BAB IV HASIL PENELITIAN
B. Hasil Analisis
2 Pengujian Hipotesis
Model penelitian ini menggunakan model regresi linier berganda dimana menggunakan lebih dari satu variabel independen untuk mengetahui pengaruhnya terhadap variabel dependen.
Persamaan regresi linier berganda, yaitu:
Y = α + β1X1 + β2X2 + e Dimana : Y = Harga Saham α = Konstanta X1 = Manajemen Laba X2 = Ukuran Perusahaan β1β2 = Koefisien Regresi e = Kesalahan Pengganggu
a. Uji Signifikansi Parsial
Secara parsial, pengujian hipotesis dilakukan dengan uji t. Menurut Ghozali (2006) “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variabel dependen.”
Hipotesis yang akan diuji adalah:
H0 = Variabel independen tidak berpengaruh secara parsial terhadap variabel dependen.
Ha = Variabel independen berpengaruh secara parsial terhadap variabel dependen.
Uji ini dilakukan dengan membandingkan signifikansi t hitung dengan ketentuan :
1. Jika t hitung < t tabelpada α 0,05 maka H0 diterima dan Ha ditolak. 2. Jika t hitung > t tabel pada α 0,05 maka H0 ditolak dan Ha diterima.
Secara simultan, pengujian hipotesis dilakukan dengan uji F. Menurut Ghozali (2006) “uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen.”
Hipotesis yang akan diuji adalah:
H0 = tidak semua variabel independen berpengaruh secara parsial terhadap variabel dependen.
Ha = Semua variabel independen berpengaruh secara simultan terhadap variabel dependen.
Uji ini dilakukan dengan membandingkan signifikansi F hitung dengan ketentuan :
1. Jika F hitung < F tabel pada α 0,05 maka H0 diterima Ha ditolak. 2. Jika F hitung < F tabel pada α 0,05 maka H0 ditolak Ha diterima
G. Jadwal Penelitian
Tabel 3.2
Rencana Jadwal Penelitian
Jenis Kegiatan Apr-11 Mei-11 Jun-11 Jul-11 agst-11 Sept-11 Oct-11 Nov-11 Des-11 Pemilihan Judul Pengajuan Judul Penyelesaian Proposal Bimbingan Proposal Seminar Proposal Pengumpulan Data Pengolahan Data Bimbingan Skripsi Penyelesaian Laporan Komprehensif
BAB IV
ANALISIS HASIL PENELITIAN A. Analisis Statistik Deskriptif
Analisis deskriptif menggambarkan fenomena dan karakteristik data. Dalam suatu penelitian analisis deskriptif perlu dilakukan karena karakteristik dari suatu data akan menggambarkan fenomena dari data (Erlina, 2008).
Objek penelitian ini adalah perusahaan yang melakukan Penawaran Saham Perdana (IPO) yang terdaftar di Bursa Efek Indonesia dari tahun 2007-2010 dengan populasi berjumlah 73 perusahaan. Setelah melakukan pemilihan sampel dengan teknik purposive sampling diperoleh 12 perusahaan sebagai sampel. Berikut ini merupakan data statistik secara umum dari seluruh data variabel yang digunakan dalam penelitian ini:
Tabel 4.1 Statistik Deskriptif
N Minimum Maximum Mean
Std. Deviation Total Accrual 48 -8,422 25,621 0,486 4,219 Total Asset 48 87.764 6.286.304 1776584,44 1439319,515 Harga Saham 48 0 3.450 721,44 892,874 Valid N (listwise) 48 Sumber : Output SPSS
1. Variabel Harga Saham (HS) menunjukkan harga saham perusahaan yang melakukan penawaran saham perdana periode 2007-2010 dengan nilai rata-rata harga saham adalah 721,44. Variabel harga saham memiliki nilai terendah 0 dan nilai tertinggi 3.450 sedangkan nilai standar deviasi adalah sebesar 892,874.
2. Variabel Manajemen Laba menggambarkan besar Total Accrual perusahaan yang melakukan penawaran saham perdana periode 2007-2010 dengan nilai rata-rata Total Accrual adalah 0,486. Variabel manajemen laba dengan nilai terendah Total Accrual adalah -8,422 dan nilai tertinggi Total Accrual adalah 25,621. Sedangkan nilai standar deviasi Total Accrual adalah 4,219.
