BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Analisis Hasil Penelitian
Statistik deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap objek yang diteliti melalui data sampel atau populasi sebagaimana adanya. Statistic deskriptif hanya memberikan informasi mengenai data dan sama sekali tidak digunakan untuk menarik kesimpulan apapun. Statistik deskriptif memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata (mean), serta standar deviasi data dari penelitian, yaitu sebagai berikut :
Tabel 4.2 Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Pertumbuhan Penjualan 87 -.75 1.27 .1596 .26895 Ukuran Perusahaan 87 20.16 31.99 27.6242 2.64111 EPS 87 -7061.00 55576.00 1987.0767 7333.86135 DER 87 .15 70.83 1.9660 7.97546 EVA 87 -960406000000.00 496147000000000.00 11674228407 501.9820 743441421430 62.02000
Harga Saham 87 140.00 1200000.00 48061.9100 161299.06886 Valid N (listwise) 87
Sumber : Output SPSS, diolah penulis (2015)
Berdasarkan tabel 4.2 dapat dijelaskan bahwa:
1. Variabel pertumbuhan penjualan (X1) memiliki nilai minimum sebesar -0,75 dan nilai maksimum sebesar 1,27. Rata-rata dari pertumbuhan penjualan adalah 0,1596 dengan standar deviasi sebesar 0,26895. jumlah data yang digunakan adalah sebanyak 87.
2. Variabel ukuran perusahaan (X2) memiliki nilai minimum sebesar 20,16 dan nilai maksimum sebesar 31,99. Rata-rata dari ukuran perusahaan adalah 27,6242 dengan standar deviasi sebesar 2,64111. Jumlah data yang digunakan adalah sebanyak 87.
3. Variabel Earning Per Share (X3) memiliki nilai minimum sebesar -7061,00 dan nilai maksimum sebesar 55576,00. Rata-rata dari EPS adalah 1987,0767 dengan standar deviasi sebesar 7333,86135. Jumlah data yang digunakan adalah sebanyak 87.
4. Variabel Debt to Equity Ratio (X4) memiliki nilai minimum sebesar 0.15 dan nilai maksimum sebesar 70,83. Rata-rata dari DER adalah 01,9660 dengan standar deviasi sebesar 7,97546. Jumlah data yang digunakan adalah sebanyak 87.
5. Variabel Economic Value Added (X5) memiliki nilai minimum sebesar - 960.406.000.000 dan nilai maksimum sebesar 496.147.000.000.000. Rata-rata
dari EVA adalah 11.674.228.407.501,9820 dengan standar deviasi sebesar 74.344.142.143.062,02000. Jumlah data yang digunakan adalah sebanyak 87. 6. Variabel Harga Saham (Y) memiliki nilai minimum sebesar Rp 140 dan nilai
maksimum sebesar Rp 1.200.000. Rata-rata dari harga saham adalah 48.061,9100dengan standar deviasi sebesar 161.299,06886. Jumlah data yang digunakan adalah sebanyak 87.
4.2.2 Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Model regresi berganda harus memenuhi asumsi-asumsi yang ditetapkan agar menghasilkan nilai yang tidak bias.
4.2.2.1 Uji Normalitas
Uji data statistik dengan menggunakan model Kolmogrov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak. Variabel economic value added diubah dalam bentuk logaritma natural agar nilai antarvariabel dapat seimbang sehingga tidak mengalami hambatan dalam proses pengujian.
Uji Kolmogrov-Smirnov dapat dilihat sebagai berikut:
a. Nilai signifikan atau probabilitas < 0,05, maka distribusi data tidak normal.
b. Nilai sigifikan atau probabilitas > 0,05, maka distribusi data normal.
