BAB IV ANALISIS DATA
IV.1 Paparan Statistika Deskriptif Statistika Deskriptif merupakan hal serangkaian teknik statistika yang digunakan untuk mempelajari cara-cara pengumpulan, penyusunan, penyajian data, dan penarikan kesimpulan suatu penelitian secara numerik (wahana, 2009:34). Paparan ini bertujuan untuk memperoleh gambaran umum dari sekumpulan sampel yang akan diteliti, sehingga dapat menyimpulkan data secara mudah dan cepat. Selain itu juga untuk mempermudah pengamatan terhadap sampel tersebut. Dari data di bawah ini dapat terlihat bahwa jumlah data (N) sebanyak 50 dari semula 66 data, hal ini dikarenakan adanya data outlier yakni data yang mengganggu atau data yang sifatnya ekstrim sehingga menyebabkan distribusi data menjadi tidak normal dan akhirnya dapat mengakibatkan penelitian terganggu. Dengan adanya masalah tersebut maka penulis menghapus data outlier, menurut Suliyanto (2011 :79) cara untuk menormalkan data adalah dengan menghilangkan data yang dianggap sebagai penyebab data tidak normal, sehingga dengan membuang data tersebut maka data akan semakin mendekati nilai rata ratanya. Pembuatan statistik deskriptif untuk sampel tersebut dibantu dengan menggunakan program komputer Statisical Package for Sosial Science atau lebih dikenal dengan SPSS versi 18 dengan hasil perhitungan sebagai berikut :
81
Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
Var1_CR
50
,39
4,63
2,0985
1,14262
Var2_DTA
50
,15
,98
,4460
,18460
Var3_TATO
50
,08
2,26
,7703
,49188
Var4_GPM
50
,00
,63
,3044
,17333
Var5_NPM
50
-,03
,38
,1616
,09701
Var6_ROA
50
-,02
,35
,1102
,08194
VarRS
50
-,06
,10
,0186
,03599
Valid N (listwise)
50
Tabel 4.1 : Statistika Deskriptif
Tabel 4.1 tersebut menyajikan data yang akan diolah selama periode 2010-2011 perusahaan yang masuk LQ 45 selain perusahaan non bank. Dari data tersebut dapat kita lihat bahwa variabel terikat (Y) yang berupa Return Saham (Var_RS) menunjukan bahwa nilai minimum sebesar -0,06 (6%) nilai maksimum sebesar 0.10 (10%) dengan rata rata sebesar 0,0186 (1,86%) dan standar deviasi sebesar 0.03599 (3.59%). Variabel bebas 1 (X1) yang berupa Current Ratio (Var1_CR) menunjukan bahwa nilai minimum sebesar 0,39x nilai maksimum sebesar 4,63x dengan rata rata sebesar 2,0985x dan standar deviasi sebesar 1,142x. Variabel bebas 2 (X2) yang berupa Debt To Asset (Var2_DTA) menunjukan bahwa nilai minimum sebesar 0.15 (15%) nilai maksimum sebesar 0,98 (98%) dengan rata rata sebesar 0,4460(44.60%) dan standar deviasi sebesar 0,1846 (18,46%). Variabel bebas 3 (X3) yang berupa Total Asset Turnover (Var3_TATO) menunjukan bahwa nilai minimum sebesar 0,8x nilai maksimum sebesar 2,26x dengan rata rata sebesar 0,7703x dan standar deviasi sebesar 0,4918x. 82
Variabel bebas 4 (X4) yang berupa Gross Profit Margin (Var4_GPM) menunjukan bahwa nilai minimum sebesar 0,00 (0%) nilai maksimum sebesar 0,63 (63%) dengan rata rata sebesar 0,3044(30,04%) dan standar deviasi sebesar 0,17333 (17,33%). Variabel bebas 5 (X5) yang berupa Net Profit Margin (Var5_NPM) menunjukan bahwa nilai minimum sebesar -0,03 (-3%) nilai maksimum sebesar 0,38 (38%) dengan rata rata sebesar 0,1616(16,18%) dan standar deviasi sebesar 0,0971 (9,71%). Variabel bebas 6 (X6) yang berupa Return On Asset (Var4_ROA) menunjukan bahwa nilai minimum sebesar -0,02 (-2%) nilai maksimum sebesar 0,35(35%) dengan rata rata sebesar 0,1102(11,02%) dan standar deviasi sebesar 0,08194 (8,194%).
