BAB IV HASIL PENELITIAN DAN PEMBAHASAN
B. Analisis Data penelitian
1. Uji Asumsi Klasik
a. Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu memiliki distribusi normal. Model regresi yang baik adalah yang memiliki distribusi normal atau mendekati normal, sehingga untuk mendeteksi normalitas data, dapat dilakukan dengan menggunakan uji Kolmogrof-Smirnov. Apabila nilai Signifikansi 0,05 berarti model regresi memenuhi asumsi normalitas.
Berdasarkan pengujian yang dilakukan, diperoleh hasil sebagai berikut
Tabel 4.1
Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 50
Normal Parametersa,b Mean .0000000
Std.
Deviation 3219.64145526
Most Extreme Differences Absolute .277
Positive .270
Negative -.277
Test Statistic .277
Asymp. Sig. (2-tailed) .000c
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction.
(sumber: IBM SPSS 22 diolah, 2019)
Dari Tabel 4.1 menunjukkan bahwa variabel-variabel didalam penelitian ini tidak berdistribusi normal. Hal ini dapat dinilai melalui nilai signifikansi sebesar 0,000 yang diperoleh rendah dari nilai signifikansi yang diharapkan yaitu 0,05. Tetapi menurut Imam Ghozali (2013:166) bahwa model regresi masih tetap bisa dilakukan jika uji normalitasnya diobati dengan cara tertentu, yaitu variabel dependen dengan independen di transformasikan menjadi bentuk logaritma naturan (Ln) yang diharapkan data residu dapat terpenuhi dan uji normalitas juga dapat terpenuhi. Setelah dilakukan transformasi variabel dependen dan independen maka didapatkan hasil pengujian menggunakan uji Kolmogrof-Smirnov sebagai berikut:
Tabel 4.2
Uji Kolmogorov-Smirnov setelah Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 50
Normal Parametersa,b Mean .0000000
Std. Deviation .60082107
Most Extreme Differences Absolute .09
Positive .099
Negative -.052
Test Statistic .099
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
(sumber: IBM SPSS 22 diolah, 2019)
Dari tabel 4.2 dijelaskan bahwa setelah dilakukan Transformasi data maka variabel-variabel dalam penelitian ini berdistribusi secara normal. Hal ini dapat dilihat dari nilai signifikan yang terterauntuk variabel ini sebesar 0.200 dimana lebih besar dari 0.005, sehingga data ini telah memenuhi unsur normalitas.
b. Uji Multikolinealitas
Uji multikolinearitas ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel independet. Model yang baik seharusnya tidak terjadi korelasi yang tinggi diantara variabel bebas. Berdasarkan aturan variance inflation factor (VIF), maka apabila VIF melebihi angka 10 atau tolerance kurang dari 0,10 maka dinyatakan terjadi gejala multikolinearitas. Sebaliknya apabila nilai VIF kurang dari 10 atau tolerance lebih dari 0,10 maka dinyatakan tidak terjadi gejala multikolinearitas.
Tabel 4.3
Hasil Uji Multikolinearitas
(
(
Sumber: IBM SPSS 22 diolah, 2019)
Pada tabel diatas sebagai hasil dari uji regresi linear dapat dilihat bahwa nilai VIF dan tolerance menunjukkan tidak adanya variabel independen yang memiliki nilai Tolerance kurang dari 0,10 yang berarti bahwa tidak ada korelasi antar variabel independen yang nilainya lebih dari 95% dah hasil nilai VIF juga menunjukkan hal yang sama yaitu tidak adanya variabel independen yang memiliki nilai VIF lebih dari 10 atau kurang dari 0,10. Jadi dapat disimpulkan bahwa data penelitian ini tidak terdapatnya gejala multikolinearitas.
c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penganggu pada periode t-1 (sebelumnya). Jika terjadinya korelasi, maka dapat disebut adanya masalah autokorelasi. Dalam penelitian ini menggunakan Pengujian Durbin-Watson (DW test).
