BAB IV HASIL DAN PEMBAHASAN
4.3. Analisis dan Pengujian Hipotesis
Untuk mengetahui pengaruh antara variable bebas yang terdiri dari Net Profit Margin (NPM), Return On Assets (ROA), dan Return On Equity (ROE) terhadap variabel terikat yaitu Harga Saham pada perusahaan Real Estate and
Property. Dari hasil analisis perhitungan computer menggunakan program SPSS, diperoleh hasil sebagai berikut :
Tabel 6. Koefisien Regresi Linier Berganda
Coefficientsa Model Unstandardized Coefficients Standardiz ed Coefficient s t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 275.928 77.912 3.542 .001
X1 360.547 441.435 .108 .817 .418 .873 1.146 X2 -32.689 45.044 -.091 -.726 .471 .981 1.019 X3 22.829 9.366 .322 2.437 .018 .882 1.134 a. Dependent Variable: Y
Sumber: hasil olah data (Lampiran)
Berdasarkan pada table tersebut, dapat diketahui persamaan regresi linear berganda sebagai berikut :
Y = βο + β1X1 + β2X2 + β3X3 + e
Y = 275.928 + 360.547 X1 – 32.689 X2 + 22.829 X3
Dari persamaan regresi linear berganda di atas dapat diuraikan sebagai berikut : a. Konstanta
Artinya tanpa pengaruh dari variable bebas Net Profit Margin (X1), Return On
Assets (X2), dan Return On Equity (X3), maka nilai Harga Saham (Y) adalah
sebesar 275.928 satu satuan rupiah.
b. Koefisien regresi Net Profit Margin (β1) = 360.547
Artinya jika Net Profit Margin (X1) mengalami kenaikan 1% maka harga
asumsi variable Net Profit Margin (X1), Return On Assets (X2), dan Return On
Equity (X3) tetap.
c. Koefisien regresi Return On Assets (β2) = - 32.689
Artinya jika Return On Assets (X2) mengalami kenaikan 1% maka harga
saham akan mengalami penurunan sebesar -32.689 satu satuan rupiah dengan asumsi variable Net Profit Margin (X1), Return On Assets (X2), dan Return On
Equity (X3) tetap.
d. Koefisien regresi Return On Equity (β3) = 22.829
Artinya jika Return On Equity (X3) mengalami kenaikan 1% maka harga
saham akan mengalami penurunan sebesar 22.829 satu satuan rupiah dengan asumsi variable Net Profit Margin (X1), Return On Assets (X2), dan Return On
Equity (X3) tetap.
4.3.2. Analisis Asumsi Klasik
Uji asumsi klasik merupakan prasyarat analisis regresi berganda. Sebelum melakukan pengujian hipotesis yang diajukan dalam penelitian perlu dilakukan pengujian asumsi klasik yang meliputi : uji multikolonieritas, uji autokorelasi, dan uji heteroskedastisitas. Hasil pengujian disajikan sebagai berikut:
4.3.2.1. Uji Multikolonieritas
Adanya korelasi variable independen dalam regresi linier berganda.
Deteksi adanya Multikolinier :
- Jika VIF melebihi angka 10, maka variabel tersebut mengindikasikan adanya multikolinieritas. (Gujarati).
b. Nilai Eigenvalue mendekati 0 (Singgih Santoso) c. Condition Index melebihi angka 15 (Singgih Santoso)
Dalam pengujian asumsi klasik terhadap analisis regresi linier berganda ini menyatakan bahwa hasil analisis penelitian ini menunjukkan tidak adanya gejala multikolinieritas pada semua variabel bebas dimana nilai VIF pada semua variabel (lebih kecil dari 10). Syarat terjadi multikolinieritas jika nilai VIF (Variance Inflation Factor) > 10 (Cryer,1994 : 681).
Dengan nilai VIF untuk Net Profit Margin (X1) = 1.146, Return On Assets
(X2) = 1.019, dan Return On Equity (X3) = 1.134.
