BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.3. Analisis Data
Untuk mengetahui apakah data tersebut berdistribusi normal, dapat diuji dengan metode Kolmogorov Smirnov.
Dasar analisis yang digunakan yaitu nilai signifikansi atau nilai probabilitasnya (Asymp sig (2-tailed) > 5%, maka data tersebut berdistribusi normal (Sumarsono, 2004 : 40).
Berdasarkan hasil uji normalitas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0, dapat dilihat pada tabel 4.5, sebagai berikut:
Tabel 4.5 Hasil Uji Normalitas
Unstandardized Residual N 18 Mean 0.0000000 Normal Parametersa Std. Deviation 0.43566111 Absolute 0,162 Positive 0,162
Most Extreme Differences
Negative -0,119
Kolmogorov-Smirnov Z 0,689
Asymp. Sig. (2-tailed) 0,730
Sumber : Lampiran 5
Berdasarkan pada tabel 4.5 di atas menunjukkan bahwa nilai signifikan (nilai probabilitasnya) sebesar 0,730 lebih besar dari 5%, dan sesuai dengan dasar analisis yang digunakan, hal ini berarti bahwa data tersebut berdistribusi normal.
4.3.2. Uji Asumsi Klasik
Dalam suatu persamaan regresi harus bersifat BLUE (Best Linier Unbiased Estimator), artinya dalam pengambilan keputusan melalui uji F dan uji t tidak boleh bias (sesuai dengan tujuan).
Berdasarkan hasil uji asumsi klasik dengan alat bantu komputer yang menggunakan Program SPSS. 16.0 For Windows. diperoleh hasil sebagai berikut:
1. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya)
Untuk menguji apakah terjadi autokorelasi atau tidak, dapat digunakan uji Durbin Watson, dengan ketentuan sebagai berikut :. a. Apabila (4 – dW) > dU, hal ini berarti bahwa Ho diterima : Jadi P
= 0, berarti tidak ada autokorelasi pada model
b. Apabila (4 – dW) < dL, hal ini berarti bahwa Ho ditolak : Jadi P = 0, berarti terdapat autokorelasi pada model
c. Apabila dL < (4 – dW) < dU, hal ini berarti bahwa Uji ini hasilnya tidak konklusif, sehingga tidak dapat ditentukan apakah ada autokorelasi atau tidak dalam model tersebut
Berdasarkan dari hasil “Uji Autokorelasi” dengan alat bantu komputer yang menggunakan Program SPSS. 16.0. For Windows dapat diketahui besarnya bahwa nilai dW tes yaitu sebesar 2,597 (Lampiran. 6), sedangkan berdasarkan tabel “Durbin Watson” Untuk N = 18 dan k = 3 (Lampiran 8), diperoleh nilai dL = 0,933 dan dU = 1,696.
Untuk memperjelas uraian tersebut di atas, berikut ini merupakan gambar kurva daerah keputusan autokorelasi, yang dapat dilihat pada gambar 4.1, sebagai berikut:
Gambar. 4.1 : Daerah Keputusan Autokorelasi
Tidak Ada Autokorelasi Positif dan Negatif
DW test = 2,597 Ada Aukorelasi positif Daerah Keragu - raguan Ada Autokorelasi Negatif Daerah Keragu -raguan 0 dL = 0,933 dU = 1,696 4 – dU = 2,304 4 – dL = 3,067 4
Berdasarkan pada gambar 4.1 dapat diketahui bahwa nilai dW tes sebesar 2,597 berada diantara nilai 4 - dU = 2,304 dan 4 - dL = 3,067 atau daerah keragu - raguan, sesuai dengan ketentuan yang telah ditetapkan, maka hal ini berarti bahwa dalam model regresi tersebut tidak terdapat korelasi antara korelasi pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya), sehingga data dari seluruh variabel bebas (X) yang digunakan dalam penelitian ini baik X1, X2, dan X3, dapat digunakan dalam penelitian.
2. Uji M
ini dengan melihat besarnya nilai Varian
ariabel bebas atau bebas Multiko
Program SPSS. 16.0, dapat dilihat pada tabel 4.6, sebagai berik
Tabel 4.6.
asil Uji Mul nieritas ultikolinieritas
Alat uji yang digunakan untuk mengetahui ada tidaknya multikolinieritas dalam penelitian
ce Inflation Factor (VIF).