Berikut ini hasil uji Autokorelasi dengan menggunakan IBM Sofware SPSS 22: Coefficientsa Model Unstandardized Coefficients Standardized
Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF
(Constant) 3.436 .295
Ln_x1 .675 .056 1.056 .442 2.263
Ln x2 .367 .066 .350 .864 1.158
Ln x3 -.105 .083 -.105 .485 2.061
Ln x4 .032 .162 .011 .989 1.011
Tabel 4.4 Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .921a .849 .835 .61596 2.095 a. Predictors: (Constant), Ln_x4, Ln_x1, Ln_x2, Ln_x3 b. Dependent Variable: Ln_Y
(sumber: IBM SPSS 22 diolah, 2019)
Berdasarkan uji autokorelasi pada tabel 4.4 ditemukan bahwa nilai Durbin-Witson sebesar 2.095. jika nilai DW > 0.05 maka tidak terjadi gejala autokorelasi pada variabel penelitian tersebut. Dimana pada pengujian ini nilai Dw > 0.05 yaitu 2.095>0,05 sehingga dapat dikatakan bahwa data penelitian ini bebas dari autokorelasi.
d. Uji heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual pengamatan satu ke pengamatan yang lain berbeda. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas, Salah satu cara untuk mengetahui ada atau tidaknya heterokedastisitas dalam suatu model regresi linear berganda adalah dengan uji Rank Spearmen.Jika variabel independen secara signifikan berhubungan dengan Unstandardized Residual, maka indikasi terdapat problem heterokedastisitas.
Berdasarkan hasil pengolahan menggunakan Sofware IBM SPSS 22 didapatkan uji heterokedastisitas sebagai berikut:
Gambar 4.1 Uji Heterokedastisitas
o o
o
Berdasarkan gambar 4.1 terlihat bahwa tidak ada pola yang jelas, dapat dikatakan bahwa gambar tersebut tidak membentuk suatu pola tertentu seperti pola bergelombang, atau membentuk angka U. Titik-titik yang ada menyebar diatas dan dibawah angka 0 sehingga dapat disimpulkan bahwa model regresi ini tidak mengalami heteroskedastitas.
Dapat disimpulkan bahwa dari keempat pengujian yang telah dilakukan bahwa data berdistribusi normal dengan nilai signifikan 0,200 > 0.005, serta data juga terbebas dari gejala multikolinearitas dengan nilai tolerance > 0.1 dan nilai VIF tidak lebih dari 10 atau kurang dari 0,1 dan data penelitian juga terbebas dari autokorelasi dengan nilai Dw 2.095 dan yang terakhir datajuga terbebas dari gejala heteroskeditas dengan titik-titiknya menyebar dibawah dan diatas 0 pada sumbu Y dan tidak membentuk pola tertentu.
2. Koefisien Determinasi
Koefisien determinasi ) digunakan untuk mengukur seberapa jauh kemampuan model dalam rangka menerangkan variasi variable dependen. Nilai koefisien determinasi memiliki interval antara 0 sampai
menggambarkan bahwa variabel idependent secara keseluruhan dapat menjelaskan variabel dependent dengan baik. Sebaliknya, semakin kecil nilai koefisien determinasi maka variabel independent secara keseluruhan tidak dapat menjelaskan variabel dependent dengan baik.
Untuk melihat seberapa besar pengaruh Earning Per Share,Price Earning Ratio, Return On Equity, Debt to Equity Ratio terhadap harga saham pada perusahaan Pertambangan Batubara yang terdaftar di Bursa Efek Indonesia (BEI) periode Januari 2014- Desember 2018, dapat dilihat dari hasil pengujian koefisien determinasi sebagai berikut :
Tabel 4.5
Hasil Uji Koefisien Determinasi Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate 1 .918a
.843 .837 .61347
a. Predictors: (Constant), Ln_x1, Ln_x2,
(sumber: IBM SPSS 22 diolah, 2019)
Dari tabel 4.5 diperoleh nilai koefisien determinasi sebesar 0,837 Artinya adalah bahwa pengaruh Earning Per Share,Price Earning Ratio terhadap harga saham pada perusahaan Pertambangan Batubara yang terdaftar di Bursa Efek Indonesia (BEI)periode Januari 2014- Desember 2018 sebesar 83,7%, sedangkan sisanya sebesar 16,3% dipengaruhi variabel lain yang tidak dimasukkan dalam penelitian ini.
