BAB IV HASIL DAN PEMBAHASAN
4.2 Analisis Hasil Penelitian
Penelitian ini mengamati satu variabel terikat (dependent variable) yaitu variabel return saham (Y) dan empat variabel bebas (independent variable) yaitu
Return on Asset (ROA)(X1), Debt to Equity Ratio (DER) (X2), Current Ratio
(CR)(X3), dan Total Asset Turnover (TAT)(X4). Informasi semua variabel diambil berdasarkan laporan keuangan selama tahun 2008 sampai dengan tahun 2010.
Penjelasan dapat melalui deskripsi variabel ini diharapkan memberikan gambaran awal tentang masalah yang diteliti. Analisa deskripsi semua variabel baik variabel bebas maupun varibel terikat adalah sebagai berikut :
1. Variabel Return On Assets (ROA)
Tabel 4.1 Descriptive Statistics untuk Return On Assets (ROA)
N Minimum Maximum Mean Std. Deviation
Tahun 2008 20 .67 9.93 3.2880 2.45900
Tahun 2009 20 .10 8.98 3.1600 2.29131
Tahun 2010 20 .40 9.03 4.0035 2.28405
Valid N (listwise) 20
Sumber : Output pengolahan data dengan menggunakan SPPS 17
Dari hasil olahan data pada tabel 4.1 di atas dapat disimpulkan bahwa rata-rata ROA terlihat pada tahun 2010 yaitu sebesar 4.0035, hal ini berarti pada tahun 2010 kondisi rata-rata laba bersih setelah pajak (earnings after tax) terhadap total
aktivanya pada perusahaan sampel terlihat paling baik, sedangkan nilai standar deviasi terbesar terjadi pada tahun 2008 dengan nilai standar deviasi sebesar 2,45900. Ini berarti bahwa pada tahun 2008 nilai ROA semua perusahaan sampel paling bervariasi dengan nilai terbesar 9,93 dan yang terkecil 0,10. Kondisi ini sekaligus menunjukkan bahwa kondisi ROA perusahaan sampel sangat berfluktuasi, dimana jarak pada rata-rata perusahaan yang memiliki rasio antara laba bersih setelah pajak terhadap total aktivanya yang bernilai rendah.
2. Variabel Debt to Equty Ratio
Tabel 4.2 Descriptive Statistics Untuk Debt to Equty Ratio (DER)
N Minimum Maximum Mean Std. Deviation
Tahun 2008 20 .08 3.35 1.0230 .84499
Tahun 2009 20 .05 3.38 1.0110 .82084
Tahun 2010 20 .07 2.47 .9545 .67183
Valid N (listwise) 20
Sumber : Output pengolahan data dengan menggunakan SPPS 17
Dari hasil olahan data pada tabel 4.2 di atas dapat disimpulkan bahwa rata-rata DER terbesar terlihat pada tahun 2008 yaitu sebesar 1,0230, hal ini berarti pada tahun 2008 kondisi rata-rata kewajiban terhadap modal sendiri pada perusahaan sampel terlihat paling baik, sedangkan nilai standar deviasi yang terbesar juga terjadi pada tahun 2008 dengan nilai standar deviasi sebesar 0,84499. Ini berarti bahwa pada tahun 2008 nilai DER semua perusahaan sampel paling bervariasi dengan nilai sebesar 3,38 dan yang terkecil 0,05. Kondisi ini sekaligus menunjukkan bahwa kondisi DER perusahaan sampel sangat
berfluktuasi, dimana jarak pada rata-rata perusahaan yang memiliki rasio antara kewajiban terhadap modal sendirinya yang bernilai rendah.
