Alat Analisis - Metode Penelitian - PENGARUH DEBT TO EQUITY RATIO, RETURN ON ASSET, NET PROFIT

BAB I PENDAHULUAN

G. Metode Penelitian

4. Alat Analisis

Dalam perhitungan akan dilakukan analisis terhadap beberapa indikator yang akan dijadikan parameter dalam penilaian.

a. Menghitung DER (Debt To Equity Ratio)

DER =

_{Total 𝐸𝑞𝑢𝑖𝑡𝑦}^{Total 𝐷𝑒𝑏𝑡}

(Murhadi, 2013:61)

b. Menghitung ROA (Return On Asset)

ROA =

^{𝐸𝑎𝑟𝑛𝑖𝑛𝑔 𝐴𝑓𝑡𝑒𝑟 𝑇𝑎𝑥 (EAT)}_{𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠}

x 100%

(Fahmi, 2014:186)

c. Menghitung NPM (Net Profit Margin)

NPM =^{𝐸𝑎𝑟𝑛𝑖𝑛𝑔 𝐴𝑓𝑡𝑒𝑟 𝐼𝑛𝑡𝑒𝑟𝑒𝑠𝑡 𝑎𝑛𝑑 𝑇𝑎𝑥 (EAIT)}_{𝑆𝑎𝑙𝑒𝑠} x 100%

(Kasmir, 2008:200)

d. Pengujian Asumsi Klasik

Ada lima uji asumsi klasik digunakan dalam penelitian ini, yaitu pengujian normalitas, multikolinieritas, autokorelasi, heteroskedastisitas dan linearitas.

1) Uji Normalitas

Menurut Ghozali (2016 : 154) : “Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel yang kecil”.

Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Namun dengan melihat tampilan grafik histogram dan grafik normal plot dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal padahal secara statistik bisa sebaliknya. Maka dari itu penelitian ini menggunakan uji statistik non-parametik Kolmogorov-Smirnov (K-S). Maka hipotesis yang akan diuji :

Ho : Data residual berdistribusi normal. Ha : Data residual berdistribusi tidak normal.

Pedoman pengambilan keputusan:

a) Nilai Sig. atau signifikansi atau nilai probabilitas > 0,05, distribusi adalah normal.

b) Nilai Sig. atau signifikansi atau nilai probabilitas < 0,05, distribusi adalah tidak normal.

2) Uji Multikolinieritas

Menurut Ghozali (2016 : 103) : “Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel sama dengan nol”.

Uji multikolinieritas digunakan untuk mengetahui terjadi tidaknya multikolinieritas antar variabel bebas yaitu Debt to Equity Ratio (DER), Return On Asset (ROA), dan Net Profit Margin (NPM). Cara untuk mengetahui terjadi atau tidaknya multikolinieritas dapat dengan melihat (1) nilai tolerance dan lawannya (2) variance inflation factor (VIF) :

Maka keputusan yang akan diambil :

a) Jika nilai tolerancenya ≥ dari 0,10 dan nilai VIF ≤ 10 maka dapat disimpulkan tidak terjadi multikolinieritas. b) Jika nilai tolerancenya ≤ dari 0,10 dan nilai VIF ≥ 10

3) Uji Autokorelasi

Menurut Ghozali (2016 : 107) : “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). Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya”.

Model regresi yang baik adalah yang bebas dari autokorelasi. Untuk mengetahui ada atau tidaknya Autokorelasi dapat dilihat dengan menggunakan uji Run Test.

Pengambilan keputusan ada tidaknya autokorelasi :

a) Nilai Sig. atau signifikansi > 0,05 maka tidak terdapat autokorelasi.

b) Nilai Sig. atau signifikansi < 0,05, maka terdapat autokorelasi.

4) Uji Heteroskedastisitas

Menurut Ghozali (2016 : 134) Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah Homoskedastisitas atau tidak terjadi Heteroskedastisitas

Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik Plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED

dengan residualnya SRESID. Namun analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting. Oleh sebab itu diperlukan uji statistik yang lebih dapat menjamin keakuratan hasil. Salah satu uji statistik heteroskedastisitas adalah uji park yang digunakan dalam penelitian ini.

Dasar analisis :

a) Jika nilai Sig. < 0,05 maka terjadi heteroskedastisitas. b) Jika nilai Sig. > 0,05 maka tidak terjadi

heteroskedastisitas.

5) Uji Linearitas

Menurut Ghozali (2016 : 159) Uji ini digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Apakah fungsi yang digunakan dalam suatu studi empiris sebaiknya berbentuk linear, kuadrat atau kubik. Dengan uji linearitas, akan diperoleh informasi apakah model empiris sebaiknya linear, kuadrat, atau kubik.

Dalam penelitian ini metode yang digunakan untuk uji linearitas adalah dengan diagram pancar (scatter diagram). Kriteria pengambilan keputusan :

a) Jika plot titik-titik yang ada mengikuti garis fit line maka berarti terdapat hubungan yang linear.

b) Jika plot titik-titik yang ada tidak mengikuti garis fit line maka berarti terdapat hubungan yang tidak linear.

e. Analisis Regresi Linear Berganda

Menurut Ghozali (2013 : 96) : “Analisis regresi digunakan untuk mengukur kekuatan hubungan antara dua variabel atau lebih, juga menunjukan arah hubungan antara variabel dependen dengan independen”. Menurut Sulaiman (2004 : 80) : “Jika suatu variabel dependen bergantung pada lebih dari suatu variabel independen, hubungan antara kedua variabel disebut analisis berganda”. Model analisis yang digunakan adalah regresi linear berganda dengan persamaan kuadrat terkecil (OLS). Perhitungan regresi linear berganda dihitung sebagai berikut :

