Dalam menganalisis besarnya pengaruh variabel – variabel bebas terhadap variabel terikat digunakan model ekonometrika dengan meregresikan variabel – variabel yang ada dengan menggunakan metode Ordinary Least Square (OLS).
Fungsi yang digunakan dalam penelitian ini adalah:
Y = f (X1, X2,X3, X4) ...(1) Kemudian fungsi tersebut ditransformasikan kedalam model persamaan regresi linear berganda (multiple reggression) sebagai berikut:
Y = α + β1X1 +β2X2 +µ ...(2) dimana: Y : Harga Saham α : Intercept β1, β2 : Koefisien regresi X1 : Kebijakan Deviden
X2 : Return on Equity (ROE)
µ : Terms error
Secara sistematis bentuk hipotesanya adalah sebagai berikut:
, artinya jika kenaikan pada X1 (kebijakan deviden), maka Y(harga
saham) mengalami penurunan, ceteris paribus.
, artinya jika kenaikan pada X2 (ROE), maka Y(harga saham) mengalami penurunan, ceteris paribus.
3.9.1 Uji Penyimpangan Asumsi Klasik 1. Uji Normalitas
Menurut Erlina (2008:102), tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau
residual memiliki distribusi normal. Pengujian ini diperlukan karena untuk melakukan uji T dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Uji normalitas bertujuan untuk menguji apakah variabel independen dan variabel dependen berdistribusi normal (Ghozali, 2005:110). Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.
Untuk melihat normalitas data dapat dilakukan dengan melihat histogram atau pola distribusi data normal. Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
Alat analisis yang digunakan dalam uji ini adalah uji Kolmogorov – Smimov satu arah atau analisis grafis. Asumsi dalam OLS adalah nilai rata-rata dari faktor pengganggu (µi) adalah nol. Untuk menguji apakah normal atau tidaknya faktor pengganggu, maka perlu dilakukan uji normalitas dengan menggunakan Jarque–Berra Test (J-B test).
Kriterianya:
a. Apabila nilai x2 tabel (0,05) nilai Jarque–Berra normality test
statistic, maka µi berdistribusi normal.
2. Multikolinieritas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi mempunyai korelasi antar variabel independen. Menurut Umar (2003:132) multikolinearitas adalah ada tidaknya korelasi yang sempurna atau korelasi yang tidak sempurna tetapi relatif tinggi pada variabel-variabel bebasnya.
Menurut Ghozali (2005:91), untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut:
a) Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel – variabel independennya banyak yang tidak signifikan mempengaruhi variabel dependen.
b) Menganalisis matrik korelasi variabel – variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi (umumnya diatas 0,90), maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
c) Multikolinearitas dapat juga dilihat dari nilai tolerance dan lawannya yaitu variance inflation factor (VIF). Kedua ukuran ini menunjukan setiap variabel independen yang
dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF=1/Tolerance). Nilai cut off yang umum dipakai untuk menunjukan adanya multikolinearitas adalah nilai tolerance < 0.10 atau sama dengan nilai VIF > 10.
3. Autokorelasi
Pengujian Autokorelasi menurut Ghozali (2005:95) bertujuan untuk menguji apakah dalam model regresi linear ada korelasi penganggu antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1. Autokorelasi menunjukkan adanya korelasi di antara data pengamatan yang tersusun baik seperti data cross sectional dan/atau time series. Autokorelasi menunjukkan adanya kesalahan penganggu (residual) tidak bebas dari satu pengamatan ke pengamatan lain. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model yang bebas dari autokorelasi.
Autokorelasi terjadi bila error term (µ) dari waktu yang berbeda berkorelasi. Model regresi linier klasik mengasumsikan bahwa faktor pengganggu yang berhubungan dengan observasi tidak dipengaruhi oleh faktor pengganggu pada pengamatan lainnya.
