BAB III METODE PENELITIAN
4.3 Hasil Analisis Data
Dari data yang diperoleh, maka didapatkan hasil penelitian tentang pengaruh kinerja keuangan dengan alat ukur Return on Investment (ROI) dan Devidend per Share (DPS) terhadap return saham pada Perusahaan Food and Beverages di Bursa Efek Indonesia sebagai bertikut :
4.3.1 Uji t (Uji Parsial)
Untuk mengetahui pengaruh masing-masing variabel bebas terhadap variabel terikat yaitu antara Return on Investment dan Devidend per Share terhadap return saham, dalam penelitian ini dilakukan pengujian terhadap koefisien regresi yaitu dengan uji t.
Tabel 4.5 Tabel Analisis Regresi
Coefficientsa
Model
Unstandardized Coefficients Standardized Coefficients
t Sig. B Std. Error Beta
(Constant) .002 .001 1.496 .140
ROI .003 .006 .071 .522 .605
DPS .006 .009 .088 .651 .517
a Dependent Variabel: Return Saham Sumber : Data Diolah Tahun 2008
Berdasarkan hasil analisis regresi seperti yang terlihat pada tabel 4.5 , maka koefisien regresinya adalah sebagai berikut :
1. Pengujian koefisien regresi X1 (β1)
Dari tabel 4.5 dapat dilihat bahwa p-value sebesar 0,605 lebih besar dari 0,05 hal ini dapat disimpulkan bahwa tidak terdapat pengaruh yang signifikan dari
X1 (Return on Investment) terhadap Y (Return Saham). Berarti tidak terdapat pengaruh yang signifikan antara X1 (Return on Investment) terhadap Y (Return saham).
2. Pengujian koefisien regresi X2 (β2)
Dari tabel 4.5 dapat dilihat bahwa p-value sebesar 0,517 lebih besar dari 0,05 hal ini dapat disimpulkan bahwa tidak terdapat pengaruh yang signifikan dari X2 (Devidend per Share) terhadap Y (Return saham). Berarti tidak terdapat pengaruh yang signifikan antara X2 (Devidend per Share) terhadap Y (Return saham).
4.3.2 Uji F (Uji Simultan)
Uji F digunakan untuk mengetahui signifikansi regresi. Pembuktian dilakukan dengan melihat nilai probabilitas value. Jika p-value lebih kecil dari pada 0,05 berarti terdapat pengaruh yang signifikan antara Return on Invesment dan Devidend per Share terhadap Return saham sebaliknya jika nilai p-value lebih besar dari pada 0,05 berarti tidak terdapat pengaruh yang signifikan antara Return on Invesment dan Devidend per Share terhadap Return saham.
Tabel 4.6 Tabel ANOVA
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression .000 2 .000 .383 .685a
Residual .005 54 .000
Total .005 56
a. Predictors: (Constant), DPS, ROI b. Dependent Variable: RETURN Sumber : Data Diolah
62
Dari tabel 4.6 dapat dilihat bahwa p-value sebesar 0,685a lebih besar dari 0,05 hal ini dapat disimpulkan bahwa tidak terdapat pengaruh yang signifikan antara Return on Investment dan Devidend per Share terhadap Return saham. 4.3.3 Analisis Regresi
Dalam penelitian ini juga dilakukan analisis regresi untuk mengetahui ada tidaknya pengaruh antara kedua varibel bebas dan variabel terikat. Untuk mengetahui pengaruh antara Return on Investment dan Devidend per Share secara bersama-sama terhadap Return saham digunakan persamaan regresi Y =
+
α
b1X1 + b2X2. Ringkasan perhitungan analisis regresi terlihat pada tabel 4.7Tabel 4.7 Daftar Ringkasan Perhitungan Regresi
Sumber : Data Diolah Tahun 2008
Berdasarkan tabel 4.7 persamaan regresi yang dapat disusun adalah Y = 0,002 + 0,003ROI + 0,006 DPS. Dari persamaan ini dapat dijelaskan sebagai berikut :
1. Konstanta (a) sebesar 0,002 diartikan bahwa jika Return on Investment dan Devidend per Share sama dengan nol,maka Return saham adalah 0,002.
