BAB IV HASIL DAN PEMBAHASAN
4.2.1 Uji Normalitas
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non parametrik Kolmogorov-Smirnov untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak. Ghozali (2005), memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov- Smirnov yang dapat dilihat dari:
a) Jika ρ value (Asymp. Sig) ≤ α (0,05) maka data berdistribusi tidak normal b) Jika ρ value (Asymp. Sig) ≥ α (0,05) maka data berdistribusi normal.
Hipotesis yang digunakan :
a) Ho : Data variabel berdistribusi normal b) Ha : Data variabel tidak berdistribusi normal
Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov adalah seperti yang ditampilkan berikut ini:
Tabel 4.2 Sumber: lampiran 14 Output SPSS
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.2 dapat diketahui bahwa:
a) Nilai K-S untuk variabel DPR adalah 0,379 dengan Asymp.sig.(2-tailed) 0.
Hal ini berarti bahwa variabel EG terdistribusi secara tidak normal. Ho ditolak dan Ha diterima.
c) Nilai K-S untuk variabel Kesempatan Investasi adalah 0,294 dengan Asymp.Sig.tailed) 0. Nilai tersebut di bawah α = 0,05 karena Asymp.Sig (2-tailed) < α/2 (0,025). Hal ini berarti bahwa variabel Kesempatan Investasi terdistribusi secara tidak normal. Ho ditolak dan Ha diterima.
d) Nilai K-S untuk variabel PBV adalah 0,281 dengan Asymp.Sig.(2-tailed) 0.
Nilai tersebut di bawah α = 0,05 karena Asymp.Sig (2-tailed) < α/2 (0,025).
Hal ini berarti bahwa variabel PBV terdistribusi secara tidak normal. Ho ditolak dan Ha diterima.
e) Nilai K-S untuk variabel Size adalah 0,194 dengan Asymp.Sig.(2-tailed) 0.
Nilai tersebut di bawah α = 0,05 karena Asymp.Sig (2-tailed) < α/2 (0,025).
Hal ini berarti bahwa variabel Size terdistribusi secara tidak normal. Ho ditolak dan Ha diterima.
f) Nilai K-S untuk variabel PER adalah 0,425 dengan Asymp.Sig.(2-tailed) 0.
Nilai tersebut di bawah α = 0,05 karena Asymp.Sig (2-tailed) < α/2 (0,025).
Hal ini berarti bahwa variabel PER terdistribusi secara tidak normal. Ho ditolak dan Ha diterima.
Untuk menguji apakah data grafik variabel DPR, EG, Kesempatan Investasi, PBV, Size dan PER memiliki distribusi normal atau tidak, dapat dilakukan dengan menggambarkan kurva histogram dan grafik Normality Probability Plot yaitu sebagai berikut.
Gambar 4.1 Histogram
Sumber : Lampiran 14 Output SPSS
Hasil tampilan kurva histogram di atas dapat kita ketahui bahwa kemiringan kurva cenderung ke kiri, hal ini memnunjukkan bahwa data tidak terdistribusi dengan normal. Selain itu, hasil dari grafik Normal P-Plot Regression dapat juga kita ketahui bahwa titik-titik menyebar jauh dari garis diagonal yang menunjukkan data tidak terdistribusi dengan normal. Berikut gambar grafik Normal P-Plot Regression.
Gambar 4.2 Normal P-Plot Regression Sumber: Lampiran 14 Output SPSS
Menurut Erlina dan Mulyani (2007) ada beberapa cara mengubah model regresi menjadi normal yaitu :
a. lakukan transformasi data ke bentuk lainnya, b. lakukan trimming, yaitu membuang data outlier,
c. lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
Untuk mengubah nilai residual agar berdistribusi normal, peneliti melakukan transformasi data ke model logaritma natural (Ln). Setelah itu, data diuji ulang berdasarkan asumsi normalitas. Berikut ini adalah hasil pengujian dengan Kolmogorov - Smirnov setelah dilakukan transformasi.
