ANALISIS HASIL PENELITIAN
8 CNKO PT.EXPLOITASI ENERGI INDONESIA TBK
4.2. Analisis Hasil Penelitian
4.2.1. Analisis Statistik Deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi (Sugiyono, 2005:142). Deskripsi suatu data dilihat dari nilai rata-rata (mean), standar deviasi, maksimum, minimum. Berikut ini akan dijelaskan hasil statistik deskriptif data keuangan dan variabel penelitian tahun dari tahun 2009 - 2011.
Statistik deskriptif variabel penelitian dari sampel perusahaan selama periode pengamatan 2006 sampai dengan tahun 2009 disajikan pada tabel 4.2 berikut ini
Tabel 4.2
Statistik Deskriptif Variabel Penelitian Descriftive Statisticsa
N Minimum Maximum Mean Std. Deviation EVA 30 733.1 8031048.2 292494.7 1990732.5 MVA 30 8940.8 1048885222.9 8563467.5 31797546.6 ROA 30 .01 .42 .09 .099520 ROE 30 .01 .49 .185 .145305 RETURN 30 -.59 2.91 .585 .768016 VALID 30 (Listwise)
a. Dependent Variable: ln_return Sumber : Data yang diolah Penulis 2013
Tabel 4.2 menunjukkan hasil output SPSS mengenai statistik deskriftif variabel penelitian tahun2009 -2011 dengan jumlah sampel keseluruhan sebanyak 30 ( 10 perusahaan selama 4 tahun. Dari tabel tersebut, dapat dijelaskan statistik deskriftif masing – masing variabel, bahwa :
a. Variabel return saham memiliki nilai maksimun sebesar 2,91 nilai minimun
sebesar -0,59, nilai rata – rata (mean) sebesar 0,585, dengan standar deviasi sebesar 0,768061 dan jumlah sampel sebanyak 30.
b. Variabel Economic Value Added memiliki nilai maksimum sebesar 8031048.2, nilai minimun sebesar 733.1, nilai rata –rata (mean) sebesar 8563467.5, dengn standar deviasi sebesar 1990732.5 dan jumlah sampel sebanyak 30.
c. Variabel Market Value Added memiliki nilai maksimum sebesar 1048885222.9, nilai minimum sebesar 8940.8, nilai rata- rata (mean)
sebesar 8563467.5, dengan standar deviasi sebesar 31797546.6, dan jumlah sampel sebanyak 30.
d. Variabel Return On Asset memiliki nilai maksimum sebesar 0,42, nilai minimum sebesar 0,01, nilai rata- rata (mean) sebesar 0,09, dengan standar deviasi sebesar 0,099520, dan jumlah sampel sebanyak 30.
e. Variabel Return On Equity memiliki nilai maksimum sebesar 0,49, nilai minimum sebesar 0,01, nilai rata- rata (mean) sebesar 0,185, dengan standar deviasi sebesar 0,145305, dan jumlah sampel sebanyak 30.
4.2.2. Uji Asumsi Klasik 4.2.2.1. Uji Normalitas
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non parametrik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis :
H0 : data residual berdistribusi normal Ha : data residual tidak berdistribusi normal
Apabila nilai signifikansinya lebih besar dari 0,05 maka H0 diterima, sedangkan jika signifikansinya lebih kecil dari 0,05 maka H0 ditolak.
Tabel 4.3
Uji Normalitas Sebelum Data Ditransformasi One Sample Kolmogorov – Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parametersa,b Mean .0000000
Std. Deviation .75953830
Most Extreme Differences Absolute .173
Positive .173
Negative -.128
Kolmogorov-Smirnov Z .948
Asymp. Sig. (2-tailed) .000
a. Test distribution is Normal.
Sumber : Data yang diolah penulis 2013
Dari hasil pengolahan data tersebut, besarnya nilai Kolmogorov- Smirnov adalah 0,948 dan signifikan pada 0,330 maka disimpulkan data tidak terdistribusi secara normal karena p = 0.000 > 0,05 menurut Situmorang ( 2008 : 62 ) ada beberapa cara jika data tidak menyebar secara normal diantaranya melakukan transformasi data menjadi bentuk Logaritma natural (Ln), oleh karena itu penulis memutuskan melakukan transformasi data terhadap semua variabel menjadi Logaritma natural (Ln), agar variabel – variabel dalam penelitian memenuhi asumsi normalitas. Setelah itu, dilakukan pengujian ulang dengan metode statistik.
