HASIL PENELITIAN DAN PEMBAHASAN
4.2 Hasil Penelitian .1 Statistik Deskriptif .1 Statistik Deskriptif
4.2.2.1 Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah dalam suatu model regresi, variabel pengganggu atau residual memiliki distribusi normal. Terdapat
Universitas Sumatera Utara
50 dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yakni dengan melakukan analisis statistik dan analisis grafik.
1. Analsis Statistik
Uji statistika yang digunakanadalah uji Kolmogrov-Smirnov (K-S) dengan melihat apakah data residualnya berdistribusi normal atau tidak, dan untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal. Jika nilai signifikan >0,05 maka asumsi normalitas terpenuhi. Jika nilai signifikan <
0,05 maka asumsi normalitas tidak terpenuhi. Hasil uji Kolmogrov-smirnov dapat dilihat pada tabel 4.2 berikut ini.
Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
RS ROE EPS DER PER PL
N 104 104 104 104 104 104
Normal Parametersa,b
Mean ,0136 18,0139 828,730 1,0940 19,7548 ,0152 Std.
Deviation ,31482 10,829 645,005 ,75473 11,1838 ,2454
Most Extreme Differences
Absolute ,069 ,125 ,126 ,113 ,120 ,092 Positive ,042 ,125 ,126 ,113 ,120 ,064 Negative -,069 -,099 -,122 -,108 -,095 -,092 Kolmogorov-Smirnov Z ,699 1,280 1,282 1,155 1,222 ,935
Asymp. Sig. (2-tailed) ,713 ,076 ,075 ,139 ,101 ,347
Berdasarkan tabel 4.2, diketahui nilai signifikansi atau Asymp. Sig (2-tailed) return Saham 0,713, ROE sebesar 0,076, EPS 0,075, DER 0,075, PER sebesar 0,139, dan pertumbuhan laba sebesar 0,347 karena nilai signifikan>0,05 maka dapat disimpulkan bahwa data berdistribusi normal.
Universitas Sumatera Utara
51 2. Analisis Grafik
Uji normalitas selanjutnya dilakukan dengan analisis grafik melalui grafik histogram dan normal probability plot. Pada grafik histogram, data yang mendekati distribusi normal adalah distribusi data yang berbentuk seperti gunung dengan kaki gunung yang simetris baik kanan maupun kiri. Sementara pada grafik normal probability plot (normal P-P Plot), sebuah data dinyatakan berdistribusi normal apabila titik-titik datanya tidak melenceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal. Berikut hasil uji normalitas dengan menggunakan analisis grafik.
Gambar 4.1 Grafik Histogram
Berdasarkan gambar 4.1 pada grafik histogram terlihat bahwa variabel berdistribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut tidak melenceng ke kiri atau melenceng ke kanan. Sedangkan pendekatan plot dapat dilihat digambar 4.2
Universitas Sumatera Utara
52
`Gambar 4.2 Grafik Normal P-P Plot
Berdasarkan Gambar 4.2 pada grafik normal P-P Plot terlihat bahwa titik-titik menyebar di sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Dengan demikian, maka dapat disimpulkan bahwa pola distribusi data adalah normal, maka model regresi memenuhi asumsi normalitas.
4.2.2.2 Uji Multikolinearitas
Multikolinearitas adalah keadaan dimana antara dua variabel independen atau lebih pada model regresi terjadi hubungan linear yang sempurna atau mendekati sempurna. Adanya gejala multikoleniaritas dapat dilihat dari nilai VIF (Variable Inflation factor) dan tolerance value. Batas tolerance value adalah 0,1 dan batas VIF adalah 10. Apabila tolerance value < 0,1 atau VIF > 10 maka terjadi multikolenearitas. Apabila tolerance value > 0,1 atau VIF < 10 maka tidak terjadi multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel berikut ini.