Tabel 4.3 Hasil Uji Normalitas (2)
Setelah Transformasi dengan Logaritma Natural One-Sample Kolmogorov-Smirnov Test Std. Deviation 1,23352 1,37786 ,88538 ,97514 ,14763 2,28539 Most Extreme a. Test distribution is Normal.
Sumber : lampiran 14 Output SPSS
Berdasarkan hasil uji statistik setelah dilakukan transformasi data ke model logaritma natural (Ln) seperti yang terdapat dalam tabel 4.3 dapat diketahui bahwa nilai signifikansi variabel DPR sebesar 0,076; EG sebesar 0,122;
Kesempatan Investasi sebesar 0,137; PBV sebesar 0,109; Size sebesar 0,233 dan PER sebesar 0,103. Nilai signifikansi (2-tailed) variabel DPR, EG, Kesempatan Investasi, PBV dan PER tersebut di atas lebih dari 0,05. Sedangkan untuk variabel Size nilai signifikansi (2-tailed) sebesar 0 yang artinya bahwa variabel Size tidak terdistribusi normal. Dengan demikian dapat disimpulkan bahwa data variabel DPR, EG, Kesempatan Investasi, PBV dan PER adalah berdistribusi normal.
Hasil pengujian normalitas dengan histogram dan Normal P-Plot Regression Standardized Residual juga dapat dilihat pada gambar berikut:
Gambar 4.3
Histogram setelah transformasi Sumber: lampiran 14 Output SPSS
Berdasarkan kurva histogram di atas, dapat dilihat bahwa kurva menyerupai lonceng yang hampir sempurna dengan kemiringan yang cenderung imbang baik dari sisi kiri maupun dari sisi kanan. Hal ini menunjukkan bahwa data telah terdistribusi secara normal.
Menurut Ghozali (2005), pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik (grafik Normal P-P Plot of Regression), yaitu jika data (titik) menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal.
Gambar 4.4
Normal P-P Plot of Regression setelah transformasi Sumber: lampiran 14 Output SPSS
Grafik Normal P-P Plot of Regression di atas memperlihatkan titik – titik menyebar berhimpitan di sekitar diagonal dan ini menunjukkan data dalam model regresi berdistribusi normal. Karena secara keseluruhan data telah terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya.
4.2.2 Uji Multikolineritas
Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Model regresi yang bebas dari multikolinearitas adalah mempunyai nilai VIF < 10 dan mempunyai angka tolerance > 0,1. Hasil uji multikolinearitas disajikan dalam tabel 4.4.
Tabel 4.4 Sumber: Lampiran 14 Output SPSS
Dari tabel 4.4 di atas, terlihat bahwa nilai VIF untuk DPR adalah 1,047, EG adalah 1,416, Kesempatan Investasi, 102,963, PBV adalah 100,144 dan size adalah 1,592. Untuk variabel Kesempatan Investasi dan Size memiliki nilai VIF diatas 10 Sedangkan untuk variabel DPR, EG dan PBV memiliki nilai VIF yang jauh dari nilai 10. Nilai Tolerance untuk DPR adalah 0,955, EG adalah 0,706, Kesempatan Investasi adalah 0,10, PBV adalah 0,10 dan size adalah 0,628. Dari hasil ini dapat dilihat bahwa variabel Kesempatan Investasi dan PBV memiliki nilai Tolerance yang sama yaitu 0,10. Sedangkan untuk ketiga variabel bebas lainnya memiliki nilai Tolerance yang lebih besar dari 0,10. maka dapat disimpulkan bahwa tidak terdapat multikolinieritas pada model regresi.
4.2.3 Uji Autokorelasi
Pengujian ini dilakukan untuk melihat apakah dalam sebuah model regresi linier terdapat korelasi antara variabel pengganggu pada priode tertentu dengan variabel pengganggu pada priode sebelumnya. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series. Untuk mendeteksi autokorelasi, dapat dilakukan beberapa jenis uji statistik. Dalam penelitian ini pengujian terhadap autokorelasi menggunakan Uji Durbin‐Watson (DW-test).