Keterangan Nilai hasil penelitian Konstanta (a) Koefisien regresi X1 (b1) Koefisien regresi X2 (b2) t hitung untuk X1 t hitung untuk X2 F hitung R2 0,002 0,003 0,006 0,522 0,651 0,383 0,028
2. Koefisien Regresi untuk Return on Investment (b1) sebesar 0,003 diartikan bahwa setiap penambahan 1% pada Return on Investment maka akan meningkatkan Return saham sebesar 0,3%. Dalam hal ini faktor lain yang mempengaruhi Return dianggap konstan.
3. Koefisien Regresi untuk Devidend per Share (b2) sebesar 0,006 diartikan bahwa setiap penambahan 1% pada Devidend per Share maka akan meningkatkan Return saham sebesar 0,006. Dalam hal ini faktor lain yang mempengaruhi return dianggap konstan.
4.3.4 Koefisien Determinasi
Untuk mengetahui besar persentase variasi dalam variabel terikat yang dapat dijelaskan oleh variasi dalam variabel bebas, maka dicari nilai R2. Berdasarkan hasil perhitungan dengan program computer SPSS 16.00 diperoleh nilai R2 sebesar 0,028. Seperti terlihat pada tabel hasil output SPSS 16.00 berikut ini :
Tabel 4.8 Koefisien Determinasi
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .118a .014 .028 .0091972 2120
a. Predictors: (Constant), DPS, ROI
b. Dependent Variable: RETURN
Sumber : Data Diolah Tahun 2008.
Koefisien R2 sebesar 0,028 ini mengindikasikan bahwa variabel Return on Investment dan Devidend per Share berpengaruh terhadap return saham sebesar 2,8%, dan sisanya 97,2%% dijelaskan oleh variabel lain yang tidak diteliti.
64
Selain dicari nilai R2 seperti diatas, perlu juga diketahui koefisien persialnya untuk mengetahui sumbangan masing-masing variabel bebas terhadap variabel terikat. Dengan menguadratkan koefisien kolerasi persial maka koefisien determinasi parsial variabel Return on Investment dan variabel Devidend per Share dapat diketahui.
Tabel 4.9 Kolerasi Partial
Model
Unstandardized Coefficients Correlations B Std. Error Zero-order Partial Part (Constant) .002 .001
ROI .003 .006 .079 .071 .071
DPS .006 .009 .095 .088 .088
a Dependent Variabel: Return Saham
Sumber : Data Diolah Tahun 2008
Dari tabel 4.9 diperoleh r untuk Return on Investment sebesar 0,071, r untuk Devidend per Share sebesar 0,088. Sehingga r2 untuk Return on Investment sebesar 0,005041 atau 0,5041% dan r2 untuk Devidend per Share sebesar 0,007744 atau 0,7744%.
4.4Uji Normalitas Data
Pengujian normalitas data penelitian adalah untuk menguji apakah dalam model statistik variabel-variabel penelitian berdistribusi normal atau tidak normal. Salah satu cara untuk mengetahui apakah data terdistribusi normal atau tidak adalah dengan melihat grafik Normal P Plot of Regression Statistic. Bila titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, berarti model regresi telah memenuhi asumsi normalitas (Ghozali, 2001).
Hasil uji normalitas pada penelitian ini dapat dilihat pada tabel 4.10. (Asumsi Normalitas).
