Uji Statistik t - Analisis Data

BAB IV ANALISIS DATA

B. Analisis Data

4. Uji Statistik t

a. Uji Determinasi (R²)

Koefisien determinasi (R²) 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 dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan

hampir semua informasi yang dibutuhkan untuk memprediksi variaso variabel dependen (Ghozali, 2018: 97).

Menurut Gujarati dalam Ghozali (2018: 98) dalam uji empiris didapat nilai adjusted R² negatif, maka nilai adjusted R² dianggap bernilai nol. Secara sistematis jika nilai R² = 1, maka Adjusted R² = R² = 1 sedangkan jika nilai R² = 0, maka adjusted R² = (1-k)/(n-k). jika k > 1, maka adjusted R² akan bernilai negatif.

b. Uji Statistik F

Menurrut Lupiyoadi (2015: 167) uji statistik F merupakan uji simultan (keseluruhan, bersama-sama). Uji simultan bertujuan untuk menguji apakah antar variabel terdapat hubungan linear.

Uji F menguji joint hipotesa bahwa b1, b2 dan b3 bersama-sama dengan nol, atau:

H0: b1 = b2 = …… = bk = 0 HA: b1 ≠ b2 ≠…… ≠ bk ≠ 0

Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusan sebagai berikut:

1) Quick lock: bila nilai F lebih besar daripada 4 mak Ho dapat ditolak pada derajat kepercayaan 5%, dengan kata lain kita menerima hipotesis alternatif, yang menyatakan bahwa seua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen.

2) Membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel. Bila F hitung > nilai F tabel, maka Ho ditolak dan menerima Ha (Ghozali, 2018: 98).

c. Uji Statistik t

Uji t-parsial digunakan untuk menguji apakah sebuah variabel bebas benar memberikan pengaruh terhadap variabel terikat. Dalam pengujian ini apakah jika secara terpisah, suatu variabel X masih memberikan kontribusi secara signifikan terhadap variabel terikat Y (Lupiyoadi, 2015: 168).

Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen. Untuk melakukan uji t adalah sebagai berikut:

1) Quick lock: bila jumlah degree of freedom (df) adalah 20 atau lebih, dan derajat kepercayaan sebesar 5%, maka Ho yang menyatakan bi = 0 dapat ditolak bila nilai t > 2 (dalam nilai absolut).

2) Membandingkan nilai statistik t dengan titik kritis menurut tabel. Apabila nilai statistik t hitung > nilai t tabel maka hipotesis diterima yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen (Ghozali, 2018: 99).

Uji asumsi klasik merupakan satu rangkaian yang mesti ditempuh dalam analisa regresi untuk mendapatkan suatu parameter yang mempunyai kemampuan untuk meramalkan secara baik. Untuk mendapatkan parameter yang memenuhi kriteria BLUE (Best Linear Unbiased Estimator), maka regresi dengan menggunakan metode OLS (Ordinary Least Square) harus memenuhi uji asumsi klasik, yaitu tidak ada multikolinearitas, tidak ada otokorelasi, tidak ada heteroskedesitas dan normalitas ut (Yuliadi, 2009: 39).

a. Uji Multikolinieritas

Menurut Ghozali (2018: 107) uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Untuk mendeteksi ada atau tidaknya multikoliniearitas di dalam model regresi adalah sebagai berikut:

1) Nilai R² yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen.

2) Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi (umumnya di ata 0,90), maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya kolerasi yang tinggi antar variabel independen tidak berarti bebas dari

multikoliniearitas. Multikoliniearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen. 3) Multikoliniaritas dapat juga dilihat dari nilai tolerance dan

lawannya dan variance inflation factor (VIF). Kedua ukuran ini menunjukkan setiap variabe independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregres terhadap variabel independen lainnya. Tolenrance 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 cutoff yang umum dipakai untuk menunjukkan adanya multikoliniearitas adalah nilai tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10 (Ghozali, 2018: 108).

b. Uji Autokorelasi

Menurut Ghozali (2018: 111) uji autokorelasi bertujuan untuk apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak

bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena “gangguan” pada seorang individu/kelompok cenderung mempengaruhi “gangguan” pada individu/kelompok yang sama pada periode berikutnya

Pada data crossection (silang waktu), masalah autokorelasi relatif jarang terjadi “gangguan” pada observasi yang berbeda berasal dari individu/kelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.

