Uji Stasioneritas - ANALISIS PENGARUH RETURN ON EQUITY, DEBT TO EQUITY RATIO DAN FINANCIAL LAVE

Uji stasioneritas digunakan untuk menguji data time series agar data yang digunakan bersifat flat, tidak mengandung komponen trend, dengan keragaman konstan dan tidak terjadi fluktuasi periodik (Ariyoso, dalam Setyaningrum, 2017:68-69).

Sebuah data dikatakan stasoner jka memenuhi asumsi kovarian antar dua data runtut waktu tergantung pada kelambanan antara dua periode tersebut. Pengambilan keputusan pada uji stasioner adalah jika nilai probabilitas lebih kecil dari 0.05 maka data tersebut bersifat stasioner (Winarno, dalam Setyaningrum, 2017:69).

Tabel 4.6 Uji Stasioneritas Stock Return Null Hypothesis: D(SR) has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.893569 0.0000 Test critical values: 1% level -3.557472

10% level -2.596116 *MacKinnon (1996) one-sided p-values.

Sumber: Data sekunder diolah melalui EVIEWS

Dapat kita lihat pada tabel diatas dengan hasil uji stasioneritas pada Stock Return dengan nilai probability sebesar 0,00 < dari 0,05 menunjukkan data tersebut menunjukkan stasioner signifikan. Dapat kita bandingkan pula antara nilai t-statistic sebesar -7,893 < dari nilai test critical values pada 5% sebesar -2,916, maka data tersebut stasioner, apabila nilai t-statistic > nilai test critical values maka data tersebut tidak signifikan. Jadi hasil pengujian data Stock Return nilai t-statistic < nilai test critical values maka data tesebut signifikan stasioner.

Tabel 4.7 Uji Stasioneritas DER Null Hypothesis: D(DER) has a unit root

Exogenous: Constant

Lag Length: 1 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.* Augmented Dickey-Fuller test statistic -8.122405 0.0000 Test critical values: 1% level -3.560019

5% level -2.917650

10% level -2.596689 *MacKinnon (1996) one-sided p-values.

Sumber: Data sekunder diolah melalui EVIEWS

Dapat kita lihat pada tabel diatas dengan hasil uji stasioneritas pada debt to equity ratio sebesar 0,000 menunjukkan bahwa data tersebut stasioner. Dapat kita bandingkan pula antara nilai t-statistic sebesar - 8,122 < dari nilai test critical values pada 5% sebesar -2,917, maka data tersebut stasioner.

Tabel 4.8 Uji Stasioneritas ROE

Sumber: Data sekunder diolah melalui EVIEWS

Dapat kita lihat pada tabel diatas dengan hasil uji stasioneritas pada return on equity sebesar 0,000 menunjukkan bahwa data tersebut stasioner. Dapat kita bandingkan pula antara nilai t-statistic sebesar - 8,567 < dari nilai test critical values pada 5% sebesar -2,916, maka data tersebut stasioner.

Tabel 4.9 Uji Stasioneritas FL Null Hypothesis: D(FL) has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.* Augmented Dickey-Fuller test statistic -12.30866 0.0000 Test critical values: 1% level -3.557472

5% level -2.916566

10% level -2.596116 *MacKinnon (1996) one-sided p-values.

Sumber: Data sekunder diolah melalui EVIEWS

Dapat kita lihat pada tabel diatas dengan hasil uji stasioneritas pada financial laverage sebesar 0,000 menunjukkan bahwa data tersebut stasioner. Dapat kita bandingkan pula antara nilai t-statistic sebesar - Null Hypothesis: D(ROE) has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.* Augmented Dickey-Fuller test statistic -8.567427 0.0000 Test critical values: 1% level -3.557472

5% level -2.916566

10% level -2.596116 *MacKinnon (1996) one-sided p-values.

12,308 < dari nilai test critical values pada 5% sebesar -2,916, maka data tersebut stasioner.

