HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian
4.1.1 Gambaran Singkat Objek Penelitian
Sumber data dalam penelitian ini adalah perusahaan yang bergerak dalam bidang pertambangan yang terdaftar di Bursa Efek Indonesia periode 2010-2013.Perusahaan yang bergerak di bidang pertambangan yang terdaftar di Bursa Efek Indonesiauntuk tahun 2010 sampai dengan tahun 2013 dan yang listing serta mencantumkan laporan keuangan per periode akuntansi yang menjadi penelitian berjumlah 8perusahaan. Penelitian ini dilakukan untuk mengetahui apakah ada pengaruh rasio keuangan, ukuran perusahaan, dan arus kas dari aktivitas operasi terhadap pendapatan per lembar saham pada perusahaan pertambangan logam dan mineral yang terdaftar di bursa efek Indonesia yang dilakukan pengujian secara empiris terhadap 8 perusahaan.
4.1.2. StatistikDeskriptif
Variabel-variabel dalampenelitian ini dimasukkan ke program SPSS dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan. Berikut ini ditampilkan data statistik secara umum dari seluruh data yang digunakan sebagaimana terlihat pada tabel berikut:
Tabel 4.1
Output SPSS Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean Std. Deviation EPS 32 -43.77 323.41 33.2806 90.53842 NPM 32 -489.91 154.96 -11.4303 96.91166 ROE 32 -24.18 54.80 7.7072 17.86605 CR 32 .27 1064.23 132.8719 281.69947 DER 32 .01 176.78 20.4572 37.15117 TATO 32 3.79 174.16 63.9178 47.72847 PBV 32 4.03 3643.04 399.9228 836.96274 LNTotalasset 32 7.03 16.90 13.3803 2.41323 CFO 32 -2.70 18.22 1.5822 4.53985 Valid N (listwise) 32
Sumber: Pengolahan Data SPSS, Januari 2015 Dari tabel tersebut dapat dijelaskan bahwa:
1. Rata-rata Earning Per Share (Pendapatan per lembarsaham) adalah sebesar 33.2086 denganstandardeviasisebesar 90.53842, dengan kata lain bahwavariasi data lebihbesardaripadanilai rata-rata. Pendapatan per lembarsahammemilikinilaimaksimumsebesar 323.41 yaitupadaperusahaan HRUM dannilai minimum sebesar -43.77
yaitupadaperusahaan SMRU. Nilai rata-rata pendapatan per lembarsahamsebesar 33.2806 menunjukkanbahwapendapatan per lembarsahamperusahaansebesar 33.2806.
2. Rata-rata Profitabilitas yang diproksikan kedalam Net Profit Margin adalah sebesar -11.4303 dengan standar deviasi sebesar 96.91166 dengan kata lain bahwa variasi data lebih besar daripada nilai rata-rata. Net profit margin memiliki nilai maksimum sebesar 154.96 yaitu pada
perusahaan HRUM dan nilai minimum sebesar -489.91 yaitu pada perusahaan SMRU. Nilai rata-rata Net profit margin sebesar -11.4303 menunjukkan bahwa Net profit margin perusahaan sebesar -11.4303. 3. Rata-rata Profitabilitas yang diproksikan kedalam Return on Equity
adalah sebesar 7.7072 dengan standar deviasi sebesar 17.86605 dengan kata lain bahwa variasi data lebih besar daripada nilai rata-rata. Return on equity memiliki nilai maksimum sebesar 54.80 yaitu pada perusahaan GTBO dan nilai minimum sebesar -24.18 yaitu pada perusahaan SMRU. Nilai rata-rata Return on equity sebesar 7.7072 menunjukkan bahwa Return on equity perusahaan sebesar 7.7072. 4. Rata-rata Current Ratio adalah sebesar 132.8719 dengan standar
deviasi sebesar 281. 69947 dengan kata lain bahwa variasi data lebih besar daripada nilai rata-rata. Current ratio memiliki nilai maksimum sebesar 1064. 24 yaitu pada perusahaan ANTM dan nilai minimum sebesar 0.27 yaitu pada perusahaan ARII. Nilai rata-rata Current ratio sebesar 132.8719 menunjukkan bahwa Current ratio perusahaan sebesar 132.8719.
5. Rata-rata Debt to Equity Ratio adalah sebesar 20.4572 dengan standar deviasi sebesar 37.15117 dengan kata lain bahwa variasi data lebih besar daripada nilai rata-rata. Debt to equity ratio memiliki nilai maksimum sebesar 176.78 yaitu pada perusahaan SMRU dan nilai minimum sebesar 0.01 yaitu pada perusahaan GEMS. Nilai rata-rata
Debt to equity ratio sebesar 20.4572 menunjukkan bahwa Debt to equity ratio perusahaan sebesar 20.4572.