Universitas Sumatera Utara
53
Berdasarkan tabel 4.3 Diatas dapat dilihat bahwa tidak ada variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada yang memiliki tolerance value lebih kecil dari 0,1. Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Dari hasil analisis, didapat nilai VIF untuk ROE adalah 1.112 (<10) dan nilai tolerance sebesar 0,899 (>0,1), nilai VIF untuk EPS 1.052 (<10) dan nilai tolerance sebesar 0,950 (>0,1), nilai VIF untuk DER 1.053 (<10) dan nilai tolerance sebesar 0,950 (>0,1), nilai VIF untuk PER 1.002 (<10) dan nilai tolerance sebesar 0,998 (>0,1), nilai VIF untuk PL 1.107 (<10) dan nilai tolerance sebesar 0,904 (>0,1). Dari hasil tersebut maka dapat disimpulkan bahwa tidak terjadi korelasi di antara variabel bebas yang diuji.
4.2.2.3 Uji Heterokedastisitas
Uji Heterokedastisitas bertujuan untuk menguji terjadinya perbedaan varian residual suatu periode pengamatan ke periode pengamatan yang lain.
Pengujian heterokedastisitas dalam penelitian ini dilakukan dengan melihat grafik
Universitas Sumatera Utara
54 scatterplot antara nilai prediksi variabel dependen yaitu SRESID dengan residualnya (ZPRED). Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Pengujian heteroskedastisitas dapat dilihat pada grafik scatterplot berikut ini:
Gambar 4.3 Grafik Heteroskedastisitas
Dari gambar scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak dan tidak membentuk pola tertentu atau tidak teratur. Titik-titik tersebut juga menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal tersebut menunjukkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model ini layak dipakai dalam penelitian ini.
Universitas Sumatera Utara
55 4.2.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan periode t-1 (sebelumnya). Model regresi yang baik adalah yang bebas dari autokorelasi. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson.
Tabel 4.4 Uji Autokorelasi
Berdasarkan tabel 4.4 diatas diketahui bahwa nilai DW sebesar 1,811.
Nilai ini dibandingkan dengan nilai tabel dengan menggunakan nilai signifikan 5% jumlah variabel independen 5 (k=5) dan jumlah observasi 104 (n=104) maka dari tabel Durbin Watson akan diperoleh nilai dl sebesar 1,5813 dan nilai du sebesar 1,7823. Maka nilai DW hitung lebih kecil dari batas atas (du) 1,7823 dan DW lebih kecil dari 4-du (4 – 1,7823)., berarti du < DW < 4- du ( 1,7823 < 1,811
< 2,2177 ) maka dapat disimpulkan bahwa di dalam penelitian ini tidak terdapat autokorelasi.
Model Summaryb Mode
l
R R
Square
Adjusted R Square
Durbin-Watson
1 .491a .241 .203 1.811
a. Predictors: (Constant), PL, PER, EPS, DER, ROE b. Dependent Variable: RS
Universitas Sumatera Utara
56 4.2.3 Hasil Uji Hipotesis
4.2.3.1 Analisis Regresi Linear Berganda
Model analisis data yang digunakan adalah model regresi linear berganda untuk melihat pengaruh return on equity, earning per share, debt to equity ratio, price earning ratio, dan Pertumbuhan Laba terhadap Return Saham. Adapun formula regresi berganda adalah sebagai berikut :
Y=a+b1X1+b2X2+b3X3+b4X4+b5X5+e Keterangan :
Y = Return Saham
X1 = Return On Equity
X2 = Earning per Share
X3 = Debt to Equity Ratio
X4 = Price Earning Ratio
X5 = Pertumbuhan Laba
a = Konstanta
b1,b2,b3,b4,b5 = Koefisien Regresi
e = Koefisien Eror
Tabel 4.5 Analisis Regresi Linear Berganda
Universitas Sumatera Utara
57 Berdasarkan hasil pengolahan data di atas dapat diperoleh persamaan regresi linear berganda sebagai berikut:
Y= -17,98 + 0.003 X1 + (-0.005) X2 + 0.036 X3+ 0.006 X4 + 0.492 X5 + e Dari persamaan regresi di atas maka dapat dianalisis sebagai berikut:
1. Konstanta (a) sebesar -17,983 menunjukkan bahwa jika variabel independen ROE, EPS, DER, PER, dan Pertumbuhan Laba diasumsikan tetap atau sama dengan 0, maka return saham akan mengalami penurunan sebesar -17,983.