Dasar pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
a. Bila dU < d < 4 – dU, maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi.
b. Bila d < dL, maka koefisien autokorelasi > 0, berarti ada autokorelasi positif.
c. Bila d > 4-dL, maka koefisisen autokorelasi < 0, berarti terjadi autokorelasi negatif.
d. Bila dU < d < dL atau 4-dU < d < 4-dL, maka hasilnya tidak dapat disimpulkan
Keterangan :
d : Nilai Durbin Watson hitung
dU : Nilai batas atas Durbin Watson tabel dL : Nilai batas bawah Durbin Watson tabel
Tabel 4.5
a. Predictors: (Constant), Ln_Size, Ln_DPR, Ln_EG, Ln_PBV, Ln_Kesempatan Investasi b. Dependent Variable: Ln_PER
Sumber: Lampiran 14 Output SPSS
Berdasarkan hasil uji autokorelasi tabel 4.5 di atas tampak bahwa nilai
Berdasarkan tabel Durbin Watson di atas, diperoleh nilai dL = 0,89425 dan dU = 1,82828 sedangkan 4-dU adalah 2,17172. Berarti:
dL < d < 4-dU
0,89425 < 1,614 < 2,17172
Dari pengamatan ini, dapat disimpulkan tidak terjadi autokorelasi positif maupun negatif.
4.2.4 Uji Heterokedastisitas
Menurut Erlina dan Mulyani (2007) “Uji heterokedastisitas bertujuan untuk melihat apakah di dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homokedastisitas, dan jika berbeda disebut heterokedastisitas”. Model regresi yang baik yaitu homokedastisitas. Pengujian ada atau tidaknya heterokedastisitas pada suatu data dapat dilakukan pada software SPSS dengan mengamati grafik Scatterplot.
Menurut Ghozali (2005) dasar pengambilan keputusannya adalah sebagai berikut:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heterokedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas atau terjadi homokedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi gejala heterokedastisitas atau tidak dengan cara mengamati penyebaran titik-titik pada grafik.
Gambar 4.5 Scatterplot
Sumber : lampiran 14 Output SPSS
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal tersebut menunjukkan bahwa tidak terjadi heterokedastisitas, sehingga model ini layak dipakai untuk mengetahui faktor – faktor yang mempengaruhi Price Earning Ratio pada perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia berdasarkan masukan variabel independen yaitu Dividend Payout Ratio, Earning Growth, Kesempatan Investasi, Price to Book Value, dan Size.
4.3 Analisis Regresi Linear Berganda
Berdasarkan hasil uji asumsi klasik yang telah dilakukan di atas, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah
memenuhi model estimasi yang Best Linear Unbiased Estimator (BLUE) dan layak untuk dilakukan analisis statistik selanjutnya, yaitu melakukan pengujian hipotesis. Adapun hasil pengolahan data dengan analisis regresi dapat dilihat pada tabel dibawah ini. Sumber : lampiran 14 Output SPSS
Berdasarkan tabel 4.6 pada kolom Unstandardized Coefficients bagian B diperoleh model persamaan regresi linier berganda yaitu:
Y = -1,147-0,969X1 – 0,050X2 + 6,917X3 – 7,446X4 – 0,374X5 +e Dimana :
Y = Price Earning Ratio X1 = Dividend Payout Ratio X2 = Earning Growth X3 = Kesempatan Investasi X4 = Price to Book Value X5 = Size
Penjelasan dari nilai a, b1, b2, b3, b4 dan b5 pada Unstandardized Coefficients tersebut dapat dijelaskan dibawah ini.
a) Nilai B Constant (a) = -1,147 = konstanta
b) Nilai konstanta ini menunjukkan bahwa apabila tidak ada variabel bebas yaitu Dividend Payout Ratio, Earning Growth, Kesempatan Investasi, Price to Book Value, dan Size, maka perubahan nilai Price Earning Ratio yang dilihat dari Y tetap sebesar -1,147.
c) Nilai B LN_DPR (b1) = -0,969 = Dividend Payout Ratio
d) Koefisien regresi ini menunjukkan bahwa setiap kenaikan Dividend Payout Ratio sebesar 1 satuan maka Price Earning Ratio akan menurun sebesar 0,969 satuan atau 96,9% dengan asumsi variabel lain dianggap tetap.
