BAB IV ANALISIS DATA DAN PEMBAHASAN
C. Pengolahan Data
1. Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji dalam model regresi, variabel dependen dan variabel independen keduanya mempunyai distribusi normal atau tidak. Dalam penelitian ini, uji normalitas data
commit to user
36 dilakukan dengan menggunakan model kolmogorov-smirnov. Uji ini dilakukan dengan membandingkan nilai signifikansi yang diperoleh dengan taraf signifikansi yang sudah ditentukan yaitu 0,05. Apabila nilai signifikansi (p-value) lebih besar dari taraf signifikansi yaitu 0,05, maka data berdistribusi normal.
Jika data berdistribusi tidak normal maka digunakan metode trimming. Salah satu penyebab yang menjadikan data tidak berdistribusi normal adalah karena terdapat beberapa item data yang bersifat outliers, yaitu kasus atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi (Ghozali, 2005 : 36). Untuk itu digunakan metode trimming, yaitu membuang data yang bersifat outliers tersebut. Selain itu, dapat dilakukan transformasi data dengan menggunakan bentuk log sehingga nilai transformasi tersebut dapat memenuhi batas yang ditentukan.
2. Uji Asumsi Klasik
Uji asumsi klasik meliputi uji multikolinearitas, autokorelasi, dan heteroskedastisitas.
a. Uji Multikolinearitas
Multikolinearitas adalah suatu hubungan yang sempurna antara beberapa variabel independen (bebas) dalam model regresi. Akibat adanya multikolinearitas adalah estimasi akan terafiliasi sehingga menimbulkan bias. Uji ini dilakukan dengan melihat nilai Variance Inflation Factor (VIF). Apabila nilai VIF melebihi angka
commit to user
37 10, maka disimpulkan telah terjadi multikolinearitas, sedangkan jika nilai VIF dibawah angka 10, maka disimpulkan tidak terjadi multikolinearitas.
b. Uji Autokorelasi
Autokorelasi adalah korelasi antara anggota serangkaian observasi yang terletak bederetan menurut waktu (seperti data time series) atau korelasi antara tempat yang berdekatan (seperti data cross sectional). Uji yang digunakan untuk mendeteksi adanya autokorelasi adalah uji Durbin-Watson (D-W). Uji autokorelasi digunakan untuk mendeteksi adanya korelasi internal diantara anggota-anggota dari serangkaian pengamatan yang tersusun dalam rangkaian ruang dan waktu. Untuk mendeteksi adanya autokorelasi dapat dilihat dari nilai Durbin-Watson. Panduan mengenai angka Durbin-Watson (D-W) untuk mendeteksi autokorelasi bisa dilihat dalam tabel D-W.
Kriteria pengujiannya adalah sebagai berikut (Santoso, 2001 : 219) :
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. c. Uji Heteroskedastisitas
Dalam penelitian ini, uji heteroskedastisitas dimaksudkan untuk mengetahui dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain
commit to user
38 (Ghozali, 2005 : 105). Metode yang digunakan untuk menguji ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai variabel dependen (ZPRED) dengan nilai residual (SRESID). Dasar analisis ini adalah :
1) Jika titik-titik yang ada membentuk pola tertentu yang teratur seperti bergelombang atau melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2) Jika tidak terdapat pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
F. UJI HIPOTESIS
1. Model Regresi Linear Berganda
Regresi merupakan alat yang mengukur kekuatan pengaruh antara dua variabel atau lebih, juga menunjukkan arah pengaruh antara variabel dependent dengan variabel independent.
Dalam penelitian ini, model estimasi yang digunakan adalah persamaan linier, adapun persamaan model regresi berganda tersebut adalah :
e c c c c c c + + + + + + + =a b1 1 b2 2 b3 3 b4 4 b5 5 b6 6 Y Keterangan : Y = Return a = konstanta 1 c = ROA 2 c = PER 3 c = DPS 4 c = FL
commit to user 39 5 c = ITO 6 c = PBV 6 5 4 3 2 1,b ,b ,b ,b ,b b = Koefisien Regresi e = error 2. Uji F – Statistik
Uji F digunakan untuk menguji pengaruh variabel independen terhadap variabel dependen secara bersama-sama.
Langkah-langkah hipotesis dengan Uji F : a. Menentukan hipotesis
H0 : b1 = b2 = b3 = b4 = b5 = b6 = 0
Semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen.
HA : b1 ≠ b2 ≠ b3 ≠ b4 ≠ b5 ≠ b6≠ 0
Semua variabel independen secara bersama-sama merupakan penjelas yang signifikan terhadap variabel dependen.
b. Membandingkan probabilitas F-hitung dengan alpha = 5 %
c. Kriteria penerimaan dan penolakan hipotesis : Ho diterima apabila Fhitung < Ftabel
Ho ditolak apabila Fhitung > Ftabel 3. Uji t
Uji t digunakan untuk menguji pengaruh variable independen terhadap vaiabel dependen secara parsial.