Hasil output SPSS pengujian normalitas setelah transformasi data akan disajikan pada tabel 4.4 berikut ini:
Tabel 4.4
Hasil uji normalitas setelah transformasi One – Sample Kolmogorov – Smirnov Test One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parametersa,b Mean .0000000
Std. Deviation 1.42323136 Most Extreme Differences Absolute .176
Positive .097
Negative -.176
Kolmogorov-Smirnov Z .963
Asymp. Sig. (2-tailed) .312
a. Test distribution is Normal.
Sumber : Data yang diolah penulis 2013
Berdasarkan hasil pengujian K-S diatas, nilai K- S yang diperoleh adalah 0,963, dan signifikan pada 0,312, sehingga dapat disimpulkan bahwa data terdistribusi normal dimana nilai p lebih besar dari 0,05 (p=0,312> 0,05). Dengan demikian keseluruhan bahwa nilai observasi telah didistribusikan secara normal Pada grafik histogram, dapat dilihat bahwa distribusi data tidak menceng (skewnes) ke kiri atau ke kanan.
Gambar 4.1 Histogram
Pada grafik normal plot, dapat dilihat titik – titik menyebar disekitar garis diagonal dan agak mendekati garis diagonal sehingga dapat disimpulkan data berdistribusi normal.
Gambar 4.2 Grafik Normal P-Plot 4.2.2.2. Uji Multikolonieritas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gajala multikolonieritas adalah dengan melihat besaran korelasi anatara variabel independen dan besarnya tingkat kolonieritas yang masih dapat ditolerir, yaitu Tolerance > 0,10 dan Variance Inflation Factor (VIF) < 10. Berikut disajikan tabel hasil pengujian:
Tabel 4.5
Uji multikolonieritas untuk
LN_RETURN=f(LN_EVA,LN_MVA,LN_ROA, LN_ROE) Coefficientsa
Model Collinearity Statistics
Tolerance VIF 1 (Constant) ln_eva .484 2.065 ln_mva .511 1.959 ln_roa .732 1.366 ln_roe .531 1.883
a. Dependent Variable: ln_return Sumber : Data yang diolah penulis 2013
Hasil pengujian menunjukkan angka tolerance untuk LN_EVA lebih besar dari 0,1 ( 0,484>0,1 ), LN_MVA lebih besar dari 0,1 ( 0,511 > 0,1 ) LN_ROA lebih besar dari 0,1 ( 0,732 > 0,1 ), LN_ROE lebih besar dar 0,1 ( 0,531 > 0,1). Angka VIF untuk LN_EVA lebih kecil dari 10 ( 2,065 < 10 ), LN_MVA lebih kecil dari 10 ( 1,959 < 10 ), LN_ROA lebih kecil dari 10 (1,366 < 10 ), LN ROE lebih kecil dari 10 ( 1,883 < 10
).
Berdasarkan hasil pengujian tersebut diperoleh kesimpulan tidak terdapat multikolonieritas.Hasil ini menunjukkan tidak ada hubungan antar variabel bebas (independen).
Tabel 4.6 Cofficient correlations Coefficient Correlationsa
Model ln_roe ln_mva ln_roa ln_eva
1 Correlations ln_roe 1.000 -.218 -.514 -.305 ln_mva -.218 1.000 .121 -.566 ln_roa -.514 .121 1.000 .105 ln_eva -.305 -.566 .105 1.000 Covariances ln_roe .126 -.010 -.066 -.017 ln_mva -.010 .016 .006 -.011 ln_roa -.066 .006 .132 .006 ln_eva -.017 -.011 .006 .023
a. Dependent Variable: ln_return Sumber : Data yang diolah penulis 2013
Dari tabel di atas data dapat dilihat tingkat kolerasi antara variabel bebas yaitu : tingakat antara variabel bebas antara LN_EVA terhadap LN_MVA menunjukkan angka -0,566 atau -56,6 %. Tingkat ini masih jauh dibawah 95%. Tingkat kolerasi antara LN_EVA terhadap LN_ROA menunjukkan angka 0,121% atau 12,1%. Tinkat kolerasi antara LN_EVA antara LN_ROE menunjukkan angka 0,218 atau -21,8%. Tingkat kolerasi antara LN_MVA terhadap LN_ROA menunjukkan angka 0,105 atau 10,5%. Tingkat kolerasi antara LN_MVA antara LN_ROE menunjukkan -0,305 atau -30,5%. Tingkat kolerasi antara LN_ROA antara LN_ROE menunjukkan angka -0,514 atau -51,4%. Berdasarkan perhitungan tersebut dapat dibuktikan bahwa tidak dapat kolerasi antara variabel bebas atau tidak terdapat multikolonieritas.