Tabel 4.10 Tabel Uji Stasioneritas PER

S u

mber: Data sekunder diolah melalui EVIEWS

Dapat kita lihat pada tabel diatas dengan hasil uji stasioneritas pada price earning ratio sebesar 0,0004 menunjukkan bahwa data tersebut stasioner. Dapat kita bandingkan pula antara nilai t-statistic sebesar -4,602 < dari nilai test critical values pada 5% sebesar -2,916, maka data tersebut stasioner.

D. Analisis Data

1. Uji Regresi Linier Berganda

Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai

Null Hypothesis: D(PER) has a unit root Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.602373 0.0004 Test critical values: 1% level -3.557472

5% level -2.916566

10% level -2.596116 *MacKinnon (1996) one-sided p-values.

dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.

Hasil uji regresi linier bias dilihat pada output berikut : Tabel 4.11 Tabel Uji Regresi Linier Dependent Variable: D(SR(-1))

Method: Least Squares Date: 09/23/18 Time: 11:41 Sample (adjusted): 3 56

Included observations: 54 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 0.002490 0.514525 0.004840 0.9962 D(ROE(-1)) -0.157097 0.313970 -0.500356 0.6192 D(DER(-1)) 0.271318 0.661278 0.410294 0.6835 D(FL(-1)) -0.057419 0.186562 -0.307774 0.7596 D(ROEXPER(-1)) 0.092802 0.026872 3.453477 0.0012 D(DERXPER(-1)) -0.011423 0.044816 -0.254884 0.7999 D(FLXPER(-1)) -0.010889 0.005438 -2.002250 0.0410

R-squared 0.600281 Mean dependent var 0.078704

Adjusted R-squared 0.549253 S.D. dependent var 5.622685

S.E. of regression 3.774940 Akaike info criterion 5.615069

Sum squared resid 669.7581 Schwarz criterion 5.872900

Log likelihood -144.6069 Hannan-Quinn criter. 5.714504

F-statistic 11.76377 Durbin-Watson stat 2.580326

Prob(F-statistic) 0.000000

Sumber: Data sekunder diolah melalui EVIEWS

Ý= a+b ROE +b DER +b FL + b ROExPER + b DERxPER + b FLxPERe

Ý= 0,002 + (-0,157) ROE + 0,2713 DER + (-0,057) FL + 0,093 ROExPER + (-0,011) DERxPER + (-0,011) FLxPER

Ý= 0,002 - 0,157 ROE + 0,2713 DER + -0,057 FL + 0,093 ROExPER - 0,011 DERxPER - 0,011 FLxPER Keterangan Y = Stock Return a = Konstanta b = Koefisien Regresi

Persamaan regresi di atas dapat dijelaskan sebagai berikut:

1. Konstanta sebesar 0,002 artinya jika ROE (X1), DER (X2), FL (X3), ROExPER (X4), DERxPER (X5), dan FLxPER (X6) nilainya adalah 0, maka Stock Return (Y’) nilainya adalah .

2. Koefisien regresi variabel ROE (X1) sebesar -0,157 artinya jika variabel independen lain nilainya tetap dan PER mengalami kenaikan 1%, maka Stock Return (Y’) akan mengalami penurunan sebesar 0,157. Koefisien bernilai negatif artinya terjadi hubungan negatif antara ROE dengan Stock Return, semakin naik ROE maka nilai Stock Return semakin menurun.

3. Koefisien regresi variabel DER (X2) sebesar 0,271 artinya jika variabel independen lain nilainya tetap dan DER mengalami kenaikan 1%, maka Stock Return (Y’) akan mengalami peningkatan sebesar 0,271. Koefisien bernilai positif artinya terjadi hubungan positif antara DER dengan Stock Return, semakin naik DER maka semakin meningkat Stock Return.

