HASIL DAN PEMBAHASAN
B. Gambaran Umum Perusahaan Industri Kimia dan Dasar
4.3 Hasil Pengujiaan
Model regresi linear berganda dapat disebut sebagai model yang baik jika model tersebut dapat memenuhi pengujian asumsi klasik yang terdiri dari uji Normalitas, uji Multikolinearitas, autokorelasi dan heterokedastisitas.
1. Uji Normalitas
Tujuan dari uji normalitas ini adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal.
a. Analisis Grafik
Data yang baik adalah data yang mempunyai pola seperti distribusi normal yakni tidak menceng ke kiri atau ke kanan.
Gambar 4.1 Histogram Dependent Variable (Harga Saham) Sumber: Hasil olahan SPSS 16.0 for windows
Gambar 4.1 menunjukkan bahwa grafik histogram memberikan pola distribusi yang tidak menceng ke kiri atau ke kanan. Hal ini berarti data residual mempunyai distribusi normal. Uji normalitas dapat juga dilakukan melalui grafik normal p-p plot of regression stanrdized residual seperti yang disajikan pada Gambar 4.6 sebagai berikut:
Gambar 4.3 Hasil Uji Heteroskedastitas Sumber: Hasil Penelitiaan, 2011 (Data Diolah)
Gambar 4.2 menunjukkan bahwa titik-titik pada scatter plot sudah mengikuti data di sepanjang garis diagonal. Hal ini menunjukkan bahwa data residual mempunyai distribusi normal. Uji normalitas dapat juga dilakukan dengan analisis statistik. Analisis statistik memberikan hasil yang lebih akurat dibandingkan dengan analisis grafik.
b. Analisis Statistik
Penulis untuk memastikan data di sepanjang garis diagonal berdistribusi normal, maka melakukan statistik non-parametric kolmogorv-Smirnov dengan
melihat data residualnya apakah berdistribusi normal atau tidak. Data yang memiliki distribusi normal dapat dilihat pada Tabel 4.6 yang menunjukkan bahwa nilai unstandardized Residual Asymp. Sig. (2-tailed) sebesar 0.188 yang nilainya lebih besar dari taraf nyata (α) yaitu 0.05 yang artinya data memiliki distribusi normal
Tabel 4.6 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 46
Normal Parametersa Mean .0000000
Std. Deviation .80262351
Most Extreme Differences Absolute .066
Positive .050
Negative -.066
Kolmogorov-Smirnov Z .449
Asymp. Sig. (2-tailed) .988
a.test distibution is normal
Sumber: Hasil Penelitiaan, 2011 (Data Diolah)
2. Uji Multikolinearitas
Penelitian yang mengandung Multikolinearitas akan berpengaruh terhadap hasil penelitian sehingga penelitian tersebut menjadi tidak berfungsi. Cara yang digunakan untuk mendeteksi ada tidaknya Multikolinearitas berdasarkan nilai Tolerence dan VIF. Nilai Tolerence untuk semua variabel independen lebih besar dari 0.10. Rule of thumb yang digunakan untuk untuk menentukan bahwa nilai tolerance tidak berbahaya terhadap gejala Multikolinearitas adalah 0.10. Dari nilai VIF diketahui bahwa VIF semua variabel independen kurang dari 5. Rule of
thumb yang digunakan untuk menentukan bahwa nilai VIF tidak berbahaya adalah kurang dari 5. Tabel 4.7 Uji Multikolinearitas Model Collinearity Statistics Tolerance VIF 1 (Constant) LNPER .846 1.182 LNROE .689 1.451 LNNPM .770 1.298
Sumber: Hasil Penelitiaan, 2011 (Data Diolah)
Tabel 4.7 menunjukkan tidak adanya masalah multikolinearitas, dimana hasil uji Variance Inflation Factor (VIF) PER, ROE, NPM dan Harga Saham masing-masing menunjukkan nilai kurang dari 5 (VIF<5) dan nilai tolerance yang lebih besar dari 0,10. Nilai VIF yang lebih kecil dari 5 menyatakan bahwa tidak ada masalah multikolinearitas dalam penelitian.
3. Uji Autokorelasi
Autokorelasi menunjukkan adanya kondisi yang berurutan antara gangguan atau distribusi yang masuk dalam regresi. Uji autokorelasi bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1. Untuk mendiagnosis adanya gangguan autokorelasi dalam model dapat dilakukan dengan menggunakan Durbin Watson (DW) test .Menurut Situmorang, dkk. (2009:82) kriteria yang menunjukkan tidak terjadi autokorelasi adalah sebagai berikut:
Tabel 4.8
Pengambilan Keputusan Durbin Watson
Hipotesis Nol Keputusan Jika
Tidak ada autokorelasi positif Tolak 0<DW<dl Tidak ada autokorelasi positif No Decision dl ≤ DW ≤ du Tidak ada korelasi negative Tolak 4-dl<DW<4 Tidak ada korelasi negative No Decision 4-du ≤ DW ≤ 4-dl Tidak ada autokorelasi,positif atau negatif Tidak Ditolak du<DW<4-du
Sumber: Buku Analisis Data untuk Riset Manajemen dan Bisnis.
