i BAB III
METODOLOGI PENELITIAN 3.1 Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini adalah jenis penelitian
assosiatif kausal, yaitu “penelitian yang bertujuan untuk mengetahui pengaruh
antara dua variabel atau lebih” (Sugiyono, 2007:11).
3.2 Jenis dan Sumber Data
Jenis data yang digunakan peneliti adalah data sekunder. “Data sekunder
merupakan data primer yang diolah lebih lanjut, misalnya dalam bentuk tabel,
grafik, diagram, gambar dan sebagainya sehingga lebih informatif jika digunakan
oleh pihak lain” (Umar, 2003:60). Data yang dikumpulkan berupa data kuantitatif
yaitu data yang diukur dalam skala rasio dan merupakan data sekunder yang
diperoleh melalui situs www.idx.co.id.
Menurut waktu pengumpulannya, data yang digunakan menggunakan data
time series yaitu “sekumpulan data dari suatu fenomena tertentu yang didapat
dalam beberapa interval waktu tertentu misalnya mingguan, bulanan atau
tahunan” (Umar, 2003:61). Penelitian ini menggunakan data selama 4 tahun
(series) yaitu tahun 2010–2013.
3.3 Populasi dan Sampel Penelitian
“Populasi adalah wilayah generalisasi yang terdiri atas objek atau subjek yang
mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
i
yang digunakan dalam penelitian ini adalah semua perusahaan otomotif yang
terdaftar di Bursa Efek Indonesia yang berjumlah 18 perusahaan.
Menurut Erlina dan Mulyani (2007:74), “sampel adalah bagian populasi yang
digunakan untuk memperkirakan karakteristik populasi.” Metode pengambilan
sampel dilakukan dengan teknik purposive sampling. Menurut Jogiyanto
(2004:79), “purposive sampling adalah teknik pengambilan sampel berdasarkan
suatu kriteria tertentu.” Adapun kriteria dalam pengambilan sampel pada
penelitian ini yaitu sebagai berikut :
1. Seluruh perusahaan sektor industri otomotif yang terdaftar di BEI pada
tahun 2010 hingga tahun 2013.
2. Seluruh perusahaan sektor industri otomotif yang mempublikasikan
laporan keuangannya dalam mata uang rupiah pada situs Bursa Efek
Indonesia BEI tahun 2010 hingga tahun 2013. (www.idx.co.id).
3. Perusahaan tersebut memiliki laporan keuangan yang lengkap dan
mempunyai laporan auditor independen yang dipublikasikan.
Berikut ini adalah sampel penelitian yang telah dilakukan dengan purposive
i Tabel 3.1
Populasi dan Sampel Penelitian
Sumber : Diolah penulis, 2014
No Kode Nama Kriteria
Sampel
1 2 3
1 ASII PT Astra
Internasional Tbk 1
2 AUTO PT Astra Otoparts
Tbk 2 3 GJTL PT Gajah Tunggal Tbk 3 4 GDYR PT Goodyear Indonesia Tbk - 5 HEXA PT Hexindo Adiperkasa Tbk -
6 BRAM PT Indo Kordsa
Tbk - 7 IMAS PT Indomobil Sukses Internasional Tbk 4 8 INDS PT Indospring Tbk 5
9 INTA PT Intraco Penta
Tbk 6
10 LPIN PT Multi Prima
Sejahtera Tbk 7 11 MASA PT Multistrada Arah Sarana Tbk - 12 NIPS PT Nippres Tbk 8 13 POLY PT Polychem Indonesia Tbk -
14 PRAS PT Prima Alloy
Tbk 9
15 SMSM PT Selamat
Sempurna Tbk 10
16 SUGI PT Sugi
Samapersada Tbk -
17 TURI PT Tunas Ridean
Tbk 11
18 UNTR
PT United Tractor
i 3.4 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah
dokumentasi, yaitu peneliti melakukan pengumpulan data sekunder atau data yang
diperoleh secara tidak langsung atau melalui media perantara yaitu internet
melalui situs Bursa Efek Indonesia dengan melihat laporan keuangan yang
diterbitkan setiap tahunnya baik dalam media cetak maupun data yang diunduh
dari internet melalui www.idx.co.id.
3.5 Variabel Penelitian dan Definisi Operasional Variabel 3.5.1 Variabel penelitian
3.5.1.1. Variabel bebas (independent variable)
“Variabel independen yaitu variabel yang mempengaruhi atau
yang menjadi sebab perubahannya atau timbulnya variabel dependen”
(Sugiyono, 2008:59). Adapun variabel independen yang digunakan
dalam penelitian ini adalah sebagai berikut :
a. Return On Asset (X1) yaitu rasio yang mengukur tingkat
pengembalian investasi yang telah dilakukan perusahaan
dengan menggunakan seluruh dana (aset) yang dimilikinya.
dapat diukur dengan rumus sebagai berikut:
𝑅𝑒𝑡𝑢𝑟𝑛 𝑜𝑛 𝐴𝑠𝑠𝑒𝑡 =Laba Bersih Total Asset
b. Debt to Equity Ratio (X2) merupakan rasio yang digunakan
untuk menilai utang dengan ekuitas. Rasio ini dapat diukur
i
𝐷𝑒𝑏𝑡 𝑡𝑜 𝐸𝑞𝑢𝑖𝑡𝑦 𝑅𝑎𝑡𝑖𝑜 = Total Liabilitas Total Modal
c. Total Asset Turn Over (X3) merupakan rasio yang
menunjukkan perputaran total aset diukur dari volume
penjualan. Rasio ini dapat diukur dengan:
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡 𝑇𝑢𝑟𝑛𝑜𝑣𝑒𝑟 =PenjualanTotal Aset
d. Earning Per Share (X4) merupakan laba yang diperoleh
perusahaan per lembar saham. Rasio ini dapat diukur dengan:
𝐸𝑎𝑟𝑛𝑖𝑛𝑔 𝑝𝑒𝑟 𝑆ℎ𝑎𝑟𝑒 =Jumlah SahamLaba Bersih
e. Price Earning Ratio (X5) merupakan rasio yang mengukur
perbandingan antara market price per share (harga pasar per
lembar saham) dengan earning per share (laba per lembar
saham). Rasio dapat diukur dengan rumus sebagai berikut:
𝑃𝑟𝑖𝑐𝑒 𝐸𝑎𝑟𝑛𝑖𝑛𝑔 𝑅𝑎𝑡𝑖𝑜 = Harga Saham di Pasar 𝐸𝑎𝑟𝑛𝑖𝑛𝑔 𝑃𝑒𝑟 𝑆�𝑎𝑟𝑒 x 100% f. Current Ratio (X6) merupakan perbandingan antara total aset
lancar dengan kewajiban lancar (current assets/current
liabilities). Rasio ini dapat diukur dengan rumus: 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝑅𝑎𝑡𝑖𝑜 = Hutang Lancar X 100%Aset Lancar
3.5.1.2 Variabel terikat (dependent variable)
“Variabel dependen adalah variabel yang dipengaruhi atau
i
Dalam penelitian ini, yang menjadi variabel dependen adalah return
saham.