Pengambilan keputusan ada tidaknya korelasi berdasarkan uji Durbin-Watson (DW test) dengan hipotesis yang akan diuji: H0: tidak ada autokorelasi ( r = 0)

HA: ada autokorekasi (r ≠ 0)

Tabel 3.4 Pengambilan Keputusan ada tidaknya autokorelasai

Hipotesis Keputusan Jika

Tidak ada autokorelasi positif Tidak ada autokorelasi positif Tidak ada korelasi negatif Tidak ada korelasi negatif Tidak ada autokorelasi, positif atau negative

Tolak No desicison Tolak No decision Tidak ditolak 0 < d < dl dl ≤ d ≤ du 4 – dl < d < 4 4 – du ≤ d ≤ 4 - dl du < d < 4 – du Sumber: Gozali, 2018 c. Uji Heteroskedastisitas

Menurut Sujarweni (2015: 186) heteroskedastisitas menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain. Menurut Lupiyoadi (2015: 138)

heteroskedastisitas berarti variasi residual tidak sama dari satu pengamatan ke pengamatan yang lain, sehingga variasi residual harus bersifat homoskedastisitas, yaitu pengamatan satu dengan pengamatan yang lain sama agar memberikan pendugaan model yang lebih akurat.

Banyak alat statistik yang digunakan untuk menduga apakah suatu model terbebas dari gejala heteroskedastisitas atau tidak, seperti uji park (park test), uji white, uji glejser. Pada uji glejser, secara statistik variabel penjelas (bebas) dikatakan tidak signifikan apabila nilai signifikansinya lebih dari 0,05 dan sebaliknya apabila nilai signifikansi kurang dari 0,05 maka variabel dapat dikatakan signifikan, sehingga semakin tidak signifikan variabel penjelas mengindikasikan bahwa model sudah terbebas dari gejala heteroskedastisitas.

d. Uji Normalitas

Uji normalitas merupakan uji untuk mengetahui normalitas dari variabel pengganggu. Sebagaimana telah diketahui bahwa variabel pengganggu diasumsikan memiliki distribusi normal sehingga uji t dan F dapat dilakukan. Dengan demikian dapat dikatakan bahwa uji normalitas ini merupakan justifikasi penggunaan uji statistik t dan F. apabila asumsi normalitas tidak dapat dipenuhi, maka inferensi tidak dapat dilakukan dengan

statistik t dan F dan hanya dapat dilakukan dalam konteks asumsi asimptotik (Yuliadi, 2009: 62).

Pada uji normalitas, dikatakan tidak berdistribusi normal apabila dalam pengujian normalitas intinya adalah membuat perbandingan antara data yang diuji dengan data berdistribusi normal yang memiliki mean dari standar deviasi yang sama dengan data yang diuji. Jika hasil analisis menunjukkan nilai signifikansi kurang dari 0,05, artinya, artinya data tidak berditribusi normal, atau berbeda dengan kurva normal. Sebaliknya, jika hasil analisis memiliki nilai signifikansi lebih dari 0,05 maka data berdistribusi normal, yaitu memiliki data yang sama dengan distribusi normal. J. Alat Analisis

Alat analisis yang digunakan dalam penelitian ini adalah program eviews 10 dan SPSS 25.0 yang merupakan sebuah program komputer statistik yang berfungsi untuk membatu dalam memproses data-data statistik secara cepat dan tepat, serta menghasilkan berbagai output yang dikehendaki oleh para pengambil keputusan.

