BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Analisis Hasil Penelitian
7 NIPS Nipress Tbk
8 PRAS Prima alloy steel U
9 SMSM Selamat Sempurna Tbk
4.2 Analisis Hasil Penelitian 4.2.1 Statistik Deskriptif
Statistik deskriptif adalah statistik yang berfungsi mendeskripsikan atau memberi gambaran objek yang diteliti. Statistik deskriptif memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata (mean), dan standar deviasi dari masing-masing variabel yang digunakan. Berikut ini statistik deskriptif secara umum dari data yang digunakan :
Tabel 4.2
a. Variabel Return On Asset (ROA) mempunyai nilai minimum 0.00, nilai maksimum 20.43, nilai rata-rata statistic 8.9003, dan standar deviasi 5.31277 dengan jumlah pengamatan 36.
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Statistic Statistic Statistic Statistic Std. Error Statistic
X1 (ROA) 36 .00 20.43 8.9003 .88546 5.31277
X2 (ROE) 36 .00 35.16 17.7475 1.59105 9.54628
X3 (EPS) 36 .00 1896.24 4.3589E2 66.90787 401.44724
Y (Return) 36 -.5346 10.9525 .789111 .3388411 2.0330465
46 b. Variabel Return On Equity (ROE) mempunyai nilai minimum 0.00, nilai
maksimum 35.16, nilai rata-rata statistic 17.7475, dan standar deviasi 9.54628 dengan jumlah pengamatan 36.
c. Variabel Earning Per Share (EPS) mempunyai nilai minimum 0.00 , nilai maksimum 1896.24, nilai rata-rata statistic 4.3589E2, dan standar deviasi 401.44724 dengan jumlah pengamatan 36.
d. Variabel Return saham (Y) mempunyai nilai minimum -0.5346, nilai maksimum 10.9525, nilai rata-rata statistic 0.789111, dan standar deviasi 2.0330465 dengan jumlah pengamatan 36.
4.2.2 Pengujian Asumsi Klasik
Uji asumsi klasik digunakan untuk mengetahui kondisi data yang digunakan dalam penelitian. Untuk menghasilkan suatu model regresi yang baik, diperlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis.
4.2.2.1Uji Normalitas
Tujuan dari uji normalitas adalah untuk menguji apakah dalam sebuah model regresi, variabel bebas dan variabel terikat, atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Uji Kolmograv-smirnov dapat digunakan untuk mengetahui apakah data berdistribusi normal dengan melihat data residualnya apakah berdistribusi normal atau tidak.
47 Jika nilai signifikansi lebih besar dari 0,05 maka data tersebut terdistribusi normal. Sebaliknya, jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal.
Tabel 4.3 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parametersa Mean .0000000
Std. Deviation 1.32170165 Most Extreme Differences Absolute .149
Positive .149
Negative -.105
Kolmogorov-Smirnov Z .896
Asymp. Sig. (2-tailed) .399
a. Test distribution is Normal. b. Calculated from data
Berdasarkan tabel 4.3 di atas, besarnya kolmograv-smirnov (K-S) adalah 0.896 dan signifikansi 0.399. Hal ini menunjukkan bahwa data tersebut telah terdistribusi normal karena nilai Asymp. Sig.(2-tailed) kolmograv smirnov lebih besar dari 0.05.
48 Selain Kolmograv-smirnov, hasil uji normalitas juga dapat dilihat pada diagram histogram dan Normal Probability Plot yang ditampilkan pada gambar 4.1 dan 4.2 berikut ini :
Gambar 4.1
Histogram Uji Normalitas
Grafik histogram di atas menunjukkan bahwa distribusi data memiliki kurva berbentuk lonceng dimana distribusi data tidak menceng ke kiri maupun menceng ke kanan. Hal ini menunjukkan bahwa data telah terdistribusi secara normal. Hal ini juga di dukung dengan hasil uji normalitas dengan menggunakan grafik plot .