IV.2 Paparan Uji Asumsi Klasik Uji Asumsi klasik digunakan agar model regresi dapat disebut model regresi yang baik. Untuk dapat dikatakan memenuhi kriteria model yang baik ada beberapa asumsi yang harus dipenuhi oleh suatu data dan variabel. Asumsi tersebut adalah bahwa variabel haruslah normal, homokedastik, tidak ada multikolinearitas dan tidak terdapat autokorelasi serta hubungan antara variabel bebas dan terikat bersifat linear. Apabila kelima syarat tersebut telah terpenuhi barulah dapat dilakukan prosedur statistik menggunakan analisis parametric. IV.2.1 Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah variabel yang akan diteliti memiliki distribusi yang normal. Uji ini dilakukan dengan melihat range data. Data
83
dapat dikatakan baik apabila penyebarannya normal serta tidak terlalu luas. Untuk dapat menentukan bahwa persebaran data normal ada beberapa cara : 1. P-P Plot P-P plot merupakan sebuah kurva yang digunakan untuk dapat menguji apakah suatu variabel dianggap normal atau tidak. Variabel dapat dikatakan memenuhi asumsi normalitas apabila P-P plot menunjukan persebaran data relatif mengikuti garis diagonal atau lebih sering disebut normal plot. Sebaliknya Suatu variabel dikatakan tidak memenuhi asumsi normalitas apabila P-P plot menunjukan persebaran data yang melebar atau menjauhi garis normal plot. 2. Uji Kolmogorov-Smirnov Uji Kolmogorov-Smirnov merupakan salah satu uji normalitas yang sering digunakan karena kemudahan dan reliabilitasnya dibandingkan dengan P-P plot. Cara untuk melakukan uji Kolmogorov-Smirnov adalah dengan menggunakan SPSS dimana nilai signifikansi dari tabel Kolmogorov-Smirnov harus diatas standard error 0,05 atau 5%. Apabila nilai signifikansi diatas dari standar error sebesar 0,05 maka dapat dikatakan bahwa data dari suatu variabel memiliki distribusi yang normal.
Berikut ini merupakan hasil P-P plot dan uji Kolmogorov-Smirnov dari variabel yang digunakan dalam penelitian :
84
Sumber : lampiran 5 Terlihat pada grafik diatas (Variabel bebas 1 current ratio) terlihat bahwa grafik normal plot variabel current ratio memberikan gambaran tentang pola distribusi normal. Hal ini ditunjukan dari pola persebaran data dari bawah hingga atas yang mengikuti pergerakan dari garis diagonal sendiri hal ini membuktikan bahwa variabel current ratio memiliki distribusi yang normal.
85
Sumber : lampiran 6
Dengan melihat pada grafik diatas (Variabel bebas 2 debt to total asset) terlihat bahwa grafik normal plot variabel debt to total asset memberikan gambaran tentang pola distribusi normal. Hal ini ditunjukan dari pola persebaran data dari bawah hingga atas yang mengikuti pergerakan dari garis diagonal sendiri hal ini membuktikan bahwa variabel current ratio memiliki distribusi yang normal.
86
Sumber : lampiran 7
Terlihat pada grafik diatas (variabel bebas 3 total asset turnover) terlihat bahwa grafik normal plot variabel total asset turnover memberikan gambaran tentang pola distribusi normal. Hal ini ditunjukan dari pola persebaran data dari bawah hingga atas yang mengikuti pergerakan dari garis diagonal sendiri hal ini membuktikan bahwa variabel current ratio memiliki distribusi yang normal.