4. Koefisien regresi variabel FL (X3) sebesar -0,057 artinya jika variabel independen lain nilainya tetap dan FL mengalami kenaikan 1%, maka Stock Return (Y) akan mengalami penurunan sebesar 0,496. Koefisien bernilai negatif artinya terjadi hubungan negatif antara FL dengan Stock Return, semakin naik FL maka semakin turun Stock Return. 5. Koefisien regresi variabel ROExPER (X4) sebesar 0,093 artinya jika

variabel independen lain nilainya tetap dan ROExPER mengalami kenaikan 1%, maka Stock Return (Y’) akan mengalami peningkatan sebesar 0,093. Koefisien bernilai positif artinya terjadi hubungan positif antara dengan Stock Return, semakin naik ROExPER maka semakin meningkat Stock Return.

6. Koefisien regresi variabel DERxPER (X5) sebesar -0,011 artinya jika variabel independen lain nilainya tetap dan DERxPER mengalami kenaikan 1%, maka Stock Return (Y) akan mengalami penurunan sebesar 0,011. Koefisien bernilai negatif artinya terjadi hubungan negatif antara DERxPER dengan Stock Return, semakin naik DERxPER maka semakin turun Stock Return.

7. Koefisien regresi variabel FLxPER (X5) sebesar -0,011 artinya jika variabel independen lain nilainya tetap dan FLxPER mengalami kenaikan 1%, maka Stock Return (Y) akan mengalami penurunan sebesar 0,011. Koefisien bernilai negatif artinya terjadi hubungan negatif antara FLxPER dengan Stock Return, semakin naik FLxPER maka semakin turun Stock Return.

2. Uji Statistik

a. Uji Determinasi (Adjusted R Square)

Koefisien determinasi (Adjusted R Square) adalah untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat. (Kuncoro, 2009: 240). Koefisien determinasi menggambarkan bagian dari variasi total yang dapat diterangkan oleh model. Semakin besar nilai R2 (mendekati 1), maka ketepatanya dikatakan semakin baik. Koefisien determinasi (R2) digunakan untuk mengetahui sampai sejauh mana variabel bebas dapat menjelaskan variabel terikat (Suharjo, 2008: 79).

Adjusted R Square dipilih untuk menggeneralisasikan R2 pada populasi, karena ada unsur estimasi populasi di dalamnya (mengarah pada penelitian populasi).

Uji R Square bisa dilihat pada tabel 4.11. Pada tabel di atas menunjukkan nilai R Square dalam penelitian ini adalah 0,60, yang berarti bahwa variabel PER, DER, FL, ROExPER, DERxPER dan FLxPER dapat menjelaskan variabel SR sebesar 60%. Sedangkan sisanya 40 dijelaskan oleh variabel lain di luar penelitian.

b. Uji F

Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat (Kuncoro, 2013: 239). Koefisien regresi diuji secara serentak untuk

mengetahui apakah keserempakan tersebut mempunyai pengaruh yang signifikan terhadap model. Uji ini dilakukan untuk membandingkan pada nilai signifikansi (α = 5%) pada tingkat derajat 5%. (Setiawan dan Kusrini, 2010: 63).

Untuk melihat nilai nilai Fhitung, bisa dilihat pada tabel 4.11. Berdasarkan tabel di atas diperoleh nilai Fhitung 11,764 dan nilai Ftabel sebesar 2,55. Nilai probabilitas yang ditunjukkan oleh nilai Sig sebesar 0,000 dan nilai alfa (α) 0,05 (5%). Sehingga Fhitung (11,764) > Ftabel (2,55) dan nilai Sig. (0,000) < α (0,05), artinya secara statistik model regresi yang digunakan sudah tepat.

c. Uji Statistik T

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas secara individual dalam menerangkan variasi variabel terikat. Uji t digunakan untuk menguji secara parsial atau masing-masing variabel independen secara sendiri-sendiri terhadap variabel dependen. Uji t dalam output data dapat dilihat pada tabel 4.11.