3. Variabel Current Ratio (CR)
Tabel 4.3 Descriptive Statistics Untuk Current Ratio (CR)
N Minimum Maximum Mean Std. Deviation
Tahun 2008 20 .25 9.66 2.4580 2.32325
Tahun 2009 20 .29 21.09 3.1230 4.84196
Tahun 2010 20 .33 12.70 2.5945 2.81872
Valid N (listwise) 20
Sumber : Output pengolahan data dengan menggunakan SPPS 17
Dari hasil olahan data pada tabel 4.3 tersebut dapat disimpulkan bahwa rata-rata CR terbesar terlihat pada tahun 2009 yaitu sebesar 3,1230. Hal ini berarti pada tahun 2009 kondisi rata-rata aktiva lancarnya dari perusahaan sampel terlihat paling baik, sedangkan nilai standar deviasi terbesar juga terjadi pada tahun 2009 dengan nilai standar deviasi sebesar 4,84196. Ini berarti bahwa pada tahun 2009 nilai CR semua perusahaan sampel paling bervariasi dengan nilai terbesar 21.09 dan yang terkecil 0,25. Kondisi ini sekaligus menunjukan bahwa kondisi CR perusahaan sampel sangat berfluktuasi, dimana jaraknya cukup tinggi sangat jauh, jika dibandingkan dengan jarak pada rata-rata perusahaan yang memiliki rasio antara aktiva lancarnya yang bernilai rendah.
4. Variabel Total Assets Turnover (TAT)
Tabel 4.4 Descriptive Statistics Untuk Total Assets Turnover (TAT)
N Minimum Maximum Mean Std. Deviation
Tahun 2008 20
.09 .99 .2705 .21035
Tahun 2009 20 .07 .87 .2480 .19493
Tahun 2010 20 .08 .70 .2380 .15683
Valid N (listwise) 20
Sumber : Output pengolahan data dengan menggunakan SPPS 17
Dari hasil olahan data pada tabel 4.4 di atas dapat disimpulkan bahwa rata-rata TAT terbesar terlihat pada tahun 2008 yaitu sebesar 0,2705. Hal ini berarti pada tahun 2008 kondisi rata-rata penjualan bersih terhadap total aktivanya pada perusahaan sampel terlihat paling baik, sedangkan nilai standar deviasi yang terbesar juga terjadi pada tahun 2008 dengan nilai standar deviasi sebesar 0,21035. Ini berarti bahwa pada tahun 2005 nilai TAT semua perusahaan sampel paling bervariasi dengan nilai terbesar 0,99 dan yang terkecil 0,7. Kondisi ini sekaligus menunjukkan bahwa kondisi TAT perusahaan sampel sangat berfluktuasi, dimana jarak rata-rata perusahaan yang memiliki rasio antara penjualan bersih terhadap total aktivanya cukup tinggi sangat jauh jika dibandingkan dengan jarak pada rata-rata perusahaan yang memiliki rasio antara penjualan bersih terhadap total aktivanya yang bernilai rendah.
5. Variabel Return Saham (Y)
Tabel 4.5 Descriptive Statistics Untuk Return Saham
N Minimum Maximum Mean Std. Deviation
Tahun 2008 20 -.88 .70 -.3450 .46471
Tahun 2009 20 -.56 8.57 1.0704 2.01508
Tahun 2010 20 -.84 2.97 .3970 .89082
Valid N (listwise) 20
Sumber : Output pengolahan data dengan menggunakan SPPS 17
Dari hasil olahan data pada tabel 4.5 di atas dapat disimpulkan bahwa rata-rata return saham terbesar terlihat pada tahun 2009 yaitu sebesar 1,0704. Hal ini berarti pada tahun 2009 kondisi rata-rata return saham pada perusahaan sampel terlihat paling baik. Sedangkan nilai standar deviasi yang terbesar juga terjadi pada tahun 2009 dengan nilai standar deviasi sebesar 2,01508. Ini berarti bahwa pada tahun 2009 nilai return saham perusahaaan semua perusahaan sampel paling bervariasi dengan nilai terbesar 8,57 dan yang terkecil -5,6. Kondisi ini sekaligus menunjukkan bahwa kondisi return saham perusahaan sampel sangat berfluktuasi, dimana jarak pada rata-rata perusahaan yang memiliki return saham cukup tinggi sangat jauh jika dibandingkan dengan jarak pada rata-rata perusahaan yang memiliki return saham yang bernilai rendah.
4.3 Uji Asumsi Klasik 4.3.1 Uji Normalitas
Uji normalitas digunakan untuk mendeteksi apakah residual terdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. Dalam analisis
grafik, bila grafik histogram menunjukkan pola distribusi normal dan grafik normal plot menyebar teratur mengikuti garis diagonal, maka data terdistribusi normal. Hasil analisis dengan uji normalitas dari sampel perusahaan property and real estate dari tahun 2008-2010 disajikan dalam gambar berikut :
Gambar 4.1 Grafik Histogram
Sumber : Output pengolahan data dengan menggunakan SPPS 17
Pada gambar 4.1 menunjukkan bahwa data distribusi normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng (skewness) ke kiri maupun ke kanan.