3.5.2. Definisi operasional variabel
Operasional variabel penelitian ini dapat dilihat secara lebih lengkap
pada tabel di bawah ini :
Tabel 3.2 Definisi Operasional Nama
variabel Definisi Operasional Parameter Yang Digunakan Skala Return
Saham
Pengembalian
atas investasi yang akan diterima investor pada masa mendatang
Ri, t =Pi, t − Pi, t − 1 x100%Pi, t − 1
Rasio
Return On Asset
Rasio ini menunjukkan perputaran aset diukur dari volume penjualan
ROA = Penjualan BersihTotal aset Rasio
Debt to
Equity Rasio yang digunakan untuk menilai utang
dengan ekuitas DER =
Total Liabilitas
Total Modal Rasio
Total Asset Turn Over
Rasio ini menunjukkan perputaran total aset diukur dari volume penjualan
TATO =Total Asset Penjualan Rasio
Earning Per Share
Rasio yang
menunjukkan besarnya laba yang diperoleh perusahaan per lembar saham
𝐸𝑃𝑆 =Jumlah SahamLaba bersih Rasio
Price Earning Ratio
rasio yang menunjukkan perbandingan antara
market price per share
(harga pasar per lembar
i Nama
variabel Definisi Operasional Parameter Yang Digunakan Skala
saham) dengan earnine
per share (laba per
lembar saham) Current Ratio Rasio yang menunjukkan perbandingan antara total aset lancar dengan kewajiban lancar (current assets/current
liabilities)
𝐶𝑅 = Aset lancar
Hutang LancarX 100% Rasio
Sumber : diolah Penulis, 2014
3.6 Metode Analisis Data
Metode analisis data dalam penelitian ini menggunakan analisis statistik
dengan menggunakan software SPSS 20. Tahap awal yang dilakukan sebelum
melakukan pengujian hipotesis yaitu uji asumsi klasik. Pengujian asumsi klasik
yang dilakukan terdiri dari uji normalitas, uji multikolinieritas, uji
heteroskedastisitas dan uji autokorelasi. Untuk pengujian hipotesis, dilakukan
analisis uji t dan uji F.
3.6.1 Pengujian asumsi klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi
asumsi klasik. Adapun pengujian asumsi klasik yang digunakan dalam
penelitian ini adalah, uji normalitas, uji multikolinieritas, uji
i 3.6.1.1 Uji Normalitas
“Uji normalitas bertujuan untuk menguji apakah variabel dalam
model regresi variabel pengganggu atau residual memiliki distribusi
normal” (Ghozali, 2006:110). Model regresi yang baik adalah yang
memiliki distribusi data normal atau mendekati normal.Histogram atau
pola distribusi data normal dapat digunakan untuk melihat normalitas
data. Uji Kolmogrov Smirnov, dalam uji pedoman yang digunakan
dalam pengambilan keputusan yaitu:
a. jika nilai signifikansi < 0.05 maka distribusi data tidak
normal,
b. jika nilai signifikansi > 0.05 maka distribusi data normal.
Menurut Ghozali (2006:112),“pada prinsipnya normalitas data
dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu
diagonal dari grafik atau dengan melihat histogram dari residualnya.”
Dasar pengambilan keputusan:
1) jika data menyebar di sekitar garis diagonal dan mengikuti
arah garis diagonal atau grafik histogramnya menunjukkan
pola distribusi normal, maka model regresi memenuhi asumsi
normalitas.
2) jika data menyebar jauh dari diagonal dan atau tidak
mengikuti arahgaris diagonal atau grafik histogram tidak
menunjukkan pola distribusi normal, maka model regresi
i 3.6.1.2 Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah model
regresi ditemukan adanya korelasi di antara variabel independen. Model
regresi yang baik seharusnya tidak terjadi korelasi di antara variabel
independen.
Erlina dan Mulyani (2007:107), menyatakan “Multikolinearitas
merupakan kondisi dimana terjadi korelasi antar variabel-variabel
independen suatu penelitian atau dengan kata lain bersifat ortogonal.”
Variabel-variabel independen yang bersifat ortogonal adalah variabel
yang memiliki nilai korelasi di antara sesamanya sama dengan nol. Jika
terjadi korelasi sempurna diantara sesama variabel independen, maka
konsekuensinya adalah:
(a) koefisien-koefisien regresi menjadi tidak dapat ditaksir
(b) nilai standar error setiap koefisien regresi menjadi tak
terhingga
Jika terjadi korelasi, maka terdapat masalah multikolinearitas.