4.2.2.3. Uji Heterokedastisitas
Untuk pengujian heteroskedastisitas, penulis menggunakan alat analisis grafik (Scatterplot). Pada analisis grafik Scatterplot,.deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat jika tidak ada pola tertentu pada grafik Scatterplot maka tidak terjadi heteroskedastisitas dengan kata lain homoskedastisitas. Hasil pengujian dapat ditunjukkan grafik scatterplot antara ZPRED dan SRESID sebagai berikut.Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada persamaan regresi.
Gambar 4.3 Grafik Scatterplot 4.2.2.4. uji autokolerasi
Uji ini bertujuan untuk menganalisis apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan tingkat kesalahan pada periode t-1.Auto korelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu
dengan yang lainnya, hal ini sering ditemukan pada time series. Metode yang digunakan penulis telah diungkapkan dalam bab tiga. Hasil pengujian pada tabel memperlihatkan nilai statistik Durbin – Watson sebesar 1, 195. Nilai ini akan dibandingkan dengan nilai tabel Durbin –Watson dengan nilai signifikan 5%, jumlah sampel = 30, jumlah variabel independen 4 ( K=4) , maka di tabel Durbin – Watson akan dapat nilai, maka di tabel Durbin –Watson akan dapat nilai dl = 0,8795 dan du = 0,9825. Nilai DW terletak di antar batas du lebih kecil dari 3,0175 (4-0,9825), maka dapat disimpulkan tidak ada autokolerasi
Tabel 4.7
Hasil Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson dimension0 1 .163a .027 -.129 1.53287 1.195 a. Predictors: (Constant), ln_roe, ln_mva, ln_roa, ln_eva
Sumber : Data yang diolah penulis 20113
4.3.3. Pengujian Hipotesis
Hasil uji asumsi klasik memperlihatkan data observasi tidak memenuhi asumsi normalitas, kemudian dilakukan transformasi ke dalam bentuk logaritma natural (LN).Sehingga persamaan yang baru memenuhi asumsi klasik dan dapat dianalisis lebih lanjut untuk pengujian hipotesis. Penulis menggunakan analisis regresi berganda untuk melakukan pengujian hipotesis dengan bantuan program SPSS 18.
4.3.3.1. Persamaan Regresi
Tabel 4.8
Analisis Hasil Regresi Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .007 3.801 .002 .998 ln_eva .030 .153 .055 .195 .847 .484 2.065 ln_mva -.040 .125 -.088 -.319 .752 .511 1.959 ln_roa .236 .363 .150 .651 .521 .732 1.366 ln_roe -.151 .355 -.115 -.424 .675 .531 1.883 a. Dependent Variabel : Ln_return
Sumber : Data yang diolah penulis 2013
Berdasarkan tabel diatas di dapatlah persamaan regresi sebagai berikut : LN_RETURN : 0,07+0,30 LN_EVA – 0,40 LN_MVA + 0,236 LN_ROA
– 1,51LN_ROE Keterangan :
1) Konstanta sebesar 0,07 menunjukkan bahwa apa bila tidak ada variabel independen ( EVA, MVA,ROA,ROE ) maka tingkat return saham sebesar 0,07.
2) β1 sebesar 0,30 menunjukkan bahwa setiap perubahan economic value added sebesar 1% akan di ikuti kenaikan return saham sebesar 30% dengan asumsi variabel tetap.
3) β2 sebesar -0,40 menunjukkan bahwa setiap perubahan maket value added 1% akan di ikuti penurunan return saham sebesar -40% dengan asumsi variabel tetap.
4) β3 sebesar 0,236 menunjukkan bahwa setiap perubahan return on asset 1% akan di ikuti kenaikan return saham sebesar 23,6% dengan asumsi variabel tetap.