Tabel 4.10 One-Sample Kolmogorov-Smirnov Test
ROI DPS RETURN
N 57 57 57
Normal Parametersa Mean .030319 .041432 .002239
Std. Deviation .2194364 .726013 .0090951
Most Extreme Differences Absolute .305 .486 .175
Positive .238 .486 .168
Negative -.305 -.384 -.175
Kolmogorov-Smirnov Z 2.300 3.672 1.319
Asymp. Sig. (2-tailed) .000 .000 .062
a. Test distribution is Normal Sumber : Data Diolah Tahun 2008
Dari tabel 4.10 dapat disimpulkan bahwa sig Return yaitu 0,062 yang berarti lebih dari 0,05 maka dapat diartikan Ho diterima, yang berarti data berdistribusi normal.
4.5Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mengetahui apakah model regresi yang diperoleh dapat menghasilkan estimator linier yang baik. Berkaitan dengan uji asumsi klasik dalam penelitian ini, model analisis yang digunakan dan menghasilkan estimator yang tidak biasa apabila memenuhi beberapa asumsi klasik, sebagai berikut :
4.5.1Uji Multikolinieritas
Penyimpangan uji asumsi klasik ini adalah adalah adanya multikolinieritas dalam model regresi yang dihasilkan, yang berarti dapat berhubungan yang sempurna antar variabel bebas. Dalam hal ini hubungan antar variabel bebas ditunjukkan oleh angka tolerance dan VIF dimana apabila angka tolerance dan
66
VIF semakin mendekati nilai 1 (satu) maka hubungan variabel bebas dalam penelitian ini rendah jadi dapat diasumsikan bahwa tidak ada multikolinieritas dalam model regresi.
Tabel 4.11 Tolerance dan VIF
Coefficients(a) Model Collinearity Statistics Tolerance VIF (Constant) ROI .992 1.008 DPS .992 1.008
a. Dependent Variable: RETURN
Sumber : Data Diolah Tahun 2008 4.5.2Uji Autokolerasi
Penyimpangan model ini adalah adanya autokolerasi dalam model regresi. Artinya adanya kolerasi antara anggota sampel yang diurutkan berdasarkan waktu. Konsekuensi dari adanya autokolerasi dalam suatu regresi adalah varians sampel tidak dapat menggambarkan varians populasinya.
Untuk mendiagnosis adanya autokolerasi dalam suatu model regresi dilakukan pengujian terhadap terhadap nilai Uji Durbin-Watson (Uji Dw), berdasarkan tabel autokolerasi, sebagai berikut :
Tabel 4.12 Uji Autokolerasi Dw Kesimpulan Kurang dari 1,45 1,45 sampai 1,68 1,68 sampai 2,32 2,32 sampai 2,55 Lebih dari 2,55 Ada autokolerasi Tanpa kesimpulan Tidak ada autokolerasi
Tanpa kesimpulan Ada autokolerasi Sumber : Algifari 1997:89
Dari hasil perhitungan program computer SPSS 16.00 didapat nilai Uji Dw = 2,120. berada didaerah tidak ada autokolerasi sehingga dapat disimpulkan bahwa pada persamaan regresi tersebut tidak terdapat autokolerasi.
Tabel 4.13 Hasil Uji Darbin-Watson Model Summary(b)
Model Durbin-Watson
1 2.120
a. Predictors: (Constant), DPS, ROI b. Dependent Variable: RETURN Sumber : Data Diolah Tahun 2008
4.5.3 Uji Heterokedastisitas
Penyimpangan asumsi klasik ini adalah adanya heterokedastisitas dimana varian variabel dalam model tidak sama. Berdasarkan olahan program komputer SPSS 16.00 yaitu melalui tampilan grafik Scatterplot yang dapat dilihat pada gambar II, maka dapat diasumsikan bahwa terjadi heterokedastisitas. Hal ini berdasarkan gambar grafik dimana titik- titik yang ada dalam grafik tersebut membentuk pola tertentu yang jelas dan titik-titik tersebut mengumpul diatas dan dibawah angka 0 pada sumbu Y.
68
Gambar II Hasil Uji Heterokedastisitas