76 BAB IV ANALISIS DATA

A. Deskripsi Objek Penelitian

Objek dalam penelitian ini adalah perusahan yang terdaftar dalam Daftar Efek Syariah sektor perdagangan, jasa dan investasi periode tahun 2013-2017. Dalam penelitian ini menggunakan laporan keuangan pada

annual report tahunan dari setiap perusahaan. Perusahaan yang menjadi sampel dalam penelitian ini adalah:

Tabel 4.1 Objek Penelitian

No. Kode Nama Perusahaan

1. ACES PT. Ace Hardware Indonesia Tbk. 2. BMTR PT. Global Mediacom Tbk. 3.. CLPI PT. Colorpark Indonesia Tbk 4. CSAP PT. Catur Sentosa Adiprana Tbk. 5. ERAA PT. Erajaya Swasembada Tbk. 6. GEMA PT. Gema Grahasarana

7. INPP PT. Indoneisa Paradise Property Tbk. 8. JTPE PT. Jasuindo Tiga Perkasa Tbk. 9. KOIN PT. Kokoh Inti Arebama Tbk. 10. LTLS PT. Lautan Luas Tbk.

11. MFMI PT. Multifiling Mitra Indonesia Tbk. 12. MICE PT. Multi Indocitra Tbk.

13. MLPL PT. Multipolar Tbk.

14. MLPT PT. Multipolar Technology Tbk. 15. MTDL PT. Metrodata Electronics Tbk. 16. RALS PT. Ramayana Lestari Sentosa Tbk. 17. RANC PT. Supra Boga Lestasi

Sumber: Daftar Efek Syariah 201

Annual report diperoleh dari webiste masing-masing perusahaan yang menjadi sampel. Penelitian ini menguji bagaimana pengaruh Price

Earning Ratio (PER), Dividend Payout Ratio (DPR), Price to Book Value

(PBV) dan Economic Value Added (EVA) terhadap harga saham. B. Analisis Data

1. Uji Stasioneritas

Menurut Winarno dalam Rahmawati (2017) uji stasioneritas digunakan untuk menguji data time series agar data yang digunakan bersifat flat, tidak mengandung komponen trend dengan keragaman dan tidak terjadi fluktuasi periodik. Pada uji akar-akar unit ini pada prinsipnya untuk mengamati apakah koefisien tertentu dari model autokorelasi yang ditaksir mempunyai nilai satu atau tidak Yuliadi (2009: 57). Jika probability < 0,05 maka menunjukkan bahwa data stasioner, dan sebaliknya jika probability > 0,05 maka menunjukkan bahwa data tidak stasioner.

Tabel 4.2 Hasil Uji Root Test pada Level

No. Variabel Probability Keterangan

1. Harga Saham 0,0001 Stasioner

2. Price Earning Ratio (PER) 0,0000 Stasioner 3. Dividend Payout Ratio (DPR) 0,0000 Stasioner 4. Price to Book Value (PBV) 0,0000 Stasioner 5. Economic Value Added (EVA) 0,0000 Stasioner

Sumber: Data eviews yang diolah, 2018

Dari hasil pengujian pada tabel 4.2 menunjukkan bahwa semua variabel dalam penelitian adalah stasioner, karena nilai probability dari masing-masing variabel lebih kecil dari 0.05 atau kurang dari 5%.

2. Statistik Deskriptif

Menurut Sujarweni (2015: 29) statistik deskriptif adalah pengolahan data untuk tujuan mendeskripsikan atau memberi gambaran terhadap objek yang diteliti melalui data sample atau populasi. Data yang diolah dalam statistik deskriptif hanya satu variabel saja. Pada statistik deskriptif dapat menghasilkan tabel, grafik atau diagram. Uji ini membahas analisis data dan hasil penelitian tentang pengaruh PER, DPR, PBV dan EVA terhadap harga saham.

Tabel 4.3 Hasil Uji Statistik Deskriptif Descriptive Statistics

N Minimum Maximum Mean Std. Deviation Harga Saham 85 143.00 1900.00 608.6588 352.54377 PER 85 -30.90 297.30 20.0167 39.05846 DPR 85 -7.79 99.00 18.1391 20.61509 PBV 85 .16 5.70 1.6441 1.37548 EVA 85 -2066.30 1620.80 62.0529 351.40824 Valid N (listwise) 85

Sumber: Data SPSS yang diolah, 2018

Berdasarkan tabel 4.3 diketahui bahwa terdapat lima variabel penelitian (harga saham, PER, DPR, PBV dan EVA) dengan jumlah sampel 85 data observasi dari 17 perusahaan yang terdaftar pada DES sektor perdagangan jasa dan investasi periode 2013-2017.