Dasar analisis yang digunakan yaitu jika nilai VIF (Variance Inflation Factor) < 10, maka hal ini berarti dalam persamaan regresi tidak ditemukan adanya korelasi antar v
linieritas (Ghozali, 2002 : 57-59)
Berdasarkan hasil Uji Multikolinieritas dengan alat bantu komputer yang menggunakan
ut:
H tkoli
Variabel VIF Keterangan
Rasio Likuiditas (X1) 1.086 Bebas Multikolinieritas Rasio Leverage (X2) 1.073 Bebas Multikolinieritas
Rasio Profitabilitas (X3) 1.134 Bebas Multikolinieritas
kan, maka hal ini berarti dalam persamaan regresi tidak ditemukan adanya korelasi
ebas Multikolinieritas.
3.
heterosk
Sig (2-tailed)
variance dari residual satu pengamatan ke pengamatan lainnya atau beba
2001 : 301).
Berdasarkan hasil Uji Heteroskedastisitas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0., dapat dilihat pada tabel 4.7, seb
Hasil U stisitas
Probabilitas
(Sig (2 - tailed)
Sumber : Lampiran 6
Berdasarkan pada tabel 4.6 di atas menunjukkan bahwa seluruh variabel bebas (X) yang digunakan dalam penelitian ini baik X1, X2, dan X3, mempunyai nilai VIF (Variance Inflation Factor) < 10, dan sesuai dengan dasar analisis yang diguna
antar variabel bebas atau b
Uji Heteroskedastisitas
Alat uji yang digunakan untuk mengetahui adanya edastisitas secara kuantitatif dalam suatu persamaan regresi dapat dilakukan dengan uji korelasi Rank Spearman’s.
Dasar analisis yang digunakan yaitu jika nilai > 0,05, maka maka hal ini berarti dalam model regresi tidak terjadi ketidaksamaan s Heteroskedastisitas (Santoso, agai berikut: Tabel 4.7. ji Heteroskeda Variabel Keterangan
Rasio Likuiditas (X1) 0,887 Bebas Heteroskedastisitas
Rasio Leverage (X2) 0,553 Bebas Heteroskedastisitas
Sumber
pengam
m penelit
4.3.3. Analis
antu komputer, yang mengg
kan program SPSS.16.0, dapat dilihat pada tabel 4.8, sebagai berik t :
: Lampiran 7
Berdasarkan pada tabel 4.7 di atas menunjukkan bahwa seluruh variabel bebas (X) yang digunakan dalam penelitian ini baik X1, X2, dan X3, mempunyai nilai Sig (2-tailed) > 0,05, dan sesuai dengan dasar analisis yang digunakan maka hal ini berarti dalam model regresi tidak terjadi ketidaksamaan variance dari residual satu
atan ke pengamatan lainnya atau bebas Heteroskedastisitas. Setelah dilakukan Uji Asumsi Klasik tersebut di atas, maka dapat disimpulkan bahwa model persamaan regresi linier dalam penelitian ini, bebas dari asumsi dasar (klasik) tersebut, sehingga pengambilan keputusan melalui uji t yang akan dilakukan dala
ian ini tidak akan bias atau sesuai dengan tujuan penelitian.
is Regresi Linier Berganda
Data yang diperoleh dianalisis dengan menggunakan teknik analisis regresi linier berganda dengan alat b
unakan program SPSS. 16.0 For Windows.
Berdasarkan dari hasil Uji analisis regresi linier berganda dengan alat bantu komputer yang mengguna
Tabel 4.8.
Hasil Uji Regresi Linier Berganda
Nilai Koefisien Model ( B ) (Constant) -0.357 Rasio Likuiditas (X1) 0.191 Rasio Leverage (X2) 0.006 1 Rasio Profitabilitas (X3) 0.085 Sumber : Lampiran. 6
odel persamaan regresi sebaga
ier tersebut di atas, dapat
Konstanta (b
Konsta
asumsi bahwa variabel bebas lainnya bersifat konstan. Berdasarkan pada 4.8. dapat dibuat m i berikut :
Y = - 0,357 + 0,191 X1 + 0,006 X2 + 0,085 X3 Dari model persamaan regresi lin
diinterpretasikan, sebagai berikut :
0)
Nilai konstanta (b0) sebesar -0,357 menunjukkan bahwa, apabila variabel rasio likuiditas, rasio leverage dan rasio profitabilitas, konstan maka besarnya nilai return saham yaitu sebesar -0,357 satuan.