Pengujian dilakukan dengan nilai VIF (Variance Inflation Factor) dari
model penelitian. Jika nilai VIF lebih dari 2 maka dapat dikatakan
bahwa telah terjadi gejala multikolinearitas dalam model penelitian. Di
samping itu, “suatu model dikatakan terdapat gejala multikolinearitas,
jika korelasi di antara variabel independen lebih besar dari 0.9”
i
Menurut Ghozali (2005:91), cara yang dapat dilakukan jika
terjadi multikolinearitas yaitu:
1. Mengeluarkan salah satu atau lebih variabel independen yang
mempunyai korelasi tinggi dari model regresi dan
indentifikasi variabel independen lainnya untuk membantu
prediksi
2. Menggabungkan data cross section dan time series (pooling
data)
3. Menambah data penelitian.
3.6.1.3 Uji Heteroskedastisitas
Menurut Situmorang et al. (2009:63), “Heteroskedastisitas dapat
dikatakan sebagai suatu situasi dimana dalam sebuah grup terdapat
varians yang tidak sama diantara sesama anggota grup tersebut.” Uji
heteroskedastisitas digunakan untuk menguji apakah dalam suatu model
regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Jika varians dari residual di antara pengamatan
tersebut tetap, maka disebut homokedastisitas. Cara yang digunakan
untuk mendeteksi ada tidaknya heteroskedastisitas pada suatu model
dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada
gambar Scatterplot yang menyatakan model regresi linier berganda
tidak terdapat heteroskedastisitas jika:
1. Titik-titik data menyebar di atas dan di bawah atau di sekitar
i
2. Titik-titik data tidak mengumpul hanya di atas atau di bawah
saja
3. Penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar
kembali
4. Penyebaran titik-titik data sebaiknya tidak berpola.
Menurut Situmorang, et.al. (2009:76), ada dua cara perbaikan
heteroskedastisitas, yaitu :
1. Bila varians 𝜏2𝑖 diketahui, maka metode yang digunakan adalah dengan cara kuadrat terkecil tertimbang yang
meminimumkan pentingnya observasi yang penting dengan
memberikan bobot pada observasi tadi secara proporsional
dengan kebalikan dari variansnya.
2. Bila varians 𝜏2𝑖 tidak diketahui, dimana pengetahuan mengenai 𝜏2𝑖 biasanya merupakan hal yang jarang dimiliki. Sebagai akibatnya, orang biasanya membuat suatu asumsi
yang masuk akal & mentransformasikan data atau membuat
gangguan (disturbance) data yang telah ditransformasikan
bersifat homokesdastisitas. Misal model persamaannya:
Y = b0 + b1x1 + b2x2,
ditransformasikan menjadi:
i 3.6.1.4 Uji Autokorelasi
“Uji autokorelasi bertujuan untuk menguji apakah dalam model
regresi linier ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1 (sebelumnya)” (Ghozali, 2006:95).
Autokorelasi muncul karena observasi yang berurutan sepanjang tahun
yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan
dalam time series. Ada beberapa cara untuk menguji adanya
autokorelasi seperti metode grafik, uji LM, Uji Runs dan lain-lain. Uji
Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu (first
autocorelation) dan mensyaratkan adanya intercept (konstanta) dalam
model regresi dan tidak ada variabel lagi diantara variabel dependen.
Kriteria untuk penilaian terjadinya autokorelasi yaitu:
Tabel 3.3
Pengambilan Keputusan Uji Durbin-Watson (DW-Test)
Sumber : Siagian, (2011)
Menurut Situmorang et al.(2009:78), Autokorelasi dapat di
definisikan sebagai suatu keadaan dimana adanya korelasi diantara
anggota serangkaian observasi yang diurutkan menurut waktu (time
Hipotesis Nol Keputusan Jika
Tidak ada autokorelasi positif Tolak 0 < d <dl Tidak ada autokorelasi poitif No decision dl < d < du Tidak ada korelasi negatif Tolak 4 - dl < d < 4 Tidak ada korelasi negatif No Decision 4 - du < d < 4 – dl Tidak ada autokorelasi positif Tidak ditolak du < d < 4 – du atau negatif
i series) atau ruang (crosssection). Autokorelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini
timbul dikarenakan residual atau kesalahan pengganggu tidak bebas
dari satu observasi ke observasi lainnya. Model regresi yang baik
adalah regresi yang bebas dari autokorelasi.
Pada penelitian ini, uji autokorelasi dideteksi dengan uji Durbin-
Watson, karena uji ini yang umum digunakan. Uji ini hanya digunakan
untuk autokorelasi tingkat pertama (first order autokorelasi) dan
mensyaratkan adanya intercept (konstanta) dalam model regresi.
3.7 Pengujian Hipotesis Penelitian
Pengujian hipotesis dalam penelitian ini dilakukan dengan analisis regresi
berganda, uji sgnifikansi t-test serta uji signifikansi f-test. Menurut Rochaety, dkk
(2007:107) “ …dengan uji hipotesis kita memusatkan perhatian pada peluang kita
membuat keputusan yang salah. Hipotesis diterima atau ditolak berdasarkan
informasi yang terkandung dalam sampel tetapi menggambarkan keadaan
populasi.”
3.7.1 Analisis regresi berganda
Menurut Rochaety, dkk (2007:142) “regresi berganda bertujuan untuk
menghitung besarnya pengaruh dua atau lebih variabel bebas terhadap satu
variabel terikat dan memprediksi variabel terikat dengan menggunakan dua
atau lebih variabel bebas.” Model persamaannya adalah sebagai berikut:
i
Keterangan:
Y = variabel dependen yaitu return saham.
a = intercept/koefisien yang menyatakan perubahan rata-rata variabel
dependen untuk setiap variabel independen sebesar satu atau yang
disebut konstanta.
b1, b2, b3, b4, b5, b6 = angka arah atau koefisien regresi yang menunjukkan
angka peningkatan ataupun penurunan variabel dependen yang
didasarkan pada variabel independen. Bila b (+) maka terjadi kenaikan
pada variabel dependen dan bila b (-) maka akan terjadi penurunan pada
variabel.
X1 = Return on Asset
X2 = Debt to Equity Ratio
X3 = Total Asset Turn Over
X4 = Earning Per Share
X5 = Price Earning Ratio
X6 = Current Ratio
e = error
3.7.2 Uji signifikansi parsial (t-test)
Menurut Ghozali (2006:84) “uji statistik t pada dasarnya menunjukkan
seberapa jauh pengaruh satu variabel penjelas/independen secara individual
dalam menerangkan variabel dependen.” Uji t merupakan suatu cara untuk
mengukur apakah suatu variabel independen bukan merupakan penjelas yang
i
menghitung serta melihat nilai signifikansinya. Uji t mempunyai ketentuan
sebagai berikut:
Ho diterima jika signifikansi > 0.05
Ha diterima jika signifikansi < 0.05
3.7.3 Uji signifikasi simultan (F-test)
Uji F digunakan untuk menunjukkan apakah semua variabel independen
yang dimasukkan dalam model memiliki pengaruh secara bersama-sama
terhadap variabel dependen. Uji ini digunakan untuk melihat pengaruh
variabel independen yaitu Return On Asset, Debt to Equity Ratio, Total Asset
Turn Over, Earning Per Share, Price Earning Ratio, dan Current Ratio
berpengaruh terhadap return saham secara simultan. Bentuk pengujiannya
adalah:
Ho : b1 = 0, artinya suatu variabel independen secara simultan tidak
berpengaruh terhadap variabel dependen.
