Uji normalitas data - Analisis dan Pembahasan 1. Analisis statistik deskriptif

ANALISIS DAN PEMBAHASAN HASIL PENELITIAN

C. Analisis dan Pembahasan 1. Analisis statistik deskriptif

2. Uji normalitas data

Uji normalitas digunakan untuk menguji apakah model regresi, variabel pengganggu atau residual berdistribusi normal. Sebelum dilakukan pengujian lanjutan, dilakukan terlebih dahulu Uji Normalitas Data dengan menggunakan One Sample Kolmogorov-Smirnov test. Pengujian dilakukan terhadap semua variabel penelitian, variabel independen yaitu Current ratio (CR), Net profit margin (NPM), Total debt to total assets ratio (DAR), Total assets turnover (TATO), Earning per share (EPS), dan Price earning ratio (PER) terhadap variabel dependen yaitu Harga saham.

PENGARUH RASIO LIKUIDITAS, PROFITABILITAS, SOLVABILITAS,AKTIVITAS, PERTUMBUHAN DAN PENILAIAN PASAR TERHADAP HARGA SAHAM PADA PERUSAHAAN PROPERTI YANG GO PUBLIC DI BURSA EFEK INDONESIA (BEI) PERIODE 2005-2010

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012 Tabel 4.3

One-Sample Kolmogorov-Smirnov Test

CR NPM DAR TATO EPS PER

Harga Saham N 90 90 90 90 90 90 90 Normal Parameters^a,,b Mean 1.3344 3.8696 50.9057 .2031 37.8288 11.1116 491.3889 Std. Deviation 1.04656 36.93052 19.09832 .09349 50.95245 63.34071 439.54871 Most Extreme Differences Absolute .132 .280 .080 .080 .120 .278 .155 Positive .132 .182 .052 .080 .120 .189 .128 Negative -.113 -.280 -.080 -.044 -.097 -.278 -.155 Kolmogorov-Smirnov Z 1.248 2.654 .761 .758 1.138 2.641 1.470

Asymp. Sig. (2-tailed) .089 .000 .609 .613 .150 .000 .027

a. Test distribution is Normal. b. Calculated from data.

Sumber : Data yang diolah dengan SPSS 17

Berdasarkan hasil penghitungan uji normalitas dengan menggunakan One sample Kolmogorov-Smirnov, diperoleh nilai sig untuk current ratio 0.089, total debt to total assets 0.609, total assets turnover 0.613, dan earning per share 0.150 lebih besar dari nilai signifikansi 5% (0.05), maka dapat disimpulkan bahwa distribusi data adalah normal. Sedangkan, untuk nilai sig net profit margin 0.000, harga saham 0.027 dan price earning ratio 0.000 lebih kecil dari nilai signifikansi 0.05, maka dapat disimpulkan bahwa distribusi data adalah tidak normal. Dilihat dari hasil uji normalitas data dengan menggunakan One-Sample Kolmogorov-Smirnov test masih ditemukan distribusi data yang tidak normal, maka data variabel yang

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012

tidak berdistribusi normal akan ditransformasi terlebih dahulu sehingga mendapatkan data yang berdistribusi normal. Hasil uji normalitas dengan one-sample kolmogorov-smirnov setelah data ditransformasi adalah sebagai berikut:

Tabel 4.4

One-Sample Kolmogorov-Smirnov Test setelah data ditransformasi

NPM PER Harga Saham

N 72 72 72 Normal Parameters^a,,b Mean 3.9818 4.4499 22.5199 Std. Deviation 1.26822 2.51868 8.80182 Most Extreme Differences Absolute .055 .108 .077 Positive .055 .108 .077 Negative -.041 -.082 -.052 Kolmogorov-Smirnov Z .470 .916 .655

Asymp. Sig. (2-tailed) .980 .371 .784

a. Test distribution is Normal.

b. Calculated from data.

Sumber : Data yang diolah dengan SPSS 17

Berdasarkan tabel 4.4 diatas, diperoleh nilai sig untuk net profit margin 0.980, price earning ratio 0.371, dan harga saham 0.784 lebih besar dari nilai signifikansi 5% (0.05), maka dapat disimpulkan bahwa distribusi data adalah normal.