Hasil uji normalitas dengan menggunakan model Kolmogrov-Smirnov adalah sebagai berikut:
Tabel 4.3 Pengujian normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 84
Normal Parametersa,b Mean .0000000
Std. Deviation .81341270
Most Extreme Differences Absolute .100
Positive .100
Negative -.088
Kolmogorov-Smirnov Z .912
Asymp. Sig. (2-tailed) .376
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS, diolah penulis 2015
Dari tabel diatas, besar Kolmogrov-Smirnov (K-S) adalah 0,912 dan signifikan pada 0,376. Nilai signifikan lebih besar dari 0,05 maka H0 diterima yang berarti data residual berdistribusi normal. Selain itu, cara yang dilakukan untuk melihat normalitas adalah menggunakan grafik histogram dan normal probability plot. Grafik histogram membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Dalam normal probability plot, jika distribusi data residual normal maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Gambar 4.1 Sumber : output SPSS, diolah penulis 2015
Gambar 4.2 Sumber : output SPSS, diolah penulis 2015
4.2.2.2Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk melakukan uji apakah terdapat korelasi diantara variabel independen. Model regresi yang baik seharusnya tidak menunjukkan adanya korelasi diantara variabel independen. Pengujian multikolinearitas dilakukan dengan melihat nilai dari Varance Inflation Factor (VIF) < 10 dan nilai Tolerance > 0,10. Uji multikolinearitas menunjukkan hasil seperti pada tabel berikut:
Tabel 4.4 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) -.222 2.460 -.090 .928 Pertumbuhan penjualan -.357 .361 -.093 -.988 .326 .870 1.150 Ukuran Perusahaan .026 .037 .064 .696 .488 .916 1.091 EPS 8.968E-5 .000 .638 6.642 .000 .836 1.196 DER .031 .012 .237 2.654 .010 .966 1.035 EVA .100 .086 .104 1.168 .247 .976 1.024
a. Dependent Variable: Harga Saham
Sumber: Output SPSS, diolah penulis 2015
Berdasarkan data tersebut dapat diketahui bahwa nilai tolerance dari masing-masing variabel independen lebih besar 0,10, yaitu untuk variabel pertumbuhan penjualan sebesar 0,870, variabel ukuran perusahaan sebesar 0,916, variabel Earning per Share sebesar 0,836, variabel Debt to Equity Ratio sebesar 0,966, dan variabel Economic Value Added sebesar 0,976.
Nilai VIF dari masing-masing variabel independen kurang dari 10, yaitu untuk variabel pertumbuhan penjualan sebesar 1,150, variabel ukuran perusahaan sebesar 1,091, variabel Earning per Share sebesar 1,196, variabel Debt to Equity Ratio sebesar 1,035, dan variabel Economic Value Added sebesar 1,024. Dengan demikian dapat disimpulkan bahwa penelitian ini tidak mengalami multikolinearitas.
4.2.2.3 Uji Heterokedastisitas
Ada tidaknya heterokedastisitas dapat dilihat dari grafik Scatterplot antara nilai prediksi variabel independen dengan nilai residualnya. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka telah terjadi heterokedastisitas, sebaliknya jika tidak ada pola yang jelas, serta titik-titik menyebar maka tidak terjadi heterkedastisitas.
Gambar 4.1
Dari gambar Scatterplot diatas, terlihat bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu atau tidak teratur, serta titik-titik meyebar diatas dan dibawah angka 0 pada sumbu Y. hal ini menjukkan bahwa tidak terjadi heterokedastisitas pada model regresi sehingga dapat digunakan untuk memprediksi variabel harga saham berdasarkan masukan variabel pertumbuhan penjualan, ukuran perusahaan, EPS, DER, dan EVA.
4.2.2.4 Uji Autokorelasi
Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk menentukan ada tidaknya autokorelasi dalam penelitian ini adalah dengan melakukan uji Run Test karena memberikan kesimpulan yang lebih pasti jika terjadi masalah pada Durbin-Watson test yaitu nilai d terletak antara dL dan dU.
Tabel 4.5 Uji Autokorelasi
Runs Test
Unstandardized Residual
Test Valuea -.09603
Cases < Test Value 42
Cases >= Test Value 42
Total Cases 84
Number of Runs 38
Z -1.098
Asymp. Sig. (2-tailed) .272
a. Median
Dari tabel diatas dapat dilihat bahwa nilai Asymp. Sig (2-tailed) > 0,05 yaitu sebesar 0,272. Dengan demikian dapat disimpulkan bahwa tidak terdapat autokorelasi antarvariabel dependen dan independen.
4.2.3Analisis Regresi
Dari hasil pengujian asumsi klasik dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimator (BLUE) dan selanjutnya dapat dilakukan analisis regresi, yaitu koefisien regresi, analisis koefisien korelasi dan determinasi dan melakukan pengujian hipotesis.
4.2.3.1 Persamaan Regresi Tabel 4.6 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) -.222 2.460 -.090 .928 Pertumbuhan penjualan -.357 .361 -.093 -.988 .326 .870 1.150 Ukuran Perusahaan .026 .037 .064 .696 .488 .916 1.091 EPS 8.968E-5 .000 .638 6.642 .000 .836 1.196 DER .031 .012 .237 2.654 .010 .966 1.035 EVA .100 .086 .104 1.168 .247 .976 1.024
a. Dependent Variable: Harga Saham
Berdasarkan tabel 4.7, maka model analisis regresi berganda antar variabel X dengan variabel Y dapat diformulasikan dalam model persamaan berikut:
Y = -0,222 - 0,357X1 + 0,026X2 + 8,968E-5X3 + 0,031X4 + 0,100X5
+e
Dari hasil persamaan regresi berganda tersebut, setiap variabel independen dapat diinterpretasikan pengaruhnya terhadap harga saham sebagai berikut:
1. Konstanta (a) sebesar -0,222 menunjukkan bahwa jika semua variabel nilainya sama dengan nol atau dianggap konstan, maka harga saham akan menurun sebesar 0,222.