E(uiuj) = 0 i≠j
Ada beberapa cara untuk mengetahui keberadaan autokorelasi yaitu: a. Dengan menggunakan atau memplot grafik
b. Dengan uji Durbin-Watson (D-W Test) Uji D-W dirumuskan sebagai berikut:
D hitung ∑ –
∑
Dengan hipotesis sebagai berikut: H0 = ρ = 0 (tidak ada autokorelasi) Ha = ρ≠ 0 (ada autokorelasi)
Untuk menguji masalah autokorelasi ini, kita harus menentukan besarnya nilai kritis dari du dan d1. Berdasarkan jumlah dari variabel independen, jika hipotesis nol menyatakan bahwa tidak terjadi autokorelasi, maka:
1. Jika DW < dt, maka H0 ditolak, berarti suatu persamaan regresi mengalami autokorelasi.
2. Jika du< DW < 4 – du, maka H0 diterima, berarti suatu persamaan regresi tidak mengalami autokorelasi.
3. Jika d1 ≤ DW ≤ du atau 4 – du ≤ DW ≤ 4 – d1, berarti pengujian tidak dapat disimpulkan.
4. Uji Heterokedastisitas
Menurut Imam Ghozali (2005:105), uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika varians dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedositas atau tidak terjadi heteroskedastisitas. Dan jika varians berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedasitas (Ghozali, 2006).
Heterokedastisitas adalah suatu penyimpangan dalam asumsi OLS dimana varian gangguan dari estimasi yang dihasilkan estimasi OLS tidak bernilai konstan. Akibat dari heterokedastisitas ini dapat mengakibatkan kesalahan dalam penaksiran sehingga koefisien regresi atau parameternya menjadi tidak efisien dan dapat menyesatkan peneliti dalam menyimpulkan hasil estimasi. Untuk mengetahui ada tidaknya heteroskedastisitas juga dapat diketahui dengan melakukan uji glejser. Jika variabel bebas signifikan secara statistik mempengaruhi variabel terikat maka ada indikasi terjadi heteroskedastisitas (Ghozali, 2005:69).
Penggunaan keempat uji asumsi klasik dalam metode OLS merupakan uji untuk menghasilkan estimator linier tidak bias yang terbaik (Best Linier Unbias Estimator/BLUE ). Dan kondisi ini terpenuhi apabila mampu memenuhi keempat uji di atas.
3.9.2 Uji Kesesuaian (Test of Goodness of Fit) 1. Koefisien Determinasi (R-squared)
Koefisien determinasi dilakukan untuk melihat seberapa besar variabel-variabel independen secara bersama mampu memberikan penjelasan mengenai variabel dependen. Dimana nilai R2 antara 0 sampai 1 (0 <R2≤1).
2. Uji t-statistik
Uji t merupakan suatu pengujian yang bertujuan untuk mengetahui apakah masing – masing koefisien regresi signifikan atau tidak terhadap variabel dependen, dengan menganggap variabel dependen lainnya konstan.
Dalam uji ini digunakan hipotesis sebagai berikut: H0 : bi = 0
Ha : bi ≠ 0
Dimana bi adalah koefisien variabel independen ke-i adalah parameter hipotesis, biasanya b dianggap = 0. Artinya tidak ada pengaruh variabel Xi terhadap Y bila nilai t-hitung > t-tabel maka pada tingkat kepercayaan tertentu H0 ditolak. Hal ini berarti bahwa variabel dependen yang diuji berpengaruh secara signifikan terhadap variabel dependen.
Nilai t-hitung dapat diperoleh dengan rumus:
dimana:
bi : Koefisien variabel independen ke-i b : Nilai hipotesis nol
Sbi : Simpanan baku dari variabel independen ke-i Kriteria pengambilan keputusan:
H0: β = 0 H0 diterima (t-hitung<t-tabel), artinya variabel independen secara parsial tidak berpengaruh secara signifikan terhadap variabel dependen.
Ha: β≠ 0 Ha diterima (t-hitung>t-tabel), artinya variabel independen secara parsial berpengaruh secara signifikan terhadap variabel dependen.
3. Uji F – statistik
Uji F ini adalah pengujian yang bertujuan untuk mengetahui apakah variabel independen mampu secara bersama – sama mempengaruhi peningkatan variabel dependen.
