dibutuhkan dalam penelitian ini adalah data sekunder yang di peroleh dari www.idx.co.id berupa data keuangan
perusahaan manufaktur dari tahun 2009-2011 yang dijabarkan dalam bentuk statistik. Variabel yang digunakan dalam penelitian ini adalah debt
to equity ratio, ukuran perusahaan dan momentum sebagai variabel independen sertareturn saham sebagai variabel dependennya. Statistik
deskriptif dari variabel tersebut dari sampel perusahaan manufaktur go public yang terdaftar di BEI selama 2009 hingga 2011 disajikan dalam
tabel dibawah ini:
Universitas Sumatera Utara
38
Tabel 4.1 Analisis Dekriptif
Sumber: SPSS 17, data diolah 2015 Berikut ini adalah perincian deskriptif dari data yang telah diolah:
1. Variabel return saham memiliki nilai minimum -3.37, nilai maksimum 3.55, rata-rata -0.4864 dan standard deviasi 1.40988
dengan jumlah sampel 90. 2. Variabel debt to equity ratio memiliki nilai minimum -2.30, nilai
maksimum 2.20 dan rata-rata -0.5043 dan standard deviasi 0.96366 dengan jumlah sampel 90.
3. Variabel ukuran perusahaan memiliki nilai minimum -0.37, nilai maksimum2.48 dan rata-rata 0.63970dan standard deviasi 0.63970
dengan jumlah sampel 90. 4. Variabel momentum perusahaan mempunya nilai minimum 3.00,
nilai maksimum 12.06, nilai rata-rata 7.7870, dan standar deviasi 1.83959 dengan jumlah sampel 90.
Descriptive Statistics
N Minimum Maximum Mean
Std. Deviation
ReturnSaham 90
-3.37 3.55
-.4864 1.40988
Deb to Equity Ratio
90 -2.30
2.20 -.5043
.96366 Ukuran
Perusahaan 90
-.37 2.48
1.6709 .63970
Momentum 90
3.00 12.06
7.7870 1.83959
Valid N listwise
90
Universitas Sumatera Utara
39
4.2.2 Asumsi Klasik 4.2.2.1 Uji Normalitas Data
1. Uji Grafik
Pengujian dengan grafik histogram dengan kriteria pola distribusi yang tidak menceng ke kiri dan kekanan maka dapat
dinyatakan bahwa distribusi data berasal dari populasi yang terdistribusi normal. Pengujian normalitas menggunakan P-P Plot,
dengan kriteria, apabila titik-titik pada P-P Plot berada pada garis lurus, maka dapat dinyatakan bahwa distribusi data berasal dari
populasi yang terdistribusi normal.
Gambar 4.1 Grafik Histogram
Universitas Sumatera Utara
40 Dari gambar grafik tersebut terlihat bahwa grafik Histogram
menandakan adanya kenormalan data.
Gambar 4.2 Grafik P-Plot
Berdasarkan hasil histogram dan diagram P-P Plot diatas dapat diketahui bahwa grafik histogram memberikan pola
distribusi yang normal dan titik-titik menyebar di sekitar garis lurus, seperti tampak pada gambar p-plot di atas, hal ini berarti
bahwa data penelitian ini telah diambil dari populasi yang terdistribusi normal.
Universitas Sumatera Utara
41
2 . Uji Statistik
Untuk mendeteksi normalitas data, dapat pula dilakukan melalui analisis statistik Kolmogorov-Smirnov Test K-S. Uji K-S
dilakukan dengan membuat hipotesis : H0 = Data residual terdistribusi normal.
H1 = Data residual tidak terdistribusi normal. Dasar pengambilan keputusan dalam uji K-S adalah sebagai
berikut: a Apabila probabilitas nilai Z uji K-S signifikan secara
statistik ditolak, yang berarti data terdistribusi tidak normal. b Apabila probabilitas nilai Z uji K-S tidak signifikan secara
statik maka H0 diterima, yang berarti data terdistribusi normal.
Universitas Sumatera Utara
42
Tabel 4.2 Uji Normalitas Data
Dari hasil pengolahan data tersebut,
besar nilai
Kolmogorov-Smirnov adalah 0.885 dan signifikansi pada 0.414 maka disimpulkan data terdistribusi secara normal karena
p=0,4140,05 yang menunjukkan Ho diterima. Hal ini sejalan dengan hasil yang didapatkan dari uji grafik normal diagram dan
plot data.