Langkah-langkah hipotesis dengan uji t :
a. Menentukan hipotesis
commit to user
40 Variable independen x bukan merupakan penjelas yang signifikan terhadap variable dependen.
HA : bx≠ 0
Variable independen tersebut merupakan penjelas yang signifikan terhadap variable dependen.
b. Membandingkan profitabilitas t-hitung dengan alpha = 5% c. Kriteria penerimaan dan penolakan hipotesis :
Ho diterima apabila: -ttabel £ thitung £ ttabel
commit to user
41
BAB IV
ANALISIS DATA DAN PEMBAHASAN
Dalam bab ini akan disajikan analisis terhadap data penelitian dan pengujian hipotesis yang telah dikemukakan pada bab sebelumnya dengan menggunakan teknik-teknik analisis yang telah ditentukan. Hipotesis yang akan diuji adalah tentang pengaruh, Return On Asset, Price Ea rning Ratio, Deviden Per Share, Finacial Leverage, Inventory Turn Over, Price to Book Value terhadap Return Saham perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Hipotesis masih bersifat sementara yang memerlukan pengujian secara empiris. Pengujian
hipotesis menggunakan uji Regresi Linier Berganda dan diproses dengan
menggunakan bantuan program SPSS versi 15.00 for Windows.
A. ANALISIS DATA
Penelitian ini mengambil data dari sampel perusahaan-perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia tahun 2005 sampai tahun 2008. Berdasarkan data yang diperoleh dari Indonesian Capital Market Directory periode tahun 2005 sampai tahun 2008 diperoleh sampel yang akan digunakan sebagai objek penelitian yaitu 143 perusahaan. Peneliti menggunakan metode purposive random sampling untuk memperoleh sampel yang dianggap mampu mewakili populasi. Sampel tersebut dipilih atas dasar kesesuaian karakteristik sebagai berikut:
1. Perusahaan manufaktur yang secara kontinyu terdaftar di Bursa Efek Indonesia tahun 2005-2008.
commit to user
42
2. Perusahaan–perusahaan tersebut telah menyampaikan laporan
keuangannya secara rutin dan mempunyai data keuangan yang lengkap sesuai yang dibutuhkan dalam penelitian ini.
3. Perusahaan tersebut tidak mempunyai laba bersih (net income) negatif selama periode penelitian, karena secara logis investor tentunya akan lebih memilih membeli saham-saham perusahaan yang dianggap berpotensi memberikan keuntungan bagi mereka sebagai pemegang saham.
Dari keselurahan populasi perusahaan manufaktur go public di Indonesia yang mengeluarkan laporan keuangannya, menghasilkan 143 unit observasi sebagai sampel dalam penelitian ini. Data populasi sampel akan ditampilkan secara ringkas dalam tabel IV.I.
TABEL IV.I
POPULASI DAN SAMPEL
Tahun Populasi Perusahaan
Manufaktur Sampel 2005 146 38 2006 146 43 2007 146 38 2008 146 24 Jumlah 584 143
commit to user
43
B. DESKRIPSI DATA
Dengan melakukan perhitungan statistik deskriptif, maka dapat diketahui gambaran tentang data Return On Asset, Price Earning Ratio, Deviden Per Share, Finacial Leverage, Inventory Turn Over, Price to Book Value dan Return Saham. Gambaran mengenai data tersebut dapat dilihat dalam tabel berikut ini:
TABEL IV.2
STATISTIK DESKRIPTIF
Variabel N Minimum Maximum Mean Std. Deviation
RETURN 143 -100,00 4,29 -0,5040 8,40782 PBV 143 0,10 21,26 2,0524 2,82845 PER 143 -49,02 197,76 15,3458 22,94766 FL 143 0,100 0,900 0,45881 0,183873 ITO 143 0,24 83,90 7,2043 10,71642 DPS 143 1,00 8000,00 320,4838 1023,83910 ROA -0,01 1,47 0,1027 0,17626 Valid N (listwise) 143
Sumber: Hasil pengolahan data (lampiran)
Berdasarkan hasil perhitungan deskriptif yang tercantum pasa tabel IV.2 dapat diketahui nilai rata-rata Return yaitu sebesar -0,5040. Nilai Return terkecil dicapai oleh PT Lion Metal Works Tbk, yaitu sebesar -100,00 pada tahun 2007. Sedangkan nilai Return terbesar dicapai oleh PT. Bristol Myers Squibb Indonesia Tbk, yaitu sebesar 4,29 pada tahun 2006.
commit to user
44 Variabel Price to Book Value memiliki nilai rata-rata sebesar 2,0524. Nilai Price to Book Value terkecil dicapai oleh PT. Multistarada Arah sarana Tbk, yaitu sebesar 0,10 pada tahun 2006. Sedangkan nilai Price to Book Value terbesar dicapai oleh PT. Unilever Indonesia Tbk, yaitu sebesar 21,26 pada tahun 2006.