49 Gambar 4.2
Grafik Uji Normalitas
Gambar 4.2 merupakan grafik normal probability plot yang menunjukkan bahwa titik-titik data menyebar di sekitar garis diagonal. Hal tersebut menunjukkan bahwa data telah terdistribusi secara normal. Hal ini sejalan dengan pengujian dengan menggunakan histogram dan model kolmograv-smirnov yang juga menyatakan bahwa data telah terdistribusi secara normal.
4.2.2.2Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah model regresi ditemukan adanya korelasi antar variabel indevenden. Untuk
50 melihat ada atau tidaknya multikolinieritas dalam model regresi dilihat dari nilai tolerance dan lawannya Variance Inflation factor (VIF). Batasan yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah Tolerance < 0,1 atau sama dengan VIF > 10.
Tabel 4.4
Hasil Uji Multikolinearitas
Berdasarkan tabel 4.4 di atas dapat diketahui bahwa nilai Tolerance dari masing-masing variabel lebih besar dari 0.1, yaitu untuk variabel ROA sebesar 0.349, ROE sebesar 0.338, dan EPS sebesar 0.937. Selain itu, nilai VIF untuk masing-masing variabel juga lebih kecil dari 10, yaitu untuk variabel ROA sebesar 2.863, ROE sebesar 2.957, dan EPS sebesar 1.067. Dengan demikian dapat disimpulkan bahwa pada data penelitian tidak terdapat Multikolinearitas.
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.266 .520 -.511 .613
X1 (ROA) -.423 .074 -1.105 -5.680 .000 .349 2.863
X2 (ROE) .273 .042 1.283 6.491 .000 .338 2.957
X3 (EPS) -7.345E-5 .001 -.015 -.122 .904 .937 1.067
51 4.2.2.3Uji Heterokedastisitas
Meburut Ghozali (2005:105) “Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain”. Uji ini dapat dilakukan dengan grafik scatterplot. Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur maka menunjukkan bahwa telah terjadi heterokedastisitas. Jika tidak ada pola yang jelas serta titik-titik menyebar secara acak baik di atas atau di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
Gambar 4.3 Uji Heterokedastisitas
52 Gambar scaterplot di atas menunjukkan bahwa titik-titik data menyebar secara acak atau tidak teratur dan tidak membentuk suatu pola tertentu, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y.Hal ini mengindikasikan tidak terjadi heterokedastisitas.
4.2.2.4Uji Autokorelasi
Menurut Ghozali (2005:95) “Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya)”. Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan uji Durbin Watson. Ketentuan yang umum dipakai dalam ini adalah sebagai berikut:
1. Jika Dw < dL atau lebih besar dari (4-dL), maka terdapat autokorelasi 2. Jika Dw terletak antara dU dan (4-dU), maka tidak ada autokorelasi. 3. Jika Dw terletak antara dL dan dU atau diantara (4-dU) dan (4-dL),
maka tidak menghasilkan kesimpulan yang pasti. Tabel 4.5
Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .760a .577 .538 1.3822687 2.026 a. Predictors: (Constant), X3 , X1 , X2 b. Dependent Variable: Y
53 Dari hasil Uji Autokorelasi pada tabel 4.5 di atas menunjukkan nilai statistic Durbin-Watson sebesar 2.026. Nilai ini akan dibandingkan dengan nilai tabel signifikansi 5%, jumlah sampel (N) =36, dan jumlah variabel independen (k) = 3. Berdasarkan tabel Durbin Watson diperoleh nilai batas atas (dU) sebesar 1.654 dan nilai batas bawah (dL) sebesar 1.295. Dengan demikian, nilai DW lebih besar dari nilai dL dan lebih kecil dari 4-dL, yakni 4-1.295=2.705 . Selain itu dapat juga dinyatakan bahwa dU < dw < 4-dU yakni 1.654 < 2.026 < 4 – 1.654. Dengan demikian dapat disimpulkan bahwa tidak terdapat autokorelasi.
4.2.3 Uji Hipotesis
Setelah melakukan uji asumsi , maka dilakukan pengujian statistik untuk menguji hipotesis. Uji hipotesis dilakukan untuk mengetahui ada tidaknya pengaruh variabel independen terhadap variabel dependen , baik secara parsial maupun secara simultan.