87
Sumber : lampiran 8
Dengan melihat pada grafik diatas (Variabel bebas 4 gross profit margin) terlihat bahwa grafik normal plot variabel gross profit margin memberikan gambaran tentang pola distribusi normal. Hal ini ditunjukan dari pola persebaran data dari bawah hingga atas yang mengikuti pergerakan dari garis diagonal sendiri hal ini membuktikan bahwa variabel current ratio memiliki distribusi yang normal.
88
Sumber : lampiran 9
Terlihat pada grafik diatas (Variabel bebas 5 net profit margin) terlihat bahwa grafik normal plot variabel net profit margin memberikan gambaran tentang pola distribusi normal. Hal ini ditunjukan dari pola persebaran data dari bawah hingga atas yang mengikuti pergerakan dari garis diagonal sendiri hal ini membuktikan bahwa variabel current ratio memiliki distribusi yang normal.
89
Sumber : lampiran 10
Dengan melihat pada grafik diatas (Variabel bebas 6 return on asset) terlihat bahwa grafik normal plot variabel return on asset memberikan gambaran tentang pola distribusi normal. Hal ini ditunjukan dari pola persebaran data dari bawah hingga atas yang mengikuti pergerakan dari garis diagonal sendiri hal ini membuktikan bahwa variabel current ratio memiliki distribusi yang normal.
90
Sumber : Lampiran 11
Dengan melihat pada grafik diatas (Variabel terikat return saham) terlihat bahwa grafik normal plot variabel return saham memberikan gambaran tentang pola distribusi normal. Hal ini ditunjukan dari pola persebaran data dari bawah hingga atas yang mengikuti pergerakan dari garis diagonal sendiri hal ini membuktikan bahwa variabel current ratio memiliki distribusi yang normal.
91
Tests of Normality Kolmogorov-Smirnov
a
Statistic
df
Sig.
Var1_CR
,118
50
,079
Var2_DTA
,100
50
,200
Var3_TATO
,102
50
,200
Var4_GPM
,106
50
,200*
Var5_NPM
,110
50
,184
Var6_ROA
,122
50
,062
VarRS
,093
50
,200*
*
*
a. Lilliefors Significance Correction *. This is a lower bound of the true significance.
Tabel 4.2 : Hasil Uji Kolmogorov-Smirnov
Pada uji Kolmogorov-Smirnov diatas terlihat bahwa signifikansi seluruh variabel berada diatas batas α (standar eror) yakni sebesar 0,05 dan maksimal sebesar 0,2 atau 5% dan 20% dimana variabel current ratio memiliki nilai signifikansi 7,9% (diatas 5%), variabel debt to total asset sebesar 20% (diatas 5%), total asset turnover sebesar 20% (diatas 5%), variabel gross profit margin sebesar 20% (diatas 5%), variabel net profit margin sebesar 18,4% (diatas 5%), variabel return on asset sebesar 6,2% (diatas 5%) dan variabel return saham sebesar 20% (diatas 5%) . Hal ini membuktikan bahwa data dari variabel yang diteliti memiliki distribusi yang normal dan dapat dilanjutkan untuk pengujian asumsi klasik lainnya.
92
IV.2.2 Uji Heterokedastisitas Tujuan dari uji heterokedastik adalah untuk menguji apakah dalam suatu model linear terdapat perbedaan variance dari residual suatu pengamatan ke pengamatan yang lain. Terjadinya gejala heterokedastik dapat dilihat dari ketidaksamaan diantara varians residual dari masing masing variabel bebas. Untuk mendeteksi adanya gejala heterokedastik dilakukan dengan 2 cara yakni menggunakan uji glesjer dan menggunakan grafik scatter plot. Uji Glesjer dilakukan dengan SPSS dengan cara meregresikan semua variabel bebas terhadap nilai mutlak residualnya. Jika terdapat pengaruh variabel bebas yang signifikan (Sig<0,05) maka dapat dikatakan terdapat masalah heterokedastisitas. Untuk mengetahui apakah dalam suatu variabel terjadi gejala heterokedastik atau tidak dapat dilihat dengan melihat signifikansi dari setiap variabel dengan meregresikan varians residual dari masing masing variabel bebas. Apabila nilai signifikansi tabel dari masing masing variabel bebas diatas 0,05 maka dapat dikatakan bahwa tidak terjadi gejala heterokedastis atau disebut juga homokedastis. Sebaliknya apabila nilai signifikansi tabel dari masing masing variabel bebas dibawah 0,05 maka dapat dikatakan terjadi gejala heterokedastik.