3. Variabel Ukuran Perusahaan menggambarkan Total Asset perusahaan yang melakukan penawaran saham perdana periode 2007-2010 dengan nilai rata-rata Total Asset 1.776.584,44. Variabel Ukuran Perusahaan dengan nilai terendah Total Asset adalah 87.764 dan nilai tertinggi Total Asset adalah 6.286.304. Sedangkan nilai standar deviasi Total Asset adalah sebesar 1.439.319,515.
B. HASIL ANALISIS 1. Uji Asumsi Klasik a. Uji Normalitas Data
Cara yang digunakan untuk mengetahui apakah residual berdistribusi normal atau tidak adalah melalui analisis grafik dan uji statistik.
1) Analisis Data
Normalitas dapat dideteksi dengan melihat penyebaran data pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Menurut Ghozali (2006) yang menjadi dasar pengambilan keputusan adalah:
a) Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b) Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau gtrafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik Normal P-Plot
Dengan melihat tampilan grafik histogram maupun grafik normal plot dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang tidak normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya agak menjauh dari garis diagonal.
Menurut Ghozali (2006) data yang tidak berdistribusi secara normal dapat ditransformasi agar menjadi normal. Transformasi data yang
dilakukan adalah dengan mentransformasi ke model Logaritma Natural (LN). Berikut hasil uji normalitas data setelah transformasi:
Gambar 4.3
Gambar 4.4
Grafik Normal P-Plot Setelah Transformasi
Dari grafik histogram dan normal Probability plot pada gambar 4.3 dan gambar 4.4 diatas terlihat bahwa setelah dilakukan transformasi data ke Logaritma Natural (LN) terlihat bahwa grafik histogram memperlihatkan pola distribusi yang normal, dan grafik P-Plot memperlihatkan titik-titik menyebar disekitar/mengikuti arah garis diagonal yang menunjukkan pola distribusi normal.
2) Uji Statistik
Uji statistik yang digunakan adalah uji Kolmogorov-Smirnov (K-S) dengan membuat hipotesis:
Ho : data berdistribusi normal Ha : data tidak berdistribusi normal
Apabila nilai signifikansi lebih besar dari 0,05, maka Ho diterima dan Ha ditolak. Sebaliknya, jika nilai signifikansi lebih kecil dari 0,05 maka Ho ditolak dan Ha diterima (Ghozali, 2006).
Hasil uji Kolmogorov-Smirnov sebelum ditransformasi dapat dilihat pada tabel dibawah:
Tabel 4.2 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
Unstan dardized Residual
N 48
Normal Parametersa,,b Mean ,00000
00
Std. Deviation 889,91
653357
Most Extreme Differences Absolute ,229
Positive ,229
Negative -,216
Kolmogorov-Smirnov Z 1,583
Asymp. Sig. (2-tailed) ,013
a. Test distribution is Normal. Sumber : Output SPSS
Besarnya nilai Kolmogorov-Smirnov adalah 1,583 dan signifikansi pada 0,013. Hal ini berarti bahwa nilai signifikansi lebih kecil dari 0,05 maka Ho ditolak yang berarti data residual berdistribusi tidak normal.
Setelah dilakukan transformasi data ke model Logaritma Natural (LN), maka uji normalitas dilakukan kembali untuk mengetahui apakah data telah berdistribusi normal. Berikut ini hasil uji normalitas setelah transformasi:
Tabel 4.3
Uji Normalitas Data Transformasi One-Sample Kolmogorov-Smirnov Test
Unstan dardized Residual
N 25
Normal Parametersa,,b Mean ,00000
00
Std. Deviation 1,1412
3275
Most Extreme Differences Absolute ,150
Positive ,150
Negative -,101
Kolmogorov-Smirnov Z ,750
Asymp. Sig. (2-tailed) ,627
a. Test distribution is Normal. Sumber : Output SPSS
Berdasarkan dari tabel diatas nilai signifikansi adalah sebesar 0,627. Hal ini berarti bahwa nilai signifikansi lebih besar dari 0,05 maka Ho diterima dan Ha ditolak yang berarti data residual telah berdistribusi normal.
b. Uji Multikolinearitas
Pengujian multikolinearitas dilakukan dengan melihat nilai tolerance
dan variation inflation factor (VIF). Nilai yang umum dipakai untuk menunjukkan adanya gejala multikolinearitas adalah nilai tolerance < 0,1 atau sama dengan nilai VIF > 10.