nta (b1) Untuk Variabel Rasio Likuiditas (X1)
Besarnya nilai koefisien regresi (b1) sebesar 0,191 nilai (b1) yang positif menunjukkan adanya hubungan yang searah antara variabel return saham (Y) dengan variabel rasio likuiditas (X1) yang artinya jika nilai variabel rasio likuiditas (X1) naik sebesar satu satuan, maka besarnya nilai variabel return saham (Y) akan naik sebesar 0,191 satuan dengan
Konsta
06 satuan dengan asumsi
Konsta
85 satuan dengan asumsi bahwa variabel bebas lainnya bersifat konstan.
jian Hipotesis 4.3.4.1. Uji t
s hubungan secara parsial, dapat tabel 4.11, sebagai berikut :
nalisis H gan Secar
t
nta (b2) Untuk Variabel Rasio Leverage (X2)
Besarnya nilai koefisien regresi (b2) sebesar 0,006 nilai (b2) yang positif menunjukkan adanya hubungan yang searah antara variabel return saham (Y) dengan variabel rasio leverage (X2) yang artinya jika nilai variabel rasio leverage (X2) naik sebesar satu satuan, maka besarnya nilai variabel return saham (Y) akan naik sebesar 0,0
bahwa variabel bebas lainnya bersifat konstan.
nta (b3) Untuk Variabel Rasio Profitabilitas (X3)
Besarnya nilai koefisien regresi (b3) sebesar 0,085 nilai (b3) yang positif menunjukkan adanya hubungan yang searah antara variabel return saham (Y) dengan variabel rasio profitabilitas (X2) yang artinya jika nilai variabel rasio profitabilitas (X2) naik sebesar satu satuan, maka besarnya nilai variabel return saham (Y) akan naik sebesar 0,0
4.3.4. Pengu
Dari hasil Uji Parsial atau Uji t dengan menggunakan alat bantu komputer dengan program SPSS.16.0, For Windows mengenai analisi
dilihat pada
Tabel 4.9
Hasil A Varians ubun a Parsial
Variabel hitung Sig Keterangan
Rasio Likuiditas (X1) 1.718 0.108 Tidak Berpengaruh Signifikan Rasio Leverage (X2) 0.613 0.550 Tidak Berpengaruh Signifikan Rasio Profitabilitas (X3) 2.713 0.017 Berpengaruh Signifikan
Sumbe
an dari tabel 4.9 di atas dapat diinterprestasikan, yaitu
1. Pengar adap return 2. Pengar adap return 3. Pengar terhadap return saham, aka hipotesis yang diajukan teruji kebenarannya.
r ; Lampiran. 6
Berdasark sebagai berikut :
uh Rasio Likuiditas (X1) terhadap Return Saham (Y)
Berdasarkan tabel 4.9 di atas menunjukkan besarnya nilai t hitung sebesar 1,718, dengan tingkat signifikansi sebesar 0,108 (lebih besar dari 0,05), maka H1 ditolak dan H0 diterima yang berarti Rasio likuiditas tidak berpengaruh secara signifikan terh
saham, maka hipotesis yang diajukan tidak teruji kebenarannya.
uh Rasio Leverage (X2) terhadap Return Saham (Y)
Berdasarkan tabel 4.9 di atas menunjukkan besarnya nilai t hitung sebesar 0,613, dengan tingkat signifikansi sebesar 0,550 (lebih besar dari 0,05), maka H1 ditolak dan H0 diterima yang berarti Rasio leverage tidak berpengaruh secara signifikan terh
saham, maka hipotesis yang diajukan tidak teruji kebenarannya
uh Rasio Profitabilitas (X3) terhadap Return Saham (Y)
Berdasarkan tabel 4.9 di atas menunjukkan besarnya nilai t hitung sebesar 2,713, dengan tingkat signifikansi sebesar 0,017 (lebih kecil dari 0,05), maka H0 ditolak dan H1 diterima yang berarti Rasio profitabilitas berpengaruh secara signifikan
4.4. Pembahasan