n = jumlah sample = 46 k = jumlah variabel bebas = 3
pada tingakat signifikansi diperoleh du = 1,3912 dan dl = 1,6677 Du<DW<4-du = 1,3912<1,523<2,3323 (memenuhi kriteria)
Tabel 4.9 Hasil Uji Autokorelasi
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .479a .229 .174 .83079 1.523
a. Predictors: (Constant), LNNPM, LNPER, LNROE b. Dependent Variable: LNHargaSaham
Sumber: Hasil Penelitiaan, 2011 (Data Diolah)
Berdasarkan Tabel 4.9 menunjukkan bahwa tidak ada autokorelasi positif atau negatif berarti hipotesis nol diterima sehingga dapat disimpulkan bahwa tidak terjadi autokorelasi sehingga penelitian layak untuk dilanjutkan
4. Uji Heteroskedastisitas
Dalam penelitian ini akan digunakan metode chart (Diagram Scatterplot), dengan dasar pemikiran bahwa :
1. Jika ada pola tertentu seperti titik-titik (poin-poin), yang ada membentuk suatu pola tertentu yang beraturan (bergelombang, melebar, kemudian menyempit), maka terjadi heteroskedastisitas.
2. Jika ada pola yang jelas, serta titik-titik menyebar keatas dan dibawah 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas
Gambar 4.3 Hasil Uji Heteroskedasitas Sumber: Hasil Penelitiaan, 2011 (Data Diolah)
Gambar 4.3 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat beberapa plot yang berpencar dan tidak membentuk pola tertentu. Maka dapat disimpulkan bahwa tidak terdapat gejala heteroskedastisitas dalam model regresi ini. Uji heteroskedastisitas dapat juga dilakukan melalui uji glejser yang memberikan hasil yang lebih akurat.
Tabel 4.10 Uji Glejser Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .889 .309 2.879 .006 LNPER -.076 .070 -.179 -1.081 .286 LNROE -.009 .083 -.019 -.105 .917 LNNPM -.010 .075 -.024 -.139 .890
a. Dependent Variable: ABSUT
Sumber: Hasil Penelitiaan, 2011 (Data Diolah)
Berdasarkan Tabel 4.10 Hasil tampilan output SPSS menunjukkan Rasio PER, ROE, NPM secara signifikan mempengaruhi variabel dependen absolute (absUt). Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5% jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
4.4 Analisis Data dan Pengujiaan Hipotesis a. Analisis Data
Tabel 4.11
Hasil Linier Berganda
Unstandardized Coefficients
Standardized Coefficients
1 (Constant) 4.032 .577 6.991 .000
LNPER .217 .131 .244 1.656 .105
LNROE .439 .155 .463 2.836 .007
LNNPM .092 .140 .101 .656 .515
a. Dependent Variable: LNHargaSaham
Berdasarkan Tabel 4.11, maka dapat diperoleh persamaan regresi yang digunakan dalam penelitian adalah sebagai berikut :
Harga Saham= 4.032 + 0.217 PER + 0.439 ROE + 0.092 NPM Persamaan dapat di uraikan sebagai berikut:
Konstanta sebesar 4.032 menyatakan bahwa nilai PER, ROE, NPM adalah nol, maka Harga saham yang terjadi adalah sebesar Rp 4.032. Koefisien regresi PER sebesar 0.217 menyatakan bahwa setiap penambahan 1% PER akan menaikkan harga saham sebesar Rp 0.217. koefisien regresi ROE sebesar 0.439 menyatakan setiap penambahan 1% ROE akan menaikkan harga saham sebesar Rp 0.439.dan setiap koefisien regresi NPM sebesar 0.092 menyatakan setiap penambahan 1% NPM akan menaikkan harga saham sebesar Rp 0.092.
b. Pengujian Hipotesis
Pengujian hipótesis dilakukan dengan menggunakan uji F dan uji t. Uji F dilakukan untuk hipótesis penelitian dan menjawab perumusan masalah pertama. Uji t dilakukan untuk menjawab perumusan masalah kedua.
a) Uji F
Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas secara bersama-sama (simultan) mempunyai pengaruh yang signifikan terhadap variabel terikat.
Kriteria pengambilan keputusan:
Ho diterima jika Fhitung < Ftabelpada α = 5% Ho ditolak jika Fhitung > Ftabelpada α = 5%
Tabel 4.12
Hasil Uji Hipotesis secara serempak(Uji F)
Model Sum of Squares df Mean Square F Sig.