Pada variabel harga saham dependen, nilai minimum terletak pada PT. Multipolar Tbk pada tahun 2017 yaitu sebesar Rp. 143,-. Nilai maksimum terletak pada PT. Global Mediacom Tbk tahun 2017 dengan nilai Rp. 19.000,-. Rata-rata dari harga saham adalah Rp. 608,6588,- dengan std. deviation sebesar 352,54377.

Pada variabel Price Earning Ratio (PER) nilai minimum terletak pada PT. Supra Boga Lestari Tbk pada tahun 2015 dengan nilai -30.9. Nilai maksimum terletak pada PT. Global Mediacom Tbk tahun 2015 dengan nilai 297.30. Rata-rata dari PER adalah 20,0167 dengan std. deviation 39,05846.

Pada variabel Dividend Payout Ratio (DPR) nilai minimum terletak pada PT. Multipolar Tbk tahun 2015 dengan nilai -7,79. Nilai maksimum terletak pada PT. Global Mediacom tahun sebesar 224.1. Rata-rata DPR adalah 18,1391 dengan std. deviation 20,61509.

Pada variabel Price to Book Value (PBV) nilai minimum terletak pada PT. Lautan Luas Tbk tahun 2013 dengan nilai 0.16. Nilai maksimum terletak pada PT. Ace Hardware Indonesia Tbk tahun 2014 sebesar 5.70. Rata-rata PBV adalah 1,6441 dengan std. deviation 1,37548.

Pada variabel Economic Value Added (EVA) nilai minimum terletak pada PT. Multipolar Tbk tahun 2014 dengan nilai -Rp.2.066,30 (dalam milyar rupiah). Nilai maksimum terletak pada PT. Metrodata Elektronics Tbk tahun 2014 sebesar Rp. 1.620,80 (dalam milyar rupiah). Rata-rata EVA adalah -Rp.62,0529 (dalam milyar rupiah) dengan std. deviation 351,40824

C. Uji Statistik

1. Uji Regresi Berganda

Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan membuat perkiraan nilai Y atas X. Data yang digunakan untuk variabel independen X dapat berupa data pengamatan yang tidak ditetapkan sebelumnya oleh peneliti atau disebut data primer maupun data yang telah ditetapkan (dikontrol) oleh peneliti sebelumnya atau disebut data sekunder (Lupiyoadi, 2015: 158).

Tabel. 4.4 Hasil Uji Regresi Berganda

Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 340.608 57.066 5.969 .000 PER 1.070 .907 .119 1.179 .242 DPR 4.020 1.724 .235 2.332 .022 PBV 105.122 24.374 .410 4.313 .000 EVA .014 .095 .014 .150 .881 a. Dependent Variable: Harga Saham

Sumber: Data SPSS yang diolah, 2018

Dari tabel tersebut, dapat disusun persamaan regresi linear berganda sebagai berikut:

Harga Saham = 340.606 + 1.070 PER + 4.0120 DPR + 105.122 PBV + 0.14 EVA + e

Berdasarkan persamaan regresi dari tabel 4.12 maka hasil regresi linear berganda dapat disimpulkan sebagai berikut:

1. Persamaan regresi linear berganda memiliki nilai konstanta sebesar 340,606. Besaran konstanta menunjukkan bahwa jika variabel-variabel independen (PER, DPR, PBV dan EVA) diasumsikan konstan, maka variabel dependen yaitu harga saham akan mengalami kenaikan sebesar 340,606.

2. Price Earning Ratio (PER) memiliki nilai koefisien 1,070 menunjukkan angka positif, namun setiap terjadi PER 1 satuan tidak mengalami kenaikan saham.

3. Dividend Payout Ratio (DPR) memiliki nilai koefisien 4,0120 menunjukkan angka positif yang artinya setiap kenaikan DPR 1 satuan maka akan diikuti kenaikan harga saham sebesar 4,0120 dengan asumsi nilai koefisien variabel independen lainnya tetap atau sama dengan nol.

4. Price to Book Value (PBV) memiliki nilai koefisien sebesar 105,122 menunjukkan angka positif yang artinya setiap kenaikan PBV 1 satuan maka akan diikuti kenaikan harga saham sebesar 105,122 dengan asumsi nilai koefisien variabel independen lainnya tetap atau sama dengan nol.