2. Koefisien Pertumbuhan Penjualan (X1) sebesar -0,357. Hal ini menunjukkan apabila terjadi peningkatan variabel pertumbuhan penjualan sebesar 1%, maka harga saham akan menurun sebesar 0,357, dengan asumsi variabel lainnya dianggap tetap atau sama dengan nol.
3. Koefisien ukuran perusahaan (X2) sebesar 0,026. Hal ini menunjukkan apabila terjadi peningkatan variabel ukuran perusahaan sebesar 1%, maka harga saham akan meningkat sebesar 0,026, dengan asumsi variabel lainnya dianggap tetap atau sama dengan nol.
4. Koefisien EPS (X3) sebesar 8,968E-5. Hal ini menunjukkan apabila terjadi peningkatan variabel EPS sebesar 1%, maka harga saham akan meningkat sebesar 8,968E-5, dengan asumsi variabel lainnya dianggap tetap atau sama dengan nol.
5. Koefisien DER (X4) sebesar 0,031. Hal ini menunjukkan apabila terjadi peningkatan variabel DER sebesar 1%, maka harga saham akan meningkat sebesar 0,031, dengan asumsi variabel lainnya dianggap tetap atau sama dengan nol.
6. Koefisien EVA (X5) sebesar 0,100. Hal ini menunjukkan apabila terjadi peningkatan variabel EVA sebesar 1%, maka harga saham akan meningkat sebesar 0,100, dengan asumsi variabel lainnya dianggap tetap atau sama dengan nol.
4.2.3.2Analisis Koefisien Korelasi dan Determinasi
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 diatas 0,5 dan mendekati 1.
Koefisien determinasi (R2) menunjukkan seberapa besar kemampuan model dalam menjelaskan variabel dependen. Nilai koefisien determinasi adalah antara 0 sampai dengan 1. Nilai R Square yang kecil berarti kemampuan variabel- variabel independen dalam menjelaskan variabel-variabel independen dalam menjelaskan variabel dependen masih terbatas. Sebaliknya, nilai R Square yang mendekati satu berarti variabel-variabel independen dapat memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel independen. Kelemahan dari R Square adalah nilai R Square adalah nilai R Square akan meningkat apabila terjadi penambahan satu variabel independen,
tidak peduli apakah variabel tersebut memiliki pengaruh signifikan terhadap variabel dependen. Dengan demikian, akan lebih baik jika menggunakan nilai Adjusted R Square. Berikut ini akan ditampilkan hasil penilaian uji koefisien determinasi, yaitu untuk mengetahui ketepatan model regresi yang digunakan dalam penelitian ini:
Tabel 4.7
Uji Koefisien Determinasi Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .631a .398 .359 . 83908
a. Predictors: (Constant), EVA, EPS, Pertumbuhan penjualan, Ukuran perusahaan, DER b. Dependent Variable: Harga Saham
Sumber: Output SPSS, diolah penulis 2015
Pada tabel diatas dapat dilihat nilai koefisien korelasi adalah sebesar 0,631. Hal ini berarti bahwa hubungan antara harga saham dengan variabel independennya (Pertumbuhan penjualan, ukuran perusahaan, EPS, DER, dan EVA) kuat karena berada diatas 0,5. Nilai Adjusted R Square adalah 0,359 yang berarti bahwa 35,9% perubahan atau variasi dalam harga saham dapat dijelaskan oleh kelima variabel independen (pertumbuhan penjualan, ukuran perusahaan, EPS, DER, EVA). Sedangkan 64,1% dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini seperti komponen arus kas dan rasio keuangan lainnya.
4.2.3.3Pengujian Hipotesis
4.2.3.3.1Uji Signifikansi Parsial (Uji t)
Uji parsial dilakukan untuk mengetahui apakah setiap variabel independen secara terpisah memiliki pengaruh yang signifikan terhadap variabel dependen. Untuk mengetahui pengaruh signifikan variabel independen secara parsial terhadap variabel dependen, maka dilakukan perbandingan antara nilai thitung dengan ttabel pada tingkat signifikansi sebesar 5% (α = 0,05). Tabel 4.8 Hasil Uji t Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -.222 2.460 -.090 .928 Pertumbuhan penjualan -.357 .361 -.093 -.988 .326 Ukuran Perusahaan .026 .037 .064 .696 .488 EPS 8.968E-5 .000 .638 6.642 .000 DER .031 .012 .237 2.654 .010 EVA .100 .086 .104 1.168 .247
Sumber: Output SPSS, diolah penulis 2015
Tabel 4.9 menunjukkan variabel pertumbuhan penjualan memiliki thitung sebesar -0,988 dan nilai sig sebesar 0,326. Nilai thitung -0,988 < ttabel 1,662 dan nilai Sig sebesar 0,326 > (α) 0,05 yang berarti bahwa variabel pertumbuhan penjualan tidak memberikan pengaruh yang signifikan terhadap harga saham. Oleh karena itu, H1 “ pertumbuhan penjualan berpengaruh positif secara signifikan terhadap harga saham” ditolak. Hasil ini menyatakan
bahwa jika pertumbuhan penjualan naik atau turun, maka tidak akan berpengaruh terhadap harga saham perusahaan.