Ha : b1 ≠ 0, artinya suatu variabel independen secara simultan berpengaruh terhadap variabel dependen.
Kriteria pengambilan keputusan:
Ho diterima jika signifikansi > 0.05
i BAB IV
HASIL PENELITIAN DAN PEMBAHASAN 4.1 Data Penelitian
Populasi yang diteliti dalam penelitian ini adalah perusahaan otomotif yang
terdaftar di Bursa Efek Indonesia (BEI) selama tahun 2010-2013. Perusahaan
yang dijadikan sampel berjumlah 12 perusahaan, sehingga data penelitian secara
keseluruhan berjumlah 48 (12 x 4) sampel. Daftar perusahaan yang telah
ditentukan dapat dilihat pada lampiran.
4.2 Analisis Hasil Penelitian 4.2.1 Statistik deskriptif
Statistik deskriptif dalam penelitian ini hanya mendeskripsikan sampel
dan tidak membuat kesimpulan yang berlaku untuk populasi dimana sampel
diambil. Menurut Ghozali (2006:78), “statistik deskriptif memberikan
gambaran atau deskripsi suatu data yang dapat dilihat dari rata-rata (mean),
standar deviasi, varian, maksimum, minimum, sum, range dan kemencengan
distribusi.”
Peneliti menggunakan metode statistik deskriptif dalam penelitian ini
yaitu penelitian yang dilakukan untuk memperoleh gambaran yang
sebenarnya tentang kondisi perusahaan yang dianalisis. Statistik deskriptif
memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai
rata-rata (mean), nilai standar deviasi, variabel independen, dan variabel
i Tabel 4.1
Descriptive Statistics
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
RETURNSAHAM 48 1.50 784.00 79.6208 154.40530 ROA 48 .07 21.93 8.8794 5.41093 DER 48 13.91 1438.30 164.6040 236.99784 TATO 48 39.00 326.00 118.9633 73.18383 EPS 48 .52 1896.00 439.5442 481.80442 PER 48 1.19 211.30 21.4714 36.01371 CR 48 73.70 385.60 165.0879 63.33911 Valid N (listwise) 48
Sumber : Output SPSS, diolah Penulis, 2014
Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa :
a. Variabel Return On Asset (X1) memiliki sampel (N) sebanyak 48
dengan nilai minimum (terkecil) 0.07, nilai maksimum (terbesar)
21.93 dan mean (nilai rata-rata) 8.8794. Standar Deviasi (simpangan
baku) variabel ini adalah 5.41093.
b. Variabel Debt to Equity Ratio (X2) memiliki sampel (N) sebanyak 48
dengan nilai minimum (terkecil) 13.91, nilai maksimum (terbesar)
1438.30 dan mean (nilai rata-rata) 164.6040. Standar Deviasi
(simpangan baku) variabel ini adalah 236.99784.
c. Variabel Total Asset Turn Over (X3) memiliki sampel (N) sebanyak
48 sampel dengan nilai minimum (terkecil) 39.00, nilai maksimum
(terbesar) 326.00 dan mean (nilai rata-rata) 118.9633. Standar
Deviasi (simpangan baku) variabel ini adalah 73.18383.
d. Variabel Earning Per Share (X4) memiliki sampel (N) sebanyak 48
i
(terbesar) 1896.00 dan mean (nilai rata-rata) 439.5442. Standar
Deviasi (simpangan baku) variabel ini adalah 481.80442.
e. Variabel Price Earning Ratio (X5) memiliki sampel (N) sebanyak 48
sampel dengan nilai minimum (terkecil) 1.19, nilai maksimum
(terbesar) 211.30 dan mean (nilai rata-rata) 21.4714. Standar Deviasi
(simpangan baku) variabel ini adalah 36.01371.
f. Variabel Current Ratio (X6) memiliki sampel (N) sebanyak 48
sampel dengan nilai minimum (terkecil) 73.70, nilai maksimum
(terbesar) 385.60 dan mean (nilai rata-rata) 165.0879. Standar
Deviasi (simpangan baku) variabel ini adalah 63.33911.
g. Variabel Return Saham (Y) memiliki sampel (N) sebanyak 48
dengan nilai minimum (terkecil) 1.50, nilai maksimum (terbesar)
784.00 dan mean (nilai rata-rata) 79.6208. Standar Deviasi
(simpangan baku) variabel ini adalah 154.40530.
h. Jumlah sampel yang ada sebanyak 48 sampel.
4.2.2 Uji asumsi klasik
Syarat yang menjadi dasar penggunaan model regresi berganda dengan
metode estimasi Ordinary Least Square (OLS) adalah dipenuhinya semua
asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien (Best Linear
Unbiased Estimator). Best artinya yang terbaik, dalam arti garis regresi
merupakan estimasi atau ramalan yang baik dari suatu sebaran data. Garis
regresi merupakan cara memahami pola hubungan antara dua seri data atau
i
terkecil. Error itu sendiri adalah perbedaan antara nilai observasi dan nilai
yang diramalkan oleh garis regresi. Jika best disertai sifat unbiased, maka
estimator regresi disebut efisien. Estimator regresi akan disebut linear
apabila, estimator itu merupakan fungsi linear dari sampel. Pengujian asumsi
klasik dalam penelitian ini dilakukan dengan bantuan program statistik.
Menurut Ghozali (2006:123), asumsi klasik yang harus dipenuhi adalah:
• Berdistribusi normal.
• Non-Multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna.
• Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidaksaling berkorelasi.
• Non-Heterokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
4.2.2.1 Uji Normalitas
Pengujian ini dilakukan untuk mengetahui apakah variabel
penggangu atau residual terdistribusi secara normal. Uji normalitas
dapat dilakukan dengan dua cara yaitu dengan analisis grafik dan
analisis statistik.