d. Uji T Terhadap ROE

Dengan membandingkan thitung dengan ttabel dengan rumus : Df = n - k

Keterangan:

n = banyak observasi k = banyaknya variabel

Perhitungannya sebagai berikut Df = 56 – 5 = 51 dengan taraf signifikansi 0,05 % sehingga ttabel yang diperoleh sebesar 1,675. Berdasarkan hasil analisis regresi untuk ROE pada tabel 4.11 diperoleh nilai thitung adalah sebesar -0,50, sehingga nilai thitung < ttabel yaitu -0,50 < 1,675. Nilai signifikansi (sig) 0,619 > 0,05 maka dapat disimpulkan bahwa H1 ditolak yang artinya ROE tidak memiliki pengaruh terhadap SR.

e. Uji T terhadap ROE dengan PER sebagai variabel moderasi

Dari table 4.11 di atas menunjukkan bahwa nilai hasil uji thitung ROExPER adalah sebesar 3,453. Sehingga dengan adanya penambahan variabel PER sebagai moderasi menghasilkan nilai thitung > ttabel menjadi 3,453 > 1,675 dan signifikan 0,001 < 0,05 sehingga H2 diterima. Adanya variabel moderasi memperkuat dalam memoderasi variabel ROE terhadap SR.

f. Uji T Terhadap DER

Dengan membandingkan thitung dengan ttabel dengan rumus : Df = n - k

Keterangan:

n = banyak observasi k = banyaknya variabel

Perhitungannya sebagai berikut Df = 56 – 5 = 51 dengan taraf signifikansi 0,05 % sehingga ttabel yang diperoleh sebesar 0,410. Berdasarkan hasil analisis regresi untuk DER diperoleh

nilai thitung < ttabel yaitu 0,410 < 1,675. Nilai signifikansi (sig) 0,683 > 0,05 maka dapat disimpulkan bahwa H3 ditolak yang artinya DER tidak memiliki pengaruh signifikan terhadap SR.

g. Uji T terhadap DER dengan PER sebagai variabel moderasi

Dari table 4.11 di atas menunjukkan bahwa nilai hasil uji thitung DERxPER adalah sebesar -0.254. Sehingga dengan adanya penambahan variabel PER sebagai moderasi menghasilkan nilai thitung < ttabel menjadi -0,254 < 1,675 dan signifikan 0,799 > 0,05 sehingga H4 ditolak. Adanya variabel moderasi tidak berpengaruh terhadap hubungan antara DER dan SR.

h. Uji T Terhadap FL

Dengan membandingkan thitung dengan ttabel dengan rumus : Df = n - k

Keterangan:

n = banyak observasi k = banyaknya variabel

Perhitungannya sebagai berikut Df = 56 – 5 = 51 dengan taraf signifikansi 0,05 % sehingga ttabel yang diperoleh sebesar - 0,308. Berdasarkan hasil analisis regresi untuk FL diperoleh nilai thitung < ttabel yaitu -0,308 < 1,675. Nilai signifikansi (sig) 0,7596 > 0,05 maka dapat disimpulkan bahwa H5 ditolak yang artinya FL tidak memiliki pengaruh signifikan terhadap SR.

i. Uji T terhadap FL dengan PER sebagai variabel moderasi Dari table 4.11 di atas menunjukkan bahwa nilai hasil uji thitung FLxPER adalah sebesar -2.002. Sehingga dengan adanya penambahan variabel PER sebagai moderasi menghasilkan nilai thitung < ttabel menjadi 2,002 < 1,675 dan signifikan 0,041 < 0,05 sehingga H6 diterima. Adanya variabel moderasi memperkuat hubungan antara FL dan SR.

3. Uji Asumsi Klasik

a. Uji Normalitas

Uji normalitas pada model regresi digunakan untuk menguji apakah nilai residual terdistribusi secara normal atau tidak. Model regresi yang baik adalah yang memiliki nilai residual yang terdistribusi secara normal. Metode pengujian uji normalitas yang digunakan dalam penelitian ini menggunakan uji normalitas dengan EVIEWS.