3. Analisis Regresi Linear Berganda
Analisis linear berganda digunakan untuk menguji seberapa besar pengaruh EPS, PER, ROE dan DER terhadap harga saham. Analisis ini juga untuk mengetahui arah hubungan antara variabel independen dengan variabledependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variable
dependen, apakah nilai variable independen mengalami kenaikan atau penurunan.
Tabel 4.6
Regresi Linear berganda Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) 3.436 .295 11.643 .000 Ln_x1 .675 .056 1.056 12.103 .000 Ln_x2 .367 .066 .350 5.603 .000 Ln_x3 -.105 .083 -.105 -1.256 .216 Ln x4 .032 .162 .011 .196 .846 a. Dependent Variable: Ln Y
Berdasarkan pengujian regresi yang dilakukan untuk melihat pengaruh Earning Per Share, Price Earning Ratio, Return On Equity dan Debt to Equity Ratio terhadap harga saham pada perusahaan Pertambangan Batubara yang terdaftar di Bursa Efek Indonesia (BEI) periode Januari 2014 Desember 2018, diperoleh persamaan regresi linear berganda sebagai berikut :
Ln_ = a + + + + + e
Harga Saham = 3.436 + 0,675 EPS + 0.367 PER - 0.105 ROE + 0.32 DER +
e
Arti dari persamaan regresi linear berganda diatas adalah :
a. konstanta (a) sebesar 3.436 Artinya adalah apabila variabel Earning Per Share, Price Earning Ratio, Return On Equitydan Debt to Equity Ratio diasumsikan nol (0), maka harga saham sebesar Rp 1.0125,485. b. Nilai koefisien regresi variabel EPS sebesar 0.675Artinya adalah
bahwa setiap peningkatan EPS sebesar Rp. 1 maka akan meningkatkan harga saham sebesar Rp 0.675 dengan asumsi variabel lain tetap, dimana EPS mempunyai hubungan positif terhdap harga saham.
c. Nilai koefisien regresi variabel PER sebesar 0.367. Artinya adalah bahwa setiap peningkatan PER sebesar 1 % maka akan meningkatkan harga saham sebesar Rp 0.367dengan asumsi variabel lain tetap, Dimana PER memiliki pengaruh positif terhadap harga saham.
d. Nilai koefisien regresi variabel ROE sebesar - 0.105 tidak memberikan pengaruh signifikan terhadap harga saham dikarenakan adanya varian data penelitian dari beberapa perusahaan yang memiliki ROE meningkat tetapi diikuti penurunan harga saham dan adanya perusahaan yang ROE nya mengalami penurunan tetapi justru diikui dengan harga sham yang mengalami peningkatan.
e. Nilai koefisien regresi variabel DER sebesar 0.32 tidak memberikan pengaruh signifikan terhadap harga saham dikarenakan pada data penelitian dimana adanya ketidak konsistenan hubungan antara DER dengan harga saham dimana pada saat DER mengalami penrunan tidak diikuti dengan naiknya harga saham pada perusahaan tersebut dan sebaliknya.
f. Standar error (e) merupakan variabel acak dan mempunyai distribusi probabilitas yang mewakili semua faktor yang mempunyai pengaruh terhadap Y tetapi tidak dimasukkan dalam persamaan.
Dikarenakan adanya variabel yang tidak mempunyai pengaruh terhadap harga saham perusahaan maka dilakukan analisis regresi linear berganda dengan menggunakan variabel yang mempunyai pengaruh terhadap harga saham dengan persamaan linear berganda sebagai berikut:
Ln_ = a + + + e
Harga saham = 3,408 + 0,625 X
1+ 0,358 X
2+ e
Artinya :
a. Konstanta (a) sebesar 3,408 mempunyai arti apabila variabel Earning per share dan variabel Price Earning Ratio diasumsikan menjadi 0 maka harga saham sebesar 3,408.
b. Nilai koefisien regresi pada variabel Earning per share sebesar 0,625 yang mempunyai arti bahwa setiap kenaikan Earning per share sebesar Rp. 1 maka akan menaikkan harga saham sebesar Rp. 0,625 dengan asumsi variabel lain tetap, dimana variabel Earning per share mempunyai hubungan yang positif terhadap harga saham perusahaan. c. Nilai koefisien regresi pada variabel Price Earning Ratio sebesar 0,358
yang mempunyai arti bahwa setiap kenaikan Price Earning Ratio sebesar Rp. 1 maka akan menaikkan harga saham sebesar Rp. 0,358 dengan asumsi variabel lain tetap, dimana variabel Price Earning Ratio mempunyai pengaruh yang positif terhadap harga saham perusahaan.