Analisis grafik digunakan dengan dua cara yaitu grafik
histogram dan grafik P-P Plot. Data yang terdistribusi secara normal
adalah data yang terdistribusi dengan garis titik-titik berbentuk lonceng
pada grafik histogramnya, titik tersebut tidak mengarah ke kiri atau ke
kanan. Pada grafik P-P Plot, data akan menyebar disekitar garis
diagonal dan mengikuti arah garis diagonal apabila data tersebut
terdistribusi secara normal. Berikut hasil uji normalitas dengan
i Gambar 4.1
Uji Normalitas Data
Sumber : Output SPSS, diolah Penulis, 2014
Gambar 4.2 Uji Normalitas Data
i
Berdasarkan tampilan grafik histogram pada gambar 4.1 dapat
terlihat bahwa gambarnya berbentuk lonceng dan melenceng ke kiri dan
grafik P-P Plots pada gambar 4.2 dapat terlihat bahwa titik-titik
menyebar menjauhi arah garis diagonal. Hasil ini menunjukkan bahwa
data tidak dapat dikatakan terdistribusi secara normal. Cara agar data
terdistribusi secara normal adalah dengan melakukan regresi dengan
persamaan semilog yaitu variabel dependen dalam bentuk logaritma
natural dan variabel independen dalam bentuk aslinya atau tidak
berubah. Berikut adalah hasil yang diperoleh setelah melakukan
persamaan semilog.
Gambar 4.3 Uji Normalitas Data
i Gambar 4.4
Uji Normalitas Data
Sumber : Output SPSS, diolah Penulis, 2014
Berdasarkan tampilan grafik histogram pada gambar 4.3 dapat
terlihat bahwa gambarnya berbentuk lonceng dan grafik P-P Plots pada
gambar 4.4 dapat terlihat bahwa titik-titik menyebar mengikuti arah
garis diagonal. Hasil ini menunjukkan bahwa data dapat dikatakan
terdistribusi secara normal.
Data belum dapat dikatakan terdistribusi secara normal apabila
hanya dilakukan uji normalitas dengan melihat grafik histogram,
maupun grafik P-P Plot, oleh karena itu perlu diadakannya uji statistik,
untuk meyakinkan data terdistribusi secara normal. Maka dilakukan uji
statistik dengan Kolmogorov-Smirnov (K-S). Data dikatakan
terdistribusi secara normal apabila nilai signifikansinya lebih besar dari
i Tabel 4.2
Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parametersa,b Mean 0E-7
Std. Deviation 1.33601489
Most Extreme Differences
Absolute .110
Positive .066
Negative -.110
Kolmogorov-Smirnov Z .762
Asymp. Sig. (2-tailed) .607
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS, diolah penulis, 2014
Dari tabel 4.2 di atas menunjukkan bahwa hasil pengujian
statistik dengan menggunakan model Kolmogorov-Smirnov
menunjukkan bahwa data telah terdistribusi secara normal. Hal tersebut
dapat dilihat dari hasil Asymp. Sig. (2-tailed) sebesar 0.607 yaitu lebih
besar dari 0.05. Sesuai dengan ketentuan rentang data yang telah
ditentukan di atas, maka data terdistribusi normal.
4.2.2.2 Uji Multikolinieritas
Ada atau tidaknya multikolinieritas dalam model regresi, dapat
dilihat dari nilai tolerance dan lawannya.nilai Variance Inflatin Factor
(VIF).
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya.
Tolerance mengukur variabilitas variabel independen yang
i
Jadi, nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi (karenaVIF =1/tolerance). Nilai cut off yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai
Tolerance < 0,10 atau sama dengan VIF > 10 (Ghozali, 2006:
91).
Tabel 4.3
Hasil Uji Multikolinearitas
Coefficients
Coefficientsa
Model Collinearity Statistics
Tolerance VIF LN_ROA .496 2.018 LN_DER .440 2.272 LN_TATO .847 1.181 LN_EPS .494 2.026 LN_PER .562 1.779 LN_CR .456 2.195
a. Dependent Variable: LN_RETURNSAHAM
Sumber : Output SPSS, diolah penulis, 2014
Pada penelitian ini, penulis menggunakan uji multikoliniearitas
untuk mendeteksi apakah terdapat gejala multikolinearitas dalam
penelitian yaitu dengan melihat besaran korelasi antar variabel
independen dan besarnya tingkat kolinearitas yang masih dapat
ditoleransi. Berdasarkan tabel 4.3 di atas, dapat disimpulkan bahwa
i
menunjukkan bahwa masing–masing variabel independen yang
digunakan dalam penelitian, memiliki nilai Tolerance yang lebih besar
dari 0.10 yaitu nilai tolerance ROA sebesar 0.496, nilai tolerance DER
sebesar 0.440, nilai tolerance TATO sebesar 0.847, nilai tolerance EPS
sebesar 0.494, nilai tolerance PER sebesar 0.562, nilai tolerance CR
sebesar 0.456. Perhitungan VIF juga menunjukkan hal yang sama, yaitu
variabel independen memiliki nilai VIF yang kurang dari 10 yaitu nilai
VIF untuk ROA sebesar 2.018, nilai VIF untuk DER sebesar 2.272,
nilai VIF untuk TATO sebesar 1.181, nilai VIF untuk EPS sebesar
2.026, nilai VIF untuk PER sebesar 1.779, nilai VIF untuk CR sebesar
2.195. Maka dari hasil tabel secara keseluruhan menunjukkan bahwa
tidak terdapatnya multikolinearitas antar variabel independen dalam
model ini.
4.2.2.3 Uji Heterokedatisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah dalam
model regresi terdapat ketidaksamaan varians dari residual satu
pengamatan ke pengamatan lainnya. Jika varians yang satu dengan
pengamatan yang lain tetap maka disebut homokedastisitas dan jika
variansnya berbeda maka disebut heteroskedastisitas. Ghozali
(2006:105) menyatakan bahwa “model regresi yang baik adalah tidak
terjadi heteroskedastisitas.”
