BAB V KESIMPULAN, KETERBATASAN, DAN SARAN
4.2 Analisis Data Penelitian .1 Analisis Deskriptif.1 Analisis Deskriptif
Statistik deskriptif memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata standart deviasi data variabel -variabel yang digunakan dalam penelitian ini. Distribusi statistik deskriptif untuk masing-masing variable terdapat pada Tabel 4.1 berikut
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation PER 92 1,57 85,90 19,4249 13,06319 Dividend Yield 92 ,01 2,10 ,1728 ,30825 Market to Book 92 ,02 23,80 7,5568 6,38643 Stock Return 92 ,01 7,84 1,0272 1,08174 Valid N (listwise) 92
Berdasarkan data dari Tabel 4.1 dapat dijelaskan bahwa:
1. Variabel independen price earnings ratio memiliki nilai terendah 1,57 dan nilai tertinggi 85,90 dengan nilai rata-rata 19,4249 dan standar deviasi 13,06319.
2. Variabel independen dividend yield memiliki nilai terendah 0,01 dan nilai tertinggi 2,10 dengan nilai rata-rata 0,1728 dan standar deviasi 0,30825. 3. Variabel independen likuiditas memiliki nilai terendah 0,02 dan nilai
tertinggi 23,80 dengan nilai rata-rata 7,5568 dan standar deviasi 6,38643. 4. Variabel dependen stock return memiliki nilai terendah 0,1 dan nilai
tertinggi 7,84 dengan nilai rata-rata 1,0272 dan standar deviasi 1,08174.
4.2.2 Pengujian Asumsi Klasik
Menguji akan dilakukan dengan menggunakan analisis regresi linier berganda. Namun, terlebih dahulu akan diuji mengenai ada tidaknya penyimpangan terhadap asumsi klasik yang diperlukan untuk mendapatkan model regresi yang baik.
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak dengan membuat hipotesis sebagai berikut:
Ho: data residual terdistribusi normal Ha: data residual terdistribusi tidak normal
Uji normalitas dapat dilakukan dengan tiga cara, yaitu: a. Analisis grafik
b. Analisis Probability Plot c. Uji Kolmogorov Smirnov
Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-Plot.Data yang baik adalah data yang memiliki pola distribusi normal.Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-Plot, apabila data titik-titik data tidak banyak menyebar ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal, maka data tersebut berdistribusi normal.
Gambar 4.1
Uji Normalitas Histogram
Dengan melihat tampilan grafik histogram pada gambar 4.1, maka kita dapat melihat bahwa garis pada grafik berbentuk lonceng dan garis
tersebut menyentuh hampir semua titik pada batang histogram yang menunjukkan bahwa data terdistribusi normal.
Gambar 4.2
Uji Normalitas Grafik P-Plot
Pada grafik P-Plot pada gambar 4.2 diatas dapat dilihat bahwa titik-titik menyebar di sepanjang garis diagonal dan tidak menjauhi garis tersebut.Hal ini juga menunjukkan bahwa data terdistribusi normal.
Pengujian normalitas data dengan hanya melihat grafik tidak cukup, sehingga kita perlu melakukan uji normalitas data dengan menggunakan statistik agar lebih meyakinkan.Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal atau tidak, maka dilakukan uji Kolmogorov-Smirnov. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka data tidak terdistribusi normal.
Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 91
Normal Parametersa,,b Mean ,0000000 Std. Deviation ,79699051 Most Extreme Differences Absolute ,126 Positive ,126 Negative -,103 Kolmogorov-Smirnov Z 1,206 Asymp. Sig. (2-tailed) ,109 a. Test distribution is Normal.
b. Calculated from data.
Hasil uji Kolmogorov-Smirnov pada tabel diatas menunjukkan nilai profitabilitas = 0,109. Dengan demikian, data pada penelitian ini terdistribusi normal dan dapat digunakan untuk melakukan uji hipotesis karena 0,109 > 0,05.