e) Nilai B LN_EG (b2) = -0,050 = Earning Growth
Koefisien regresi ini menunjukkan bahwa setiap kenaikan Earning Growth sebesar 1 satuan maka Price Earning Ratio akan menurun sebesar 0,050 satuan atau 5% dengan asumsi variabel lain dianggap tetap.
f) Nilai B LN_Kesempatan Investasi (b3) = 6,917= Kesempatan Investasi Koefisien regresi ini menunjukkan bahwa setiap kenaikan Kesempatan Investasi sebesar 1 satuan maka Price Earning Ratio akan mengalami kenaikan sebesar 6,917satuan atau 691,7% dengan asumsi variabel lain dianggap tetap.
g) Nilai B LN_PBV (b4) = -7,446 = Price to Book Value
Koefisien regresi ini menunjukkan bahwa setiap kenaikan Price to Book Value sebesar 1 satuan maka Price Earning Ratio akan menurun sebesar 7,446 satuan atau 744,6% dengan asumsi variabel lain dianggap tetap.
h) Nilai B LN_DPR (b5) = -0,374 = Size
Koefisien regresi ini menunjukkan bahwa setiap kenaikan Size sebesar 1 satuan maka Price Earning Ratio akan menurun sebesar 0,374 satuan atau 37,4% dengan asumsi variabel lain dianggap tetap.
4.4 Pengujian Hipotesis
4.4.1 Uji Signifikansi Parsial (t-test)
Uji t digunakan untuk menguji signifikansi koefisien predictor dari setiap variabel independen terhadap variabel dependen secara parsial. Dalam uji t digunakan hipotesis seperti yang terlihat berikut ini.
a. Ho : b1 ,b2,b3, b4, b5 = 0, artinya Dividend Payout Ratio, Earning Growth, Kesempatan Investasi, Price to Book Value, dan Size tidak berpengaruh signifikan terhadap Price Earning Ratio secara parsial pada perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia. :
b. Ha : b1, b2, b3, b4, b5 ≠ 0, artinya Dividend Payout Ratio, Earning Growth, Kesempatan Investasi, Price to Book Value, dan Size berpengaruh signifikan terhadap Price Earning Ratio secara parsial pada perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia.
Kriteria:
Untuk koefisien positif :
Ha diterima dan Ho ditolak jika t hitung > t tabel untuk α = 5%
Ho diterima dan Ha ditolak jika t hitung ≤ t tabel untuk α = 5%
Untuk koefisien negatif :
Ha diterima dan H0 ditolak jika t hitung < t tabel untuk α = 5% Sumber : lampiran 14 Output SPSS
Berdasarkan hasil uji signifikansi koefisien prediktor pada tabel 4.7 dapat diketahui pengaruh variabel independen secara parsial sebagai berikut :
1) Hasil uji X1 yaitu DPR terhadap PER menunjukkan bahwa bila t hitung untuk DPR adalah -8,547 dengan tingkat signifikansi 0,000 dengan t tabel 1,674.
Maka nilai t hitung -8,547 < t tabel 1,674 dan nilai signifikan 0,000 < 0,05. Ini berarti DPR berpengaruh negatif dan signifikan terhadap PER pada perusahaan barang konsumsi yang terdaftar di BEI tahun 2016-2018.
2) Hasil uji X2 yaitu Earning Growth terhadap PER menunjukkan bahwa bila t hitung untuk Earning Growth adalah -0,402 dengan tingkat signifikansi 0,691 dengan t tabel 1,674. Maka nilai t hitung -0,402 < t tabel 1,674 dan nilai signifikan 0,691 > 0,05. Ini berarti Earning Growth berpengaruh negatif dan tidak signifikan terhadap PER pada perusahaan barang konsumsi yang terdaftar di BEI tahun 2016-2018.