Dalam penelitian ini, untuk mendeteksi ada atau tidaknya gejala
i
dari pengolahan data dengan menggunakan program SPSS. Dasar
keputusannya adalah:
1. Jika ada pola tertentu, seperti titik-titik yang membentuk pola
tertentu yang teratur (bergelombang, melebar kemudian
menyempit), maka mengidentifikasi 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
Berikut ini dilampirkan grafik Scatterplot untuk menganalis
apakah terjadi heterokedastisitas.
Gambar 4.5 Uji Heteroskedastisitas
Sumber : Output SPSS, diolah Penulis, 2014
Grafik Scatterplot terlihat bahwa titik-titik menyebar secara
i
Y, sehingga dapat disimpulkan bahwa tidak terjadi heterokedastisitas
pada model regresi. Alasan mengapa titik–titik menyebar menjauh dari
titik–titik yang lain dikarenakan data penelitian yang berbeda antara
data yang satu dengan data yang lain.
4.2.2.4 Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi
antara residual pada satu observasi dengan observasi lain pada model
regresi. Uji yang digunakan untuk mendeteksi ada atau tidaknya
autokorelasi dalam penelitian ini adalah dengan menggunakan uji
Durbin-Watson. Uji Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu (first autocorection) dan mensyaratkan adanya
intercept (konstanta) dalam model regresi dan tidak ada variabel lagi di
antara variabel dependen. Kriteria untuk penilaian terjadinya
autokorelasi yaitu:
Tabel 4.4
Pengambilan Keputusan Uji Durbin-Watson (DW-Test)
Sumber : Siagian, (2011)
Hipotesis Nol Keputusan Jika
Tidak ada autokorelasi positif Tolak 0 < d <dl Tidak ada autokorelasi poitif No decision dl < d < du Tidak ada korelasi negatif Tolak 4 - dl < d < 4 Tidak ada korelasi negatif No Decision 4 - du < d < 4 – dl Tidak ada autokorelasi positif Tidak ditolak du < d < 4 – du atau negatif
i
Berikut adalah hasil uji korelasi:
Tabel 4.5
Hasil Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the
Estimate
Durbin-Watson
1 .374a .140 .014 1.43044 2.030
a. Predictors: (Constant), LN_CR, LN_TATO, LN_PER, LN_ROA, LN_EPS, LN_DER b. Dependent Variable: LN_RETURNSAHAM
Sumber : Output SPSS, diolah penulis, 2014
Hasil pengujian pada tabel 4.5 menunjukkan bahwa nilai Durbin-Watson
adalah 2.030. Nilai ini akan kemudian diuji berdasarkan ketentuan ada tidaknya
gejala autokorelasi, yakni jika nilai Durbin-Watson (D-W) ada pada batas du
(atas) dan 4-du (du < D-W < 4-du), model regresi tidak mengalami gejala
autokorelasi. Nilai signifikansi yang digunakan adalah 5% dengan jumlah sampel
48 (N = 48) dan jumlah variabel independen sebanyak tiga (k = 6), maka dari
tabel data statistik Durbin-Watson diperoleh nilai batas bawah (dl) sebesar 1.31
dan nilai batas atas (du) sebesar 1.72. Nilai D-W (2.030) berada di antara du
(1.31) dan 4-du (2.28) atau 1.31 < 2.030 < 2.28. Dengan demikian dapat
disimpulkan bahwa model regresi tidak mengalami gejala autokorelasi, sehingga
i 4.2.3 Analisis regresi
4.2.3.1 Analisis Regresi Berganda
Berdasarkan hasil uji asumsi klasik, disimpulkan bahwa model
regresi yang dipakai dalam penelitian ini telah memenuhi model
estimasi yang Best Linear Unbiased Estimstor (BLUE) dan sudah layak
untuk dilakukan analisis statistik selanjutnya yaitu melakukan
pengujian hipotesis. Hasil pengolahan data dengan analisis regresi
adalah sebagai berikut:
Tabel 4.6
Hasil Analisis Regresi
Coefficientsa
Model
Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) -1.639 6.087 -.269 .789 LN_ROA .189 .271 .143 .697 .490 LN_DER .509 .339 .327 1.498 .142 LN_TATO -.201 .412 -.077 -.489 .627 LN_EPS -.215 .181 -.245 -1.190 .241 LN_PER -.520 .298 -.337 -1.745 .088 LN_CR 1.137 .855 .285 1.330 .191
a. Dependent Variable: LN_RETURNSAHAM
i
Berdasarkan tabel 4.6 di atas, maka persamaan regresi linear
berganda sebagai berikut :
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 + e
Return Saham = -1.639 + (0.189) ROA + (0.509) DER + (-0.201) TATO +
(-0.215) EPS + (-0.520) PER + (1.137) CR + e
Keterangan:
1) Konstansta sebesar -1.639 menunjukkan bahwa apabila tidak
ada variabel independen (X1 = 0, X2 = 0 dan seterusnya)
maka Return Saham sebesar -1.639.
2) β1 sebesar 0.189 menunjukkan bahwa setiap kenaikan Return
On Asset sebesar 1% maka akan diikuti oleh kenaikan Return
Saham sebesar 0.189 dengan asumsi variabel lain tetap.
3) β2 sebesar 0.509 menunjukkan bahwa setiap kenaikan Debt to
Equity Ratio sebesar 1% maka akan diikuti oleh kenaikan Return Saham sebesar 0.509 dengan asumsi variabel lain
tetap.
4) β3 sebesar -0.201 menunjukkan bahwa setiap kenaikan Total
Asset Turnover sebesar 1% maka akan diikuti oleh penurunan Return Saham sebesar 0.201 dengan asumsi variabel lain
tetap.
5) Β4 sebesar -0.215 menunjukkan bahwa setiap kenaikan
i
penurunan Return Saham sebesar 0.215 dengan asumsi
variabel lain tetap.
6) Β5 sebesar -0.520 menunjukkan bahwa setiap kenaikan Price
Earning Ratio sebesar 1% maka akan diikuti oleh penurunan Return Saham sebesar 0.10 dengan asumsi variabel lain tetap.