6. Rata-rata Total Asset Turn Over adalah sebesar 63.9178 dengan standar deviasi sebesar 47.72847 dengan kata lain bahwa variasi data lebih kecil daripada nilai rata-rata. Total asset turn over memiliki nilai maksimum sebesar 174.16 yaitu pada perusahaan HRUM dan memiliki nilai minimum sebesar 3.79 yaitu pada perusahaan SMRU. Nilai rata-rata Total asset turn over sebesar 63.9178 menunjukkan bahwa Total asset turn over perusahaan sebesar 63.9178.
7. Rata-rata Price to Book Value adalah sebesar 399.9228 dengan standar deviasi 836.9627 dengan kata lain bahwa variasi data lebih besar daripada nilai rata-rata. Price to book value memiliki nilai maksimum sebesar 3643.04 yaitu pada perusahaan HRUM dan nilai minimum sebesar 4.03 yaitu pada perusahaan GTBO. Nilai rata-rata Price to book value sebesar 399.9228 menunjukkan bahwa Price to book value perusahaan sebesar 399.9228.
8. Rata-rata LNTotal asset yang menjadi pengukur dari ukuran perusahaan adalah sebesar 13.3803 dengan standar deviasi 2.41323 yang menunjukkan bahwa variasi data lebih kecil daripada nilai rata-rata. LN Total asset memiliki nilai maksimum sebesar 16.90 yaitu pada perusahaan ANTM dan nilai minimum sebesar 7.03 yaitu pada perusahaan. PSAB Nilai rata-rata LN Total asset sebesar 13.3803
menunjukkan bahwa rata-rata LN Total asset perusahaan sebesar 13.3803.
9. Rata-rata Cash Flow from Operation adalah sebesar 1.5822 dengan standar deviasi sebesar 4.53985 yang menunjukkan bahwa varasi data lebih besar daripada nilai rata-rata. CFO memiliki nilai maksimum sebesar 18.22 yaitu pada perusahaan HRUM dan nilai minimum sebesar 2.70 yaitu pada perusahaan GTBO. Nilai rata-rata CFO sebesar 1.5822 menunjukkan bahwa CFO perusahaan sebesar 1.5822.
4.1.3. UjiAsumsiKlasik
Ujiasumsiklasikdilakukanuntukmengetahuikondisi data yang digunakandalamsebuahpenelitian.Hal inidilakukan agar diperoleh model
analisis yang tepatuntukdigunakandalampenelitianini.Adapunujiasumsiklasik yang
dilakukanmeliputi; Ujinormalitas, ujimultikolinearitas, ujiheteroskedastisitasdanujiautokorelasi.
4.1.3.1. UjiNormalitas
Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.1.
Sumber: Pengolahan Data SPSS, Januari 2015 Gambar 4.1
Gambar Grafik Histogram
Berdasarkan Gambar 4.1 terlihatbahwapoladistribusi normal, akantetapijikakesimpulan normal atautidaknya data hanyadilihatdari grafik histogram, makahalinidapatmenyesatkankhususnyauntukjumlahsampel
yang kecil. Metodelain yang digunakandalamanalisisgrafikadalahdenganmelihatnormal probability plot
yang membandingkandistribusikumulatifdandistribusi normal. Jikadistribusi data residual normal, makagaris yang akanmenggambarkan
data sesungguhnyaakanmengikutigarisdiagonalnya. Ujinormalitasdenganmelihatnormal probability plotdapatdilihatdalamgambar 4.2 berikut:
Sumber: Pengolahan Data SPSS, Januari 2015 Gambar 4.2
Normal Probability Plot
Berdasarkangrafikprofitabilitaspadagambar 4.2 di atasmenunjukkanbahwa data telahterdistribusisecara normal karenadistribusi data residualnyamengikutiarahgaris diagonal (garis normal).Pengujiannormalitas data secaraanalisis statistik dapatdilakukandenganmelakukanujiKolmogorov-Smirnov.Data yang terdistribusi normal ditunjukkandengannilaisignifaknsi di atas 0.05.Sedangkan, data yang tidakberdistribusi normal ditunjukkandengan nilai signifikansidibawah 0.05 (Ghozali,2007:12).
Tabel 4.2
HasilUjiNormalitasdengan Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 32
Normal Parametersa,b Mean 0E-7
Std. Deviation 54.43352635 Most Extreme Differences
Absolute .138
Positive .134
Negative -.138
Kolmogorov-Smirnov Z .783
Asymp. Sig. (2-tailed) .572
a. Test distribution is Normal. b. Calculated from data.
Sumber: Pengolahan Data SPSS, Januari 2015
BerdasarkanhasilujinormalitasdenganKolmogorov-Smirnov (Data Asli) diatas, terlihatbahwa data telahterdistribusidengan normal yang manaterlihatbahwanilaisignifikansidiatas 0.05 yaitusebesar 0.572 dannilaiKolmogorov-Smirnov Z sebesar 0.783.