3) Hasil uji X3 yaitu Kesempatan Investasi terhadap PER menunjukkan bahwa bila t hitung untuk Kesempatan Investasi adalah 4,213 dengan tingkat signifikansi 0,000 dengan t tabel 1,674. Maka nilai t hitung 4,213 > t tabel 1,674 dan nilai signifikan 0,000 < 0,05. Ini berarti Kesempatan Investasi berpengaruh positif dan signifikan terhadap PER pada perusahaan barang konsumsi yang terdaftar di BEI tahun 2016-2018.
4) Hasil uji X4 yaitu PBV terhadap PER menunjukkan bahwa bila t hitung untuk PBV adalah
-
4,885 dengan tingkat signifikansi 0,000 dengan t tabel 1,674.Maka nilai t hitung
-
4,885 < t tabel 1,674 dan nilai signifikan 0,000 < 0,05. Ini berarti PBV berpengaruh negatif dan signifikan terhadap PER pada perusahaan barang konsumsi yang terdaftar di BEI tahun 2016-2018.5) Hasil uji X5 yaitu Size terhadap PER menunjukkan bahwa bila t hitung untuk Size adalah -0,326 dengan tingkat signifikansi 0,747 dengan t tabel 1,674.
Maka nilai t hitung -0,326 < t tabel 1,674 dan nilai signifikan 0,747 > 0,05. Ini berarti Size berpengaruh negatif dan tidak signifikan terhadap PER pada perusahaan barang konsumsi yang terdaftar di BEI tahun 2016-2018.
4.4.2 Uji Simultan (F-test)
Pengujian ini dilakukan untuk melihat signifikansi pengaruh secara simultan atau serempak seluruh variabel independen yaitu DPR, earning growth, Kesempatan Investasi, PBV dan size terhadap variabel dependen yaitu PER.
H0 : bi = 0, artinya tidak terdapat pengaruh yang signifikan secara simultan dari variabel independen terhadap variabel dependen.
Ha : bi ≠ 0, artinya terdapat pengaruh yang signifikan secara simultan dari variabel independen terhadap variabel dependen.
Untuk mengetahui apakah hipotesis yang diajukan diterima atau ditolak digunakan uji F. Penelitian ini menggunakan tingkat signifikansi (α) = 5%. Jika : tingkat signifikan di bawah 0,05 maka H0 ditolak dan Ha diterima.
Kriteria pengambilan keputusan:
a. Bila nilai F hitung < nilai F tabel , maka H0 diterima dan Ha ditolak apabila nilai signifikan (α) = 5%, artinya secara simultan variabel bebas tidak berpengaruh dan tidak signifikan terhadap variabel terikat.
b. Bila nilai F hitung > nilai F tabel , H0 ditolak dan Ha diterima apabila nilai signifikan (α) = 5%, artinya secara simultan variabel bebas berpengaruh positif dan signifikan terhadap variabel terikat
Tabel 4.8 Uji Statistik F
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 126,852 5 25,370 32,523 ,000b
Residual 25,742 33 ,780
Total 152,594 38
a. Dependent Variable: Ln_PER
b. Predictors: (Constant), Ln_X5, Ln_X1, Ln_X2, Ln_X4, Ln_X3 Sumber : Lampiran 14 Output SPSS
Berdasarkan hasil uji F disimpulkan bahwa hasil uji Dividend Payout Ratio, earning growth, Kesempatan Investasi, Price to Book Value dan Size terhadap Price Earning Ratio dimana F hitung sebesar 32,523 dan F sebesar tabel 2,39. Ini membuktikan bahwa demikian Fhitung > F tabel dan signifikansi sebesar 0,000 < 0,05 maka Ha diterima dan H0 ditolak. Berdasarkan data ini maka disimpulkan bahwa Dividend Payout Ratio, earning growth, Kesempatan Investasi, Price to Book Value dan Size berpengaruh secara positif dan signifikan secara simultan terhadap Price Earning Ratio pada perusahaan barang konsumsi yang terdaftar di BEI periode 2016-2018.
4.5 Koefisien Determinasi (R2)
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0,5 dan mendekati 1. Koefisien determinasi (R square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah 0 sampai dengan 1. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabelvariabel independen dalam menjelaskan variabel dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen.