93
a
Coefficients Model
Standardized Unstandardized Coefficients B
1
Coefficients
Std. Error
Beta
(Constant)
,005
,023
Var1_CR
,004
,004
Var2_DTA
,030
Var3_TATO
t
Sig. ,233
,817
,217
1,143
,259
,027
,250
1,098
,278
-,002
,012
-,056
-,207
,837
Var4_GPM
-,030
,023
-,238
-1,285
,206
Var5_NPM
,055
,058
,243
,949
,348
Var6_ROA
-,008
,086
-,031
-,098
,922
a. Dependent Variable: absresdi
Sumber : lampiran 12 Terlihat pada tabel diatas nilai signifikansi masing masing variabel bebas menunjukan nilai yang berada diatas 0,05 dimana variabel current ratio sebesar 0,259 (diatas 0,05), variabel debt to total asset sebesar 0,278 (diatas 0,05), variabel total asset turnover sebesar 0,837 (diatas 0,05), variabel gross profit margin sebesar 0,206 (diatas 0,05), variabel net profit margin sebesar 0,348(diatas 0,05) dan variabel return on asset sebesar 0,922 (diatas 0,05). Hal ini membuktikan bahwa tidak terjadi gejala heterokedastik diantara variabel bebas yang akan diteliti sehingga data bersifat homokedastik. Cara lain untuk menguji heterokedastik adalah dengan uji scatter plot dimana grafik scatter plot dibuat dengan memasukan variabel terikat (zpred) di bagian sumbu x
94
dan residual dari masing masing variabel terikat (sresid) dibagian sumbu y. apabila penyebaran data terlihat acak dan tidak membentuk pola khusus maka dapat dikatakan bahwa tidak terjadi gejala heterokedastik dalam variabel bebas yang akan diteliti. Sebaliknya apabila ketika melakukan uji scatter plot terjadi pola data yang mengumpul dan membentuk suatu pola khusus maka dapat dikatakan data tersebut mengalami gejala heterokedastik.
Sumber : lampiran 13 Terlihat pada grafik diatas bahwa data dari variabel bebas yang diteliti menyebar terpencar secara acak (tersebar diantara 0 pada sumbu Y) dan tidak membentuk pola khusus. Maka dapat dikatakan tidak ada gejala heterokedastik dalam variabel bebas.
95
IV.2.3 Uji Multikolinearitas Uji multikolinearitas dapat diketahui dengan melakukan uji Variance Inflating Factor (VIF). Uji VIF merupakan salah satu metode pengujian yang mudah digunakan dalam menganalisis data apakah terjadi multikolinearitas atau tidak. Untuk melihat terjadinya gejala multikolinearitas dapat melihat nilai t dan nilai VIF apabila nilai t (toleransi) berada diatas 0,1 dan nilai VIF berada di bawah 10 maka dapat dikatakan bahwa tidak terjadi multikolinearitas diantara variabel yang diteliti dan sebaliknya.
Coefficientsa Model
Standardized Unstandardized Coefficients B
1
Std. Error
(Constant)
-,017
,037
Var1_CR
-,002
,006
Var2_DTA
-,014
Var3_TATO
Coefficients Beta
Collinearity Statistics t
Sig.