Untuk pengujian ini digunakan hipotesa sebagai berikut:
Ho : b1≠ b2 ...bk = (tidak ada pengaruh) Ha: b2 = 0 ...i = (ada pengaruh)
Pengujian ini dilakukan dengan membandingkan nilai F-statistik dengan F-tabel. Jika F-hitung>F-tabel maka Ho ditolak, yang berarti variabel independen secara bersama – sama mempengaruhi variabel dependen.
F hitung –/ – / –
dimana:
R2 : Koefisien determinasi K : Jumlah variabel independen n : Jumlah sampel
Kriteria pengambilan keputusan:
H0 : β1 = β2 = 0 H0 diterima (F-hitung < F-tabel), artinya variabel independen secara parsial tidak berpengaruh secara signifikan terhadap variabel dependen.
Ha : β1≠β2≠ 0 Ha diterima (F-hitung > F-tabel), artinya variabel independen secara parsial berpengaruh secara signifikan terhadap variabel dependen.
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Data Penelitian
Populasi yang dijadikan objek penelitian ini adalah beberapa perusahaan manufaktur yang tercatat di Bursa Efek Indonesia (BEI) dilihat dari data laporan keuangan selama periode tahun 2008 sampai dengan tahun 2011. Jumlah perusahaan manufaktur yang tercatat di BEI sebanyak 135 perusahaan. Jumlah sampel yang digunakan dalam penelitian ini sebanyak 60 pengamatan yang terdiri dari 4time series (2008-2011) dan 15cross section (perusahaan manufaktur).
Sampel adalah bagian dari jumlah karakteristik yang dimiliki oleh populasi tersebut. Metode penentuan sampel yang digunakan adalah penentuan sampel secara purposive (purposive sampling). Penggunaan metode ini bertujuan untuk mendapatkan sampel yang konsisten dan representatif, sesuai dengan kriteria- kriteria yang digunakan.
Sesuai dengan jenis data yang diperlukan yaitu data sekunder dan sampel yang digunakan maka metode pengumpulan data kebijakan Deviden (DPR), ROE, dan Harga Saham dalam penelitian ini digunakan dengan teknik dokumentasi laporan keuangan perbankan setiap tahunnya yang dikeluarkan oleh Bursa Efek Indonesia (BEI).
Adapun data yang dijadikan sebagai variabel dependen dari penelitian ini yaitu harga saham dari perusahaan manufaktur yang terdaftar di BEI selama periode tahun 2008-2011. Sementara itu, data yang menjadi variabel independen
dari penelitian ini adalah Dividend Payout Ratio (DPR) dan Return on Equity
(ROE) dari perusahaan manufaktur yang terdaftar di BEI selama periode tahun
2008-2011.
Tabel 4.1
Daftar Sampel PerusahaanManufaktur No Nama Perusahaan Manufaktur
1
PT Aqua Golden Missisippi Tbk 2 PT Astra Internasional Tbk 3 PT Astra Otoparts Tbk 4 PT Sepatu Bata Tbk 5 PT Gudang Garam Tbk 6 PT HM Sampoerna Tbk 7
PT Indofood Sukses Makmur Tbk 8 PT Kimia Farma Tbk 9 PT Merck Tbk 10 PT Mayora Indah Tbk 11
PT Multi Bintang Indonesia Tbk 12 PT Trias Sentosa Tbk 13 PT Unilever Indonesia Tbk 14 PT Mandom Tbk 15 PT Lautan Luas Tbk
Tabel 4.2
Dividend Payout Ratio
NO. Nama Perusahaan Tahun