Untuk lebih meyakinkan, maka uji normalitas akan dilakukan pengujian lanjutan. Hal ini dikarenakan uji t dan F mengasumsikan bahwa nilai residual, mengikuti distribusi normal, maka jika asumsi ini dilanggar uji statistik menjadi tidak valid.

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012

Untuk melakukan uji ini penulis menggunakan analisis grafik, namun demikian dengan hanya melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah data yang kecil. Metode yang lebih handal adalah melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Dasar pengambilan keputusan bahwa model regresi memenuhi asumsi normalitas adalah jika pada grafik probability plot data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau pada grafik histogram tidak miring ke kiri maupun ke kanan.

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012 Gambar 4.1

Hasil Uji Asumsi Normalitas

Sumber : Data yang diolah dengan SPSS 17

Pada gambar 4.1 Grafik Histogram memberikan pola distribusi normal, hal ini dapat dilihat dari bentuk grafik histogram yang tidak miring ke kiri maupun ke kanan.

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012 Gambar 4.2

Hasil Uji Asumsi Normalitas

Sumber : Data yang diolah dengan SPSS 17

Sedangkan pada gambar 4.2 terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya mengikuti garis diagonal yang menandakan distribusi data adalah normal.

Berdasarkan hasil grafik histogram dan Normality probability plot tersebut diatas dapat diasumsikan bahwa model regresi layak digunakan karena telah memenuhi uji asumsi normalitas.

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012 3. Uji asumsi klasik

Data yang ada akan diolah menggunakan aplikasi pengolah data SPSS 17 dan hasil untuk uji asumsi klasik yang didapat adalah sebagai berikut:

a. Uji multikolonieritas

Dasar pengambilan keputusan adalah apabila nilai variance inflation factor (VIF) lebih besar dari 10 (VIF > 10), maka model regresi memiliki gejala multikolonieritas. Kemudian apabila nilai tolerance lebih kecil dari 0.10 (tolerance < 0.10), maka model regresi memiliki gejala multikolonieritas.

Tabel 4.5

Hasil Uji Asumsi Klasik Multikolonieritas

Coefficients^a Model Collinearity Statistics Tolerance VIF 1 (Constant) CR .777 1.287 NPM .611 1.637 DAR .779 1.284 TATO .716 1.397 EPS .648 1.543 PER .957 1.045

a. Dependent Variable: Harga Saham

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012

Dari tabel 4.5 didapatkan nilai VIF ke enam variabel independen tersebut kurang dari 10 (VIF < 10), dimana CR memiliki nilai VIF 1.29, NPM 1.64, DAR 1.28, TATO 1.40, EPS 1.54 dan PER 1.05. Dan ke enam variabel independen tersebut memiliki nilai tolerance lebih besar dari 0.10 (tolerance > 0.10), dimana CR memiliki nilai tolerance 0.78, NPM 0.61, DAR 0.78, TATO 0.72, EPS 0.65 dan PER 0.96. Maka dapat disimpulkan bahwa data yang diolah tidak memiliki korelasi antar variabel independen satu dengan yang lainnya, atau tidak terdapat gejala multikolonieritas.

b. Uji heteroskedastisitas Dasar analisis:

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

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

Hasil Uji Heteroskedastisitas disajikan pada gambar 4.3 berikut ini:

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012 Gambar 4.3

Hasil Uji Heteroskedastisitas

Sumber: Data yang diolah dengan SPSS 17

Dari gambar scatterplot diatas dapat dilihat bahwa terlihat titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y dan tidak membentuk suatu pola tertentu. Berdasarkan analisis tersebut, maka dapat disimpulkan bahwa

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012

model regresi tidak terjadi asumsi heteroskedastisitas atau dapat dikatakan model regresi tersebut adalah homoskedastisitas.