Tabel 4.9
Koefisien Determinasi (R Square)
Sumber: Lampiran 14 Output SPSS
Sesuai dengan model summary pada tabel 4.9 di atas diketahui besarnya koefisien korelasi ganda (R) antara Dividend Payout Ratio (X1), Earning Growth (X2), Kesempatan Investasi (X3), Price to Book Value (X4) dan Size (X5) dengan
a. Predictors: (Constant), Ln_X5, Ln_X1, Ln_X2, Ln_X4, Ln_X3 b. Dependent Variable: Ln_PER
yaitu R = 0,912 berada di atas 0,5 dan mendekati 1 sehingga dapat disimpulkan ada korelasi yang kuat antara antara Dividend Payout Ratio (X1), Earning Growth (X2), Kesempatan Investasi (X3 ), Price to Book Value (X4) dan Size (X5) dengan Price Earning Ratio (Y). Selain itu, dapat diketahui koefisien determinasi (R Square) antara antara antara Dividend Payout Ratio (X1), Earning Growth (X2), Kesempatan Investasi (X3 ), Price to Book Value (X4) dan Size (X5) dengan Price Earning Ratio (Y) sebesar 0,831, dan adjusted R Square sebesar 0,806 mengindikasikan bahwa 0,806 atau 80,6% variasi skor Price Earning Ratio (Y) dapat dijelaskan oleh antara Dividend Payout Ratio (X1), Earning Growth (X2), Kesempatan Investasi (X3 ), Price to Book Value (X4) dan Size (X5). Sedangkan sisanya sebesar 1 – 0,806 atau 100% - 80,6% = 19,4%
dijelaskan oleh faktor lain yang tidak dimasukkan dalam model penelitian ini.
4.6 Pembahasan Hasil Penelitian
4.6.1 Pengaruh Dividend Payout Ratio (DPR) terhadap Price Earning Ratio (PER)
Berdasarkan hasil penelitian secara parsial diketahui bahwa variabel DPR berpengaruh negatif dan signifikan terhadap PER pada perusahaan barang konsumsi yang terdaftar di BEI tahun 2016-2018. Hal ini ditunjukkan oleh nilai t
hitung untuk DPR adalah -8,547 dengan tingkat signifikansi 0,000 dengan t tabel 1,674. Maka nilai t hitung -8,547 < t tabel 1,674 dan nilai signifikan 0,000 < 0,05.
Berdasarkan hasil penelitian ini dapat disimpulkan bahwa DPR merupakan salah satu faktor yang penting diperhatikan oleh perusahaan dalam mengambil keputusan untuk menentukan besarnya PER yang dibayarkan kepada pemegang saham. Disamping berpengaruh secara signifikan, DPR berpengaruh negatif yang berarti bahwa DPR yang semakin besar akan memperkecil kemampuan perusahaan untuk membayar PER. Demikian juga sebaliknya, semakin kecil DPR akan memperbesar kemampuan perusahaan untuk membayar PER kepada pemegang saham.
4.6.2 Pengaruh Earning Growth terhadap Price Earning Ratio (PER) Berdasarkan hasil penelitian secara parsial diketahui bahwa variabel Earning Growth berpengaruh negatif dan tidak signifikan terhadap PER pada perusahaan barang konsumsi yang terdaftar di BEI tahun 2016-2018. Hal ini ditunjukkan oleh t hitung untuk Earning Growth adalah -0,402 dengan tingkat signifikansi 0,691 dengan t tabel 1,674. Maka nilai t hitung -0,402 < t tabel 1,674 dan nilai signifikan 0,691 > 0,05. Berdasarkan hasil penelitian ini dapat
disimpulkan bahwa earning growth bukan merupakan faktor yang diperhatikan oleh perusahaan dalam mengambil keputusan untuk menentukan besarnya PER yang dibayarkan kepada pemegang saham. Disamping tidak berpengaruh secara signifikan, earning growth berpengaruh negatif yang berarti bahwa earning growth yang semakin besar akan memperkecil kemampuan perusahaan untuk membayar PER. Demikian juga sebaliknya, semakin kecil earning growth akan memperbesar kemampuan perusahaan untuk membayar PER kepada pemegang saham. Hal ini mendukung penelitian yang dikemukakan Pramudya (2007) menyimpulkan bahwa earning growth tidak berpengaruh secara signifikan terhadap PER.
