bab iii metode penelitian a. jenis...
TRANSCRIPT
BAB III METODE PENELITIAN
A. Jenis Penelitian
Jenis penelitian yang dilakukan adalah penelitian asosiatif kausal. Menurut
Umar (2003 : 30) penelitian asosiatif kausal adalah “penelitian yang bertujuan
untuk menganalisis hubungan antara satu variabel dengan variable lainya atau
bagaimana suatu variabel mempengaruhi variabel lain”. Dengan kata lain desain
kausal berguna untuk mengukur hubungan-hubungan antar variabel riset atau
berguna untuk menganalisis bagaimana suatu variabel mempengaruhi variabel
yang lain.
B. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif yaitu
data yang diukur dalam bentuk skala numerik (Kuncoro, 2003:124) dan
merupakan data sekunder yaitu data yang diperoleh secara tidak langsung, yang
berupa catatan maupun laporan historis yang telah tersimpan dalam arsip, baik
yang dipublikasikan maupun yang tidak dipublikasikan. Data yang digunakan
dalam penelitian ini adalah data sekunder yang berupa laporan keuangan
perusahaan selama periode 2007 sampai dengan 2009. Data penelitian didapatkan
dari situs Bursa Efek Indonesia, www.idx.co.id.
C. Populasi Penelitian
Menurut Sugiyono (2004: 72) “Populasi adalah wilayah generalisasi yang
terdiri atas objek dan subjek yang mempunyai kualitas dan karakteristik tertentu
yang ditetapkan oleh peneliti untuk dipelajari, kemudian ditarik kesimpulannya”.
Berdasarkan pengertian di atas maka yang menjadi populasi penelitian ini adalah
seluruh perusahaan kelompok aneka industri (miscellaneous industry) yang
terdaftar di Bursa Efek Indonesia tahun 2007, 2008 dan 2009. Populasi penelitian
berjumlah 45 perusahaan.
D. Sampel dan Teknik Penentuan Sampel
Menurut Sugiyono (2004 : 73) “sampel adalah bagian dari jumlah dan
karakteristik yang dimiliki oleh populasi tersebut”. Sampel perusahaan berjumlah
17 perusahaan. Metode pengambilan sampel dilakukan dengan purposive
sampling, yaitu teknik pengambilan sampel berdasarkan suatu kriteria dengan
pertimbangan judgement sampling (Jogiyanto, 2004:79). Pada Tabel 2 berikut
ini adalah perusahaan-perusahaan yang menjadi sampel penelitian;
Tabel 3.1
Sampel Perusahaan
NO Emiten Kode
Automotives and components
1 Astra International Tbk ASII
2 Astra Otoparts Tbk AUTO
3 Goodyear Indonesia Tbk GDYR
4 Indo Kordsa Tbk BRAM
5 Indomobil Sukses Internasional Tbk IMAS
6 Indospring Tbk INDS
7 Multi Prima Sejahtera Tbk LPIN
8 Multistrada Arah Sarana Tbk MASA
9 Nipress Tbk NIPS
Textile, Garment
10 Indorama Synthetics Tbk INDR
11 Roda Vivatex Tbk RDTX
Footwear
12 Sepatu Bata Tbk BATA
Cable
13 Jembo Cable Company Tbk JECC
14 KMI Wire and Cable Tbk KBLI
15 Sucaco Tbk SCCO
16 Sumi Indo Kabel Tbk IKBI
17 Voksel Electric Tbk VOKS
Kriteria yang digunakan dalam pengambilan sampel dengan teknik purposive
sampling adalah sebagai berikut:
1. Perusahaan kelompok Aneka Industri (Miscellaneous Industry) yang
terdaftar di BEI periode tahun 2007, 2008 dan 2009.
2. Perusahaan kelompok Aneka Industri (Miscellaneous Industry) yang tidak
mengalami rugi atau laba negatif selama periode tersebut.
3. Perusahaan kelompok Aneka Industri (Miscellaneous Industry) yang tidak
mengalami total ekuitas negatif selama periode tersebut.
E. Definisi Operasional Variabel Penelitian
Variabel-variabel yang digunakan dalam penelitian ini terdiri atas empat
variabel independen (X) yaitu earning per share, debt to equity ratio, price
earning ratio, return on equity dan satu variabel dependen (Y) yaitu return
saham. Masing-masing variabel penelitian secara operasional dapat didefinisikan
seperti nampak pada tabel 3.2 sebagai berikut:
Tabel 3.2 Definisi operasional dan pengukuran variabel
No Variabel Defenisi Pengukuran Skala 1 Earning per
share (EPS)
Rasio laba bersih terhadap jumlah saham
Rasio
2 Debt to Equity Ratio
(DER )
Rasio yang menunjukan persentase penyediaan dana oleh pemegang saham terhadap pemberi pinjaman
Rasio
3 Price Earning Ratio (PER)
Price Earning Ratio merupakan ukuran untuk menentukan bagaimana pasar memberi nilai atau harga pada saham perusahaan. .
Rasio
4 Return on Equity (ROE)
Rasio yang menggambarkan kemampuan perusahaan untuk menghasilkan keuntungan dari setiap satu rupiah asset yang digunakan
Rasio
5 Return Saham
Hasil atau keuntungan yang diperoleh pemegang saham sebagai hasil dari investasinya
Rasio
F. Metode Analisis Data
Metode analisis data dalam penelitian ini adalah menggunakan bantuan program komputer yaitu program SPSS 16. Adapun analisis yang dilakukan adalah sebagai berikut:
1. Uji Asumsi Klasik Uji asumsi klasik digunakan untuk mengetahui apakah hasil analisis regresi
linier berganda yang digunakan untuk menganalisis dalam penelitian ini
terbebas dari penyimpangan asumsi klasik yang meliputi uji normalitas,
multikolinieritas, heteroskedastisitas dan autokoerlasi. Adapun masing-masing
pengujian tersebut dapat dijabarkan sebagai berikut:
a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam suatu model regresi
linier variabel terikat dan variabel bebas keduanya mempunyai distribusi
normal atau tidak (Ghozali, 2005:111). Model regresi yang baik adalah
memiliki distribusi data normal atau mendekati normal. Dalam penelitian ini,
untuk mendeteksi normalitas data dapat dilakukan dengan pengujian berikut:
1) Uji Kolmogrov Smirnov
Dalam uji ini, pedoman yang digunakan dalam pengambilan keputusan
adalah:
a) Jika nilai signifikan > 0.05 maka distribusi normal
b) Jika nilai signifikan < 0.05 maka distribusi tidak normal
Hipotesis yang digunakan dalam uji ini adalah: Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
2) Histogram
Pengujian dengan model histogram memiliki ketentuan bahwa data normal
berbentuk lonceng. Data yang baik adalah data yang memiliki pola distribusi
normal. Jika data melenceng ke kanan atau melenceng ke kiri berarti data
tidak terdistribusi secara normal.
3) Grafik Normality Probability Plot
Dalam uji ini, ketentuan yang digunakan adalah: a) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal, maka model regresi memenuhi asumsi normalitas.
b) Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah
garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Jika data tidak normal, ada beberapa cara mengubah model regresi menjadi
normal menurut Syafrizal et.all (2008: 62) yaitu:
1) lakukan transformasi data, misalnya mengubah data menjadi bentuk
logaritma (Log) atau natural (ln),
2) menambah jumlah data,
3) menghilangkan data yang dianggap sebagai penyebab tidak normalnya
data,
4) menerima data apa adanya.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi
mempunyai korelasi antar variabel bebas. Model regresi yang baik seharusnya
tidak terjadi korelasi diantara variabel independen. Multikolinearitas adalah situasi
adanya korelasi variabel -variabel independen antara yang satu dengan yang
lainnya. Dalam hal ini disebut variabel-variabel bebas ini tidak ortogonal.
Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang
memiliki nilai korelasi diantara sesamanya sama dengan nol. Jika terjadi korelasi
sempurna diantara sesama variabel bebas, maka konsekuensinya adalah:
• Koefisien - koefisien regresi menjadi tidak dapat ditaksir,
• Nilai standar error setiap koefisien regresi menjadi tak terhingga.
Menurut Ghozali (2005:91), untuk mendeteksi ada tidaknya multikolinearitas
di dalam model regresi adalah sebagai berikut:
1) Nilai R2
2) Menganalisis matrik korelasi variabel – variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi (umumnya diatas 0.90), maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel – variabel independennya banyak yang tidak signifikan mempengaruhi variabel dependen.
dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
3) Multikolinearitas dapat juga dilihat dari a) nilai tolerance dan lawannya b)variance inflation factor (VIF). Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregres terhadap variabel independen lainnya. Tolerance 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 cut off yang umum dipakai untuk menunjukan adanya multikolinearitas adalah nilai tolerance < 0.10 atau sama dengan nilai VIF > 10.
c. Uji Heteroskedastisitas Menurut Imam Ghozali (2005:105), uji heteroskedastisitas bertujuan
mengujiapakah dalam model regresi terdapat ketidaksamaan variance dari
residual satu pengamatan ke pengamatan lain. Konsekuensinya adanya
heteroskedastisitas dalam model regresi adalah penaksir yang diperoleh tidak
efisien, baik dalam sampel kecil maupun besar. Salah satu cara yang
dapat digunakan untuk mengetahui ada tidaknya gejala heteroskedastisitas adalah
dengan melihat pada grafik scatter plot.
Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang
teratur (bergelombang, melebar, kemudian menyempit) maka mengindikasikan
telah terjadi heteroskedastisitas. Jika tak ada pola yang jelas maka tidak terjadi
gejala heteroskedastisitas.
Untuk mengetahui ada tidaknya heteroskedastisitas juga dapat diketahui
dengan melakukan uji glejser. Jika variabel bebas signifikan secara statistic
mempengaruhi variabel terikat maka ada indikasi terjadi heteroskedastisitas
(Ghozali 2005:69).
d. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi
linier ada korelasi antara kesalahan pada periode t dengan periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan ada problem autokorelasi (Ghozali, 2005:95). Untuk menguji ada tidaknya gejala autokorelasi maka dapat dideteksi dengan uji Durbin-Waston (DW test). Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
1) angka D-W dibawah -2 berarti ada autokorelasi positif,
2) angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi,
3) angka D-W di atas +2 berarti ada autokorelasi negatif.
3. Analisis Regresi
Penelitian ini menggunakan analisis regresi berganda. Analisis ini
digunakan untuk mengukur kekuatan dua variabel atau lebih dan juga
menunjukan arah hubungan antara variabel dependen dengan variabel
independen. Adapun rumus dari regresi linier berganda (multiple linier
regresion) adalah sebagai berikut :
Y= a + b1 X1 + b2 X2 + b3 X3 + b4X4 +e Dimana : Y = Return Saham X1 X
= Earning Per share 2
X= Debt To Equity Ratio
3 X
= Price Earning Ratio 4
a = Konstanta = Return On Equity
b1,b2 e = Faktor kesalahan
= Koefisien regresi dari setiap variabel independen
3. Pengujian Hipotesis Adapun pengujian terhadap hipotesis yang diajukan dilakukan dengan cara
sebagai berikut:
a. Uji F
Uji F dilakukan untuk mengetahui adanya pengaruh secara bersama-
sama variabel independen terhadap variabel dependen. Tingkat signifikansi
yang digunakan adalah sebesar 5%, dengan derajat kebebasan df = (n-k-1),
dimana (n) adalah jumlah observasi dan (k) adalah jumlah variabel. Uji ini
dilakukan dengan membandingkan F hitung dengan F tabel dengan ketentuan
sebagai berikut:
H0 diterima jika f hitung < f tabel untuk α = 5 %
H1 diterima jika f hitung > f tabel untuk α = 5 %
b. Uji t
Uji t dilakukan untuk menguji koefisien regresi secara parsial dari variabel
independennya. Tingkat signifikansi yang digunakan sebesar 5%, dengan
derajat kebebasan df = (n-k-1), dimana (n) adalah jumlah observasi dan (k) adalah
jumlah variabel. Uji ini dilakukan dengan membandingkan t hitung dengan t tabel
dengan ketentuan sebagai berikut:
H0 diterima jika t hitung < t tabel untuk α = 5 %
H1 diterima jika t hitung > t tabel untuk α = 5 %
4. Koefisien Determinasi
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Besarnya
koefisien determinasi ini adalah 0 sampai dengan 1 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 variasi variabel dependen (Ghozali 2005:169).
BAB IV
ANALISIS HASIL PENELITIAN
A. Analisis Statistik Deskriptif
Statistik deskriptif ini memberikan gambaran mengenai nilai minimum, nilai
maksimum, nilai rata-rata, dan standart deviasi untuk data yang digunakan dalam
penelitian:
Tabel 4.1 Descriptive Statistics
N Minimum Maximum Mean Std. Deviation EPS 51 .48 12120.21 7.1512E2 1789.59904 DER 51 .100 48.000 5.21392 10.872670 PER 51 .69 568.17 33.5555 93.21235 ROE 51 .03 83.76 20.2704 17.35604 return_saham 51 -.63 9.26 .4367 1.42940 Valid N (listwise) 51
Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa:
a. variabel earning per share (EPS) memiliki nilai minimum (terkecil) 48, nilai
maksimum (terbesar) 12120.21, mean (nilai rata-rata) 7.1512 dan Standart
Deviation (simpangan baku) variabel ini adalah 1789.59904,
b. variabel debt to equity ratio (DER) memiliki nilai minimum (terkecil) 0.100,
nilai maksimum (terbesar) 48000, mean (nilai rata-rata) 5.21392 dan
Standart Deviation (simpangan baku) variabel ini adalah 10.872670,
c. variabel price earning ratio (PER) memiliki nilai minimum (terkecil) 0.69
nilai maksimum (terbesar) 568.17, mean (nilai rata-rata) 33.5555 dan
Standart Deviation (simpangan baku) variabel ini adalah 93.21235,
d. variabel price earning ratio (PER) memiliki nilai minimum (terkecil) 0.03
nilai maksimum (terbesar) 83.76, mean (nilai rata-rata) 20.2704 dan Standart
Deviation (simpangan baku) variabel ini adalah 17.35604,
e. variabel return saham memiliki nilai minimum (terkecil) -0.63 nilai
maksimum (terbesar) 9.26, mean (nilai rata-rata) 0.4367 dan Standart
Deviation (simpangan baku) variabel ini adalah 1.42940,
B. Hasil Uji Asumsi Klasik
1. Hasil Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel
pengganggu atau residual memiliki distribusi normal atau tidak, dengan membuat
hipotesis sebagai berikut:
Ho : data residual
H
terdistribusi normal,
a
Ada dua cara yang dapat digunakan untuk mendeteksi apakah residual
berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Pada
penelitian ini akan digunakan kedua cara tersebut.
: data residual terdistribusi tidak normal.
a) Analisis Grafik
Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan
grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal.
Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal
adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data
dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri
atau ke kanan, melainkan menyebar di sekitar garis diagonal.
Gambar 4.1
Grafik Histogram
Gambar 4.2
Grafik P-P Plot
Dengan melihat tampilan grafik histogram, penulis melihat bahwa gambar
histogram telah berbentuk lonceng tetapi menceng ke arah kiri yang
menunjukkan bahwa data tidak terdistribusi secara normal. Pada grafik P-P Plot
terlihat titik-titik tidak menyebar di sekitar garis diagonal dan jauh dari garis
diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi
asumsi normalitas.
b) Uji Statistik
Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan
kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas
data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan
apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji
Kolmogorov-Smirnov (1 sample KS) dengan melihat data residualnya apakah
berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05
maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari
0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov
dapat dilihat pada tabel 4.2.
Tabel 4.2 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 51 Normal Parametersa Mean .0000000
Std. Deviation 1.41898362 Most Extreme Differences Absolute .246
Positive .246 Negative -.213
Kolmogorov-Smirnov Z 1.757 Asymp. Sig. (2-tailed) .004 a. Test distribution is Normal.
Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas =
0,004. Dengan demikian, data pada penelitian ini tidak berdistribusi normal
karena probabilitas < 0.05.
Pada pengujian normalitas dengan analisis statistik dan grafik dapat ketahui
bahwa data yang digunakan oleh penulis tidak berdistribusi normal sehingga data
ini tidak dapat digunakan untuk melakukan uji hipotesis. Pada penelitian ini
penulis menggunakan metode transformasi data untuk menormalkan data
penelitian. Menurut Ghozali (2005:32), “data yang tidak terdistribusi secara
normal dapat ditransformasikan agar menjadi normal”. Salah satu trasformasi data
yang dapat dilakukan adalah dengan mentransformasikan data ke LG10 atau
logaritma 10 atau LN. Hasil transformasi data dapat dilihat pada lampiran vi.
Setelah dilakukan transformasi, penulis melakukan pengujian ulang terhadap uji
normalitas untuk melihat kembali apakah data penelitian ini telah berdistribusi
normal atau tidak. Berikut hasil uji normalitas data setelah transformasi:
a) Analisis Grafik
Gambar 4.3 Histogram
Gambar 4.4
P-Plot b) Uji Statistik
Tabel 4.3
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30 Normal Parametersa Mean .0000000
Std. Deviation 1.27247081 Most Extreme Differences Absolute .089
Positive .075 Negative -.089
Kolmogorov-Smirnov Z .488 Asymp. Sig. (2-tailed) .971 a. Test distribution is Normal.
Dari grafik histogram dan normal probability plot pada gambar 4.3 dan
gambar 4.4 di atas terlihat bahwa setelah dilakukan transformasi data ke
logaritma natural (Ln) terlihat bahwa grafik histogram memperlihatkan pola
distribusi yang normal, dan grafik P-P Plot memperlihatkan titik-titik menyebar
di sekitar/mengikuti arah garis diagonal yang menunjukkan pola distribusi normal.
Hasil uji Kolmogorov-Smirnov pada tabel 4.3. pada penelitian ini menujukkan
probabilitas = 0,971. Dengan demikian, data pada penelitian ini berdistribusi
normal dan dapat digunakan untuk melakukan Uji-t dan Uji-F karena 0,971>
0,05 (H0
2. Hasil Uji Heteroskedastisitas
diterima).
Menurut Ghozali (2005:105), “Uji Heteroskedastisitas bertujuan menguji
apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan
ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda
disebut Heteroskedastisitas. Model regresi yang baik adalah yang
Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Kebanyakan data
crosssection mengandung situasi heteroskedastisitas karena data ini menghimpun
data yang mewakili berbagai ukuran (kecil,sedang,dan besar)”.
Pengujian heteroskedastisitas dapat dilakukan dengan uji grafik dengan
melihat grafik scatterplot yaitu dengan cara melihat titik-titik penyebaran pada
grafik dan uji glejser, dengan cara meregres seluruh variabel independen dengan
nilai absolute residual (absut) sebagai variabel dependennya. Perumusan hipotesis
adalah :
H0
H
: tidak ada heteroskedastisitas,
a
Jika signifikan < 0,05 maka Ha diterima (ada heteroskedastisitas) dan jika
signifikan > 0,05 maka H
: ada heteroskedastisitas.
0 diterima (tidak ada heteroskedastisitas).
Gambar 4.5
Uji Heteroskedastisitas( scatterplot) Tabel 4.4
Hasil Uji Heteroskedastisitas Coefficientsa
Model
Unstandardized Coefficients Standardized Coefficients
t Sig. B Std. Error Beta
1 (Constant) .546 .845 .646 .524
lN_EPS -.052 .086 -.153 -.607 .549
lN_DER .041 .097 .090 .424 .675
lN_PER .059 .161 .088 .367 .717
lN_ROE .209 .214 .239 .974 .339 a. Dependent Variable: ABSUT
Pada gambar 4.5 tentang grafik scatterplot diatas terlihat titik-titik menyebar
secara acak tidak membentuk sebuh pola tertentu yang jelas serta tersebar baik
diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi
heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk
melihat pengaruh variabel independen terhadap variabel dependen. Dari tabel 4.4
diatas kita dapat melihat bahwa nilai signifikansi untuk variabel LN EPS adalah
0,549 (>0.05), nilai signifikansi untuk variabel LN DER adalah 0,675 (>0.05),
nilai signifikan untuk variabel PER adalah 0.717 (>0.05) dan nilai signifikan
untuk variabel ROE adalah 0.339 (>0.05)Dari hasil ini maka dapat disimpulkan
bahwa tidak terdapat masalah heteroskedastisitas karena variabel independennya
memiliki signifikan lebih besar dari 0,05
3. Hasil Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi
antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1
(sebelumnya). Model regresi yang baik adalah yang bebas dari autokorelasi.
Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series.
Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji
Durbin Watson. secara umum panduan mengenai angka Durbin-Watson dapat
diambil patokan sebagai berikut:
1) angka D-W dibawah -2 berarti ada autokorelasi positif,
2) angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
3) angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.5 Hasil Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .418a .174 .042 1.37049 1.592 a. Predictors: (Constant), lN_ROE, lN_DER, lN_PER, lN_EPS b. Dependent Variable: lN_RETURN_SAHAM
Tabel 4.5 memperlihatkan nilai statistik D-W sebesar 1.592 Angka ini
terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak
terjadi autokorelasi positif maupun autokorelasi negatif dalam penelitian ini.
4. Uji Multikolineritas
Menurut Ghozali (2005:91),“Uji multikolinearitas dilakukan untuk menguji
apakah pada model regresi ditemukan adanya korelasi antar variabel bebas
(independen)”. Adanya gejala multikolinearitas dapat dilihat dari tolerance value
atau nilai Variance Inflation Factor (VIF). Batas tolerance value adalah 0,1 dan
batas VIF adalah 10. Apabila tolerance value < 0,1 atau VIF > 10 = terjadi
multikolinearitas. Apabila tolerance value > 0,1 atau VIF < 10 = tidak terjadi
multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini
dapat dilihat pada tabel 4.6
Tabel 4.6 Hasil Uji Multikolineritas
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -2.611 1.567 -1.666 .108 lN_EPS .215 .159 .322 1.350 .189 .582 1.717
lN_DER -.272 .179 -.306 -1.519 .141 .815 1.228
lN_PER .334 .299 .253 1.114 .276 .639 1.566
lN_ROE .018 .398 .010 .044 .965 .616 1.622 a. Dependent Variable: lN_RETURN_SAHAM
Berdasarkan tabel 4.6 diatas dapat dilihat bahwa tidak ada satupun 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
variabel LN EPS adalah 1.717 (<10) dan nilai tolerance sebesar 0.582 (>0,1),
Nilai VIF untuk variabel LN DER adalah 1.228 (<10) dan nilai tolerance
sebesar 0. 815(>0.1). Nilai VIF untuk variabel LN PER adalah 1.566(<10) dan
nilai tolerance sebesar 0.639(>0,1), Nilai VIF untuk variabel LN ROE adalah
1.622 (<10) dan nilai tolerance sebesar 0.616 (>0.1)Hasil ini maka dapat
disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos
uji gejala multikolinearitas.
C. Hasil Pengujian Hipotesis
1. UJi Koefisien Determinasi
Besarnya kontribusi antara sumbangan yang diberikan oleh variabel earning
per share, debt to equity ratio, price earning ratio dan raetun on equity terhadap
return saham pada perusahaan yang terdaftar di Bursa Efek Indonesia dapat
diketahui dari nilai koefisien determinasi ganda atau R2. Dalam penelitian ini
penulis menggunakan pengukuran dengan adjusted R2. Menurut Ghozali
(2005:83),”oleh karena itu banyak peneliti menganjurkan untuk menggunakan
nilai pada saat mengevaluasi mana model regresi terbaik. Tidak seperti nilai R2 ,
nilai Adjusted R2 dapat naik atau turun apabila satu variabel independen
ditambahkan kedalam model”. Adjusted R2 pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Dalam hal ini
adjusted R2
Tabel 4.7
digunakan untuk mengetahui seberapa besar pengaruh variabel
independen terhadap variabel dependen. Hasil pengukuran koefisien determinasi
dapat dilihat pada tabel 4.7 sebagai berikut
Hasil Pengujian Determinasi Model Summaryb
Model R R Square
Adjusted R
Square Std. Error of the Estimate
1 .418a .174 .042 1.37049
a. Predictors: (Constant), lN_ROE, lN_DER, lN_PER, lN_EPS
b. Dependent Variable: lN_RETURN_SAHAM
Besarnya Adjusted
R2
berdasarkan hasil analisis dengan menggunakan SPSS
16 diperoleh sebesar 0,042. Dengan demikian besarnya pengaruh yang diberikan
oleh variabel ROE, DER, PER, EPS terhadap return saham adalah sebesar 4.2
%. Sedangkan sisanya sebesar 95.8 % adalah dipengaruhi oleh faktor lain yang
tidak diteliti dalam penelitian ini.
2. Hasil pengujian Simultan (Uji F)
Uji F digunakan untuk mengetahui ada tidaknya pengaruh secara bersama-
sama variabel bebas terhadap variabel terikat. Uji F dapat dicaridengan melihat F
hitung dari tabel Anova output SPSS versi 16 for windows, selain itu
jugamembandingkan hasil dari probabilitas value. Jika probabilitas value >
0,05maka Ho ditolak dan jika probabilitas value < 0,05 maka Ha diterima.
berdasarkan tabel 4.8 dibawah ini terlihat bahwa:
Tabel 4.8 Hasil Uji F
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 9.916 4 2.479 1.320 .290a Residual 46.956 25 1.878 Total 56.872 29
a. Predictors: (Constant), lN_ROE, lN_DER, lN_PER, lN_EPS b. Dependent Variable: lN_RETURN_SAHAM
Pada tabel Anova dapat diketahui nilai dengan nilai probabilitas value dalam
penelitian ini adalah 0,290 yang berarti angka ini berada diatas 0,05. Kesimpulan
yang dapat diambil adalah variabel ROE, DER, PER dan EPS secara simultan
(bersama) tidak berpengaruh terhadap return saham.
3. Hasil Pengujian Parsial (Uji t)
Untuk mengetahui pengaruh masing-masing variabel bebas terhadap variabel
terikat yaitu antara ROE, DER, PER dan EPS terhadap return saham dalam
penelitian ini dilakukan pengujian terhadap koefisien regresi yaitu dengan uji t.
Berdasarkan perhitungan SPSS versi 16 for windows yang dapat dilihat pada tabel
4.9, dapat diketahui nilai probabilitas value masing-masing variabel independen
terhadap variabel dependen. Jika probabilitas value > 0.05 maka Ho ditolak dan dan
jika probabilitas value < 0,05 maka Ha diterima. berdasarkan tabel 4.9 dibawah
ini terlihat bahwa:
Tabel 4.9 Hasil Uji t Coefficientsa
Model
Unstandardized Coefficients Standardized Coefficients
t Sig. B Std. Error Beta
1 (Constant) 2.611 1.567 1.666 .108
lN_EPS .215 .159 .322 1.350 .189
lN_DER -.272 .179 .306 1.519 .141
lN_PER .334 .299 .253 1.114 .276
lN_ROE .018 .398 .010 .044 .965 a. Dependent Variable: lN_RETURN_SAHAM
Variabel EPS berpengaruh positif dan tidak signifikan terhadap terhadap
return saham . Hal ini dapat terlihat dari nilai signifikan 0.189 diatas (lebih besar)
0.05. Variabel DER berpengaruh negatif dan tidak signifikan terhadap return
saham. Hal ini dapat terlihat dari nilai signifikan 0.141 diatas (besar) 0.05.
Variabel PER berpengaruh positif dan tidak signifikan terhadap return saham.
Hal ini dapat terlihat dari nilai signifikan 0.276 diatas (besar) 0.05. Variabel
ROE berpengaruh positif dan tidak signifikan terhadap return saham. Hal ini
dapat terlihat dari nilai signifikan 0.965 diatas (besar) 0.05. Dari tabel 4.9 diatas
dapat diperoleh model persamaan regresi berganda sebagai berikut:
Y = 2.611 + 0.215 X1 -0.272 X2 +0.334 X3+0.018 X4
+ e
Keterangan:
a. Nilai konstanta adalah 2.611 artinya apabila variabel ROE, DER, PER dan EPS
bernilai nol (tidak ada) maka return saham akan bernilai sebesar sebesar
2.611,
b. Nilai koefisien ROE adalah 0.215 artinya setiap kenaikan ROE akan
meningkatkan nilai return saham sebesar 0.215,
c. Nilai koefisien DER adalah -0.272 artinya setiap kenaikan DER akan
menurunkan nilai return saham sebesar 0.2723,
d. Nilai koefisien PER adalah 0.334 artinya setiap kenaikan PER akan
meningkatkan nilai return saham sebesar 0.334,
e. Nilai koefisien EPS adalah 0.018 artinya setiap kenaikan EPS akan
meningkatkan nilai return saham sebesar 0.018.
D. Pembahasan Hasil Penelitian
Penelitian ini bertujuan untuk mengetahui pengaruh antara antara earning per
share, debt to equity ratio, price earning ratio dan return on equity terhadap
return saham baik secara parsial maupun simultan pada perusahaan kelompok
Aneka Industri yang terdaftar di BEI Tahun 2007, 2008 dan 2009. Variabel
independen yang digunakan dalam penelitian ini adalah variabel earning per
share, debt to equity ratio, price earning ratio dan return on equity. Variabel
dependen dalam penelitian ini adalah return saham. Populasi yang digunakan
dalam penelitian ini adalah seluruh perusahaan kelompok aneka industri
(miscellaneous industry) yang terdaftar di Bursa Efek Indonesia tahun 2007, 2008
dan 2009. Populasi penelitian berjumlah 45 perusahaan. Teknik pengambilan
sampel yang digunakan adalah teknik purposive sampling dimana jumlah amatan
yang diperoleh dalam penelitian ini adalah 51 (17 x 3 tahun). Pengujian yang
digunakan dalam penelitian ini adalah uji asumsi klasik (normalitas,
heteroskedastisitas, autokorelasi dan multikolineritas) dan uji hipotesis (uji t, uji F
dan uji determinasi). Berdasarkan hasil uji besarnya adjusted R2 berdasarkan hasil
analisis dengan menggunakan SPSS 16 diperoleh sebesar 0,042. Dengan
demikian besarnya pengaruh yang diberikan oleh variabel ROE, DER, PER, EPS
terhadap return saham adalah sebesar 4.2 %. Sedangkan sisanya sebesar 95.8
% adalah dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini.