Tabel 7. Hasil Uji Multikolonieritas.
Coefficientsa Model Unstandardized Coefficients Standardiz ed Coefficient s t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constan t) 275.928 77.912 3.542 .001 X1 360.547 441.435 .108 .817 .418 .873 1.146 X2 -32.689 45.044 -.091 -.726 .471 .981 1.019 X3 22.829 9.366 .322 2.437 .018 .882 1.134 a. Dependent Variable: Y
Sumber : olah data (Lampiran)
4.3.2.2. Uji Heteroskedasitisitas
Heteroskedastisitas : Varian dari residual dari satu pengamatan ke pengamatan lain mempunyai varian yang berbeda. Jika sama namanya
Homoskedastisitas. Model regresi yang baik tidak mempunyai Heteroskedastisitas.
Deteksi Adanya Heteroskedastisitas :
a. Dari Scatter Plot Residual: jika ada pola tertentu (seperti titik-titik /point- point yang ada membentuk pola tertentu yang teratur (bergelombang, menyebar kemudian menyempit)
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas.
c. Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini bisa diidentifikasi dengan cara menghitung korelasi rank
Spearman antara residual dengan seluruh variabel bebas. Rumus rank Spearman adalah : rs = 1 - 6
(
)
1 N N d 2 2 i −∑
Keterangan :di = perbedaan dalam rank antara residual dengan variabel bebas ke-i
N = banyaknya data
Pengujian Heteroskedastisitas di sini menggunakan korelasi rank Spearman antara residual dengan seluruh variabel bebas dengan hasil analisis sbb:
Tabel 8. Hasil Uji Heteroskedastisitas Nonparametric Correlations Correlations X1 X2 X3 Unstandardized Residual Spearman' s rho X1 Correlation Coefficient 1.000 .354 ** .490** -.138 Sig. (2-tailed) . .006 .000 .296 N 59 59 59 59 X2 Correlation Coefficient .354 ** 1.000 .382** .025 Sig. (2-tailed) .006 . .003 .852 N 59 59 59 59 X3 Correlation Coefficient .490 ** .382** 1.000 -.128 Sig. (2-tailed) .000 .003 . .333 N 59 59 59 59 Unstandardized Residual Correlation Coefficient -.138 .025 -.128 1.000 Sig. (2-tailed) .296 .852 .333 . N 59 59 59 59
**. Correlation is significant at the 0.01 level (2-tailed).
Sumber : olah data (Lampiran)
Hasil analisis menunjukkan bahwa pada variabel X1, X2 dan X3, TIDAK mempunyai korelasi yang signifikan antara residual dengan variabel bebasnya,(nilai Sig lebih besar dari 0,05) maka hasil analisis ini dapat disimpulkan seluruh variabel penelitian tidak terjadi Heteroskedastisitas.
4.3.2.3. Uji Autokorelasi
Autokorelasi : Adanya korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu periode t-1 (sebelumnya). J ika data di atas 15
Deteksi Autokorelasi:
a. Besarnya Angka Durbin Watson
Patokan : Angka D-W di bawah –2 ada autokorelasi (positif)
Angka D-W di atas +2 ada autokorelasi (negatif)
Angka Berada diantara –2 sampai +2 Tidak ada Autokorelasi (atau Membandingkan dengan Tabel Durbin Watson)
Identifikasi gejala autokorelasi dapat dilakukan dengan kurva di bawah ini.
Tidak ada autokorelasi positif dan tidak ada
autokorelasi negatif dL dU 4 - dU 4 - dL 4 0 ada auto ko relasi pos it if daerah keragu raguan ada auto ko relasi negat if daerah keragu raguan
a. Koefisien determinasi berganda (R square) tinggi b. Koefisien korelasi sederhananya tinggi.
c. Nilai F hitung tinggi (signifikan)
d. Tapi tak satupun (atau sedikit sekali) diantara variabel bebas yang signifikan. Untuk asumsi klasik yang mendeteksi adanya autokorelasi di sini dilihat dari hasil analisis yang menunjukkan hasil bahwa nilai Durbin Watson sebesar 1,94, hal ini menunjukkan tidak adanya gejala autokorelasi.