Variabel Price Earning Ratio memiliki nilai rata-rata sebesar 15,3458. Nilai Price Earning Ratio terkecil dicapai oleh PT. Goodyear Indonesia Tbk, yaitu sebesar -49,02 pada tahun 2005. Sedangkan nilai Price Earning Ratio terbesar dicapai oleh PT. Ultra Jaya Milk Tbk, yaitu sebesar 197,76 pada tahun 2005.
Variabel Finacial Leverage memiliki nilai rata-rata sebesar 0,45881. Nilai Finacial Leverage terkecil dicapai oleh PT. Mandom Indonesia Tbk, yaitu sebesar 0,100 pada tahun 2008. Sedangkan nilai Finacial Leverage terbesar dicapai oleh PT. Intanwijaya Internasional Tbk, yaitu sebesar 0,900 pada tahun 2008.
Variabel Inventory Turn Over memiliki nilai rata-rata sebesar 7,2043. Nilai Inventory Turn Over terkecil dicapai oleh PT. Colorpak Indonesia Tbk, yaitu sebesar 0,24 pada tahun 2008. Sedangkan nilai Inventory Turn Over terbesar dicapai oleh PT. Aqua Golden Mississippi Tbk, yaitu sebesar 83,90 pada tahun 2008.
Variabel Deviden P er Share memiliki nilai rata-rata sebesar 320,4838. Nilai Deviden Per Share terkecil dicapai oleh PT. Pan Brothers Tex Tbk, yaitu sebesar 1,00 pada tahun 2006. Sedangkan nilai Deviden Per Share terbesar dicapai oleh PT. Bristol-Myer Squibb Indonesia Tbk, yaitu sebesar 8000,00 pada tahun 2008.
commit to user
45 Variabel Return On Asset memiliki nilai rata-rata sebesar 0,1027. Nilai Return On Asset terkecil dicapai oleh PT. Googyear Indonesia Tbk, yaitu sebesar -0,01 pada tahun 2005. Sedangkan nilai Return On Asset terbesar dicapai oleh PT. Kalbe Farma Tbk, yaitu sebesar 1,47 pada tahun 2006.
C. PENGOLAHAN DATA
Pengolahan data dalam penelitian ini menggunakan bantuan SPSS versi 15.00 for Windows. Sebelum melakukan regresi untuk pengujian hipotesis, terlebih dahulu dilakukan pengujian normalitas data dan pengujian asumsi klasik yang merupakan persyaratan untuk melakukan regresi.
1. Uji Normalitas Data
Uji yang digunakan untuk melihat normalitas data yaitu uji Kolmogrof-Smirnov. Jika signifikansi hitung (p-value) lebih besar dari 0,05, maka data dinyatakan berdistribusi normal. Variabel yang diutamakan untuk berdistribusi normal dalam penelitian adalah variabel dependen yang diproksikan dengan return saham. Variabel dependen diutamakan normal karena pada dasarnya nilai dari variabel dependen berasal dari nilai rata-rata variabel independennya.
Hasil pengujian dengan menggunakan Uji Kolmogrov-Smirnov dapat ditunjukan pada tabel dibawah ini :
commit to user
46
Tabel IV. 3
Hasil Uji Kolmogorov-Smirnov Sebelum Transformasi
One-Sample Kolmogorov-Smirnov Test
143 143 143 143 143 143 143 -,5040 2,0524 15,3458 ,45881 7,2043 320,4838 ,1027 8,40782 2,82845 22,94766 ,183873 10,71642 1023,839 ,17626 ,477 ,245 ,267 ,051 ,258 ,378 ,296 ,386 ,234 ,254 ,051 ,258 ,361 ,296 -,477 -,245 -,267 -,051 -,258 -,378 -,273 5,702 2,930 3,195 ,615 3,089 4,514 3,543 ,000 ,000 ,000 ,844 ,000 ,000 ,000 N Mean Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
RETURN PBV PER FL ITO DPS ROA
Test distribution is Normal. a.
Calculated from data. b.
Sumber: Hasil pengolahan data (lampiran)
Dari hasil pengujian Uji Kolomogrov-Smirnov, terdapat lima nilai signifikansi variable kurang dari 0,05 hanya variable FL yang memiliki nilai signifikansi diatas 0,05 yang masing-masing sebesar 0,844. Oleh karena itu, hanya variable FL saja yang berdistribusi normal. Sedangkan variable lain tidak berdistribusi normal.