5. Economic Value Added (EVA) memiliki koefisien 0,14. Hal ini menujukkan angka positif, namun setiap kenaikan EVA 1 satuan tidak mengalami kenaikan harga saham.

2. Uji Determinasi (R²)

Tabel 4.5 Uji Determinasi Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .542^a .294 .258 303.62959 a. Predictors: (Constant), EVA, PBV, PER, DPR

Sumber: Data SPSS yang diolah, 2018

Dari hasil penelitian ini nilai dari koefisien kolerasi (R) sebesar 0,542 artinya hubungan antara variabel dependen Y (harga saham) dengan variabel independen (PER, DPR, PBV dan EVA) sebesar 0,542. Koefisien determinasi (R Square) sebesar 0,294 ini berarti kontribusi variabel independen (PER, DPR, PBV dan EVA) mempengaruhi variabel dependen (harga saham) sebesar 29,4% sedangkan 70,6% lain dijelaskan oleh variabel diluar variabel independen yang diteliti.

Menurut Lupiyoadi (2015: 167) uji simultan bertujuana untuk menguji apakah antar variabel terdapat hubungan yang linier. Pada penelitian ini untuk menguji apakah variabel PER, DPR, PBV, EVA dan harga saham, atau salah satu diantara variabel independen dengan harga saham.

Penarikan kesimpulan dengan uji F menurut Ghozali (2018: 98): Jika F hitung > F tabel, maka Ho ditolak dan Ha diterima

Jika F hitung < F tabel, maka Ho diterima dan Ha ditolak. Tabel 4.6 Hasil Uji F

ANOVA^a

Model Sum of Squares Df Mean Square F Sig. 1 Regression 3064842.924 4 766210.731 8.311 .000^b

Residual 7375274.181 80 92190.927 Total 10440117.106 84

a. Dependent Variable: Harga Saham

b. Predictors: (Constant), EVA, PBV, PER, DPR

Sumber: Data SPSS yang diolah, 2018

Berdasarkan dari hasil Uji F, diperoleh nila F 8.311 dan sig 0.000 kurang dari 0.05 hal ini menunjukkan bahwa variabel PER, DPR, PBV dan EVA secara simultan berpengaruh signifikan terhadap harga saham pada perusahaan yang terdaftar dalam efek syariah sektor perdagangan, jasa dan industri tahun 2013-2017.

4. Uji Statistik t

Menurut Lupiyoadi (2015: 168) uji t-parsial digunakan untuk menguji apakah sebuah variabel bebas benar-benar memberikan pengaruh terhadap variabel terikat. Menurut Sujarweni (2015: 103)

jika signifikansi > 0.05 maka Ho diterima, sedangkan jika signifikansi < 0.05 maka Ho ditolak.

Tabel 4.7 Hasil Uji t

Coefficients^a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 340.608 57.066 5.969 .000 PER 1.070 .907 .119 1.179 .242 DPR 4.020 1.724 .235 2.332 .022 PBV 105.122 24.374 .410 4.313 .000 EVA .014 .095 .014 .150 .881 a. Dependent Variable: Harga Saham

Sumber: Data SPSS yang diolah, 2018

Berdasarkan hasil uji di atas menunjukka bahwa nilai PER positif dengan signifikansi lebih dari 0,05 maka PER tidak berpengaruh terhadap harga saham. Nilai DPR positif dengan signifikansi kurang dari 0,05 maka DPR berpengaruh positif signifikan terhadap harga saham. Nilai PBV positif dengan signifikansi kurang dari 0,05 maka PBV berpengaruh positif signifikan terhadap harga saham. Nilai EVA positig dengan signifikansi lebih dari 0,05 maka EVA tidak berpengaruh terhadap harga saham.

D. Uji Asumsi Klasik

Dalam dokumen Analisis Pengaruh Price Earning Ratio (PER), Devidend Payout Ratio (DPR), Price To Book Value (PBV) Ratio dan Economic Value Added (EVA) Terhadap Harga Saham (Studi Kasus Pada Perusahaan-Perusahaan yang Terdaftar dalam Efek Syariah Sektor Perdagangan, Jas (Halaman 88-104)