1 Regression 8.627 3 2.876 4.166 .011a
Residual 28.989 42 .690
Total 37.616 45
a. Predictors: (Constant), LNNPM, LNPER, LNROE b. Dependent Variable: LNHargaSaham
Sumber: Hasil Penelitiaan, 2011 (Data Diolah)
Pada Tabel 4.12 diketahui nilai Fhitung 4,166, sedangkan nilai Ftabel 2.83 jadi Fhitung 4,166 > Ftabel 2.83 artinya variabel-variabel independent yang diteliti secara simultan mempengaruhi variabel dependen. Hasil uji F menunjukkan bahwa nilai signifikan F sebesar 0,011 lebih kecil dari tingkat signifikan (α) 5% yang artinya signifikan (Ho diterima). Dengan demikian diperoleh kesimpulan bahwa secara simultan Price Earning Ratio,Return on Equity,Net Profit Margin berpengaruh signifikan terhadap Harga Saham. Dimana PER didapat membandingkan harga saham, ROE didapat untuk mengukur kemampuaan perusahaan untuk mendapatkan laba dari Equitas, sedangkan NPM di gunakan untuk melihat berapa perbandingan laba yang biasa dihasilkan dengan penjualan yang dimiliki perusahaan.
a) Uji t
Pengujian ini dilakukan untuk mengetahui apakah variabel bebas secara parsial mempunyai pengaruh yang signifikan terhadap variabel terikat.
Bentuk pengujianya adalah:
Ho : bi = 0, artinya secara parsial Price Earning Ratio, Return on Equty dan Net Profit Margin berpengaruh tidak signifikan terhadap Harga Saham Industri Kimia dan Dasar di Bursa Efek Indonesia.
Ho : bi ≠ 0, artinya secara parsial Price Earning Ratio, Return on Equty dan Net Profit Margin berpengaruh signifikan terhadap harga Saham Industri Kimia dan Dasar di Bursa Efek Indonesia.
Pengujian menggunakan tingkat pengujian pada taraf nyata α = 5% Kriteria pengambilan keputusan:
Ho diterima jika thitung < ttabel Ho ditolak jika thitung > ttabel
Tabel 4.13
Hasil Uji Hipotesis secara Parsial (Uji t)
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 4.032 .577 6.991 .000 LNPER .217 .131 .244 1.656 .105 LNROE .439 .155 .463 2.836 .007 LNNPM .092 .140 .101 .656 .515
a. Dependent Variable: LNHargaSaham
Analisa Tabel 4.13 untuk mengetahui pengaruh secara parsial dari Price Earning Ratio, Return on Equty, dan Net Profit Margin terhadap Harga Saham Pada Industri Kimia dan Dasar yang terdaftar di BEI adalah sebagai berikut: a. Pengaruh Price Earning Ratio (PER) terhadap Harga Saham
Variabel PER memiliki hasil thitung sebesar 1,656 berarti lebih kecil dari ttabel sebesar 1,678 dengan signifikansi 0,105 yang berati lebih besar 0,05 ( hipotesis diterima). Maka dapat disimpulkan bahwa PER berpengaruh dan tidak signifikan terhadap harga saham. Hal ini menguatkan pendapat Purnomo (1998 : 38) perusahaan dengan PER yang rendah mungkin dapat menurunkan minat investor terhadap harga saham, namun perlu diingat pula bahwa PER yang rendah mempunyai potensi untuk meningkat, sehingga investor tidak hanya terpaku pada PER yang tinggi saja. PER yang tinggi belum tentu mencerminkan kinerja yang baik, karena PER yang tinggi bisa saja disebabkan oleh turunnya rata-rata pertumbuhan laba perusahaan .
b. Pengaruh Return on Equty (ROE) terhadap harga saham
Variabel ROE memiliki hasil thitung sebesar 2,836 berarti lebih besar dari ttabel sebesar 1,678.dengan signifikansi 0,007 yang berarti lebih kecil 0,05 (hipotesisis ditolak). Maka dapat disimpulkan bahwa ROE berpengaruh dan signifikan terhadap Harga Saham. Karena ROE digunakan untuk mengukur tingkat pengembaliaan perusahaan atau efektivitas perusahaan dalam mengahasilkan keuntungan. karena salah satu syarat untuk menjadikan harga saham naik dan turun dipengaruhi efekivitas perusahaan tersebut.sehingga ROE inilah yang perlu diperhatikan investor dalam berinvestasi.hal ini juga
parsial faktor yang memiliki pengaruh yang signifikan hanya terdiri dari tiga variabel yaitu ROE, PER dan BV. Sedangkan variabel lainnya tidak memiliki pengaruh yang signifikan terhadap harga saham properti di Bursa Efek Indonesia.
c. Pengaruh .Net Profit Margin (NPM) terhadap Harga Saham
Variabel NPM memiliki hasil thitung sebesar 0,656 berarti lebih kecil dari ttabel sebesar 1,678 dengan signifikansi 0,515 yang berarti lebih besar 0,05 (hipotesis diterima ). Maka dapat disimpulkan bahwa NPM berpengaruh dan tidak signifikan terhadap harga saham. Karena Rasio NPM hanya merupakan bagian kecil dari keputusan investasi perusahaan karena nilai perusahaan sepenuhnya ditentukan oleh kekuatan aktiva dan Modal perusahaan dalam menghasilkan laba, atau kebijakan investasinya.