Tabel 4.11 Uji Normalitas

0 2 4 6 8 10 12 14 -10 -8 -6 -4 -2 0 2 4 6 8 10 12 Series: Residuals Sample 3 56 Observations 54 Mean 0.000000 Median -0.240374 Maximum 11.42491 Minimum -10.00054 Std. Dev. 3.554848 Skewness 0.322469 Kurtosis 5.259649 Jarque-Bera 12.42441 Probability 0.002005

Dari hasil pengujian di atas menunjukkan bahwa nilai probabilitasnya adalah sebesar 0,002 hal ini menunjukkan bahwa data tersebut berdistribusi secara tidak normal, sehingga tidak memenuhi asumsi normalitas.

Untuk mengatasi masalah ketidak normalan data, variable dependennya (SR) harus diubah terlebih dahulu dalam bentuk log. Hasil yang diperoleh sebagai berikut:

Table 4.12 Uji Normalitas Setelah Penyembuhan

0 2 4 6 8 10 12 14 16 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 Series: Residuals Sample 3 56 Observations 54 Mean 1.09e-16 Median 0.112309 Maximum 0.920585 Minimum -1.916125 Std. Dev. 0.584690 Skewness -0.738749 Kurtosis 3.558471 Jarque-Bera 5.613509 Probability 0.060401

Dari hasil pengujian di atas menunjukkan bahwa nilai probabilitasnya menjadi 0,060 hal ini menunjukkan bahwa data tersebut berdistribusi secara normal, sehingga memenuhi asumsi normalitas.

b. Uji Multikolineritas

Uji multikolinearitas merupakan bentuk pengujian asumsi dalam analisis regresi berganda. Asumsi multikolinearitas menyatakan bahwa variabel independen harus terbebas dari gejala korelasi antar

variabel independen. Gejala ini ditunjukkan dengan korelasi yang signifikan antar variabel independen.

tabel 4.13 Uji Multikoleneritas

No Variabel R² 1 SR 0.60 2 ROE 0.86 3 DER 0.89 4 _FL 0.44 5 _{ROE x PER} 0.92 6 _{DER x PER} 0.93 7 FL x PER 0.90

Sumber: Data sekunder diolah melalui EVIEWS

Berdasarkan tabel di atas menunjukan nilai R2_regresi variable independen lebih besar dari nilai R2_{regresi variable dependen.} Maka dapat disimpulkan data mengandung multikolinieritas.

Untuk mengatasi masalah multikolinieritas, maka variabel ROE x PER dan DER x PER perlu dihilangkan. Hasil yang diperoleh sebagai berikut :

Tabel 4.14 Uji Multikoleneritas Setelah Penyembuhan

No Variabel R² 1 _SR _0.50 2 _ROE _0.06 3 _DER _0.27 4 _FL _0.29 5 FL x PER 0.03

Sumber: Data Sekunder diolah melalui EVIEWS

Dari tabel di atas menunjukan nilai R2_{regresi variable} independen lebih kecil dari nilai R2_{regresi variable dependen. Maka}

dapat disimpulkan data sudah tidak mengandung multikolinieritas. Untuk lebih jelasnya dapat dilihat di lampiran Uji multikolinieritas.

c. Uji Autokorelasi

Uji autokorelasi merupakan pengujian asumsi dalam regresi dimana variabel dependen tidak berkorelasi dengan dirinya sendiri. Dalam artian nilai dari variabel dependen tidak berhubungan dengan nilai variabel itu sendiri, baik nilai periode sebelumnya atau nilai periode sesudahnya. Untuk mendeteksi gejala autokorelasi digunakan uji Breusch-Godfrey.

Tabel 4.15 Uji Autokorelasi Dependent Variable: D(SR(-1))

Method: Least Squares Date: 09/21/18 Time: 20:27 Sample (adjusted): 3 56

Included observations: 54 after adjustments

Variable Coefficient Std. Error t-Statistic Prob. C 0.049596 0.564094 0.087921 0.9303 D(ROE(-1)) 0.832310 0.131983 6.306166 0.0000 D(DER(-1)) -0.052189 0.282098 -0.185004 0.8540 D(FL(-1)) -0.227103 0.181126 -1.253840 0.2158 D(FLXPER(-1)) 0.000229 0.001948 0.117564 0.9069 R-squared 0.498520 Mean dependent var 0.078704 Adjusted R-squared 0.457582 S.D. dependent var 5.622685 S. E. of regression 4.141052 Akaike info criterion 5.767798 Sum squared resid 840.2671 Schwarz criterion 5.951963 Log likelihood -150.7305 Hannan-Quinn criter. 5.838823 F-statistic 12.17767 Durbin-Watson stat 2.483013 Prob(F-statistic) 0.000001

