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 Automotives and components
Kode
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:
No 1
2
Tabel 3.2 Definisi operasional dan pengukuran variabel Variabel Defenisi Pengukuran Rasio laba bersih Earning per terhadap jumlah share saham (EPS)
Debt to Equity Ratio (DER )
Rasio yang menunjukan persentase penyediaan dana oleh pemegang saham terhadap pemberi pinjaman
Skala
Rasio
Rasio
3
Price Earning Ratio merupakan ukuran untuk menentukan bagaimana pasar memberi nilai atau harga pada saham perusahaan. . 4 Rasio yang Return on menggambarkan Equity kemampuan (ROE) perusahaan untuk menghasilkan keuntungan dari setiap satu rupiah asset yang digunakan 5 Return Saham Hasil atau keuntungan yang diperoleh pemegang saham sebagai hasil dari investasinya F. Metode Analisis Data Price Earning Ratio (PER)
Rasio
Rasio
Rasio
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 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel – variabel independennya banyak yang tidak signifikan mempengaruhi variabel dependen. 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
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), mengujiapakah dalam
uji
heteroskedastisitas bertujuan
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 = Earning Per share X1 X2 = Debt To Equity Ratio X3 = Price Earning Ratio = Return On Equity X4 a = Konstanta b1, b2 = Koefisien regresi dari setiap variabel independen e = Faktor kesalahan 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 bersamasama 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 variabelvariabel 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
EPS DER PER ROE return_saham Valid N (listwise)
N
Minimum
Maximum
Mean
Std. Deviation
51 51 51 51 51 51
.48 .100 .69 .03 -.63
12120.21 48.000 568.17 83.76 9.26
7.1512E2 5.21392 33.5555 20.2704 .4367
1789.59904 10.872670 93.21235 17.35604 1.42940
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: H o : data residual terdistribusi normal, H a : data residual terdistribusi tidak normal. 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. 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 a Normal Parameters Most Extreme Differences
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal.
Mean Std. Deviation Absolute Positive Negative
51 .0000000 1.41898362 .246 .246 -.213 1.757 .004
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 a Normal Parameters Most Extreme Differences
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Mean Std. Deviation Absolute Positive Negative
30 .0000000 1.27247081 .089 .075 -.089 .488 .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 (H 0 diterima). 2. Hasil Uji Heteroskedastisitas 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 : H 0 : tidak ada heteroskedastisitas, H a : ada heteroskedastisitas. Jika signifikan < 0,05 maka Ha diterima (ada heteroskedastisitas) dan jika signifikan > 0,05 maka H 0 diterima (tidak ada heteroskedastisitas).
Gambar 4.5 Uji Heteroskedastisitas( scatterplot) Tabel 4.4 Hasil Uji Heteroskedastisitas Coefficientsa Unstandardized Coefficients Model 1
B (Constant)
Std. Error .546
.845
lN_EPS
-.052
.086
lN_DER
.041
lN_PER
.059
lN_ROE
.209
Standardized Coefficients Beta
t
Sig. .646
.524
-.153
-.607
.549
.097
.090
.424
.675
.161
.088
.367
.717
.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 1
R
R Square a
.418
.174
Adjusted R Square
Std. Error of the Estimate
.042
Durbin-Watson
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 Unstandardized Coefficients Model
B
1 (Constant)
Standardized Coefficients
Std. Error
Collinearity Statistics
Beta
t
Sig.
Tolerance
VIF
-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
.616
1.622
.044 .965
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 digunakan untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen. Hasil pengukuran koefisien determinasi dapat dilihat pada tabel 4.7 sebagai berikut Tabel 4.7 Hasil Pengujian Determinasi Model Summaryb Adjusted R Model 1
R
R Square a
.418
Square
.174
a. Predictors: (Constant), lN_ROE, lN_DER, lN_PER, lN_EPS b. Dependent Variable: lN_RETURN_SAHAM
Std. Error of the Estimate .042
1.37049
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 bersamasama 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 1
Sum of Squares Regression
Df
Mean Square
9.916
4
2.479
Residual
46.956
25
1.878
Total
56.872
29
F 1.320
Sig. a
.290
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 a
Coefficients Unstandardized Coefficients Model 1
B (Constant)
Standardized Coefficients
Std. Error 2.611
1.567
lN_EPS
.215
.159
lN_DER
-.272
lN_PER
.334
lN_ROE
.018
Beta
t
Sig.
1.666
.108
.322
1.350
.189
.179
.306
1.519
.141
.299
.253
1.114
.276
.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 ROE berpengaruh positif
diatas (besar) 0.05. Variabel
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 X 1 -0.272 X 2 +0.334 X 3 +0.018 X 4 + e
Keterangan: a. Nilai konstanta adalah 2.611 artinya apabila variabel ROE, DER, PER bernilai nol (tidak ada) maka return
dan EPS
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 return saham.
dan tidak signifikan terhadap
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. Keterbatasanketerbatasan 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.