4.2.2.2 Uji Heterokedastisitas
Menurut Ghozali (2006), uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas atau terjadi homoskedastisitas.Cara yang digunakan untuk mendeteksi ada tidaknya gejala heterokedastisitas adalh dengan melihat grafik scatterplot.
Uji ini dilakukan dengan mengamati pola tertentu pada grafik scatterplot, dimana bila ada titik-titik yang menyebar di atas dan di bawah
angka 0 pada sumbu Y serta tidak membentuk pola, maka tidak terjadi heterokedastisitas.
Gambar 4.3
Uji Heterokedastisitas (Scatterplot)
Pada gambar 4.3 tentang grafik scatterplot di atas dapat terlihat titik-titik menyebar acak dan tidak membentuk suatu pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini menunjukkan tidak terjadinya heterokedastisitas, sehingga model regresi layak digunakan untuk melihat pengaruh variabel independen terhadap variabel dependen.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menganalisis apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan sebelumnya.Model regresi yang baik adalah yang bebas dari autokorelasi.Untuk mendeteksi masalah autokorelasi dapat dilakukan
dengan menggunakan uji Durbin Watson. Cara mendeteksinya yaitu dengan mengamati hal berikut:
a. Angka D-W di bawah -2 berarti ada autokorlasi positif.
b. Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi. c. Angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.3
Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,548a ,300 ,276 ,92019 1,903
Tabel 4.3 memperlihatkan nilai statistic D-W sebesar 1,903.Angka ini terletak di antara -2 sampai +2, sehingga dapat disimpulkan bahwa tidak ada autokorelasi dalam penelitian ini.
4.2.2.4 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi diantara variabel bebas.Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen.Deteksi dilakukan dengan melihat nilai VIF (Variable Inflation Factor) dan nilai tolerance. Multikolinearitas terjadi jika VIF > 10 dan nilai tolerance< 0,10.
a. Predictors: (Constant), Market to Book, Dividend Yield, PER b. Dependent Variable: Stock Return
Tabel 4.4 Uji Multikolinearitas Coefficientsa Model Collinearity Statistics Tolerance VIF 1 (Constant) PER ,975 1,026 Dividend Yield ,999 1,001 Market to Book ,974 1,027 a. Dependent Variable: Stock Return
Berdasarkan tabel 4.4 diatas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada yang memiliki nilai tolerance lebih kecil dari 0,1. Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas dan semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.
4.3 Pengujian Hipotesis
4.3.1 Uji Koefisien Determinasi (R2)
Nilai yang digunakan untuk melihat uji koefisien determinasi adalah nilai Adjusted R2 yang pada intinya mengukur seberapa jauh kemampuan variabel independen dalam menerangkan variasi variabel dependen. Dalam hal ini adjusted R2 digunakan untuk mengetahui seberapa besar pengaruh variabel price earnings ratio, dividend yield dan market to book ratio terhadap stock return.
Pada penelitian ini adjusted R2 yang digunakan antara 0 dan 1. Jika nilai adjusted R2 semakin mendekati 1, maka semakin baik kemampuan model tersebut dalam menjelaskan variabel independen dan sebaliknya.
Tabel 4.5
Uji Koefisien Determinasi (R2)
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,548a ,300 ,276 ,92019 a. Predictors: (Constant), Market to Book, Dividend Yield, PER b. Dependent Variable: Stock Return
Besarnya adjusted R2 berdasarkan hasil analisis statistik yang diperoleh sebesar 0,276. Dengan demikian, besarnya pengaruh price earnings ratio, dividend yield, dan market to book ratio terhadap stock return adalah sebesar 27,6%. Sedangkan sisanya sebesar 72,4% dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini.