Y = a + b1X1 + b2X2 + b3X3 Keterangan :

Y : Harga Saham

a : Konstanta b1, b2, b3 : Koefisien regresi X1 : Debt to Equity Ratio (DER)

X2 : Return On Asset (ROA) X3 : Net Profit Margin (NPM)

f. Koefisisen Korelasi Berganda

Analisis korelasi dilakukan dalam rangka menguji hipotesis asosiatif, yaitu dugaan hubungan antar variabel dalam populasi melalui data hubungan variabel dalam sampel. Rumus untuk menghitung koefisien korelasi adalah sebagai berikut :

𝑅𝑦.𝑥₁.𝑥₂.𝑥₃= √^{𝑟²ᵧᵪ + 𝑟}²^{ᵧᵪ + 𝑟}²^{ᵧᵪ − 3𝑟}_{1 − 𝑟}²₂^{ᵧᵪ 𝑟ᵧᵪ 𝑟ᵧᵪ 𝑟ᵪ ᵪ 𝑟ᵪ ᵪ 𝑟ᵪ ᵪ}_{ᵪ ᵪ} Keterangan :

Ry.x1.x2.x3 : Korelasi berganda antara variabel X1, X2 dan X3 secara bersama-sama dengan variabel Y

ryx1 : Korelasi product moment antara X1 dengan Y ryx2 : Korelasi product moment antara X2 dengan Y ryx3 : Korelasi product moment antara X3 dengan Y rx1x2 : Korelasi product moment antara X1 dengan X2 rx1x3 : Korelasi product moment antara X1 dengan X3 rx2x3 ` : Korelasi product moment antara X2 dengan X3 Kriteria pengambilan keputusan koefisien korelasi berganda :

Tabel 1.6

Pedoman Keputusan Koefisien Korelasi Berganda

Interval Koefisien Tingkat Hubungan

0,00 – 0,199 Sangat Lemah 0,20 – 0,399 Lemah 0,40 – 0,599 Sedang 0,60 – 0,799 Kuat 0,80 – 1,000 Sangat Kuat Sumber : Sugiyono, 2018 g. Koefisien Determinasi (R2)

Menurut Ghozali (2016 : 95) : “Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen”.

h. Uji Pengaruh Simultan (Uji Statistik F)

Menurut Kuncoro (2013 : 245) : “ Uji statistik F pada dasarnya menunjukan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat”. Dalam penelitian ini uji statistik F dilakukan untuk menguji apakah semua variabel bebas yaitu Debt to Equity Ratio (DER), Return On Asset (ROA), dan Net Profit Margin (NPM) mempunyai pengaruh secara bersama-sama terhadap harga saham.

Maka hipotesis yang diuji :

1) H0 : bi = 0 artinya Debt to Equity Ratio (DER), Return On Asset (ROA), dan Net Profit Margin (NPM) tidak mempunyai pengaruh secara bersama-sama terhadap harga saham.

2) Ha : bi ≠ 0 Debt to Equity Ratio (DER), Return On Asset (ROA), dan Net Profit Margin (NPM) mempunyai pengaruh bersama-sama terhadap harga saham.

Dasar analisis :

a) Jika nilai sig. ≥ 0,05 maka H0 diterima dan Ha ditolak. b) Jika nilai sig. ≤ 0,05 maka H0 ditolak dan Ha diterima.

i. Uji Pengaruh Parsial (Uji Statistik t)

Menurut Ghozali (2016 : 97) : “Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel

penjelas secara individual dalam menerangkan variasi variabel dependen”. Pengujian hipotesis akan dilakukan dengan menggunakan tingkat signifikansi sebesar 0,05 (α =5%) atau tingkat keyakinan sebesar 0,95. Hipotesis dirumuskan sebagai berikut :

1) Ho : b1 = 0 artinya Debt to Equity Ratio (DER) secara individual tidak mempunyai pengaruh terhadap harga saham.

Ha : b1 ≠ 0, artinya Debt to Equity Ratio (DER) secara individual mempunyai pengaruh terhadap harga saham. 2) Ho : b1 = 0 artinya Return On Asset (ROA) secara

individual tidak mempunyai pengaruh terhadap harga saham.

Ha : b1 ≠ 0, artinya Return On Asset (ROA) secara individual mempunyai pengaruh terhadap harga saham. 3) Ho : b1 = 0 artinya Net Profit Margin (NPM) secara

individual tidak mempunyai pengaruh terhadap harga saham.

Ha : b1 ≠ 0, artinya Net Profit Margin (NPM) secara individual mempunyai pengaruh terhadap harga saham. Dasar analisis :

a) Jika nilai sig. ≥ 0,05 maka H0 diterima dan Ha ditolak. b) Jika nilai sig. ≤ 0,05 maka H0 ditolak dan Ha diterima.

c) Atau dapat juga dengan membandingkan thitung dengan ttabel. Jika thitung lebih besar atau sama dengan ttabel dengan taraf signifikan 5%, maka variabel tersebut berpengaruh secara signifikan. Sebaliknya, jika thitung lebih kecil dari ttabel maka variabel tersebut tidak berpengaruh secara signifikan.

Dalam dokumen PENGARUH DEBT TO EQUITY RATIO, RETURN ON ASSET, NET PROFIT MARGIN TERHADAP HARGA SAHAM PERUSAHAAN YANG TERGABUNG DALAM INDEKS BISNIS 27 - Repository UM Pontianak (Halaman 23-33)