4.2.3.1Analisis Regresi Berganda
Analisis regresi berganda dari pengaruh Return on Asset (ROA), Return on Equity (ROE), dan Earning Per Share (EPS) terhadap return saham pada perusahaan otomotif dan komponen yang terdaftar di Bursa Efek Indonesia (BEI) memiliki hasil sebagai berikut :
54 Tabel 4.6
Hasil Analisis Regresi
Berdasarkan hasil analisis regresi pada tabel 4.6 di atas diperoleh persamaan model regresi sebagai berikut :
Y = -0.266 – 0.423X1 + 0.273X2 – 7.345E-5X3 + e Dimana :
Y = Return saham
X1 = Return on Asset (ROA) X2 = Return on Equity (ROE) X3 = Earning Per Share (EPS) e = tingkat kesalahan pengganggu
Koefisien kefisien dalam persamaan regresi linier berganda memiliki arti sebagai berikut :
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -.266 .520 -.511 .613 X1 (ROA) -.423 .074 -1.105 -5.680 .000 X2 (ROE) .273 .042 1.283 6.491 .000 X3 (EPS) -7.345E-5 .001 -.015 -.122 .904 a. Dependent Variable: Y
55 1. Konstanta (a) sebesar -0.266 mempunyai arti bahwa apabila rasio
ROA, ROE, dan EPS sama dengan nol maka jumlah Return saham bernilai negatif sebesar 0.266.
2. Koefisien regresi ROA sebesar -0.423 mempunyai arti bahwa ROA memiliki koefisien regresi negatif. Hal ini menggambarkan setiap kenaikan rasio ROA sebesar 1 satuan akan berpengaruh negatif terhadap return saham perusahaan sebesar 0.423.
3. Koefisien regresi ROE sebesar 0.273 mempunyai arti setiap kenaikan rasio ROE sebesar 1 satuan akan berpengaruh positif terhadap return saham perusahaan sebesar 0.273.
4. Koefisien regresi EPS sebesar -7.345E-5 mempunyai arti EPS memiliki koefisien regresi yang negatif. Hal ini berarti setiap kenaikan nilai EPS sebesar 1 satuan akan berpengaruh negatif terhadap return saham perusahaan sebesar 7.345E-5.
4.2.3.2Uji Signifikan Simultan (Uji F)
Uji F digunakan untuk menguji apakah variabel independen (bebas) memiliki pengaruh secara bersama-sama terhadap variabel dependen. Pengujian dapat dilakukan dengan membandingkan nilai F hitung dengan F tabel. Kriteria yang digunakan adalah :
• H0 diterima : Jika F hitung < F tabel dan signifikansi > 0.05 • H0 ditolak : Jika F hitung > F tabel dan signifikansi < 0.05
56 Tabel 4.7
Hasil Uji F
Pada tabel 4.7 di atas diperoleh nilai F hitung sebesar 14.571 dan tingkat signifikansi sebesar 0.000. Nilai F tabel diperoleh melalui fungsi FINV pada Microsoft exel dengan formula =FINV(probability, deg_freedom1, deg_freedom2). Probability yang digunakan 0.05, df1 = 3 dan df2 = 32. Df1 diperoleh dari jumlah variabel dependen dan independen – 1, sedangkan df2 diperoleh dari jumlah observasi – jumlah variabel. Berdasarkan perhitungan diperoleh nilai F tabel sebesar 2.901. Dari nilai F hitung dan F tabel yang diperoleh diketahui bahwa nilai F hitung > F tabel dan tingkat signifikansi < 0.05. Dengan demikian H0 ditolak dan Ha diterima. Ini berarti variabel ROA, ROE, dan EPS secara bersama-sama atau secara simultan berpengaruh signifikan terhadap return saham.
ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression 83.523 3 27.841 14.571 .000a
Residual 61.141 32 1.911
Total 144.665 35
a. Predictors: (Constant), X3 , X1 , X2 b. Dependent Variable: Y
57 4.2.3.3Uji Signifikansi Parsial (Uji t)
Uji t dilakukan untuk menguji koefisien regresi secara parsial dari variabel independen. Tingkat signifikansi yang digunakan sebesar 5%, dengan derajat kebebasan df = (n-k), dimana (n) adalah jumlah observasi dan (k) adalah jumlah variabel independen. Dasar mengambil kesimpulan adalah sebagai berikut :
• Jika t hitung < t tabel , maka Ho diterima.