2008 2009 2010 2011 1 PT Aqua Golden Missisippi
Tbk 17.95 17.98 17.97 17.96 2 PT Astra International Tbk 28.32 33.77 48.12 49.33 3 PT Astra Otoparts Tbk 7.66 15.76 23.45 32.67 4 PT Sepatu Bata Tbk 281.12 280.17 289.32 290.09 5 PT Gudang Garam Tbk 40.16 41.90 42.21 42.07 6 PT HM Sampoerna Tbk 32.43 33.09 23.90 35.49 7 PT Indofood Sukses Makmur
Tbk
41.43 41.45 41.90 42.88 8 PT Kimia Farma Tbk 32.9 33 34.09 34.23 9 PT Merck Tbk 66.9 45.67 55.23 65.12 10 PT Mayora Indah Tbk 23.33 23.67 24.74 25.02 11 PT Multi Bintang indonesia
Tbk 62.33 62.79 63 63.70 12 PT Trias Sentosa Tbk 34.50 34.23 32.10 29.27 13 PT Unilever Indonesia Tbk 206.69 201.01 199.13 200.12 14 PT Mandom Tbk 29.70 27.86 17.65 19.09 15 PT Lautan Luas Tbk 40.91 41.08 42.65 54.66
Tabel 4.3 Return on Equity
NO. Nama Perusahaan Tahun
2008 2009 2010 2011 1 PT Aqua Golden Missisippi Tbk 0.6 0.8 0.7 0.7 2 PT Astra International Tbk 1.1 1 1.2 1.3 3 PT Astra Otoparts Tbk 0.3 0.4 0.5 0.3 4 PT Sepatu Bata Tbk 0.3 0.3 0.4 0.5 5 PT Gudang Garam Tbk 0.7 0.6 0.7 0.8 6 PT HM Sampoerna Tbk 1.2 1.1 1.2 1.3 7 PT Indofood Sukses Makmur
Tbk
0.4 0.5 0.6 0.5 8 PT Kimia Farma Tbk 0.4 0.5 0.5 0.6 9 PT Merck Tbk 0.3 0.2 0.4 0.3 10 PT Mayora Indah Tbk 0.2 0.3 0.3 0.5 11 PT Multi Bintang indonesia Tbk 0.4 0.5 0.5 0.6 12 PT Trias Sentosa Tbk 0.2 0.4 0.5 0.3 13 PT Unilever Indonesia Tbk 0.7 0.8 0.9 0.9 14 PT Mandom Tbk 0.4 0.4 0.6 0.7 15 PT Lautan Luas Tbk 0.3 0.4 0.4 0.5
Tabel 4.4 Harga Saham
NO. Nama Perusahaan Tahun
2008 2009 2010 2011 1 PT Aqua Golden Missisippi Tbk 10.77 10.79 11.12 11.45 2 PT Astra International Tbk 10.22 10.23 9.12 10.09 3 PT Astra Otoparts Tbk 8.12 9.01 9.09 9.13 4 PT Sepatu Bata Tbk 10.05 10.09 10.57 10.56 5 PT Gudang Garam Tbk 10.05 10.09 10.14 10.59 6 PT HM Sampoerna Tbk 9.54 9.60 9.55 9.57 7 PT Indofood Sukses Makmur Tbk 7.85 7.87 7.91 8.01 8 PT Kimia Farma Tbk 5.72 5.67 5.71 5.69 9 PT Merck Tbk 7.63 7.65 7.49 7.51 10 PT Mayora Indah Tbk 7.49 7.50 7.53 7.60 11 PT Multi Bintang indonesia Tbk 10.94 11.09 11.12 11.35 12 PT Trias Sentosa Tbk 9.71 9.56 9.80 9.75 13 PT Unilever Indonesia Tbk 9.57 10.01 10.21 10.09 14 PT Mandom Tbk 7.43 7.40 7.49 7.56 15 PT Lautan Luas Tbk 8.91 8.97 9.01 9.07
Keterangan : DPR : Deviden Payout Ratio ROE : Return on Equity HS : Harga Saham
Dari data pada tabel 4.5 tersebut dapat disimpulkan bahwa:
1. Deviden Payout Ratio memiliki rata-rata sebesar 62.6757 dengan standar deviasi 74.01613 dengan jumlah data sebanyak 60.
2. Return On Equity memiliki rata-rata sebesar .5583 dengan standar deviasi .30213 dengan jumlah data sebanyak 60.
3. Harga Saham memiliki rata-rata sebesar 8.5168 dengan standar deviasi 1.70465 dengan jumlah data sebanyak 60.
4.2.2 Uji Asumsi Klasik 1. Uji Normalitas
Hasil dari uji normalitas dengan grafik histogram, normal probability plot, serta Kolmogorov-Smirnov Test ditunjukkan sebagai berikut: