43
ANALISIS DAN BAHASAN
4.1 Deskripsi Data Penelitian
Setelah melalui berbagai tahapan penelitian yang telah direncanakan oleh peneliti di bagian awal, penelitian ini menghasilkan berbagai hal yang terkait dengan rumusan masalah yang telah dijelaskan pada bagian awal penelitian. Hasil statistik deskriptif akan memberikan gambaran umum dan menjelaskan mengenai data yang digunakan dalam penelitian ini. Sebelum melakukan pengujian hipotesis melalui pengujian model, penelitian ini terlebih dahulu melakukan pengujian terhadap kualitas data yang digunakan. Pengujian ini digunakan untuk menjamin terpenuhinya asumsi yang diperlukan dalam melakukan pengujian terhadap model regresi berganda.
4.1.1 Statistik Deskriptif
Statistik deskriptif memberikan gambaran umum mengenai objek penelitian yang disajikan sampel penelitian. Penjelasan data melalui statistik deskriptif diharapkan dapat memberikan gambaran awal tentang masalah yang diteliti. Statistik deskriptif untuk setiap variabel bebas yang dianalisis dalam penelitian ini disajikan pada Tabel 4.1, di mana tabel tersebut menyajikan informasi dengan berfokus pada nilai rata-rata (mean) dan standar deviasi (standard deviation) serta jumlah data (N) dari variabel-variabel independen dan variabel dependen dalam penelitian yang datanya telah di transformasikan kedalam bentuk logaritma natural (ln).
Variabel bebas (independen) yang digunakan dalam analisis ini sebanyak 3 (tiga), yaitu earnings per share (X1), return on equity (X2), dan dividend payout ratio
(X3). Sedangkan variabel terikat (dependen) yang digunakan dalam penelitian adalah
harga saham (Y).
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
EPS 49 2.48 9.44 5.3320 1.51156
ROE 49 1.47 4.79 2.7520 .65314
DPR 49 1.25 5.38 3.4253 .87753
HS 49 4.75 12.42 7.7902 1.66255
Valid N (listwise) 49
Sumber: Data diolah peneliti, 2014.
Tabel 4.1 di atas menunjukkan bahwa jumlah pengamatan pada industri manufaktur yang terdaftar di Bursa Efek Indonesia periode 2011-2013 dalam penelitian ini sebanyak 49 data. Berikut ini adalah penjelasan data deskriptif dalam penelitian ini yang telah diolah dan disajikan dalam tabel 4.1 di atas:
1. Variabel Earnings Per Share memiliki nilai minimum sebesar 2.48 dan nilai maksimum sebesar 9.44. Nilai rata-rata (mean) sebesar 5.3320 dan standar deviasi sebesar 1.51156 dengan jumlah pengamatan sebanyak 49 data (N). 2. Variabel Return on Equity memiliki nilai minimum sebesar 1.47 dan nilai
maksimum sebesar 4.79. Nilai rata-rata (mean) sebesar 2.7520 dan standar deviasi sebesar 0.65314 dengan jumlah pengamatan sebanyak 49 data (N). 3. Variabel Dividend Payout Ratio memiliki nilai minimum sebesar 1.25 dan
nilai maksimum sebesar 5.38. Nilai rata-rata (mean) sebesar 3.4253 dan standar deviasi sebesar 0.87753 dengan jumlah pengamatan sebanyak 49 data (N).
4. Variabel Harga Saham memiliki nilai minimum sebesar 4.75 dan nilai maksimum sebesar 12.42. Nilai rata-rata (mean) sebesar 7.7902 dan standar deviasi sebesar 1.66255 dengan jumlah pengamatan sebanyak 49 data (N).
4.2Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu. Berikut akan dijelaskan lebih rinci mengenai hasil pengujian asumsi klasik dalam penelitian ini:
4.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Asumsi data telah berdistribusi normal adalah salah satu asumsi yang penting dalam melakukan penelitian dengan regresi.
Hasil uji normalitas data dapat dilakukan dengan uji normality dan Normal Q-Q Plot of Regression Standardized Residual, yang ditunjukkan di bawah ini sebagai berikut :
4.2.1.1Uji Normalitas Variabel Earnings Per Share (X1)
Untuk menentukan normal atau tidaknya persebaran distribusi data dari variabel EPS dengan menggunakan software SPSS 20. Berikut adalah hasil pengolahan:
Tabel 4.2 Uji Normalitas EPS (X1)
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
EPS .084 49 .200* .983 49 .716
*. This is a lower bound of the true significance. a. Lilliefors Significance Correction
Sumber: Data diolah peneliti, 2014.
Hipotesis
Ho: data variabel earnings per share didistribusikan secara normal Ha: data variabel earnings per share tidak terdistribusi secara normal Dasar Pengambilan Keputusan
Jika sig Shapiro Wilk > 0.05 maka Ho diterima Jika sig Shapiro Wilk < 0.05 maka Ho ditolak Keputusan
Sig variabel earnings per share adalah 0.716, dan kemudian itu disimpulkan data terdistribusi secara normal.
Gambar 4.1 Uji Normalitas Variabel Earnings Per Share (X1)
4.2.1.2Uji Normalitas Variabel Return On Equity (X2)
Untuk menentukan normal atau tidaknya persebaran distribusi data dari variabel ROE dengan menggunakan software SPSS 20. Berikut adalah hasil pengolahan:
Tabel 4.3 Uji Normalitas ROE (X2)
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
ROE .062 49 .200* .979 49 .536
*. This is a lower bound of the true significance. a. Lilliefors Significance Correction
Sumber: Data diolah peneliti, 2014. Hipotesis
Ho: data variabel return on equity didistribusikan secara normal Ha: data variabel return on equity tidak terdistribusi secara normal Dasar Pengambilan Keputusan
Jika sig Shapiro Wilk > 0.05 maka Ho diterima Jika sig Shapiro Wilk < 0.05 maka Ho ditolak
Keputusan
Sig variabel return on equity adalah 0.536, dan kemudian itu disimpulkan data terdistribusi secara normal.
Gambar 4.2 Uji Normalitas Variabel Return on Equity (X2)
4.2.1.3Uji Normalitas Variabel Dividend Payout Ratio (X3)
Untuk menentukan normal atau tidaknya persebaran distribusi data dari variabel DPR dengan menggunakan software SPSS 20. Berikut adalah hasil pengolahan:
Tabel 4.4 Uji Normalitas DPR (X3)
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
DPR .081 49 .200* .987 49 .843
*. This is a lower bound of the true significance. a. Lilliefors Significance Correction
Hipotesis
Ho: data variabel dividend payout ratio didistribusikan secara normal Ha: data variabel dividend payout ratio tidak terdistribusi secara normal Dasar Pengambilan Keputusan
Jika sig Shapiro Wilk > 0.05 maka Ho diterima Jika sig Shapiro Wilk < 0.05 maka Ho ditolak Keputusan
Sig variabel dividend payout ratio adalah 0.843, dan kemudian itu disimpulkan data terdistribusi secara normal.
Gambar 4.3 Uji Normalitas Variabel Dividend Payout Ratio (X3)
4.2.1.4Uji Normalitas Variabel Harga Saham (Y)
Untuk menentukan normal atau tidaknya persebaran distribusi data dari variabel HS dengan menggunakan software SPSS 20. Berikut adalah hasil pengolahan:
Tabel 4.5 Uji Normalitas HS (Y)
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
HS .059 49 .200* .983 49 .682
*. This is a lower bound of the true significance. a. Lilliefors Significance Correction
Sumber: Data diolah peneliti, 2014.
Hipotesis
Ho: data variabel harga saham didistribusikan secara normal Ha: data variabel harga saham tidak terdistribusi secara normal Dasar Pengambilan Keputusan
Jika sig Shapiro Wilk > 0.05 maka Ho diterima Jika sig Shapiro Wilk < 0.05 maka Ho ditolak Keputusan
Sig variabel harga saham adalah 0.682, dan kemudian itu disimpulkan data terdistribusi secara normal.
4.2.2 Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel bebas (independen) dalam model regresi. Apabila pada model regresi linier terjadi multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standar error menjadi tidak terhingga. Cara yang digunakan untuk mendeteksi ada tidaknya multikolinearitas adalah dengan melihat pada nilai tolerance dan Variance Inflation Factor (VIF).
Untuk mendeteksi adanya multikolinearitas pada suatu model regresi, dapat dilihat dari nilai tolerance dan Value Inflation Factor (VIF). Apabila nilai tolerance < 0.10 dan nilai VIF > 10, maka terjadi multikolinieritas. Sebaliknya, jika VIF < 10, tidak terjadi multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal (Ghozali 2012:106).
Pengujian multikolinearitas pada penelitian ini akan disajikan pada Tabel 4.6 sebagai berikut :
Tabel 4.6 Uji Multikolinearitas
Sumber: Data diolah peneliti, 2014.
Dari hasil pengujian model regresi linier pada tabel Coefficients diatas, dapat dilihat bahwa variabel Earnings Per Share, Return On Equity dan Dividend Payout Ratio memiliki nilai tolerance > 0.10 dan nilai VIF pada variabel-variabel tersebut menunjukkan nilai < 10. Hal tersebut menunjukkan bahwa pada variabel Earnings Per Share, Return On Equity dan Dividend Payout Ratio telah menunjukkan bahwa tidak terdapat gejala multikolinieritas.
4.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variansi dari residual satu pengamatan ke pengamatan lain dalam model regresi. Pengujian heteroskedastisitas dapat dilakukan dengan membentuk diagram plot untuk melihat pola persebaran data. Model regresi yang baik adalah tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Dalam model regresi dinyatakan telah terjadi heteroskedastisitas apabila titik-titik yang ada membentuk pola tertentu yang teratur. Sedangkan apabila titik-titik yang ada tidak membentuk pola tertentu yang teratur dan titik-titik menyebar diatas dan di bawah angka nol pada sumbu Y, makaterbebas dari heteroskedastisitas.
Berikut dilampirkan hasil uji heteroskedastisitas dengan melihat pada grafik scatterplot pada Gambar 4.5 berikut ini:
Gambar 4.5 Grafik Scatterplot
Sumber: Data diolah peneliti, 2014.
Dari Gambar 4.5 grafik scatterplot diatas, dapat jelas kita lihat bahwa titik-titik menyebar secara acak dan tidak beraturan di atas dan di bawah sumbu 0 pada sumbu Y sehingga tidak membentuk pola tertentu.Hal ini mengidentifikasikan bahwa tidak terdapat heteroskedasitas pada model regresi linier yang diperoleh sehingga model regresi layak dipakai untuk penelitian.
4.2.4 Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu periode sebelumnya dalam model regresi. Autokorelasi menunjukkan adanya korelasi antara kesalahan pengganggu pada data yang tersusun, baik berupa data cross sectional dan/ atau time series. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi.
Untuk menguji Autokorelasi, dapat dilihat dari pengujian Durbin - Watson (DW), yaitu jika nilai DW terletak antara dL dan (4-dU) atau dL ≤ DW ≤ (4-dU) berarti bebas dari autokorelasi, sebaliknya jika nilai DW < dL atau DW > (4-dU) berarti terdapat autokorelasi.
Untuk mendeteksi ada tidaknya autokorelasi maka dilakukan pengujian Durbin-Watson (DW). Nilai d tersebut selanjutnya dibandingkan dengan nilai d tabel dengan tingkat signifikansi 5% dengan df = n - k - 1. Dari hasil pengujian pada Tabel 4.7 di bawah terlihat bahwa nilai DW sebesar 2.163, berarti data tidak terdapat autokorelasi.
Tabel 4.7 Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of the Estimate
Durbin-Watson
1 .960a .921 .915 .48369 2.163
a. Predictors: (Constant), DPR, EPS, ROE b. Dependent Variable: HS
Sumber: Data diolah peneliti, 2014.
Pada hasil analisis di atas, jika memperhatikan jumlah sampel (n) sebanyak 49 sampel dan jumlah variabel (k-1) sebanyak 4 variabel maka didapatkan nilai dL sebesar 1.38 dan dU sebesar 1.72. Dari tabel 4.7 Model Summary Durbin-Watson diatas, telah didapatkan nilai Durbin-Watson sebesar 2.163 dan nilai tersebut terletak dalam rentang nilai antara dL dan (4-dU) atau 1.72 < 2.163 < 2.28. Maka dengan demikian, dapat disimpulkan bahwa dalam regresi linier ini tidak terdapat autokorelasi atau bebas dari autokorelasi.
4.3 Hasil Analisis Data
4.3.1 Analisis Pengaruh Variabel EPS (X1) Terhadap Harga Saham (Y)
Tabel 4.8 Koefisien Determinasi EPS Terhadap HS
Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .950a .903 .901 .52434
a. Predictors: (Constant), EPS b. Dependent Variable: HS
Sumber: Data diolah peneliti, 2014.
Dari data tabel diatas, nilai koefisien (R) antara variabel EPS dan harga saham adalah 0.950 yang mengindikasikan hubungan yang sangat kuat dan searah antara masing-masing variabel.
Nilai dari R Square adalah 0.903 yang menandakan bahwa variabel EPS mempengaruhi variabel HS sebesar 90.3% dan sisanya 9.7% dipengaruhi oleh faktor-faktor lain.
Tabel 4.9 ANOVA EPS Terhadap HS
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 119.754 1 119.754 435.568 .000b
Residual 12.922 47 .275
Total 132.676 48
a. Dependent Variable: HS b. Predictors: (Constant), EPS
Sumber: Data diolah peneliti, 2014. Hipotesis:
Ho1 = Earnings per share (X1) tidak berpengaruh signifikan terhadap harga saham
(Y).
Dasar pengambilan keputusan: Sig > 0.05 maka Ho1 diterima
Sig < 0.05 maka Ho1 ditolak
Keputusan:
Sig = 0.000 < 0.05 sehingga Ho1 ditolak dan Ha1 diterima berarti variabel Earnings
per Share berpengaruh secara signifikan terhadap harga saham.
4.3.2 Analisis Pengaruh Variabel ROE (X2) Terhadap Harga Saham (Y)
Tabel 4.10 Koefisien Determinasi ROE Terhadap HS
Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .566a .320 .306 1.38503
a. Predictors: (Constant), ROE b. Dependent Variable: HS
Sumber: Data diolah peneliti, 2014.
Dari data tabel diatas, nilai koefisien (R) antara variabel ROE dan harga saham adalah 0.566 yang mengindikasikan hubungan yang kuat dan searah antara masing-masing variabel.
Nilai dari R Square adalah 0.320 yang menandakan bahwa variabel EPS mempengaruhi variabel HS sebesar 32% dan sisanya 68% dipengaruhi oleh faktor-faktor lain.
Tabel 4.11 ANOVA ROE Terhadap HS
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 42.515 1 42.515 22.163 .000b
Residual 90.161 47 1.918
Total 132.676 48
a. Dependent Variable: HS b. Predictors: (Constant), ROE
Hipotesis:
Ho2 = Return on Equity (X2) tidak berpengaruh signifikan terhadap harga saham (Y).
Ha2 = Return on Equity (X2) berpengaruh terhadap signifikan harga saham (Y).
Dasar pengambilan keputusan: Sig > 0.05 maka Ho2 diterima
Sig < 0.05 maka Ho2 ditolak
Keputusan:
Sig = 0.000 < 0.05 sehingga Ho2 ditolak dan Ha2 diterima berarti variabel Return on
Equity berpengaruh secara signifikan terhadap harga saham.
4.3.3 Analisis Pengaruh Variabel DPR (X3) Terhadap Harga Saham (Y)
Tabel 4.12 Koefisien Determinasi DPR Terhadap HS
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate 1 .148a .022 .001 1.66174 a. Predictors: (Constant), DPR b. Dependent Variable: HS
Sumber: Data diolah peneliti, 2014.
Dari data tabel diatas, nilai koefisien (R) antara variabel DPR dan harga saham adalah 0.148 yang mengindikasikan hubungan sangat lemah dan searah antara masing-masing variabel.
Nilai dari R Square adalah 0.022 yang menandakan bahwa variabel EPS mempengaruhi variabel HS sebesar 2.2% dan sisanya 97.8% dipengaruhi oleh faktor-faktor lain.
Tabel 4.13 ANOVA DPR Terhadap HS
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 2.891 1 2.891 1.047 .311b Residual 129.785 47 2.761 Total 132.676 48 a. Dependent Variable: HS b. Predictors: (Constant), DPR
Sumber: Data diolah peneliti, 2014. Hipotesis:
Ho3 = Dividend Payout Ratio (X3) tidak berpengaruh signifikan terhadap harga
saham (Y).
Ha3 = Dividend Payout Ratio (X3) berpengaruh terhadap signifikan harga saham (Y).
Dasar pengambilan keputusan: Sig > 0.05 maka Ho3 diterima
Sig < 0.05 maka Ho3 ditolak
Keputusan:
Sig = 0.311 > 0.05 sehingga Ho3 diterima dan Ha3 ditolak berarti variabel Dividend
Payout Ratio tidak berpengaruh secara signifikan terhadap harga saham.
4.3.4 Analisis Pengaruh Variabel EPS (X1), ROE (X2) dan DPR (X3) Terhadap Harga Saham (Y) Secara Simultan
Tabel 4.14 Koefisien Determinasi Variabel EPS, ROE dan DPR Terhadap HS
Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .960a .921 .915 .48369
a. Predictors: (Constant), DPR, EPS, ROE b. Dependent Variable: HS
Dari data tabel diatas, nilai koefisien (R) antara variabel EPS, ROE dan DPR terhadap harga saham adalah 0.960 yang mengindikasikan hubungan sangat kuat dan searah antara masing-masing variabel.
Nilai dari R Square adalah 0.921 yang menandakan bahwa variabel EPS, ROE dan DPR mempengaruhi variabel HS sebesar 92.1% dan sisanya 7.9% dipengaruhi oleh faktor-faktor lain.
Tabel 4.15 ANOVA Variabel EPS, ROE dan DPR Terhadap HS
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 122.148 3 40.716 174.036 .000b
Residual 10.528 45 .234
Total 132.676 48
a. Dependent Variable: HS
b. Predictors: (Constant), DPR, EPS, ROE
Sumber: Data diolah peneliti, 2014. Hipotesis:
Ho4 = Earnings Per Share (X1), Return on Equity (X2) dan Dividend Payout Ratio
(X3) tidak berpengaruh signifikan secara simultan terhadap harga saham (Y).
Ha4 = Earnings Per Share (X1), Return on Equity (X2) dan Dividend Payout Ratio
(X3) berpengaruh signifikan secara simultan terhadap harga saham (Y). Dasar pengambilan keputusan:
Sig > 0.05 maka Ho4 diterima
Sig < 0.05 maka Ho4 ditolak
Keputusan:
Sig = 0.000 < 0.05 sehingga Ho4 ditolak dan Ha4 diterima berarti variabel Earnings
Per Share, Return on Equity dan Dividend Payout Ratio berpengaruh signifikan secara simultan terhadap harga saham.
Tabel 4.16 Koefisien
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) 1.275 .391 3.262 .002 EPS .996 .054 .906 18.447 .000 ROE .206 .129 .081 1.603 .116 DPR .186 .082 .098 2.257 .029 a. Dependent Variable: HS
Sumber: Data diolah peneliti, 2014. Hasil analisis:
Berdasarkan tabel koefisien diatas dapat disimpulkan bahwa persamaan linier adalah berikut:
Y = a + b1X1 + b2X2 + b3X3
Y = 1.275 + 0.996 X1 + 0.206 X2 + 0.186 X3
Dimana:
Y = Harga saham
X1 = Earnings Per Share X2 = Return On Equity X3 = Dividend Payout Ratio
Kemudian model regresi di atas akan diinterpretasikan sebagai berikut:
a. Nilai konstanta sebesar 1.275 menunjukkan bahwa apabila tidak ada variabel Earnings Per Share (X1), Return on Equity (X2), dan Dividend Payout Ratio
(X3) maka harga saham adalah sebesar 1.275.
b. Nilai Earnings Per Share sebesar 0.996 menunjukkan bahwa apabila Earnings Per Share meningkat, maka harga saham juga meningkat.
c. Nilai Return on Equity sebesar 0.206 menunjukkan bahwa apabila Return on Equity meningkat, maka harga saham juga meningkat.
d. Nilai Dividend Payout Ratio sebesar 0.186 menunjukkan bahwa apabila Dividend Payout Ratio meningkat, maka harga saham juga meningkat.
Berdasarkan analisis diatas, maka dapat di identifikasikan bahwa model dari regresi berganda sebagai berikut:
Y = 1.275 + 0.996 (0)+ 0.206 (0)+ 0.186 (0) Y = 1.275
Y = 1.275 + 0.996 (1)+ 0.206 (1)+ 0.186 (1) Y = 2.663
Menurut hasil diatas, dapat ditemukan bahwa apabila terjadi peningkatan sebesar 1% Earnings Per Share, Return on Equity, dan Dividend Payout, maka akan menyebabkan peningkatan harga saham sehingga dapat disimpulkan memiliki pengaruh yang positif.
4.4 Pembahasan Penelitian
Berdasarkan hasil penelitian yang telah disajukan secara statistik, maka untuk menjelaskan gambaran yang lebih komprehensif, hasil dalam penelitian ini akan ditelaah dan diuraikan lebih lanjut sesuai dengan aspek-aspek kinerja keuangan yang mendasari penelitian ini.
Berikut penjelasan dari setiap aspek yang mewakili setiap rasio keuangan terhadap uji parsial (t-test):
1. Earnings Per Share (EPS)
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Hemadivya dan Devi (2013) yang menyatakan bahwa earnings per share berpengaruh signifikan terhadap harga saham. Begitupula dengan hasil penelitian Seetharaman dan Raj (2011) yang menyatakan earnings per share berpengaruh signifikan terhadap harga saham pada perusahaan perbankan yang terdaftar di Malaysia.
2. Return on Equity (ROE)
Hasil ini sejalan dengan penelitian Arman dan Hamka (2013) yang juga menghasilkan hasil kesimpulan yang sama yaitu Return on Equity memiliki pengaruh yang signifikan terhadap harga saham pada perusahaan pertambangan. Namun tidak sejalan dengan penelitian Ekawati (2013) yang menunjukkan bahwa ROE tidak berpengaruh terhadap harga saham pada perusahaan property dan real estate. Hal ini menunjukkan bahwa variabel ROE dapat digunakan dalam memprediksi harga saham perusahaan manufaktur dalam penelitian ini.
3. Dividend Payout Ratio (DPR)
Hasil ini sejalan dengan penelitian Deitina (2011) yang juga menghasilkan hasil kesimpulan yang sama yaitu Dividend Payout Ratio tidak memiliki pengaruh yang signifikan terhadap harga saham. Namun tidak sejalan dengan penelitian Jauhari (2008) yang menunjukkan bahwa DPR berpengaruh terhadap harga saham pada saham LQ45. Berdasarkan hasil penelitian ini, maka menunjukkan bahwa variabel DPR tidak dapat digunakan dalam memprediksi hargsa saham perusahaan manufaktur.