4.1.3.2. UjiMultikolinearitas
Ujimultikolinearitasdilakukanuntukmengetahui ada atautidaknyahubungan linear antaravariabelindependendalam model regresidimanaprasyaratdalam model regresiadalahtidakadanya
multikolinearitas. Pada ujimultikolinearitasinidapatdilihatmelaluinilaiinflation factor (VIF)
Tabel 4.3
HasilUji Multikolinearitas Coefficientsa
Model Collinearity Statistics Tolerance VIF 1 (Constant) NPM .509 1.963 ROE .404 2.475 CR .647 1.546 DER .876 1.141 TATO .690 1.448 PBV .385 2.594 LNTotalasset .676 1.480 CFO .507 1.973
a. Dependent Variable: EPS
Sumber: Pengolahan Data SPSS, Januari 2015
BerdasarkanaturanVariance Inflation Factor (VIF) dan Tolerance, apabila VIF melebihiangka 10 atauTolerancekurangdari 0.10 makadinyatakanterjadigejalamultikolinearitas, sebaliknyaapabila VIF
kurangdari 10 atauTolerancelebihdari 0.10 makadinyatakantidakterjadigejalamultikolinearitas. Dalampenelitianini
data yang digunakandalamujimultikolinearitasiniadalah data dari variabel independen. Berdasarkan tabel 4.3.diatasdiketahuimasing-masingnilai VIF sebagaiberikut:
a. Nilai VIF untuk variabel NPMadalah 1.963 < 10 dengannilaiTolerancevariabel NPM adalah 0.509 > 0.10 maka variabel NPMdapatdinyatakantidakterjadigejalamultikolinearitas.
b. Nilai VIF untuk variabel ROE adalah 2.475 <10 dengannilaiTolerancevariabel ROE adalah 0.404 > 0.10 maka variabel ROE dapatdinyatakantidakterjadigejalamultikolinearitas.
c. Nilai VIF untuk variabel CR adalah 1.546 <10 dengannilaiTolerancevariabel CR adalah 0.647 > 0.10 maka variabel CR dapatdinyatakantidakterjadigejalamultikolinearitas.
d. Nilai VIF untuk variabel DER adalah 1.141 <10 dengannilaiTolerancevariabel DER adalah 0.876 > 0.10 maka variabel DER dapatdinyatakantidakterjadigejalamultikolinearitas.
e. Nilai VIF untuk variabel TATO adalah 1.448 < 10 dengannilaiTolerancevariabel TATO adalah 0.690 > 0.10 maka variabel TATO dapatdinyatakantidakterjadigejalamultikolinearitas.
f. Nilai VIF untuk variabel PBV adalah 2.594 <10 dengannilaiTolerancevariabel PBVadalah 0.385 > 0.10 maka variabel PBV dapatdinyatakantidakterjadigejalamultikolinearitas.
g. Nilai VIF untuk variabel LN Total asset adalah 1.480 < 10 dengannilaiTolerancevariabel LN Total asset adalah 0.676 > 0.10 maka
variabel LN Total asset dapatdinyatakantidakterjadigejalamultikolinearitas.
h. Nilai VIF untuk variabel CFO adalah 1.973 <10 dengannilaiTolerancevariabel DER adalah 0.507 > 0.10 maka variabel DER dapatdinyatakantidakterjadigejalamultikolinearitas.
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis (Ghozali, 2005:139).
1. Jikapolatertentu, sepertititik-titik yang adamembentukpolatertentu yang teratur (bergelombang, melebarkemudian menyempit), makamengindikasikantelahterjadiheteroskedastisitas.
2. Jikatidakadapola yang jelas, sertatitik – titikmenyebar di atasdandi bawahangka 0 padasumbu Y, makatidakterjadiheteroskedastisitas.
Hasilujiheteroskedastisitasdenganmenggunakangrafikscatterplotdit unjukkan pada gambar 4.3 dibawahini:
Sumber: Pengolahan Data SPSS, Januari 2015 Gambar 4.3
Grafik Scatterplot
Pada grafik scatterplot diatas, terlihat titik –titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
4.1.3.4. Uji Autokorelasi
Ujiautokorelasidilakukanuntukmengujiapakahsebuah model regresiterdapatkorelasiantarakesalahanpengganggupadaperiode t dengankesalahanpengganggupadaperiode t-1 atausebelumnya (Ghozali,
ksiadaatau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson (DW test).Hasilpengujianautokorelasidapatdilihatpada tabel berikut:
Tabel 4.4
Hasil UjiAutokorelasidengan Durbin-Watson Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .799a .639 .513 63.19510 2.168
a. Predictors: (Constant), CFO, DER, CR, LNTotalasset, TATO, NPM, ROE, PBV b. Dependent Variable: EPS
Sumber: Pengolahan Data SPSS, Januari 2015
Berdasarkan hasilpengujian Durbin-Watson dengan menggunakan SPSS 20.0 makadiperolehnilai Durbin-Watson sebesar 2.168, yang berartiberdasarkankriteria Durbin-Watson hasil tersebut 1.65 < 2.168< 2.35 yang berarti tidak terjadi autokorelasi.