2. Koefisien ROE sebesar 0,003 menunjukkan bahwa setiap kenaikan 1%
variabel ROE menyebabkan return saham meningkat sebesar 0,003 dengan asumsi variabel lainnya tetap atau sama dengan nol.
3. Koefisien EPS sebesar -0,005 menunjukkan bahwa setiap kenaikan 1%
variabel EPS menyebabkan return saham mengalami penurunan sebesar 0,005 dengan asumsi variabel lainnya tetap atau sama dengan nol.
4. Koefisien DER sebesar 0,036 menunjukkan bahwa setiap kenaikan 1%
variabel DER menyebabkan return saham meningkat sebesar 0,036 dengan asumsi variabel lainnya tetap atau sama dengan nol.
5. Koefisien PER sebesar 0,006 menunjukkan bahwa setiap kenaikan 1%
variabel PER menyebabkan return saham meningkat sebesar 0,006 dengan asumsi variabel lainnya tetap atau sama dengan nol.
6. Koefisien pertumbuhan laba sebesar 0,492 menunjukkan bahwa setiap kenaikan 1% variabel pertumbuhan laba menyebabkan return saham meningkat sebesar 0,492 dengan asumsi variabel lainnya tetap atau sama dengan nol.
Universitas Sumatera Utara
58 4.2.3.2 Uji parsial (Uji t)
Uji t digunakan untuk mengetahui hubungan antara variabel-variabel independen terhadap variabel dependen secara parsial. Jika thitung > ttabel atau nilai signifikansi dari suatu variabel independen < 0,05, maka variabel independen tersebut secara parsial berpengaruh signifikan terhadap variabel dependen.
Sebaliknya, jika Jika thitung > ttabel atau nilai signifikansi dari suatu variabel independen > 0,05, maka variabel independen tersebut secara parsial tidak berpengaruh secara signifikan terhadap variabel dependen.
Hasil pengujian hipotesis dengan menggunakan uji t dapat dilihat pada tabel berikut:
Tabel 4.6 Pengujian Parsial (Uji t)
Berdasarkan hasil pengujian parsial (uji t) dari tabel 4.6 Dapat disimpulkan sebagai berikut:
1. Variabel ROE memiliki nilai thitung < ttabel dimana 1,192 < 1,984 dengan tingkat signifikansi 0,236 > 0,05 sehingga dapat dinyatakan bahwa ROE tidak berpengaruh terhadap variabel return saham.
Universitas Sumatera Utara
59 2. Variabel EPS memiliki nilai thitung < ttabel dimana -0,708 < 1,984 dengan tingkat signifikansi 0,480 > 0,05 sehingga dapat dinyatakan bahwa ROE tidak berpengaruh terhadap variabel return saham.
3. Variabel DER memiliki nilai thitung < ttabel dimana 0,955 < 1,984 dengan tingkat signifikansi 0,342 > 0,05 sehingga dapat dinyatakan bahwa DER tidak berpengaruh terhadap variabel return saham.
4. Variabel PER memiliki nilai thitung > ttabel dimana 2,338 > 1,984 dengan tingkat signifikansi 0,021 < 0,05 sehingga dapat dinyatakan bahwa PER berpengaruh terhadap variabel return saham.
5. Variabel PL memiliki nilai thitung > ttabel dimana 4,413 > 1,984 dengan tingkat signifikansi 0,000 < 0,05 sehingga dapat dinyatakan bahwa PL berpengaruh terhadap variabel return saham.