4.3.2.4. Uji Normalitas
Nor malitas : Sebuah model regresi yang variabel Dependen dan Independen atau keduanya mempunyai distribusi normal atau tidak.
Deteksi Normalitas :
Menggunakan uji Kolmogorov-Smirnov dengan menggunakan uji ini diperoleh hasil analisis bahwa tidak semua variable yang diteliti memiliki distribusi yang normal, hanya pada variable NPM (X1) dan ROE (X3) yang memiliki distribusi normal dimana nilai Asymp. Sig (signifikansi) lebih besar dari 0,05, sehingga dapat disimpulkan sebagian data tersebut tidak memenuhi asumsi
berdistribusi normal. Seperti pada tabel normalitas data berikut:
Tabel 9. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
X1 X2 X3 Y
N 59 59 59 59
Normal Parametersa Mean .1293 .2454 3.5419 3.9539E2 Std. Deviation .12675 1.17167 5.94322 4.21694E2 Most Extreme Differences Absolute .154 .468 .126 .189
Positive .154 .468 .104 .184 Negative -.137 -.380 -.126 -.189 Kolmogorov-Smirnov Z 1.181 3.595 .971 1.455
Asymp. Sig. (2-tailed) .123 .000 .302 .029 Sumber: Hasil Olah Data
Dari hasil perhitungan didapat nilai mahal distance sebesar 57,662 dengan menggunakan uji ini dapat diperoleh hasil analisis bahwa terdapat outlier karena nilai mahal. Ketidak normalan dapat diatasi dengan pembuangan outlier pada data. Dari uji outlier pada lampiran, dihasilkan bahwa terdapat outlier dalam data penelitian sehingga dilakukan eliminasi karena akan mempengaruhi kevalidan hasil penelitian. Dengan demikian dari 60 data (15
perusahaan x 4 tahun), terdapat outlier karena nilai mahal distance maksimum = 57,662 > 18,466, yaitu pada case No. 1=57,662 sehingga dieliminasi. Selanjutnya dilakukan uji outlier sbb:
Tabel 10. Hasil Uji Outlier
Residuals Statisticsa
Minimum Maximum Mean
Std.
Deviation N Predicted Value 18.6736 46.2185 30.5000 4.29718 60 Std. Predicted Value -2.752 3.658 .000 1.000 60 Standard Error of Predicted
Value 2.418 17.479 4.362 2.588 60 Adjusted Predicted Value 4.4804 412.5374 36.6560 49.59592 60 Residual -3.14708E1 32.32637 .00000 16.92732 60 Std. Residual -1.795 1.844 .000 .966 60 Stud. Residual -1.842 2.212 -.027 1.033 60 Deleted Residual -3.68537E2 46.51959 -6.15598 51.10229 60 Stud. Deleted Residual -1.885 2.296 -.026 1.044 60 Mahal. Distance .139 57.662 3.933 8.214 60 Cook's Distance .000 87.843 1.486 11.338 60 Centered Leverage Value .002 .977 .067 .139 60
a. Dependent Variable: DATA_KE
Sumber: olah data (Lampiran)
Residuals Statisticsa Minimum Maximum Mean
Std.
