Pertumbuhan Penjualan terhadap Harga Saham dengan

BAB II TINJAUAN PUSTAKA

2.3 Kerangka Konseptual dan Hipotesis Penelitian

2.3.2 Hipotesis Penelitian

2.3.2.6 Pertumbuhan Penjualan terhadap Harga Saham dengan

2.3.2.6 Pertumbuhan Penjualan terhadap Harga Saham dengan Kebijakan Dividen sebagai Variabel Moderating

Perusahaan yang memiliki pertumbuhan penjualan yang tinggi akan memiliki laba atau keuntungan yang juga tinggi. Laba perusahaan yang tinggi akan memberikan kesempatan pembagian dividen yang tinggi sehingga pembayaran dividen akan naik begitu juga dividend payout ratio akan naik. Pertumbuhan penjualan juga mencerminkan manisfestasi keberhasilan investasi periode masa lalu, dan dapat dijadikan sebagai prediksi pertumbuhan masa yang akan datang. Laju pertumbuhan suatu perusahaan akan mempengaruhi kemampuan

mempertahankan keuntungan dalam mendanai kesempatan-kesempatan pada masa yang akan datang (Barton et al, 1989 dalam Tita Deitiana, 2011). Pertumbuhan penjualan tinggi, maka akan mencerminkan pendapatan meningkat sehingga pembayaran deviden cenderung meningkat. Dividen yang tinggi akan meningkatkan kinerja yang baik bagi perusahaan karena dapat menarik perhatian para calon investor untuk menanamkan sahamnya sehingga operasi perusahaan dapat dipertahankan. Hal ini akan mendorong naiknya harga saham perusahaan. Atas dasar uraian tersebut, maka penelitian ini mengajukan hipotesis ketujuh sebagai berikut:

H7 : Pertumbuhan penjualan berpengaruh signifikan terhadap harga saham dengan kebijakan dividen sebagai variabel moderating.

BAB III

METODE PENELITIAN

3.1 Jenis Penelitian

Penelitian ini tergolong penelitian asosiatif yang bersifat kausal yaitu penelitian yang bertujuan untuk mengetahui hubungan antara dua variabel atau lebih. Penelitian ini menguji hubungan antara variabel independen (X) dengan variabel dependen (Y) dengan variabel Z sebagai variabel pemoderasi. Dimana penelitian ini bertujuan untuk melihat seberapa besar variabel bebas (X) mempengaruhi variabel terikat (Y) dan apakah variabel Z mampu memoderasi pengaruh antara variabel X terhadap variabel Y tersebut. Penelitian ini berusaha menjelaskan pengaruh Arus Kas Operasi, Profitabilitas dan Pertumbuhan Penjualan sebagai variabel independen terhadap Harga Saham sebagai variabel dependen dimana Kebijakan Dividen sebagai variabel moderating pada perusahaan manufaktur terdaftar di Bursa Efek Indonesia.

3.2 Batasan Operasional

Untuk menghindari kesimpangsiuran dalam pembahasan penelitian, maka luas penelitian dibatasi dan hanya menyangkut pengaruh Arus Kas Operasi (X1), Proftabilitas (X2) dan Pertumbuhan Penjualan (X3) terhadap Harga Saham (Y) dengan Kebijakan Dividen (Z) sebagai variabel moderating pada perusahaan- perusahaan manufaktur di Bursa Efek Indonesia (BEI) tahun 2013-2015.

3.3 Definisi Operasional dan Variabel

Variabel yang digunakan oleh penulis dalam penelitian ini adalah variabel independen, variabel dependen dan variabel moderating.

1. Variabel Dependen (Y)

“Variabel dependen (terikat) merupakan variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel bebas” (Idrus, 2009: 79).

Variabel dependen dalam penelitian ini adalah harga saham. Harga saham merupakan harga yang terbentuk di bursa saham dan umumnya harga saham itu diperoleh untuk menghitung nilai saham. Pengukuran dari variabel harga saham ini yaitu harga penutupan saham (closing price) tiap perusahaan yang diperoleh dari harga saham pada periode akhir tahun yang dilogaritma normalkan.