7) Β6 sebesar 1.137 menunjukkan bahwa setiap kenaikan
Current Ratio sebesar 1% maka akan diikuti oleh penurunan Return Asset sebesar 1.137 dengan asumsi variabel lain tetap. 4.2.4 Pengujian Hipotesis
4.2.4.1 Uji Signifikansi Parsial
Uji t bertujuan untuk menguji apakah suatu variabel bebas
(independen) berpengaruh atau tidak terhadap variabel terikat
(dependen) secara parsial. Uji t menggunakan hipotesis seperti yang
dijelaskan berikut ini:
Ho: b1,b2,b3 = 0, artinya Return On Asset, Debt to Equity Ratio,
Total Asset Turn Over, Earning Per Share, Price Earning Ratio, Current Ratio tidak mempunyai pengaruh terhadap return saham secara
parsial pada perusahaan otomotif yang terdaftar di Bursa Efek
Indonesia.
Ha: b1,b2,b3 ≠ 0, artinya Return On Asset, Debt to Equity Ratio, Total
Asset Turn Over, Earning Per Share, Price Earning Ratio dan Current Ratio mempunyai pengaruh terhadap Return Saham secara parsial pada
i
perusahaan otomotif yang terdaftar di Bursa Efek Indonesia. Adapun
kriteria pengujiannya yaitu:
Ho diterima jika signifikansi > 0.05
Ha diterima jika signifikansi < 0.05
Tabel 4.7 Hasil Uji - t
Coefficienta
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) -1.639 6.087 -.269 .789 LN_ROA .189 .271 .143 .697 .490 LN_DER .509 .339 .327 1.498 .142 LN_TATO -.201 .412 -.077 -.489 .627 LN_EPS -.215 .181 -.245 -1.190 .241 LN_PER -.520 .298 -.337 -1.745 .088 LN_CR 1.137 .855 .285 1.330 .191
a. Dependent Variable: LN_RETURNSAHAM
Sumber : Output SPSS, diolah penulis, 2014
Tabel 4.6 menunjukkan hasil pengujian statistik uji-t yang
menjelaskan pengaruh variabel independen secara parsial sebagai
i
1) Pengaruh Return On Asset terhadap Return Saham
Nilai signifikansi sebesar 0.490 menunjukkan bahwa nilai
Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga
Ha diterima dan Ho ditolak. Hasil penelitian ini sesuai
dengan hasil pengujian statistik yang melihat nilai
signifikansi yaitu bahwa Return On Asset secara parsial tidak
berpengaruh signifikan terhadap tingkat Return Saham pada
tingkat kepercayaan 95%.
2) Pengaruh Debt to Equity Ratio terhadap Return Saham
Nilai signifikansi sebesar 0.142 menunjukkan bahwa nilai
Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga
Ho diterima dan Ha ditolak. Hasil penelitian ini sesuai
dengan hasil pengujian statistik yang melihat nilai
signifikansi yaitu bahwa Debt to Equity Ratio secara parsial
tidak berpengaruh signifikan terhadap tingkat Return Saham
pada tingkat kepercayaan 95%.
3) Pengaruh total asset turnover terhadap Return Saham
Nilai signifikansi sebesar 0.627 menunjukkan bahwa nilai
Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga
Ho diterima dan Ha ditolak. Hasil penelitian ini sesuai
dengan hasil pengujian statistik yang melihat nilai
i
tidak berpengaruh signifikan terhadap tingkat Return Saham
pada tingkat kepercayaan 95%.
4) Pengaruh Earning Per Share terhadap Return Saham
Nilai signifikansi sebesar 0.241 menunjukkan bahwa nilai
Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga
Ho diterima dan Ha ditolak. Hasil penelitian ini sesuai
dengan hasil pengujian statistik yang melihat nilai
signifikansi yaitu bahwa Earning Per Share secara parsial
tidak berpengaruh signifikan terhadap tingkat profitabilitas
pada tingkat kepercayaan 95%.
5) Pengaruh Price Earning Ratio terhadap Return Saham
Nilai signifikansi sebesar 0.088 menunjukkan bahwa nilai
Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga
Ho diterima dan Ha ditolak. Hasil penelitian ini sesuai
dengan hasil pengujian statistik yang melihat nilai
signifikansi yaitu bahwa Price Earning Ratio secara parsial
tidak berpengaruh signifikan terhadap tingkat profitabilitas
pada tingkat kepercayaan 95%.
6) Pengaruh Current Ratio terhadap Return Saham
Nilai signifikansi sebesar 0.191 menunjukkan bahwa nilai
Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga
Ho diterima dan Ha ditolak. Hasil penelitian ini sesuai
i
signifikansi yaitu bahwa Current Ratio secara parsial tidak
berpengaruh signifikan terhadap tingkat profitabilitas pada
tingkat kepercayaan 95%.
4.2.4.2 Uji Signifikansi Simultan
Uji F dilakukan untuk mengetahui apakah variabel independen
secara bersama-sama (simultan) mempunyai pengaruh terhadap variabel
dependen. Pembuktian dilakukan dengan cara melihat nilai signifikansi
dalam uji F, pada uji F digunakan hipotesis yang disebutkan di bawah
ini:
H0: b1,b2,b3 = 0, artinya Return On Asset, Debt to Equity Ratio, Total
Asset Turn Over, Earning Per Share, Price Earning Ratio dan Current Ratio tidak mempunyai pengaruh terhadap Return Saham secara
simultan pada perusahaan otomotif yang terdaftar di Bursa Efek
Indonesia.
Ha: b1,b2,b3 ≠ 0, artinya Return On Asset, Debt to Equity Ratio, Total
Asset Turn Over, Earning Per Share, Price Earning Ratio dan Current Ratio mempunyai pengaruh terhadap Return Saham secara parsial pada
perusahaan otomotif yang terdaftar di Bursa Efek Indonesia.