Grafik 4.1 DW

Nilai d pada tabel menunjukan angka 2.483013 yang tidak berada diantara nilai du dan 4-du yang menunjukan angka 1,7678 dan 2,3322. Maka, dapat disimpulkan data mengandung autokorelasi.

Untuk mengatasi masalah autokorelasi dibutuhkan penambahan variabel berupa stock return periode satu tahun sebelumnya. Hasil yang diperoleh sebagai berikut :

Tabel 4.15 Uji Autokorelasi Setelah Pengobatan Dependent Variable: D(SR(-1))

Method: Least Squares Date: 09/21/18 Time: 20:30 Sample (adjusted): 3 56

Included observations: 54 after adjustments

Variable Coefficient Std. Error t-Statistic Prob. C -2.301377 1.215362 -1.893573 0.0643 D(ROE(-1)) 0.722128 0.137103 5.267047 0.0000 D(DER(-1)) -0.029790 0.272265 -0.109414 0.9133 D(FL(-1)) -0.237026 0.174746 -1.356401 0.1813 D(FLXPER(-1)) -0.000441 0.001904 -0.231823 0.8177 SR(-1) 0.221454 0.102373 2.163212 0.0355 R-squared 0.543066 Mean dependent var 0.078704 Adjusted R-squared 0.495468 S.D. dependent var 5.622685 S.E. of regression 3.993815 Akaike info criterion 5.711810 Sum squared resid 765.6267 Schwarz criterion 5.932808 Log likelihood -148.2189 Hannan-Quinn criter. 5.797040 F-statistic 11.40959 Durbin-Watson stat 2.196205

Prob(F-statistic) 0.000000

Sumber: Data Sekunder diolah melalui EVIEWS

Grafik 4.2 DW

Nilai d pada tabel setelah penambahan variabel menunjukan angka 2.196205 yang berada diantara nilai du dan 4-du. Maka, dapat disimpulkan data sudah tidak mengandung autokorelasi. Untuk lebih jelasnya dapat dilihat di lampiran, Uji autokorelasi.

d. Uji Heterokedastisitas

Asumsi heterokedastisitas adalah asumsi dalam regresi di mana varians dari residual tidak sama untuk satu pengamatan ke pengamatan yang lain (Purbayu, 2005). Model regresi yang baik adalah yang homoskedastisitas, yaitu jika varians dari residual satu pengamatan ke pengamatan lainnya tetap. Dalam penelitian ini dipilih uji white.

Tabel 4.1711 Uji Heteroskedastisitas Heteroskedasticity Test: White

F-statistic 3.185079 Prob. F(20,33) 0.0016 Obs*R-squared 35.57217 Prob. Chi-Square(20) 0.0173 Scaled explained SS 40.97215 Prob. Chi-Square(20) 0.0038 Log likelihood -219.6779 Hannan-Quinn criter. 9.212302 F-statistic 3.185079 Durbin-Watson stat 1.608826 Prob(F-statistic) 0.001566

Sumber: Data Sekunder diolah melalui EVIEWS

Dari tabel di atas menunjukan nilai probabilitas 0,0173. Nilai tersebut lebih besar dari 0,05. Maka dapat disimpulkan data terbebas dari heterokedaktisitas. Maka dari itu diperlukan Metode Huber-White untuk mengatasi masalah ini. Hasil yang diperoleh sebagai berikut :

Tabel 4.18 Uji Heteroskedastisitas Setelah Pengobatan Dependent Variable: D(SR(-1))

Method: Least Squares Date: 09/21/18 Time: 20:31 Sample (adjusted): 3 56

Included observations: 54 after adjustments

White heteroskedasticity-consistent standard errors & covariance Variable Coefficient Std. Error t-Statistic Prob.