2. Variabel Independen (X) terdiri dari:

“Variabel independen (bebas) merupakan variabel yang menjadi sebab berubahnya atau timbulnya variael terikat” (Idrus, 2009:79). Dalam penelitian ini yang menjadi variabel bebas adalah:

a) Arus Kas Operasi (X1)

Arus kas operasi merupakan selisih bersih dari penerimaan dan pengeluaran kas dari aktivitas operasi dalam satu periode. Arus kas operasi diukur dengan rasio:

Arus Kas Operasi = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐴𝑟𝑢𝑠 𝐾𝑎𝑠 𝑂𝑝𝑒𝑟𝑎𝑠𝑖 𝐽𝑢𝑚𝑙𝑎ℎ 𝑆𝑎ℎ𝑎𝑚 𝐵𝑒𝑟𝑒𝑑𝑎𝑟

b) Profitabilitas (X2)

Profitabilitas adalah kemampuan perusahaan dalam memperoleh laba.

Indikator profitabilitas dalam penelitian ini adalah Return on Equity (ROE). Return on Equity adalah rasio laba bersih setelah pajak terhadap modal sendiri. Return on Equity dihitung dengan menggunakan rumus sebagai berikut:

ROE = 𝐸𝑎𝑟𝑛𝑖𝑛𝑔 𝐴𝑓𝑡𝑒𝑟 𝑇𝑎𝑥𝑒𝑠 𝑇𝑜𝑡𝑎𝑙 𝐸𝑞𝑢𝑖𝑡𝑦

c) Pertumbuhan Penjualan (X3)

Pertumbuhan penjualan merupakan kenaikan jumlah penjualan dari waktu ke waktu. Pertumbuhan penjualan mencerminkan manisfestasi keberhasilan investasi periode masa lalu, dan dapat dijadikan sebagai prediksi pertumbuhan masa yang akan datang. Pertumbuhan penjualan juga merupakan indikator permintaan dan daya saing perusahaan dalam suatu industri. Maka rumus untuk menghitung pertumbuhan penjualan yaitu:

Pertumbuhan Penjualan = 𝑆𝑎𝑙𝑒𝑠 𝑡 – 𝑆𝑎𝑙𝑒𝑠 𝑡−1 𝑆𝑎𝑙𝑒𝑠 𝑡−1

3. Variabel Moderating (Z)

“Variabel Moderating adalah variabel independen yang akan memperkuat atau memperlemah hubungan antara variabel independen lainnya terhadap variabel dependen” (Ghozali, 2006:163). Variabel moderating (Z) dalam penelitian ini diukur dengan menggunakan kebijakan dividen. Kebijakan

dividen adalah pembagian keuntungan yang diberikan perusahaan penerbit saham tersebut atas keuntungan yang dihasilkan perusahaan. Kebijakan dividen dalam penelitian ini diwakili oleh Dividend Payout Ratio (DPR).

Rasio pembayaran dividen (dividend payout ratio) menunjukkan berapa persen dari laba perusahaan yang dibayarkan kepada investor atau pemegang saham dalam bentuk dividen. Secara matematis, DPR diformulasikan sebagai berikut:

Dividend Payout Ratio = 𝑑𝑖𝑣𝑖𝑑𝑒𝑛 𝑝𝑒𝑟 𝑙𝑒𝑚𝑏𝑎𝑟 𝑠𝑎ℎ𝑎𝑚 𝑙𝑎𝑏𝑎 𝑝𝑒𝑟 𝑙𝑒𝑚𝑏𝑎𝑟 𝑠𝑎ℎ𝑎𝑚 Tabel 3.1

Definisi Operasional Variabel

Variabel Definisi Indikator Skala

Harga Saham

(closing price) per tahun Rasio

Arus Kas

merupakan

perbandingan antara dividen per lembar saham biasa dengan laba yang tersedia bagi para pemegang saham biasa.

Sumber: berbagai penelitian terdahulu

3.4 Populasi dan Sampel Penelitian

Populasi yang digunakan dalam penelitian ini adalah perusahaan Manufaktur yang terdaftar di Bursa Efek Indonesia tahun 2013 sampai tahun 2015. Sampel dalam penelitaian ini dipilih dengan cara purposive sampling, yaitu salah satu teknik pengambilan sampel yang dilakukan berdasarkan kriteria atau pertimbangan tertentu. Adapun kriteria yang dingunakan peneliti dalam penentuan sampelnya adalah :

1. Perusahaan manufaktur yang terdaftar di BEI selama periode penelitian (2013-2015)

2. Perusahaan manufaktur yang menerbitkan laporan keuangan yang telah diaudit secara lengkap di Bursa Efek Indonesia periode (2013-2015) 3. Perusahaan manufaktur yang membagikan dividen tunai secara kontinyu

periode (2013-2015)