4.2.2.2 Uji Multikolineritas
Pengujian multikolinearitas dilakukan untuk membuktikan apakah variabel bebas pada penelitian ini dapat diasumsikan tidak
saling berintervensi ketika dibuat pemodelan dengan variabel terikat. Kriteria dinyatakan bahwa variabel bebas tidak saling
intervensi satu sama lain ketika :
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 90
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.12562185
Most Extreme Differences
Absolute .093
Positive .093
Negative -.048
Kolmogorov-Smirnov Z .885
Asymp. Sig. 2-tailed .414
a. Test distribution is Normal. b. Calculated from data.
Sumber: SPSS 17, data diolah 2015
Universitas Sumatera Utara
43 1. Jika nilai tolerance 10 persen dan nilai VIF 10, maka
dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
2. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapat disimpulkan bahwa ada multikolinearitas antar
variabel independen dalam model regresi. Pengujian multikoleniaritas dapat ditunjukkan sebagai berikut:
Tabel 4.3 Uji Multikolinearitas
Model Collinearity
Statistics Tolerance VIF
1 Constant Debt to
Equity Ratio .980
1.020 Ukuran
Perusahaan .994
1.006 Momentum
.982 1.018
a. Dependent variable: Return Saham Sumber: SPSS 17, data diolah 2015
Pada tabel rangkuman hasil uji multikolinearitas di atas, diperoleh harga VIF tidak ada yang melebihi dari nilai 10 dan
Tolerance 0, 10, dengan demikian dapat disimpulkan bahwa model regresi tersebut tidak terdapat masalah multikolinieritas
antar variabel independen dalam model regresi.
Universitas Sumatera Utara
44
4.2.2.3 Uji Heterokedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah residu pada model regresi bersifat heterogen atau homogen.
Apabila bersifat heterogen, akan menyebabkan model regresi tidak mampu meramalkan dengan akurat, karena memiliki residu yang
tidak teratur. Pada penelitian ini untuk mengatahui ada atau tidaknya problem heteroskedastisitas digunakan scatter plot.
Kriterianya adalah apabila titik-titik pada scatter plot atau diagram pencar tidak membentuk pola tertentu, maka dapat dinyatakan
bahwa model regresi tidak terkendala heteroskedastisitas.
Gambar 4.3 Uji HeterokedasitasData
Universitas Sumatera Utara
45 Berdasarkan grafik scatter plot tersebut dapat disimpulkan
bahwa model regresi tidak terkendala heteroskedastisitas, karena diagram pencar tidak membentuk pola tertentu.
4.2.2.4 Uji Autokorelasi
Masalah autokorelasi biasanya terjadi ketika penelitian memiliki data yang terkait dengan unsur waktu times series. Data
pada penelitian ini memiliki unsur waktu karena didapatkan antara tahun 2009-2011, sehingga perlu mengetahui apakah model regresi
akan terganggu oleh autokorelasi atau tidak. Untuk mendeteksi masalah autokorelasi dapat dilakukan
dengan menggunakan uji Durbin Watson. Mengacu kepada pendapat Sunyoto 2009:91, Pengambilan keputusan ada tidaknya
autokorelasi adalah sebagai berikut: a. Angka D-W dibawah -2 berarti ada autokorelasi positif.
b. Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi c. Angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.4 Hasil Uji Autokerelasi
T
Model Summary
b
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .602
a
.363 .340
1.14509 1.217
a. Predictors: Constant, X3= Momentum, X2= Ukuran Perusahaan, X1= Debt to Equity Ratio
a. Dependent Variable: Y= ReturnSaham Sumber: SPSS 17, data diolah 2015
Universitas Sumatera Utara
46 abel 4.4 memperlihatkan nilai statistik D-W sebesar 1,847 Angka
ini terletak di antara -2 sampai +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi dalam penelitian ini.
4.3 Pengujian Analisis Regresi
4.3.1 Metode Regresi Linear Berganda
Penelitian ini menggunakan regresi linear, dilakukan dengan menggunakan metode enter, dimana semua variabel dimasukkan untuk
mencari hubungan antara variabel independen dan variabel dependen melalui meregresikan. Dari pengujian asumsi klasik dapat disimpulkan
bahwa model regresi dapat digunakan dalam pengolahan data. Untuk menguji hipotesis digunakan uji regresi berganda. Berdasarkan pengolahan
data dengan menggunakan SPSS 17, maka diperoleh hasil sebagai berikut:
Tabel 4.5 Uji Regresi Data
Sumber: SPSS 17, data diolah 2015 Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 Constant
-1.869 .644
-2.901 .005
Debt to Equity Ratio
.044 .127
.030 .346
.730 Ukuran
Perusahaan -.806
.190 -.366 -4.237
.000 Momentum
.353 .067
.461 5.309 .000
Universitas Sumatera Utara
47 Berdasarkan tabel tersebut diperoleh persamaan regresi sebagai berikut:
RS = -1.869+ 0.044DER - 0.806UP + 0.353MP Dari persamaan diatas dapat disimpulkan bahwa :
1. Konstanta sebesar -1.869 menunjukkan bahwa apabila tidak ada variableindependen X1, X2 dan X3 = 0 maka return saham
perusahaan manufaktur yang terdaftar di BEI tahun penelitian 2009- 2011 bernilai negatif sebesar -1.869 satuan.