Kriteria pengujiannya yaitu:
Ho diterima jika signifikansi > 0.05
i Tabel 4.8
Hasil Uji F
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 13.649 6 2.275 1.112 .372b
Residual 83.892 41 2.046
Total 97.541 47
a. Dependent Variable: LN_RETURNSAHAM
b. Predictors: (Constant), LN_CR, LN_TATO, LN_PER, LN_ROA, LN_EPS, LN_DER
Sumber : Output SPSS, diolah Penulis, 2014
Hasil uji F yang ditampilkan dalam tabel 4.7 menunjukkan
bahwa nilai tingkat signifikansi 0.372 yang lebih besar dari 0.05. Hal
ini menunjukkan bahwa Ho diterima dan Ha ditolak, artinya variabel
bebas yaitu Return On Asset, Debt to Equity Ratio, Total Asset Turn
Over, Earning Per Share, Price Earning Ratio dan Current Ratio tidak
mempunyai pengaruh signifikan terhadap Return Saham secara
simultan pada perusahaan otomotif yang terdaftar di Bursa Efek
i BAB V
KESIMPULAN DAN SARAN 5.1 Kesimpulan
Penelitian ini bertujuan untuk mengetahui pengaruh Return On Asset (ROA),
Debt to Equity Ratio (DER), Total Asset Turn Over (TATO), Earning Per Share
(EPS), Price Earning Ratio (PER), dan Current Ratio (CR) baik secara parsial
maupun simultan terhadap Return Saham pada perusahaan otomotif yang terdaftar
di Bursa Efek Indonesia. Dalam penelitian ini, variabel independen yang
digunakan adalah Return On Asset (ROA), Debt to Equity Ratio (DER), Total
Asset Turn Over (TATO), Earning Per Share (EPS), Price Earning Ratio (PER),
dan Current Ratio (CR) sedangkan variabel dependen yang digunakan di
penelitian ini adalah Return Saham. Penelitian ini menggunakan sampel dari 12
emiten perusahaan otomotif yang listing selama periode 2010–2013.
Berdasarkan hasil penelitian yang diuraikan pada bab sebelumnya, maka
kesimpulan yang dapat diambil dari penelitian adalah sebagai berikut:
1. Sesuai dengan hasil uji F yang ditampilkan dalam tabel 4.7 diketahui
bahwa nilai tingkat signifikansi 0.372 > 0.05. Hal ini menunjukkan bahwa
Ho diterima dan Ha ditolak, artinya secara simultan (bersama-sama)
variabel ROA, DER, TATO, EPS, PER, dan CR tidak berpengaruh
signifikan terhadap return saham yang berarti setiap perubahan yang
terjadi pada variabel independen yaitu ROA, DER, TATO, EPS, PER, dan
i return saham pada perusahaan otomotif yang terdaftar di Bursa Efek
Indonesia (BEI) periode 2010-2013.
2. Secara parsial variabel ROA, DER, TATO, EPS, PER, dan CR tidak
memiliki pengaruh terhadap Return Saham. Berdasarkan hasil penelitian
sebagai berikut:
a. Variabel independen Return On Asset (X1) secara parsial tidak
berpengaruh secara signifikan terhadap Return Saham (Y). Hal ini
dapat ditunjukkan dari tabel 4.7 bahwa tingkat signifikan 0.490 >
0.05 artinya setiap kenaikan Return On Asset (X1) tidak diikuti oleh
kenaikan Return Saham (Y).
b. Variabel independent Debt to Equity Ratio secara parsial tidak
berpengaruh secara signifikan terhadap Return Saham (Y). Hal ini
dapat ditunjukkan dari tabel 4.7 bahwa tingkat signifikan 0.142 >
0.05 artinya setiap kenaikan Debt to Equity Ratio (X6) tidak diikuti
oleh kenaikan Return Saham (Y).
c. Variabel independen Total Asset Turn Over (X3) secara parsial tidak
berpengaruh secara signifikan terhadap Return Saham (Y). Hal ini
dapat ditunjukkan dari tabel 4.6 bahwa tingkat signifikan 0.627 >
0.05 artinya setiap kenaikan Total Asset Turn Over (X6) tidak diikuti
oleh kenaikan Return Saham (Y).
d. Variabel independen Earning Per Share (X4) secara parsial tidak
berpengaruh secara signifikan terhadap Return Saham (Y). Hal ini
i
0.05 artinya setiap kenaikan Earning Per Share (X4) tidak diikuti
oleh kenaikan Return Saham (Y).
e. Variabel independen Price Earning Ratio (X5) secara parsial tidak
berpengaruh secara signifikan terhadap Return Saham (Y). Hal ini
dapat ditunjukkan dari tabel 4.6 bahwa tingkat signifikan 0.088 >
0.05 artinya setiap kenaikan Price Earning Ratio (X5) tidak diikuti
oleh kenaikan Return Saham (Y).
f. Variabel independen Current Ratio (X6) secara parsial tidak
berpengaruh secara signifikan terhadap Return Saham (Y). Hal ini
dapat ditunjukkan dari tabel 4.6 bahwa tingkat signifikan 0.191 >
0.05 artinya setiap kenaikan Current Ratio (X6) tidak diikuti oleh
kenaikan Return Saham (Y).
5.2 Keterbatasan Penelitian
Penelitian ini tentunya memiliki keterbatasan dalam beberapa hal yang
diharapkan untuk dapat diperhatikan selanjutnya. Adapun keterbatasan
penelitian ini adalah sebagai berikut :
1. Penelitian ini hanya menggunakan 12 perusahaan otomotif yang
terdaftar di Bursa Efek Indonesia periode 2010–2013, sehingga tidak
diketahui apakah variabel independen akan berpengaruh secara
signifikan terhadap variabel dependen di perusahaan otomotif
i 2. Perusahaan masih memiliki banyak rasio keuangan yang dapat
menjadi faktor penilaian kinerja perusahaan selain Return Saham
yang digunakan dalam penelitian.
5.3 Saran
Beberapa saran yang dapat dikemukakan penulis berkaitan dengan hasil
penelitian yang telah dilakukan antara lain:
1. Bagi peneliti selanjutnya yang tertarik melakukan penelitian sejenis
agar dapat:
a. Menambah variabel independen yang lain atau yang lebih
bervariasi, seperti Return On Investment, Return On Equity, Price
to Book Value, Net Profit Margin, dan Quick Ratio.
b. Menambah periode pengamatan sehingga hasil yang diperoleh
lebih akurat.
2. Bagi calon investor, dalam memprediksi return saham harus
memperhatikan faktor lain yang berpengaruh baik dari faktor
internal seperti ukuran perusahaan, modal, struktur aset, rasio-rasio
keuangan lainnya maupun dari faktor eksternal seperti kondisi sosial,