Gambar 4.2 Grafik Normal P-Plot
Sumber : Output pengolahan data dengan menggunakan SPPS 17
Santoso (2006), menyatakan bahwa dasar pengambilan keputusan dari uji normalitas data, yaitu :
a. Jika data menyebar di sekitar diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas,
b. Jika data menyebar disekitar garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Pada gambarl 4.2 menunjukkan Grafik normal p-plot memperlihatkan titik-titik menyebar di sekitar garis diagonal serta penyebarannya mendekati garis
diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi normal.
4.3.2 Uji Multikolinieritas
Uji multikolinearitas digunakan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebasnya. Hal ini dapat diketahui dengan melihat nilai tolerance dan VIF data yang diolah. Hasil pengujian multikolinearitas dapat dilihat pada tabel 4.3 berikut ini:
Tabel 4.6 Uji Multikolinieritas Coefficientsa Model Collinearity Statistics Tolerance VIF 1 ROA .708 1.412 DER .682 1.466 CR .682 1.466 TAT .784 1.275 a. Dependent Variable: ReturnSaham
Sumber : Output pengolahan data dengan menggunakan SPPS 17
Uji ini dilakukan untuk menunjukkan ada tidaknya korelasi yang besar diantara variabel bebas. Hasil pengujian multikolinearitas dapat dilihat pada tabel 4.6. Hasil dari tabel 4.6 tersebut, menunjukkan bahwa variabel bebas yaitu : ROA, DER, CR, dan TAT memiliki angka Variance Inflaction Factor (VIF) dibawah angka 10. Dengan demikian dapat disimpulkan bahwa persamaan regresi yang dipakai sebagai model analisis tidak terdapat persoalan multikolinearitas.
4.3.3 Uji Autokorelasi
Dalam penelitian ini, uji autokorelasi dilakukan dengan melihat nilai Durbin Watson. Cara mendeteksi apakah model yang digunakan mengalami gejala autokorelasi adalah dengan melihat nilai statistic Durbin Watsonn. Hasil dari Durbin Watsoon dapat dilihat pada tabel 4.7 berikut ini :
Tabel 4.7 Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .148a .022 -.049 1.43854 2.470
a. Predictors: (Constant), TAT, DER, ROA, CR b. Dependent Variable: ReturnSaham
Sumber : Output pengolahan data dengan menggunakan SPPS 17
Dari tabel 4.7 tersebut, dapat dilihat bahwa nilai Durbin Watson sebesar 2,470 yang menjadi patokan terjadi tidaknya autokorelasi adalah jika angka D-W diantara -1 sampai +2 yang berarti tidak ada autokorelasi, dengan demikian angka/nilai Durbin Watson sebesar 2,470 berada diantara angka patokan, yang menunjukan bahwa tidak adanya autokorelasi antar variabel bebas yang diteliti. 4.3.4 Uji Heteroskedastisitas
Uji ini dilakukan untuk menunjukkan penyebaran varians gangguan. heteroskedastisitas terjadi bila varians residu berbeda dari satu pengamatan ke pengamatan lainnya. Deteksi dapat dilakukan dengan menggunakan uji metode
grafis yaitu dengan melihat ada tidaknya pola tertentu yang tergambar pada
scatterplot. Pedoman pengambila keputusan, yaitu :
a. Jika ada pola tertentu maka terjadi heteroskedastisitas.
b. Jika tidak ada pola tertentu maka tidak terjadi heterokedastisitas.
Gambar 4.3 Grafik Scatterplot
Sumber : Output pengolahan data dengan menggunakan SPSS 17
Hasil pengujian heterokedastisitas pada penelitian ini menggunakan program software SPSS dengan cara mengamati pola yang terdapat pada scatter plot, yang hasilnya dapat dilihat pada gambar 4.3. Pada gambar tersebut dapat terlihat bahwa titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik di atas maupun di bawah angka nol pada
sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai.
4.4 Pengujian Hipotesis Penelitian