4.3.2 Uji Simultan (Uji F)
Uji ini bertujuan untuk menguji pengaruh antara variabel independen terhadap variabel dependen secara bersama-sama. Apabila probabilitas
(signifikansi) lebih besar dari α (0,05), maka variabel independen secara bersama -sama tidak berpengaruh terhadap variabel stock return. Tetapi jika signifikansi
lebih kecil dari α (0,05), maka variabel independen secara bersama-sama berpengaruh terhadap variabel stock return.
Pengujian hipotesis uji F ini digunakan untuk melihat apakah secara keseluruhan variabel bebas mempunyai pengaruh yang bermakna terhadap variabel terikat. Dari pengujian simultan diperoleh hasil sebagai berikut:
Tabel 4.6
Hasil Uji Simultan (Uji F)
ANOVAb
Model Sum of Squares Df Mean Square F Sig. 1 Regression 31,971 3 10,657 12,586 ,000a
Residual 74,514 88 ,847 Total 106,485 91
a. Predictors: (Constant), Market to Book, Dividend Yield, PER b. Dependent Variable: Stock Return
Pada tabel 4.6 diatas dapat dilihat bahwa nilai probabilitas uji simultan ini adalah sebesar 0,000 < 0,05 dan dari tabel diatas menunjukkan bahwa nilai Fhitung> Ftabel (12,586> 2,74). Berdasarkan hasil tersebut, maka dapat disimpulkan bahwa price earnings ratio, dividend yield, dan market to book ratio secara simultan berpengaruh signifikan terhadap stock return.
4.3.3 Uji Signifikansi Parsial (Uji t)
Uji t digunakan untuk mengetahui hubungan antara variabel-variabel independen terhadap variabel dependen secara parsial (individu). Jika probabilitas
(signifikansi) lebih besar dari 0,05 (α), maka variabel bebas secara individu tidak
berpengaruh terhadap stock return. Jika signifikansi lebih kecil dari 0,05, maka variabel bebas secara individu berpengaruh terhadap stock return. Dari pengujian parsial diperoleh hasil sebagai berikut:
Tabel 4.7
Hasil Uji Parsial (Uji t)
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) ,764 ,211 3,619 ,000 PER ,006 ,007 ,095 ,890 ,000 Dividend Yield ,604 ,372 ,173 1,624 ,108 Market to Book -,002 ,014 -,018 -,168 ,867 a. Dependent Variable: Stock Return
Pada tabel 4.7 diatas dapat diambil kesimpulan bahwa variabel price earnings ratio memiliki nilai probabilitas sebesar 0,000 (lebih kecil dari 0,05) sehingga berpengaruh signifikan terhadap stock return. Variabel dividend yield memiliki nilai probabilitas sebesar 0,108 (lebih besar dari 0,05) sehingga tidak berpegaruh signifikan terhadap stock return. Variabel market to book ratio memiliki nilai probabilitas sebesar 0,867 (lebih kecil dari 0,05) sehingga tidak berpengaruh signifikan terhadap stock return.
Dari tabel 4.7 diatas dapat diperoleh model persamaan regresi berganda sebagai berikut:
Y = 0,764 + 0,006X1 + 0,604X2 – 0,002X3 + e
a. Koefisien konstan adalah 0,764 menyatakan jika X1, X2, dan X3 adalah 0, maka stock return adalah 0,764.
b. Price earnings ratio mempunyai koefisien regresi ke arah positif sebesar 0,006. Hal ini berarti bahwa kenaikan sebesar 1 persen variabel price earnings ratio akan menyebabkan stock return perusahaan mengalami
c. Dividend yield mempunyai koefisien regresi ke arah positif sebesar 0,604. Hal ini berarti bahwa kenaikan sebesar 1 persen variabel dividend yieldakan menyebabkan stock return perusahaan mengalami kenaikan sebesar 0,604 persen.
d. Market to book ratio mempunyai koefisien ke arah negatif sebesar -0,002. Hal ini berarti bahwa kenaikan sebesar 1 persen variabel market to book ratioakan menyebabkan stock return perusahaan mengalami penurunan sebesar 0,002 persen.