Deviation N Predicted Value 19.6949 44.7365 30.2712 5.44839 59 Std. Predicted Value -1.941 2.655 .000 1.000 59 Standard Error of Predicted
Value 2.441 9.715 4.591 2.059 59
Adjusted Predicted Value 6.2182 48.8123 30.3165 6.26108 59 Residual -2.87642E1 35.92150 .00000 16.65468 59 Std. Residual -1.666 2.081 .000 .965 59 Stud. Residual -1.819 2.190 -.001 1.017 59 Deleted Residual -3.42629E1 44.78180 -.04531 18.61949 59 Stud. Deleted Residual -1.860 2.273 .000 1.029 59 Mahal. Distance .177 17.391 3.932 4.694 59 Cook's Distance .000 .414 .025 .059 59 Centered Leverage Value .003 .300 .068 .081 59
a.Dependent Variabel: DATA_KE
Sumber : Hasil Olah Data (Lampiran)
Nilai Mahal Distance Maximum 17,391 yang lebih KECIL dari 18,466.
Berarti tidak terdapat outlier pada data tersebut, oleh karena itu data ini mempunyai kualitas yang baik dan dapat dilanjutkan untuk diolah lebih lanjut.
4.3.3. Uji F
Tabel 11. Test F ( Uji F )
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 1596967.475 3 532322.492 3.359 .025a
Residual 8716908.559 55 158489.247 Total 1.031E7 58
a. Predictors: (Constant), X3, X2, X1
b. Dependent Variabel: Y
Berdasarkan hasil pengujai dengan F test, menunjukkan bahwa nilai signifikansi (Sig) = 0,025 lebih kecil dari 0,05, hal ini dapat disimpulkan jika penggunaan model regresi dalam penelitian ini adalah tepat
4.3.4. Uji t
Tabel 12. Uji t Hasil Analisis Regresi
Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 275.928 77.912 3.542 .001
X1 360.547 441.435 .108 .817 .418 .873 1.146 X2 -32.689 45.044 -.091 -.726 .471 .981 1.019 X3 22.829 9.366 .322 2.437 .018 .882 1.134 a.Dependent Variabel: Y
Sumber: Hasil Olah Data (Lampiran)
Dari hasil uji t dapat disimpulkan sebagai berikut :
1. Pengaruh Net Profit Margin terhadap Harga Saham
NPM (X1) berpengaruh terhadap Harga Saham (Y), tidak dapat diterima dengan tingkat [Sig. ,0,418 > 0,05 : Non signifikan [positif].
2. Pengaruh Return On Asset terhadap Harga Saham
ROA (X2) berpengaruh terhadap Harga Saham (Y), tidak dapat diterima dengan tingkat [Sig. 0,471 > 0,05 : Non signifikan [Negatif].
3. Pengaruh Return On Equity terhadap Harga Saham
ROE (X3) berpengaruh terhadap Harga Saham (Y), dapat diterima dengan tingkat [Sig. 0,018 < 0,05 : signifikan [Positif].
4.3.5. Koefisien Deter minasi Berganda (R2)
Analisis ini digunakan untuk mengetahui sampai sejauh mana variabel- variabel bebas mampu menjelaskan variabel terikat. Dari analisa perhitungan komputer diperoleh hasil koefisien korelasi berganda (R) = 0,393 atau sebesar 39,30% yang menunjukkan bahwa hubungan antara variabel Net Profit Margin (X1), Return On Asset (X2), dan Return On Equity (X3) dengan harga saham (Y)
adalah sangat lemah. Koefisien determinasi (R2) = 0,155 berarti variabel harga saham (Y) dipengaruhi oleh variabel Independent Net Profit Margin (X1), Return
On Asset (X2), dan Return On Equity (X3), sebesar 15,50%. Sedangkan sisanya
sebesar 84,50% dipengaruhi oleh variabel lain selain Variabel Independent Net Profit Margin (X1), Return On Asset (X2), dan Return On Equity (X3) yang tidak
dibahas dalam penelitian ini. Dapat dilihat dalam tabel sebagai berikut: Tabel 13. Hasil R2
Model Summaryb Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .393a .155 .109 398.10708 1.947
a.Predictors: (Constant), X3, X2, X1 b. Dependent Variable: Y