4. Uji Parsial
Uji parsial dipakai untuk melihat pengaruh dari variabel independent secara individu terhadap variabel dependent dengan menganggap variabel lain bersifat konstan, dimana pada dasarnya uji parsial ini menunjukkan seberapa besar pengaruh variabel independen terhadap variabel dependen secara individual. Uji ini dilakukan untuk mengetahui variabel manakah yang mempunyai pengaruh yang signifikan terhadap harga saham.
Berdasarkan hasil perhitungan dengan analisis berganda dengan program IBM SPSS 22, maka hasil uji t dapat dilihat pada tabel berikut ini: Tabel 4.7 Hasil Uji T Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 3.408 .286 11.907 .000 ln_X1 .625 .039 .978 15.897 .000 ln_x2 .358 .065 .341 5.536 .000
a. Dependent Variable: ln_y
(sumber: IBM SPSS 22 diolah, 2019)
Ttabel yang digunakan dapat dilihat pada tabel statistik pada signifikan 5% dengan persamaan (a/2; n-k-1 =0.05/2; 50-2-1) = 0.025; 47 sehingga Ttabel menjadi 2.011 Apabila nilai dari statistik t hasil perhitungan lebih
tinggi dibandingkan nilai t tabel, maka dapat disimpulkan bahwa suatu variabel independent secara individual mempengaruhi variabel dependent. Dengan demikian diperoleh hasil sebagai berikut:
a. Pengujian terhadap variabel Earning Per Share (X1)
Dari tabel 4.7 diketahui bahwa nilai thitung sebesar 15.897 lebih besar dari ttabel 2.011,dan pada nilai signifikansi sebesar 0.000 yang mana nilai ini lebih kecil dari 0.005, sehingga dapat disimpulkan bahwa hipotesis H1 dapat diterima. Artinya Earning Per Share berpengaruh signifikan terhadap harga saham.
b. Pengujian terhadap variabel Price Equity Ratio (X2)
Dari tabel 4.7 diketahui bahwa nilai nilai thitung sebesar 5.536 lebih besar dari ttabel 2.011,dan pada nilai signifikansi sebesar 0.000 yang mana nilai ini lebih kecil dari 0.005, sehingga dapat disimpulkan bahwa hipotesis H2 dapat diterima. Artinya Price Earning ratio berpengaruh signifikan terhadap harga saham.
5. Uji Simultan (Uji F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independent atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependent atau terikat.Caranya dengan membandingkan antara Fhitung dengan Ftabel.jika F hitung tabel maka H5 diterima, namun apabila F hitung<Ftabel maka dapat dikatakan bahwa hipotesis H5 ditolak. Berdasarkan hasil pengujian simultan yang dilakukan, diperoleh hasil perhitungan sebagai berikut:
Tabel 4.8 Hasil Uji F ANOVAa
Model
Sum of
Squares Df Mean Square F Sig. Regression 95.725 4 23.931 63.07 6 .000 b Residual 17.073 45 .379 Total 112.798 49
a. Dependent Variable: Ln_y
b. Predictors: (Constant), Ln_x4, Ln_x1, Ln_x2, Ln_x3 (sumber: IBM SPSS diolah, 2019)
Dari tabel 4.8 diketahui bahwa Fstatistik sebesar 63.076 dengan signifikansi 0.000 sedangkan Ftabel
dengan persamaan (k ; n-k ) =( 4; 50-4 = 4;45) sehingga Ftabel sebesar 2.58. dengan demikian diketahui bahwa Fstatistik tabel (2.58) dan nilai signifikansinya sebesar 0.000 lebih kecil dari 0.05, sehingga dapat disimpulkan bahwa secara simultan Earning Per Share, Price Earning Ratio, Return On Equity dan Debt to Equity Ratio berpengaruh signifikan terhadap harga saham.