5) β4 sebesar -1,51 menunjukkan bahwa setiap perubahan return on equity sebesar 1% akan di ikuti penurunan return saham sebesar -151% dengan asumsi variabel tetap.
4.3.3.2. Analisis koefisien korelasi
Nilai koefisien korelasi (R) menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0,5 dan mendekati 1. Koefisien determinasi (R square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen semakin terbatas.
Tabel 4.9 Model Summary Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson dimension0 1 .163a .027 -.129 1.53287 1.195 a. Predictors: (Constant), ln_roe, ln_mva, ln_roa, ln_eva
Sumber : Data yang diolah penulis 20113
Pada tampilan output SPSS model summary, nilai koefisien korelasi (R) sebesar 0,27 yang berarti bahwa korelasi atau hubungan antara EVA,MVA,ROA,ROE (variabel independen) terhadap Variabel dependen yaitu return saham lemah. koefisien korelasi dikatakan kuat jika nilai R berada di atas 0,5 dan mendekati 1. angka afjusted R square atau koefisien determinasi adalah -0.129 . hal ini berarti -12,9% variasi atau perubahan dalam variabel dependen dapat dijelaskan oleh variabel indepeden, sedangkan sisanya 112,9% dijelaskan olah faktor-faktor lain. Standard Error of Estimate ( SEE) adalah 1.53287, semakin kecil SEE maka akan membuat model regresi semakin tepat dalam memprediksi variabel dependen.
4.3.3.3 Pengujian secara parsial
Uji – t digunakan untuk menguji signifikasi konstanta dan setiap variabel independennya. Hasil pengolahan data dapat dilihat pada tabel 4.10.
Table 4.10 Hasil uji – t Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .007 3.801 .002 .998 ln_eva .030 .153 .055 .195 .847 ln_mva -.040 .125 -.088 -.319 .752 ln_roa .236 .363 .150 .651 .521 ln_roe -.151 .355 -.115 -.424 .675 a. Dependent Variable: ln_return
Sumber : Data yang diolah penulis 2013
Dari hasil pengolahan SPSS dapat dilihat besarnya t hitunguntuk variabel EVA sebesar 0,195 dengan nilai signifikan 0,847. hasil uji tersebut dapat menunjukkan t hitung lebih adalah lebih kecil dari t tabel ( 0,195 < 1,7081 ). Dilihat dari signifikasinya, signifikasi EVA sebesar 0,847 lebih besar dari nilai signifikan yaitu sebesar 0,05. Hasil perhitungan baik melalui t hitung maupun nilai signifikasinya, menunjukkan EVA tidak mempunyai pengaruh yang signifikan terhadap variabel return saham. Nilai t tabel, dimana level of significance (α) = 0,05 ( 5% ) dan derajat kebebasan (df) = (n – k- 1 ) atau (30 – 4 – 1 ).
Nilai hitung Variabel MVA adalah -0,319 dengan nilai signifikan 0,752 . hasil uji tersebut menunjukkan t hitung lebih kecil dari t tabel ( -,319 < 1,7081 ). Dilihat signifikasinya MVA sebesar 0,752 lebih besar dari signifikan sebesar 0,05. Hasil perhitungan nilai t hitung maupun
signifikannya, menunjukkan MVA tidak memiliki pengaruh yang signifikan terhadap variabel return saham.
Nilai t hitung untuk Varibel ROA adalah 0,615 dengan nilai signifikan 0,521. Hasil uji tersebut menunjukkan t hitung lebih kecil dari t tabel ( 0,615 < 1,7081 ). Dilihat signifikannya ROA sebesar 0,521 lebih besar dari nilai signifikan sebesar 0,05. Hasil perhitungan nilai t hitung maupun signifikannya. menunjukkan ROA tidak memiliki pengaruh yang signifikan terhadap variabel return saham.
Nilai t hitung Variabel ROE adalah-0,424 dengan nilai signifikan 0,675. Hasil uji tersebut menunjukkan t hitung lebih kecil dari t tabel ( -0,424 < 1,7081 ). Dilihat signifikannya ROE sebesar 0,675 lebih besar dari nilai signifikan sebesar 0,05. Hasil perhitungan nilai t hitung maupun signifikannya, menunjukkan ROE tidak memiliki pengaruh yang signifikan terhadap Variabel return saham.