Berdasarkan hasil uji simultan diperoleh kesimpulan variabel variabel ROE, DER,
PER dan EPS secara simultan (bersama) tidak berpengaruh terhadap return
saham. Hasil uji ini tidak sejalan dengan penelitian yang dilakukan oleh Wahid
(2007) dan Artatik (2007). Penelitian ini sejalan dengan penelitian yang
dilakukan oleh Roy (2006). Berdasarkan hasil uji parsial diperoleh variabel EPS
berpengaruh positif dan tidak signifikan terhadap terhadap return saham. Hasil
uji ini tidak sejalan dengan penelitian yang dilakukan oleh Wahid (2007) dan
Artatik (2007). Variabel DER berpengaruh negatif dan tidak signifikan
terhadap return saham.. Hasil uji ini sejalan dengan penelitian yang dilakukan
oleh Wahid (2007). Penelitian ini sejalan dengan penelitian yang dilakukan oleh
Roy (2006). Variabel PER berpengaruh positif dan tidak signifikan terhadap
return saham. Penelitian ini sejalan dengan penelitian yang dilakukan oleh
Wahid (2007) dan Sri Artatik (2006). Variabel ROE berpengaruh positif dan
tidak signifikan terhadap return saham.
BAB V
KESIMPULAN DAN SARAN
A. Kesimpulan
Berdasarkan hasil penelitian pada bab sebelumnya, maka dapat diambil
kesimpulan sebagai berikut:
1. variabel ROE, DER, PER dan EPS secara simultan (bersama) tidak
berpengaruh terhadap return saham, Hasil uji ini tidak sejalan dengan
penelitian yang dilakukan oleh Wahid (2007) dan Artatik (2007), Penelitian
ini sejalan dengan penelitian yang dilakukan oleh Roy (2006).
2. Variabel EPS berpengaruh positif dan tidak signifikan terhadap terhadap
return saham . Hal ini dapat terlihat dari nilai signifikan 0.189 diatas (lebih
besar) 0.05, Hasil uji ini tidak sejalan dengan penelitian yang dilakukan oleh
Wahid (2007) dan Artatik (2007).
3. Variabel DER berpengaruh negatif dan tidak signifikan terhadap return
saham. Hal ini dapat terlihat dari nilai signifikan 0.141 diatas (besar) 0.05,
Hasil uji ini sejalan dengan penelitian yang dilakukan oleh Wahid (2007).
Penelitian ini sejalan dengan penelitian yang dilakukan oleh Roy (2006)
4. Variabel PER berpengaruh positif dan tidak signifikan terhadap return
saham. Hal ini dapat terlihat dari nilai signifikan 0.276 diatas (besar) 0.05,
Penelitian ini sejalan dengan penelitian yang dilakukan oleh Wahid (2007)
dan Sri Artatik (2006)
5. Variabel ROE berpengaruh positif dan tidak signifikan terhadap return
saham.
B. Keterbatasan
Penelitian ini memiliki beberapa keterbatasan yang memerlukan perbaikan
dan pengembangan dalam penelitian-penelitian berikutnya. Keterbatasan-
keterbatasan dalam penelitian ini adalah:
1. Variabel independen dalam penelitian ini hanya dibatasi pada ROE, DER,
PER dan EPS yang menyebabkan terdapat kemungkinan faktor-faktor lain
yang mempengaruhi return saham,
2. Periode pengamatan yang singkat tiga tahun (2007-2009) menyebabkan
sampel yang digunakan dalam penelitian ini terbatas.
3. Data yang digunakan dalam penelitian ini adalah data sekunder, sehingga
analisis data sangat tergantung pada hasil publikasi data (laporan keuangan
perusahaan). Laporan keuangan sebagai data rasio mempunyai keterbatasan
karena perusahaan mempunyai metode dan kebijakan akuntansi yang berbeda
sehingga sulit untuk diperbandingkan.
C. Saran
Dengan segala keterbatasan yang telah diungkapkan sebelumnya, maka
peneliti memberikan saran untuk penelitian selanjutnya dan para investor .
1. Bagi penelitian selanjutnya, Untuk peneliti lebih lanjut tentang tema sejenis
untuk menambah jumlah sampel yaitu seluruh perusahaan Manufaktur,
periode pengamatan lebih lama serta menambah variabel lain
2. Bagi Investor, Dalam memprediksi return saham para investor harus
memperhatikan faktor lain yang berpengaruh baik internal seperti ukuran
perusahaan, modal, struktur aktiva dll serta memperhatikan kondisi sosial,
politik dan ekonomi yang sangat berpengaruh.