• Jika t hitung > t tabel , maka Ho ditolak dan menerima Ha Tabel 4.8
Hasil Uji t
Pada tabel 4.8 di atas diperoleh nilai t hitung untuk masing-masing variabel independen. Nilai t hitung akan dibandingkan dengan nilai t tabel yang diperoleh dari Microsoft excel dengan menggunakan fungsi TINV dengan formula =TINV(0.05,33). Berdasarkan formula tersebut diperoleh nilai t tabel sebesar 2.034. Berdasarkan hasil pengujian dapat dijelaskan
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -.266 .520 -.511 .613 X1 (ROA) -.423 .074 -1.105 -5.680 .000 X2 (ROE) .273 .042 1.283 6.491 .000 X3 (EPS) -7.345E-5 .001 -.015 -.122 .904 a. Dependent Variable: Y
58 pengaruh variabel independen secara satu-persatu (parsial) terhadap variabel dependen.
a. Pengaruh Return on Asset (ROA) terhadap return saham
Hasil analisis uji t pada tabel 4.8 untuk variabel Return on Asset menunjukkan nilai t-hitung sebesar 5.680 dengan signifikansi sebesar 0.000. Nilai t tabel yang diperoleh sebesar 2.034. Karena nilai t hitung > t tabel yaitu 5.680 > 2.034 dan nilai signifikansi 0.000 < 0.05, maka H0 dotolak. Hal ini berarti variabel Return on Asset (ROA) secara parsial berpengaruh signifikan terhadap return saham .Hubungan yang terjadi antara ROA dan return saham adalah hubungan negatif.
b. Pengaruh Return on Equity (ROE) terhadap return saham
Hasil analisis uji t pada tabel 4.8 untuk variabel Return on Equity menunjukkan nilai t-hitung sebesar 6.491 dengan signifikansi sebesar 0.000. Nilai t tabel yang diperoleh sebesar 2.034. Karena nilai t hitung > t tabel yaitu 6.491 > 2.034 dan nilai signifikansi 0.000 < 0.05, maka H0 ditolak. Hal ini berarti Return on Equity secara parsial berpengaruh signifikan terhadap return saham. Hubungan yang terjadi antara ROE dan return saham adalah hubungan positif.
59 c. Pengaruh Earning Per Share (EPS) terhadap return saham
Hasil analisis uji t pada tabel 4.8 untuk variabel Earning per share menunjukkan nilai t hitung sebesar 0.122 dengan signifikansi sebesar 0.904. Nilai t tabel yang diperoleh sebesar 2.034. Karena nilai t hitung < t tabel yaitu 0.122 < 2.034 dan nilai signifikansi 0.904 > 0.05, maka H0 diterima. Hal ini berarti Earning per share secara parsial tidak berpengaruh signifikan terhadap return saham. Hubungan yang terjadi antara EPS dan return saham adalah hubungan negatif.
4.2.3.4Uji Koefisien Determinasi
Koefisien determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai R2 yang kecil, berarti kemampuan variabel independen dalam menjelaskan variasi variabel dependen terbatas. Nilai yang digunakan untuk melihat uji koefisien determinasi adalah Adjusted Rsquare karena nilai R square sering menimbulkan kelemahan karena nilainya akan selalu meningkat dengan adanya penambahan variabel bebas walaupun variabel tersebut tidak berpengaruh terhadap variabel dependen. Sedangkan nilai Adjusted R square dapat naik atau turun dengan penambahan variabel sesuai dengan korelasinya.
60 Tabel 4.9
Hasil Uji Determinasi
Hasil uji determinasi pada tabel 4.9 menunjukkan nilai Adjusted R square sebesar 0.538. Hal ini berarti besarnya pengaruh yang diberikan oleh variabel Return on Asset, Return on Equity, dan Earning per share terhadap return saham adalah sebesar 53.8, Sedangkan sisanya sebesar 46.2 dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini.