4.6.3 Pengaruh Kesempatan Investasi terhadap Price Earning Ratio (PER)
Berdasarkan hasil penelitian secara parsial diketahui bahwa variabel Kesempatan Investasi berpengaruh positif dan signifikan terhadap PER pada perusahaan barang konsumsi yang terdaftar di BEI tahun 2016-2018. Hal ini ditunjukkan oleh t hitung untuk Kesempatan Investasi adalah 4,213 dengan tingkat signifikansi 0,000 dengan t tabel 1,674. Maka nilai t hitung 4,213 > t tabel 1,674 dan nilai signifikan 0,000 < 0,05. Berdasarkan hasil penelitian ini dapat disimpulkan bahwa Kesempatan Investasi merupakan salah satu faktor yang penting diperhatikan oleh perusahaan dalam mengambil keputusan untuk menentukan besarnya PER yang dibayarkan kepada pemegang saham. Disamping berpengaruh secara signifikan, Kesempatan Investasi berpengaruh positif yang berarti bahwa Kesempatan Investasi yang semakin besar akan memperbesar
kemampuan perusahaan untuk membayar PER. Demikian juga sebaliknya, semakin kecil Kesempatan Investasi akan memperkecil kemampuan perusahaan untuk membayar PER kepada pemegang saham. Hal ini mendukung penelitian yang dikemukakan oleh Sudhiarta (2016) bahwa Kesempatan Investasi berpengaruh positif terhadap PER.
4.6.4 Pengaruh Price to Book Value (PBV) terhadap Price Earning Ratio (PER)
Berdasarkan hasil penelitian secara parsial diketahui bahwa variabel PBV berpengaruh negatif dan signifikan terhadap PER pada perusahaan barang konsumsi yang terdaftar di BEI tahun 2016-2018. Hal ini ditunjukkan oleh t hitung
untuk PBV adalah
-
4,885 dengan tingkat signifikansi 0,000 dengan t tabel 1,674.Maka nilai t hitung
-
4,885 < t tabel 1,674 dan nilai signifikan 0,000 < 0,05.Berdasarkan hasil penelitian ini dapat disimpulkan bahwa PBV merupakan salah satu faktor yang penting diperhatikan oleh perusahaan dalam mengambil keputusan untuk menentukan besarnya PER yang dibayarkan kepada pemegang saham. Disamping berpengaruh secara signifikan, PBV berpengaruh negatif yang berarti bahwa PBV yang semakin besar akan memperkecil kemampuan perusahaan untuk membayar PER. Demikian juga sebaliknya, semakin kecil PBV akan memperbesar kemampuan perusahaan untuk membayar PER kepada pemegang saham.
4.6.5 Pengaruh Size terhadap Price Earning Ratio (PER)
Berdasarkan hasil penelitian secara parsial diketahui bahwa Size berpengaruh negatif dan tidak signifikan terhadap PER pada perusahaan barang konsumsi yang terdaftar di BEI tahun 2016-2018. Hal ini ditunjukkan oleh t hitung untuk Size adalah -0,326 dengan tingkat signifikansi 0,747 dengan t tabel 1,674.
Maka nilai t hitung -0,326 < t tabel 1,674 dan nilai signifikan 0,747 > 0,05.
Berdasarkan hasil penelitian ini dapat disimpulkan bahwa Size bukan merupakan salah satu faktor yang penting diperhatikan oleh perusahaan dalam mengambil keputusan untuk menentukan besarnya PER yang dibayarkan kepada pemegang saham. Hasil ini mendukung penelitian yang dikemukakan oleh Dutta (2018)
Berdasarkan hasil penelitian ini dapat disimpulkan bahwa Size bukan merupakan salah satu faktor yang penting diperhatikan oleh perusahaan dalam mengambil keputusan untuk menentukan besarnya PER yang dibayarkan kepada pemegang saham. Hasil ini mendukung penelitian yang dikemukakan oleh Dutta (2018)