Untuk variabel ukuran perusahaan, nilai thitung sebesar 0,696 < ttabel 1,662 dan nilai sig sebesar 0,488 > 0,05 sehingga dapat disimpulkan bahwa variabel ukuran perusahaan tidak berpengaruh signifikan terhadap harga saham. Dengan demikian, H2 “ukuran perusahaan berpengaruh positif secara signifikan terhadap harga saham” ditolak. Hasil ini menyatakan bahwa besar atau kecil perusahaan tidak mempengaruhi besarnya harga saham perusahaan. Dalam hal ini, ukuran perusahaan tidak dapat menjadi pertimbangan untuk memprediksi harga saham perusahaan tersebut.
Untuk variabel Earning per Share, nilai thitung 6,642 > ttabel 1,662 dan nilai sig sebesar 0,000 < 0,05 sehingga dapat disimpulkan bahwa variabel Earning per Share berpengaruh secara signifikan terhadap harga saham. Dengan demikian, H3 “Earning per Share berpengaruh positif secara signifikan terhadap harga saham” diterima. Hasil ini menyatakan bahwa kenaikan atau penurunan jumlah laba per lembar saham akan mempengaruhi harga saham perusahaan tersebut.
Untuk variabel Debt to Equity Ratio, nilai thitung sebesar 2,654 > ttabel 1,662 dan nilai sig sebesar 0,010 < 0,05 sehingga dapat disimpulkan bahwa variabel Debt to Equity Ratio memiliki pengaruh secara signifikan terhadap harga saham. Dengan demikian, H4 “Debt to Equity Ratio berpengaruh positif terhadap harga saham” diterima. Hasil ini menyatakan
bahwa kenaikan atau penurunan rasio hutang terhadap modal akan mempengaruhi harga saham perusahaan.
Untuk variabel Economic Value Added, nilai thitung sebesar 1,168 < ttabel 1,667 dan nilai sig sebesar 0,247 > 0,05 sehingga dapat disimpulkan bahwa variabel Economic Value Added tidak memiliki pengaruh yang signifikan terhadap harga saham. Dengan demikian, H5 “Economic Value Added tidak mempunyai pengaruh terhadap harga saham” diterima. Hasil ini menyatakan bahwa besarnya nilai tambah yang diberikan kepada pemegang saham tidak mempengaruhi harga saham perusahaan.
4.2.3.3.2Uji Signifikansi Simultan (Uji F)
Uji F dilakukan untuk menguji apakah semua variabel independen mempunyai pengaruh secara serempak terhadap variabel dependen. Pengujian dilakukan dengan melihat perbandingan antara tingkat signifikansi (α) sebesar 5% dan nilai signifikansi F. Apabila nilai sig.F > 0,05, maka H0 diterima yang berarti bahwa tidak terdapat pengaruh yang signifikan secara simultan dari variabel-variabel independen terhadap variabel dependen. Sebaliknya apabila nilai sig.F < 0,05, maka Ha diterima yang berarti bahwa terdapat pengaruh yang signifikan secara serempak dari variabel-variabel independen terhadap variabel dependen.
Tabel 4.9 Hasil Uji F
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 36.266 5 7.253 10.302 .000a
Residual 54.916 78 .704
Total 91.183 83
a. Predictors: (Constant), EVA, EPS, DER, Ukuran Perusahaan, Pertumbuhan penjualan b. Dependent Variable: Harga Saham
Sumber: Output SPSS, diolah penulis 2015
Pada tabel 4.10 uji F dapat dilihat bahwa nilai F sebesar 10,302 dengan signifikansi 0,000a. Nilai Fhitung 10,302 > Ftabel 2,32 dan nilai sig 0,000 < 0,05. Berdasarkan hasil perbandingan tersebut, maka dapat disimpulkan bahwa variabel-variabel independen berpengaruh signifikan secara simultan (pertumbuhan penjualan, ukuran perusahaan, EPS, DER, EVA) terhadap variabel dependen (harga saham).
4.3 Interpretasi Hasil