C -2.301377 1.601276 -1.437214 0.1571 D(ROE(-1)) 0.722128 0.208936 3.456223 0.0012 D(DER(-1)) -0.029790 0.213242 -0.139699 0.8895 D(FL(-1)) -0.237026 0.176454 -1.343271 0.1855 D(FLXPER(-1)) -0.000441 0.002761 -0.159868 0.8737 SR(-1) 0.221454 0.152386 1.453249 0.1527 R-squared 0.543066 Mean dependent var 0.078704 Adjusted R-squared 0.495468 S.D. dependent var 5.622685 S.E. of regression 3.993815 Akaike info criterion 5.711810 Sum squared resid 765.6267 Schwarz criterion 5.932808 Log likelihood -148.2189 Hannan-Quinn criter. 5.797040 F-statistic 11.40959 Durbin-Watson stat 2.196205 Prob(F-statistic) 0.000000 Wald F-statistic 12.39796 Prob(Wald F- 0.000000

statistic)

Sumber: Data Sekunder diolah melalui EVIEWS

Tebel diatas menunjukan hasil setelah dilakukan uji Metode Huber-White. Nilai prob F-test sebesar 0.000000 setelah dilakukan uji Metode Huber-White. Karena nilai prob F-test lebih kecil dari 0,05 maka ROE, DER, FL dan FLxPER secara bersama-sama berpengaruh signifikan terhadap SR.

Nilai koefisien determinasi setelah dilakukan uji Metode Huber-White dapat dilihat Adjusted R-squared sebesar 0.495468. Ini berarti 49,5% Stock Return dapat dijelaskan oleh variabel ROE, DER, FL dan FLxPER, sedangkan 50,5% lainnya dijelaskan oleh variabel lain yang tidak diteliti dalam penelitian ini. Untuk lebih jelasnya dapat dilihat di lampiran, Uji heterokedaktisitas.

E. Pembahasan

1. Pengaruh ROE dan PER terhadap Stock Return

Hasil uji autokorelasi menunjukkan bahwa keseluruhan variabel independen memiliki nilai Durbin Watson 2.196 . Nilai tersebut berada diantara dU(1,7678) dan 4-dU. Hal tersebut berarti dalam model regresi tidak terjadi autokorelasi.

sebesar -7,893 < dari nilai test critical values pada 5% sebesar -2,916, maka data tersebut stasioner.

Hasil uji stasioneritas pada price earning ratio sebesar 0,0004 menunjukkan bahwa data tersebut stasioner. Dapat kita bandingkan pula antara nilai t-statistic sebesar -4,602 < dari nilai test critical values pada 5% sebesar -2,916, maka data tersebut stasioner.

Hasil uji stasioneritas pada debt equity ratio sebesar 0,000 menunjukkan bahwa data tersebut stasioner. Dapat kita bandingkan pula antara nilai t-statistic sebesar -8,122 < dari nilai test critical values pada 5% sebesar -2,917, maka data tersebut stasioner.

Berdasarkan hasil penelitian yang telah dilakukan pada uji regresi , dengan hasil analisis regresi untuk ROE diperoleh nilai thitung < ttabel yaitu -0.50 > 1,675. Nilai signifikansi (sig) 0.619 > 0,05 maka dapat disimpulkan bahwa H1 ditolak yang artinya ROE tidak memiliki pengaruh signifikan terhadap SR.

Dengan adanya penambahan variabel PER sebagai moderasi menghasilkan nilai thitung > ttabel menjadi 3,453 > 1,675 dan signifikan 0,001 < 0,05 sehingga H2 diterima. Adanya variabel moderasi memperkuat dalam memoderasi variabel ROE terhadap SR.

Ftabel (2,55) dan nilai Sig. (0,000) < α (0,05), artinya secara statistik model regresi yang digunakan sudah tepat.