Pada praktiknya, jarang bahkan tidak pernah dijumpai kumpulan data yang berdistribusi normal, namun demikian kurva normal dapat digunakan untuk kumpulan data yang distribusinya mendekati normal (Djarwanto PS, 1998). Jika ditemukan data yang tidak normal maka dapat digunakan beberapa cara untuk menormalkan data tersebut. Selain menambah data, dapat juga dilakukan metode trimming dan transformasi data kedalam bentuk logaritma natural (LN).
Metode trimming dapat ditempuh dengan membuang sampel yang memiliki sifat ouliers, yaitu sampel yang memiliki nilai diluar batas normal ketika dibandingkan dengan data lain dalam sampel tersebut. Karena pada dasarnya penyebab data tidak berdistribusi normal adalah adanya beberapa
commit to user
47 item yang data yang bersifat outliers. Sedangkan dan mentransformasi sampel kedalam bentuk LN, diharapkan sampel awal dapat memenuhi batas nilai yang ditentukan. Pada penelitian ini peneliti memilih metode transformasi kebentuk logaritma natural.
Variabel yang diutamakan untuk berdistribusi normal dalam penelitian adalah variable dependen yang diproksikan dengan RETURN. Variabel dependen diutamakan normal karena pada dasarnya nilai dari variable dependen berasal dari nilai rata-rata variable independennya.
Dalam penelitian ini tidak semua variable ditransformasi ke dalam bentuk logaritma natural. Variabel FL tidak perlu dinormalkan sebab variabel FL sudah berdistribusi normal.
Variabel RETURN juga tidak dapat langsung ditransformasikan ke dalam bentuk logaritma natural sebab ada bilangan yang memiliki nilai negative sehingga tidak dapat ditransformasikan ke dalam logaritma natural. Oleh karena itu, sebelum ditransformasikan ke dalam bentuk logaritma natural, variabel RETURN di kuadratkan dahulu untuk menghilangkan nilai negatifnya. Setelah itu, hasil kuadrat variabel RETURN ditransformasikan dalam bentuk logaritma natural.
commit to user
48
Tabel IV. 4
Hasil Uji Kolmogorov-Smirnov Setelah Transformasi
One-Sample Kolmogorov-Smirnov Test
143 138 143 142 143 143 142 ,45881 -1,39971 ,28336 2,37401 1,54161 3,67587 -2,89444 ,183873 1,313775 ,880049 ,796542 ,880657 2,037952 1,257508 ,051 ,073 ,075 ,062 ,073 ,075 ,126 ,051 ,073 ,075 ,062 ,053 ,075 ,103 -,051 -,058 -,039 -,057 -,073 -,036 -,126 ,615 ,858 ,893 ,741 ,879 ,902 1,506 ,844 ,453 ,403 ,643 ,423 ,390 ,021 N Mean Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
FL LNRETURN LNPBV LNPER LNITO LNDPS LNROA
Test distribution is Normal. a.
Calculated from data. b.
Sumber: Hasil pengolahan data (lampiran)
Dari table IV.5 diperoleh nilai signifikansi variabel LNRETURN, LNPBV, LNPER, LNITO dan LNDPS lebih besar dari 0,05. Jadi variabel tersebut telah berdistribusi normal. Sedangkan variabel LNROA tetap tidak berdistribusi normal walaupun telah ditransformasikan ke bentuk logaritma natural. Maka ditempuh cara trimming untuk memperoleh nilai signifikansi yang lebih besar dari 0,05. Hasil trimming dapat dilihat dalam table IV.5
Tabel IV. 5
Hasil Uji Kolmogorov-Smirnov Setelah Trimming
One-Sample Kolmogorov-Smirnov Test
133 133 132 133 133 132 133 -1,40843 ,28925 2,36956 1,54693 3,72867 -2,78792 ,46511 1,179838 ,885855 ,789678 ,894578 2,043408 1,061403 ,182124 ,084 ,058 ,069 ,083 ,068 ,117 ,051 ,051 ,058 ,069 ,061 ,068 ,087 ,046 -,084 -,033 -,053 -,083 -,035 -,117 -,051 ,967 ,674 ,788 ,954 ,787 1,341 ,583 ,307 ,754 ,564 ,322 ,566 ,055 ,885 N Mean Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
LNRETURN LNPBV LNPER LNITO LNDPS LNROA FL
Test distribution is Normal. a.
Calculated from data. b.
Sumber: Hasil pengolahan data (lampiran)
Dari table IV.6 diperoleh nilai signifikansi variabel LNRETURN, LNPBV, LNPER, LNITO, LNDPS dan LNROA setelah dilakukan trimming lebih besar dari 0,05 jadi variabel tersebut telah berdistribusi normal.
commit to user
49