Tabel 4.4 Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standa rdized Coefficients t S ig. Collinearity Statistics B Std. Error Beta Tol erance V IF (Co nstant) -2,693 8,773 -0,307 0 ,762 LN _X1 0,026 0,130 0,043 0 ,201 0 ,842 0,9 42 1 ,061 LN _X2 0,303 0,316 0,206 0 ,959 0 ,348 0,9 42 1 ,061
a. Dependent Variable: LN_Y Sumber : Output SPSS
Dari tabel 4.4 dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas antara variabel bebas yang diindikasikasikan dari nilai
c. Uji Autokorelasi
Gejala autokorelasi dapat dideteksi dengan menggunakan uji Durbin-Watson (D-W). Kriteria yang dapat digunakan untuk melihat besaran Durbin-Watson adalah sebagai berikut:
1. Angka D-W dibawah -2, berarti ada autokorelasi positif.
2. Angka D-W diantara -2 sampai +2, berarti tidak ada autokorelasi. 3. Angka D-W diatas +2, berarti ada autokorelasi negatif.
Tabel 4.5 Uji Autokorelasi Model Summaryb odel R R Square Adjust ed R Square Std. Error of the Estimate Durbin -Watson , 200a ,0 40 -0,047 1,192 1,850 a. Predictors: (Constant), LN_X2, LN_X1 b. Dependent Variable: LN_Y
Sumber : Output SPSS
Dari tabel 4.5 diatas dapat diketahui bahwa nilai D-W adalah sebesar 1,850 yang menunjukkan bahwa nilai D-W termasuk pada kriteria kedua dan dapat disimpulkan bahwa model regresi terbebas dari masalah autokorelasi.
d. Uji Heteroskedastisitas
Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat dengan residualnya. Jika ada pola tertentu, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.5 Uji Heteroskedastisitas
Berdasarkan gambar diatas terlihat bahwa titik-titik menyebar secara acak diatas dan dibawah angka 0 pada sumbu Y serta tidak membentuk pola tertentu atau tidak teratur. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
2. Pengujian Hipotesis
Hipotesis dilakukan dengan menggunakan analisis regresi linear berganda. Analisis ini digunakan untuk mengetahui pengaruh variabel independen terhadap variabel dependen. Uji hipotesis menggunakan uji signifikansi parsial dan uji signifikansi simultan.
Sebelum melakukan pengujian hipotesis, perlu diketahui nilai koefisien determinasi (R2) yaitu untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Dalam hal ini yang digunakan sebagai pengukuran adalah adjusted R. Nilai Adjusted R2 tidak seperti R2 yang akan bias terhadap jumlah variabel independen. Nilai
Adjusted R dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model regresi.
Hasil pengolahan data terlihat dibawah ini: Tabel 4.6 Koefisien Determinasi Model Summaryb odel R R Square Adjust ed R Square Std. Error of the Estimate , 200a 0, 040 -0,047 1,192 a. Predictors: (Constant), LN_X2, LN_X1 b. Dependent Variable: LN_Y
Sumber : Output SPSS
Berdasarkan hasil model summary dapat diketahui bahwa nilai
adjusted R2 adalah sebesar -0,047. Angka ini menunjukkan bahwa variabel independen yaitu total accrual dan total asset dapat menjelaskan variabel dependennya yaitu harga saham sebesar 0%. Menurut (Gujarati 2003) (dalam Ghozali, 2006) jika dalam uji empiris didapat nilai adjusted R2 negatif, maka nilai adjusted R2 dianggap bernilai 0. Sedangkan sisanya
100% dijelaskan oleh variabel lainnya yang tidak dimasukkan dalam model regresi.
a. Uji Signifikansi Parsial
Uji signifikansi parsial atau uji t digunakan untuk mengetahui pengaruh variabel independen secara individu terhadap variabel dependen. Hipotesis yang digunakan adalah:
Ho = Variabel independen tidak berpengaruh secara parsial terhadap variabel dependen.