c. Uji autokorelasi

Untuk melakukan uji autokorelasi maka akan menggunakan alat bantu berupa tabel Durbin-Watson d statistic dengan tingkat signifikansi 5% (0.05), untuk melihat angka dari tabel tersebut maka akan dilihat dari nilai Durbin-Watson hasil dari pengolahan data dengan menggunakan SPSS 17. Dengan menggunakan rumus jika du<d<4-du maka tidak terdapat autokorelasi. Dan hasil dari data yang diolah adalah sebagai berikut:

Tabel 4.6

Hasil Uji Asumsi Klasik Autokorelasi

Model Summary^b

Model Durbin-Watson

1 2.168

a. Predictors: (Constant), PER, EPS, CR, TATO, DAR, NPM b. Dependent Variable: Harga Saham

Sumber : Data yang diolah dengan SPSS 17

Hasil pengolahan data melalui penghitungan SPSS untuk uji Durbin-Watson adalah sebesar 2.168. Adapun hasil pengujian Durbin-Watson berdasarkan tabel dengan nilai signifikansi 5% (0.05),

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012

jumlah sampel N sebanyak 90, dan jumlah variabel independen 6 (k’=6) yaitu sebesar dl = 1.518 dan du = 1.801.

Berdasarkan hasil tersebut, maka dapat disimpulkan bahwa nilai Durbin-Watson 2.168 lebih besar dari batas atas (du) 1.801 dan kurang dari 4-1.801 (4-du). Sesuai dengan rumus du < d < 4-du (1.801 < 2.168 < 2.199) maka model regresi tidak terdapat asumsi autokorelasi.

4. Model analisis data

a. Analisis regresi berganda

Analisis regresi berganda ini digunakan untuk mengetahui adanya pengaruh dari Current ratio, Net profit margin, Total debt to total assets ratio, Total aktiva turnover, Earning per share, dan Price earning ratio terhadap Harga saham.

Analisis regresi berganda ini juga digunakan untuk mengetahui seberapa besar kontribusi dari tiap-tiap variabel independen terhadap perubahan variabel dependen. Hasil penghitungan nilai t (koefisien regresi) yang menggunakan program SPSS 17 dapat dilihat pada tabel 4.6 dibawah ini:

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012 Tabel 4.7

Koefisien Regresi Berganda dari persamaan

Y = a + b1CR + b2NPM + b3DAR + b4TATO + b5EPS + b6PER +

Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 15.313 192.572 .080 .937 CR 81.685 43.389 .194 1.883 .063 NPM 1.319 1.387 .111 .951 .344 DAR -.879 2.375 -.038 -.370 .712 TATO 1774.038 506.051 .377 3.506 .001 EPS 1.106 .976 .128 1.134 .260 PER .407 .646 .059 .630 .530

a. Dependent Variable: Harga Saham

Sumber: Data yang diolah dengan SPSS 17

Dari hasil penghitungan di atas dapat diperoleh rumusan persamaan regresi untuk variabel independen (current ratio, net profit margin, total debt to total assets ratio, total assets turnover, earning per share dan price earning ratio terhadap harga saham) sebagai berikut :

Y= 15.31+81.69X1+1.32X2-0.88X3+1,774.04X4+1.11X5+0.41X6

Dari hasil penghitungan analisis tersebut mengidentifikasi bahwa nilai a (Konstan) sebesar 15.31 yang berarti jika tidak ada variabel independen (current ratio, net profit margin, total debt to total assets

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012

ratio, total assets turnover, earning per share dan price earning ratio), maka setiap kenaikan Rp1 pada harga saham akan menghasilkan keuntungan sebesar Rp15.31.

Nilai X1 sebesar 81.69 menunjukkan adanya pengaruh positif antara current ratio terhadap harga saham, yang berarti setiap kenaikan current ratio sebesar Rp1,- akan menaikkan harga saham sebesar Rp81.69 dengan asumsi perusahaan melakukan kebijakan terhadap current ratio.

Nilai X2 sebesar 1.32 menunjukkan adanya pengaruh positif antara net profit margin terhadap harga saham, yang berarti setiap kenaikan net profit margin sebesar Rp1,- akan menaikkan harga saham sebesar Rp1.32 dengan asumsi perusahaan melakukan kebijakan terhadap net profit margin.