2. Koefisien regresi debt to equity ratio sebesar 0.044 mempunyaiarti setiapkenaikan rasio ukuran perusahaan sebesar 1 satuan akan
berpengaruh positifterhadap return saham perusahaan manufaktur yang terdaftar di BEI tahunpenelitian 2009-2011 sebesar 0.044 satuan.
3. Koefisien regresi ukuran perusahaansebesar -0.806 mempunyai arti setiap kenaikan rasio ukuran perusahaan sebesar 1 satuan akan
berpengaruh negatif terhadap return saham perusahaan manufaktur yang terdaftar di BEI tahun penelitian 2009-2011 sebesar -0.806 satuan.
4. Koefisien regresi momentum sebesar 0.353 mempunya arti setiap kenaikan rasiomomentum sebesar 1 satuan akan berpengaruh positif
terhadap return saham perusahaan manufaktur yang terdaftar di BEI tahun penelitian 2009-2011 sebesar 0.353 satuan
.
Universitas Sumatera Utara
48
4.4 Pengujian Analisis Koefisien Korelasi dan koefisien Determinasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat jika nilai R berada diatas 0.5 dan mendekati 1. Koefisien determinasi
menun jukkan seberapa besar variable independen menjelaskan variable independennya. Nilai
adalah nol sampai dengan satu. Apabila nilai
semakin mendekati satu, maka variable-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi
variabel dependen. Sebaliknya jika nilai semakin kecil, maka kemampuan
variabel-variabel independen dalam menjelaskan variabel dependen semakin terbatas.
Nilai memiliki kelemahan yaitu nilai
akan meningkat setiap ada penambahan satu varibel independen meskipun varibel independen tersebut tidak
berpengaruh signifikan terhadap variabel dependen.
Tabel 4.6 Uji Korelasi Dan Determinasi
Model Summary
b
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .602
a
.363 .340
1.14509 1.217
a. Predictors: Constant, Momentum, Size, DER b. Dependent Variable: ReturnSaham
Sumber: SPSS 17, data diolah 2015
Universitas Sumatera Utara
49 Dari hasil pengolahan regresi berganda pada tabel 4.6, dapat diketahui
bahwa nilai R adalah 0.602 atau 60.2 yang berarti bahwa korelasi atau hubungan antara variabel return saham dengan menggunakan variabel debt to
equity ratio, ukuran perusahaan dan momentumadalah kuat. Definisi korelasi ini
kuat didasarkan pada nilai R yang berada di atas atau lebih besar dari 0.6
Koefisien determinasi � menunjukkan seberapa besar variabel
independen menjelaskan variabel dependennya.Nilai R Square berada
diantara 0 dan 1. Nilai yang kecil berarti kemampuan variabel independen
dalam menerangkan variasi variabel independen sangat terbatas, sedangkan apabila
nilai semakin mendekati satu, maka variabel - variabel independen dapat memberikan semua informasi yang dibutuhkan untuk memprediksi variasi
variabel dependen. Dari hasil pengolahan regresi berganda pada tabel 4.6 dapat diketahui bahwa nilai R Square adalah 0.363 atau 36.3 yang berarti kemampuan
variabel independen dalam menerangkan variasi variabel dependen dan sisanya 63.7 dijelaskan oleh sebab-sebab lain. Tabel diatas juga memperlihatkan bahwa
angka adjusted R Square atau koefisien determinasi bernilai 0.340. Angka ini mengindikasikan bahwa 34.0variasi return saham dapat dijelaskan oleh debt to
equity ratio, ukuran perusahaan dan momentum, sedangkan sisanya 66.0 dijelaskan oleh faktor-faktor lain yang tidak dimasukkan dalam model penelitian.
Standard error of estimateSEE menunjukkan angka sebesar 1.14509, semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel
dependen.
Universitas Sumatera Utara
50
4.5 Pengujian Hipotesis