Ha = Variabel independen berpengaruh secara parsial terhadap variabel dependen.
Uji ini dilakukan dengan membandingkan signifikansi t hitung dengan ketentuan:
1. Jika t hitung < t tabel pada α = 0,05 maka Ho diterima dan Ha ditolak.
2. Jika t hitung > t tabel pada α = 0,05 maka Ho ditolak dan Ha diterima.
Hasil uji t dapat dilihat pada tabel berikut: Tabel 4.7
Uji Signifikansi Parsial Coefficientsa Model Unstandardized Coefficients Standar dized Coefficients S ig.
B Std. Error Beta (Constant) -2,693 8,773 0,307 0 ,762 LN_X1 0,02 6 0,130 0,043 ,201 0 ,842 LN_X2 0,30 3 0,316 0,206 ,959 0 ,348
a. Dependent Variable: LN_Y Sumber : Output SPSS
Hasil uji parsial dapat dijelaskan sebagai berikut:
1. Nilai thitung variabel manajemen laba adalah sebesar 0,201 sedangkan nilai ttabel pada α = 0,05 diketahui sebesar 2,014.
Dengan demikian thitung < ttabel sehingga Ho diterima dan Ha ditolak. Maka Manajemen Laba secara parsial tidak berpengaruh secara signifikan terhadap harga saham.
2. Nilai thitung variabel Ukuran Perusahaan adalah sebesar 0,959 sedangkan nilai ttabel pada α = 0,05 diketahui sebesar 2,014.
Dengan demikian thitung < ttabel sehingga Ho diterima dan Ha ditolak. Maka Ukuran Perusahaan secara parsial tidak berpengaruh secara signifikan terhadap harga saham.
Berdasarkan tabel 4.7, maka persamaan regresi dapat disusun sebagai berikut:
Y = -2,693 + 0,026X1 + 0,303X2 Keterangan:
1. Konstanta sebesar -2,693 menunjukkan bahwa harga saham adalah sebesar -2,693 apabila variabel independen ditiadakan.
2. Manajemen Laba memiliki koefisien bertanda positif sebesar 0,026 yang berarti apabila terjadi kenaikan manajemen laba (total accrual) sebesar 1% maka akan diikuti dengan kenaikan harga saham sebesar 0,026% dengan asumsi variabel lain tetap.
3. Ukuran Perusahaan memiliki koefisien bertanda positif sebesar 0,303 yang berarti apabila terjadi kenaikan ukuran perusahaan (total asset) sebesar 1% maka akan diikiti dengan kenaikan harga saham sebesar 0,303% dengan asumsi variabel lain tetap.
b. Uji Signifikansi Simultan
Uji signifikansi simultan atau uji F digunakan untuk menilai pengaruh variabel independen secara simultan terhadap variabel dependen. Dalam uji F digunakan hipotesis sebagai berikut:
Ho = Tidak semua variabel independen berpengaruh secara simultan terhadap variabel dependen.
Ha = Semua variabel independen berpengaruh secara simultan terhadap variabel dependen.
Uji ini dilakukan dengan membandingkan signifikansi F hitung dengan ketentuan:
1. Jika Fhitung < Ftabel pada α = 0,05 maka Ho diterima dan Ha ditolak. 2. Jika Fhitung > Ftabel pada α = 0,05 maka Ho ditolak dan Ha diterima.
Tabel 4.8
Uji Signifikansi Simultan
ANOVAb
Model Sum of Squares df Mean Square F Sig.
Regression 1,307 2 0,653 0,460 0,637a
Residual 31,258 22 1,421
Total 32,565 24
a. Predictors: (Constant), LN_X2, LN_X1 b. Dependent Variable: LN_Y
Sumber : Output SPSS
Dari tabel diatas diperoleh nilai Fhitung sebesar 0,460 sedangkan nilai Ftabel pada α = 0,05 diketahui sebesar 3,204. Dengan demikian Fhitung < Ftabel sehingga Ho diterima dan Ha ditolak. Maka dapat disimpulkan bahwa variabel Manajemen Laba (total accrual) dan Ukuran Perusahaan (total asset) tidak berpengaruh secara simultan terhadap harga saham.