2. Pengaruh DER dan PER terhadap Stock Return

Hasil uji autokorelasi menunjukkan bahwa keseluruhan variabel independen memiliki nilai Durbin Watson 2.196 . Nilai tersebut berada diantara dU dan 4-dU. Hal tersebut berarti dalam model regresi tidak terjadi autokorelasi.

Pada uji stasioneritas data Stock return dengan nilai probability sebesar 0,00 < dari 0,05 menunjukkan data tersebut menunjukkan stasioner signifikan. Dapat kita bandingkan pula antara nilai t-statistic sebesar -7,893 < dari nilai test critical values pada 5% sebesar -2,916, maka data tersebut stasioner.

Hasil uji stasioneritas pada return on equity sebesar 0,000 menunjukkan bahwa data tersebut stasioner. Dapat kita bandingkan pula antara nilai t-statistic sebesar -8,567 < dari nilai test critical values pada 5% sebesar -2,916, maka data tersebut stasioner.

Berdasarkan hasil analisis regresi untuk DER diperoleh nilai thitung < ttabel yaitu 0,410 < 1,675. Nilai signifikansi (sig) 0,683 > 0,05

maka dapat disimpulkan bahwa H3 ditolak yang artinya DER tidak memiliki pengaruh signifikan terhadap SR.

Adanya penambahan variabel PER sebagai moderasi menghasilkan nilai thitung < ttabel menjadi -0,254 < 1,675 dan signifikan 0,799 > 0,05 sehingga H4 ditolak. Adanya variabel moderasi tidak berpengaruh terdapan hubungan antara DER dan SR.

Berdasarkan tabel di atas diperoleh nilai Fhitung 11,764 dan nilai Ftabel sebesar 2,55. Nilai probabilitas yang ditunjukkan oleh nilai Sig sebesar 0,000 dan nilai alfa (α) 0,05 (5%). Sehingga Fhitung (11,764) > Ftabel (2,55) dan nilai Sig. (0,000) < α (0,05), artinya secara statistik model regresi yang digunakan sudah tepat.

3. Pengaruh FL dan PER terhadap Stock Return

Pada uji stasioneritas data stock return dengan nilai probability sebesar 0,00 < dari 0,05 menunjukkan data tersebut menunjukkan stasioner signifikan. Dapat kita bandingkan pula antara nilai t-statistic sebesar -7,893 < dari nilai test critical values pada 5% sebesar -2,916, maka data tersebut stasioner.

Hasil uji stasioneritas pada financial laverage sebesar 0,000 menunjukkan bahwa data tersebut stasioner. Dapat kita bandingkan

pula antara nilai t-statistic sebesar -12,308 < dari nilai test critical values pada 5% sebesar -2,916, maka data tersebut stasioner.

Berdasarkan hasil analisis regresi untuk ROE diperoleh nilai thitung > ttabel yaitu -0,308 < 1,675. Nilai signifikansi (sig) 0,7596 > 0,05 maka dapat disimpulkan bahwa H5 ditolak yang artinya FL tidak memiliki pengaruh signifikan terhadap SR.

Adanya penambahan variabel PER sebagai moderasi menghasilkan nilai thitung < ttabel menjadi -2,002 > 1,675 dan signifikan 0,041 > 0,05 sehingga H6 diterima. Adanya variabel moderasi memperkuat dalam memoderasi variabel FL terhadap SR.

BAB V PENUTUP

A. Kesimpulan

Berdasarkan hasil analisis dan pembahasan data yang telah diuraikan pada bab sebelumnya tentang ROE, DER, FL dan PER terhadap

Dalam dokumen ANALISIS PENGARUH RETURN ON EQUITY, DEBT TO EQUITY RATIO DAN FINANCIAL LAVERAGE TERHADAP STOCK RETURN PADA BANK SYARIAH YANG TERDAFTAR DI BEI DAN DES DENGAN PRICE EARNING RATIO SEBAGAI VARIABEL MODERASI SKRIPSI Diajukan untuk memenuhi tugas dan melengkapi (Halaman 78-133)