Nilai X3 sebesar -0.88 mengidentifikasikan adanya pengaruh negatif antara total debt to total assets ratio terhadap harga saham, yang berarti setiap kenaikan total debt to total assets ratio sebesar Rp1,- akan mengakibatkan penurunan harga saham sebesar Rp0.88 dengan asumsi perusahaan tidak melakukan kebijakan terhadap total debt to total assets ratio.

Nilai X4 sebesar 1,774.04 menunjukkan adanya pengaruh positif antara total assets turnover terhadap harga saham, yang berarti setiap kenaikan total assets turnover sebesar Rp1,- akan menaikkan

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012

harga saham sebesar Rp1,774.04 dengan asumsi perusahaan melakukan kebijakan total assets turnover.

Nilai X5 sebesar 1.11 menunjukkan adanya pengaruh positif antara earning per share terhadap harga saham, yang berarti setiap kenaikan earning per share sebesar Rp1,- akan menaikkan harga saham sebesar Rp1.11 dengan asumsi perusahaan melakukan kebijakan earning per share.

Nilai X6 sebesar 0.41 menunjukkan adanya pengaruh positif antara price earning ratio terhadap harga saham, yang berarti setiap kenaikkan price earning ratio sebesar Rp1,- akan menaikkan harga saham sebesar Rp0.41 dengan asumsi perusahaan melakukan kebijakan price earning ratio.

b. Analisis koefisien determinasi berganda

Koefisien Determinasi (R²) digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang (cross section) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012

runtun waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi.

Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan satu variabel independen, maka R² pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu banyak peneliti yang menganjurkan untuk menggunakan nilai Adjusted R² pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R², nilai Adjusted R² dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model (Ghozali, 2011:97).

Berdasakan hal tersebut, maka pada penelitian ini menggunakan data Adjusted R² dalam menjelaskan apakah kemampuan variabel-variabel independen (current ratio, net profit margin, total debt to total assets ratio, total assets turnover, earning per share dan price earning ratio) terhadap variabel dependen (harga saham) terbatas atau variabel independen (current ratio, net profit margin, total debt to total assets ratio, total assets turnover, earning per share dan price earning ratio) memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (harga saham). Berikut ini hasil koefisien determinasi:

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012 Tabel 4.8

Model summary^b koefisien determinasi (current ratio, net profit margin, total debt to total assets ratio, total assets turnover, earning per share dan

price earning ratio terhadap harga saham)

Model Summary^b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .558^a .312 .262 377.60864

a. Predictors: (Constant), PER, EPS, CR, TATO, DAR, NPM b. Dependent Variable: Harga Saham

Sumber: Data yang diolah dengan SPSS 17

Berdasarkan hasil penghitungan di atas, persentase besarnya pengaruh variabel independen (current ratio, net profit margin, total debt to total assets ratio, total assets turnover, earning per share dan price earning ratio) terhadap variabel dependen (harga saham) ditunjukkan oleh besarnya nilai Adjusted R Square. Hasil Adjusted R Square yang diperoleh dari penghitungan di atas adalah sebesar 0.262. Hal ini berarti 26.20% variasi harga saham dapat dijelaskan oleh variasi dari ke enam variabel independen (current ratio, net profit margin, total debt to total assets ratio, total assets turnover, earning per share dan price earning ratio), sedangkan sisanya (100%-26.20% = 73.80%) dipengaruhi oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.

IBRAHIM IVAN ; FAKULTAS EKONOMI UNIVERSITAS PERSADA INDONESIA YAI, JAKARTA 2012

Besarnya Standard Error of Estimate (SEE) adalah suatu ukuran banyaknya kesalahan model regresi dalam memprediksikan nilai Y. Dari hasil regresi di dapat nilai SEE sebesar 377.61 atau Rp377.61 (satuan harga saham), hal ini berarti banyaknya kesalahan dalam prediksi harga saham sebesar Rp377.61. Sebagai pedoman jika SEE kurang dari standar deviasi Y (377.61<439.55), maka model regresi semakin baik dalam memprediksi nilai Y.

Dalam dokumen PENGARUH RASIO LIKUIDITAS PROFITABILITAS. pdf (Halaman 83-99)