4. Penyajian laporan keuangan menggunakan kurs rupiah (Rp)

Proses seleksi dalam menentukan kriteria yang telah ditentukan dapat dilihat pada Tabel 3.2 berikut ini:

Tabel 3.2

36 Goodyear Indonesia Tbk GDYR     

56 Industri Jamu dan Farmasi Sido

Muncul Tbk SIDO     

75 Lion Metal Works Tbk LION     

114 Sri Rejeki Isman Tbk SRIL     

120 Supreme Cable Manufacturing and

Commerce Tbk SCCO     

132 Ultrajaya Milk Industry and Trading

Company Tbk ULTJ     

Berdasarkan kriteria penelitian sampel tersebut dari 138 perusahaan manufaktur diperoleh sampel perusahaan berjumlah 15 perusahaan dengan 3 tahun pengamatan, sehingga total sampel adalah 45.

3.5 Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder yang digunakan dalam penelitian ini adalah data laporan keuangan

perusahaan-perusahaan manufaktur yang terdaftar di BEI tahun 2013-2015 yang diperoleh dari website Bursa Efek Indonesia (BEI) yaitu www.idx.co.id.

3.6 Metode Pengumpulan Data

Metode pengumpulan data dalam penelitian ini dilakukan dengan :

a. Metode dokumentasi yaitu dengan cara mencatat atau mendokumentasikan data seperti laporan keuangan perusahaan sesuai data yang diperlukan yang tercantum pada Bursa Efek Indonesia, www.idx.co.id

b. Metode studi pustaka yaitu dengan mengkaji berbagai literatur pustaka seperti jurnal, makalah, dan sumber-sumber lainnya yang berkaitan dengan topik penelitian.

3.7 Teknik Analisis Data

Data yang siap diolah akan dilakukan pengujian statistik dengan menggunakan program SPSS versi 22.0. Untuk menguji hipotesis yang telah dirumuskan, maka dalam penelitian ini digunakan metode analisis data sebagai berikut:

3.7.1 Statistik Deskriptif

Statistik deskriptif berfungsi sebagai penganalisis data dengan menggambarkan sampel data yang telah dikumpulkan. Penelitian ini menjabarkan jumlah data, rata-rata, nilai minimum dan maksimum serta standar deviasi.

3.7.2 Uji Asumsi Klasik

Sebelum model regresi digunakan untuk menguji hipotesis, model tersebut harus bebas dari gejala asumsi klasik untuk memenuhi kriteria BLUE (Best Linear Unbiased Estimator). Adapun uji asumsi klasik yang digunakan adalah sebagai berikut:

3.7.2.1 Uji Normalitas

“Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal” (Ghozali, 2006:110). Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik.

a. Analisis Grafik

Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik hidtogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khusunya untuk jumlah sampel yang kecil. Metode yang lenih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Dasar pengambilan keputusannya adalah:

1. jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas,

2. jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram

tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.

b. Analisis Statistik

Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, pada hal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogorov-Smirnov (K-S). Uji K-S dibuat dengan membuat hipotesis:

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

Apabila probabilitas > 0,05, maka distribusi data normal dan dapat digunakan regresi berganda. Apabila probabilitas

< 0.05, maka distribusi data dikatakan tidak normal, untuk itu perlu dilakukan transformasi data atau menambah maupun mengurangi data (Ghozali, 2006: 110-112)

3.7.2.2 Uji Multikoloniearitas

“Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen)”

(Ghozali, 2006:91). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Multikolinieritas dapat dilihat dengan Variance Inflation Factor (VIF), bila nilai VIF < 10 dan nilai tolerance > 0,10 maka tidak terdapat gejala multikolinieritas.

3.7.2.3 Uji Autokolerasi

“Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya)” (Ghozali, 2006:95). Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya, hal ini

sering ditemukan pada time series. Pada data crossection, masalah autokorelasi relatif tidak terjadi.

Salah satu cara untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan Uji Durbin-Watson (DW test). Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi.

3.7.2.4 Uji Heteroskedastisitas

“Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain” (Ghozali, 2006:105). Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedasitas dan jika berbeda disebut heterokedasitas. Model regresi yang baik adalah yang homokedasitas atau tidak terjadi heterokedasitas.

Untuk mendeteksi ada tidaknya heterokedasitas dapat dilihat dari grafik Scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka telah terjadi heterokedasitas. Sebaliknya jika tidak ada pola yang jelas, serta titi-titik yang menyebar maka tidak terjadi heterokedasitas.

Menurut Ghozali (2006:105), yang menjadi dasar analisis untuk menentukan ada atau tidaknya heterokedastisitas yaitu :

1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedatisitas.

2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedatisitas.

3.7.3 Analisis Regresi

3.7.3.1 Analisis Regresi Linear Berganda

Analisis regresi berganda dalam penelitian ini digunakan untuk menyatakan hubungan fungsional antara variabel independen dan variabel dependen. Adapun bentuk model regresi yang digunakan sebagai dasar adalah bentuk fungsi linear yakni:

Y = a + b¹X¹ + b²X² + b³X³ + e dimana:

a = Konstanta Y = Harga Saham X1 = Arus kas Operasi X2 = ROE

X3 = Pertumbuhan Penjualan

b1.. b2.. b3.. .. = koefisien regresi masing-masing variabel independen

e = faktor penggangu

3.7.3.2 Analisis Regresi Moderasi (Moderated Regression Analysis) Tujuan analisis ini untuk mengetahui apakah variabel moderating akan memperkuat atau memperlemah hubungan antara variabel independen dan variabel dependen. Terdapat tiga model pengujian regresi dengan variabel moderating, yaitu uji interaksi (MRA), uji nilai selisih mutlak, dan uji residual.

Pengujian variabel moderating dengan uji interaksi maupun uji nilai selisih mutlak mempunyai kecenderungan akan terjadi multikolonieritas yang tinggi antar variabel independen dan hal ini menyalahi asumsi klasik dalam regresi ordinary least square (OLS) (Ghozali, 2006:171) . Oleh sebab itu dalam penelitian ini menggunakan uji residual dalam menguji moderating. Model ini menggunakan konsep lack of fit yaitu hipotesis moderating ini diterima terjadi jika terdapat ketidakcocokan yang diperoleh dari deviasi hubungan linier antara variabel independen. Hipotesis moderating diterima jika nilai t hitung adalah negatif dan signifikan.

Z = α + β1X1 + e

|e| = α + β1Y Z = α + β2X2 + e

|e| = α + β2Y Z = α + β3X3 + e

|e| = α + β3Y

Keterangan : Y = Harga Saham

α = Konstanta

X1 = Arus Kas Opersi X2 = Profitabilitas

X3 = Pertumbuhan Penjualan Z = Kebijakan Dividen

3.7.4 Uji Hipotesis

3.7.4.1 Uji Statistik F

“Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh bersama-sama terhadap variabel dependen/terikat” (Ghozali, 2006:84). Setelah F garis regresi ditentukan hasilnya, kemudian dibandingkan dengan F tabel. Untuk menentukan nilai F tabel, tingkat signifikansi yang digunakan adalah sebesar α = 5%

dengan tingkat kebebasan (degree of freedom) df1= (k-1) dan df2= (n-k) dimana k adalah jumlah variabel (bebas dan terikat) dan n adalah jumlah observasi. Jika F hitung> Ftabel maka hal ini berarti variabel bebas mampu menjelaskan variabel terikat secara bersama-sama. Hal ini berarti bahwa persamaan regresi yang diperoleh dapat diandalkan atau model yang digunakan sudah fix.

3.7.4.2 Uji Statistik t

“Uji Statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen” (Ghozali, 2006:84).

Dengan menggunakan tingkat signifikan (α) 5%, jika nilai sig.t

> 0,05 maka Ho diterima, artinya tidak ada pengaruh yang signifikan terhadap variabel terikat. Sebaliknya, jika nilai sig.t < 0,05 maka Ha diterima, artinya ada pengaruh yang signifikan antara variabel bebas terhadap variabel terikat. Nilai thitung juga dapat dibandingkan dengan nilai ttabel. Kriteria pengambilan keputusannya yaitu:

Ho diterima dan Ha ditolak jika thitung < ttabel

Ho ditolak dan Ha diterima jika thitung > ttabel.

3.7.4.3 Uji Koefisien Determinasi (R²)

“Koefisien determinasi (R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen”

(Ghozali,2006:83). Koefisien determinasi menunjukkan seberapa besar pengaruh arus kas operasi, profitabilitas dan pertumbuhan penjualan terhadap harga saham dengan kebijakan dividen sebagai variabel moderating, dimana 0< R² < 1.

Nilai yang mendekati satu berarti variabel bebas mampu memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel terikat atau menunjukkan semakin kuatnya

pengaruh variabel independen terhadap variabel dependen. Kelemahan penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model karena setiap tambahan satu variabel bebas maka nilai R² pasti meningkat tidak peduli pengaruh variabel tersebut signifikan atau tidak. Sehingga dianjurkan untuk menggunakan nilai Adjusted R² pada saat mengevaluasi model regresi terbaik.

BAB IV

HASIL DAN PEMBAHASAN

4.1 Deskripsi Objek Penelitian

Penelitian ini menggunakan data sekunder yang diperoleh dari internet melalui situs www.idx.co.id. Data yang digunakan merupakan data laporan keuangan pada perusahaan Manufaktur pada tahun 2013 – 2015. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Pengujian asumsi klasik, regresi berganda dan regresi moderasi dilakukan dengan menggunakan Software SPSS versi 22. Berdasarkan kriteria yang telah ditentukan, diperoleh 15 perusahaan manufaktur yang memenuhi kriteria dan menjadi sampel dalam penelitian ini selama periode tahun 2013-2015. Dengan demikian jumlah observasi yang diteliti adalah 45 sampel untuk 3 tahun dari tahun 2013-2015.

4.2 Hasil Penelitian

4.2.1 Analisis Statistik Deskriptif

Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata (mean), dan nilai standar deviasi. Variabel penelitian ini terdiri dari arus kas operasi, profitabilitas, dan pertumbuhan penjualan sebagai variabel bebas (independent variabel) dan harga saham sebagai variabel terikat (dependent

variabel) serta kebijakan dividen sebagai variabel moderating. Hasil uji statistik deskriptif dapat dilihat pada tabel 4.1 di bawah ini

Tabel 4.1

Hasil Statistik Deskriptif Variabel Penelitian

Descriptive Statistics

Variabel _{N Minimum Maximum Mean} Std. Deviation Harga Saham 45 390.000 189000.000 23510.33333 3.947468E4

Arus Kas Operasi 45 -851.468 1762.412 534.00760 590.069065

ROE 45 -.022 .764 .18788 .150717

Pertumbuhan Penjualan

45 -.277 .293 .08491 .107420

DPR 45 -.605 1.377 .43927 .326743

Valid N (listwise) 45

Berdasarkan Tabel 4.1 menunjukkan bahwa jumlah data penelitian ada sebesar 45 data perusahaan, dari 45 data perusahaan ini harga saham minimum adalah 390 yaitu PT Ekadharma International Tbk pada tahun 2013 dan nilai harga saham maksimum adalah 189000 yaitu PT Merck Tbk pada tahun 2013. Sementara rata-rata dan standar deviasi dari harga saham adalah 23510,333 dan 3,947468E4 (atau 39474,68).

Variabel penelitian arus kas operasi memiliki nilai minimum sebesar -851,468 yaitu PT Indomobil Sukses International Tbk pada tahun 2013 dan nilai arus kas operasi maksimum sebesar 1762.412 yaitu PT Hanjaya Mandala Sampoerna Tbk pada tahun 2014. Sementara rata-rata dan standar

deviasi dari arus kas operasi adalah 534.00760 dan 590.069065.

Variabel penelitian profitabilitas yang diukur dengan ROE memiliki nilai minimum sebesar -0.022 yaitu PT Indomobil Sukses International Tbk pada tahun 2014 dan nilai ROE maksimum sebesar 0.764 yaitu PT Hanjaya Mandala Sampoerna Tbk pada tahun 2013. Sementara rata-rata dan standar deviasi dari ROE adalah 0.18788 dan 0.150717.

Variabel penelitian pertumbuhan penjualan memiliki nilai minimum sebesar -0.277 pada PT Merck Tbk pada tahun 2014 dan nilai pertumbuhan penjualan maksimum sebesar 0.293 pada PT Astra Otoparts Tbk pada tahun 2013. Sementara rata-rata dan standar deviasi dari pertumbuhan penjualan adalah 0.08491 dan 0.107420.

Variabel penelitian kebijakan dividen yang diukur dengan DPR memiliki nilai minimum sebesar -0,605 yaitu PT Indomobil Sukses International pada tahun 2015, sementara nilai maksimum dari DPR sebesar 1,377 yaitu PT Hanjaya Mandala Sampoerna Tbk pada tahun 2013.

Sementara rata-rata dan standar deviasi dari DPR adalah 0,43927 dan 0,326743.

4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas

Pengujian normalitas data pada penelitian ini menggunakan analisis grafik dan analisis statistik. Analisis grafik untuk melihat normalitas data dilakukan dengan melihat grafik histogram dan kurva

normal probability plot. Analisis statistik dilakukan dengan menggunakan uji non-parametrik Kolmogrov-Smirnov (K-S). Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.1

Gambar 4.1 Grafik Histogram

Berdasarkan Gambar 4.1 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan

data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.2 berikut:

Gambar 4.2 Normal Probability Plot

Berdasarkan grafik profitabilitas pada gambar 4.2 di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal (garis normal).

Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. signifikansi yang digunakan 𝛼 = 0,05. Dasar pengambilan keputusan adalah melihat angka probabilitas 𝑝, dengan ketentuan sebagai berikut:

Jika nilai probabilitas 𝑝 ≥ 0,05, maka asumsi normalitas terpenuhi.

Jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi.

Tabel 4.2 Hasil Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 45

Normal Parameters^a,,b Mean .0000000

Std. Deviation 1.24049176

Most Extreme Differences Absolute .107

Positive .107

Negative -.063

Kolmogorov-Smirnov Z .719

Asymp. Sig. (2-tailed) .679

a. Test distribution is Normal.

b. Calculated from data.

Berdasarkan hasil uji normalitas dengan Kolmogorov-Smirnov pada tabel 4.2, diketahui nilai probabilitas p atau Asymp. Sig. (2-tailed) sebesar 0,679. Karena nilai probabilitas p, yakni 0,679, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.

4.2.2.2 Uji Multikoloniearitas

Uji multikoloniearitas digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel independen. Jika terjadi korelasi, maka dikatakan terdapat masalah multikoliniearitas . Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat dari nilai variance inflation factor (VIF) dan

nilai Tolerance. Model regresi yang baik jika nilai Tolerance > 0,10 dan VIF < 10. Hasil uji multikoloniearitas dapat dilihat pada tabel 4.3 berikut ini.

Tabel 4.3

Hasil Uji Multikoloniearitas

Model

Collinearity Statistics Tolerance VIF 1 (Constant)

Arus Kas Operasi .819 1.221

ROE .808 1.238

Pertumbuhan Penjualan

.984 1.017

Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen. Berdasarkan tabel 4.3 diatas diketahui masing-masing nilai VIF sebagai berikut:

a. Nilai VIF untuk variabel Arus Kas Operasi adalah 1.221 < 10 dengan nilai Tolerance adalah 0.819 > 0.10 maka variabel Arus Kas Operasi dapat dinyatakan tidak terjadi gejala multikoloniearitas.

b. Nilai VIF untuk variabel ROE adalah 1.238 < 10 dengan nilai Tolerance adalah 0.808 > 0.10 maka variabel ROE dapat dinyatakan tidak terjadi multikoloniearitas.

c. Nilai VIF untuk variabel Pertumbuhan Penjualan adalah 1.017 < 10 dengan nilai Tolerance adalah 0.984 > 0.10 maka variabel pertumbuhan penjualan dinyatakan tidak terjadi multikoloniearitas.

4.2.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear terdapat korelasi antara residual pada periode t dengan residual periode t-1 (sebelumnya). Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji autokorelasi dalam penelitian ini digunakan uji Durbin-Watson. Berikut hasil berdasarkan uji Durbin-Watson.

Tabel 4.4

Hasil Uji Autokorelasi

Model Summary^b

Model R R Square

Adjusted R Square

Std. Error of the

Estimate Durbin-Watson

1 .635^a .403 .359 1.28507 2.532

a. Predictors: (Constant), Pertumbuhan Penjualan, Arus Kas Operasi, ROE b. Dependent Variable: Harga Saham

Berdasarkan Tabel 4.4, nilai dari statistik Durbin-Watson adalah 2,535. Karena nilai statistik Durbin-Watson terletak di antara 1

Berdasarkan Tabel 4.4, nilai dari statistik Durbin-Watson adalah 2,535. Karena nilai statistik Durbin-Watson terletak di antara 1