Tolerance
VIF
-,451
,654
-,058
-,316
,753
,582
1,717
,043
-,071
-,324
,747
,406
2,465
,052
,019
,705
2,716
,009
,290
3,449
Var4_GPM
,019
,037
,091
,511
,612
,613
1,632
Var5_NPM
,224
,091
,605
2,456
,018
,321
3,111
Var6_ROA
-,331
,135
-,753
-2,445
,019
,205
4,869
a. Dependent Variable: VarRS
Tabel 4.3 : Hasil uji multikolinearitas Pada Uji Multikolinearitas diatas terlihat bahwa VIF dan t masing masing variabel berada di atas batas minimum untuk dapat dikategorikan terjadi multikolinearitas hal ini terlihat pada masing masing variabel yakni variabel current ratio memiliki nilai VIF sebesar 1,717 (dibawah 10) dan nilai toleransi sebesar 0,582 (diatas 0,1), variabel debt to
96
total asset memiliki VIF sebesar 2,465 (dibawah 10) dan toleransi sebesar 0,406 (diatas 0,1), variabel total asset turnover memiliki VIF sebesar 3,449 (dibawah 10) dan toleransi sebesar 0,290 (diatas 0,1), variabel gross profit margin memiliki nilai VIF sebesar 1,632 dan nilai toleransi sebesar 0,613 (diatas 0,1), variabel net profit margin memiliki nilai VIF sebesar 3,111 (dibawah 10 ) dan nilai toleransi sebesar 0,321 (diatas 0,1), dan variabel return on asset memiliki nilai VIF (4,869) serta nilai toleransi 0,205 (diatas 0,1) sehingga
secara
keseluruhan
masing-masing
variabel
tersebut
bebas
dari
multikolinearitas. IV.2.4 Uji Auto Korelasi Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode sebelumnya (t-1). Uji autkorelasi dapat dilakukan dengan melakukan uji Durbin-Watson atau juga disebut D-W test. Pengambilan keputusan apakah terjadi autokorelasi diantara variabel bebas dilihat pada tabel dibawah ini : Kondisi
Keputusan
X ≤ 4-dl
Terjadi autokorelasi positif
X ≥ 4-dI
Terjadi autokorelasi negatif
dI ≤ X ≤ dU
Tidak dapat disimpulkan
dU ≤ X ≤ 4-dU
Tidak terdapat autokorelasi Tabel 4.3 : Keputusan Uji Durbin-Watson
97
Hasil Uji Durbin Watson dapat dilihat pada tabel di bawah ini :
Model Summaryb Model dimension0
1
R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
,402a
,161
,044
,03519
1,836
a. Predictors: (Constant), Var6_ROA, Var4_GPM, Var5_NPM, Var1_CR, Var2_DTA, Var3_TATO b. Dependent Variable: VarRS
Tabel 4.4 : Hasil Uji Durbin-Watson autokorelasi Hasil uji Durbin-Watson menunjukan nilai 1,836. Dengan jumlah variabel sebanyak 6 dan n sebanyak 52 maka dU adalah sebesar 1,814 (hasil dU didapat dari tabel Durbin-Watson) dan nilai 4-dU sebesar 2,186 sedangkan nilai dI sebesar 1,334 (hasil dI didapat dari tabel Durbin-Watson) dan nilai 4-dI sebesar 2,666. Hasil tersebut menunjukan bahwa nilai 1,836 berada diantara dU ≤ X ≤ 4-dU dimana 1,814 ≤ 1,836 ≤ 2,186. Maka dari hasil tersebut dapat disimpulkan tidak terjadi autokorelasi dalam variabel bebas. IV.2.5 Uji Linearitas Uji linearitas bertujuan untuk melihat apakah dalam suatu model regresi terdapat hubungan linear antara variabel bebas dan variabel terikat. Sebuah dalam suatu model terdapat hubungan yang bersifat linear atau garis lurus, dengan arah garis ke kanan atas atau ke kanan bawah antara kedua variabel tersebut. Jika hubungan tidak liner atau keduanya mempunyani hubungan yang hiperbola maka model regresi akan bias dalam melakukan prediksi terhadap variabel terikat (Santoso Singgih,2012:243).
98
Dalam menguji model apakah terdapat hubungan yang linear maka dilakukan uji durbin-watson dengan cara mengkuadratkan nilai dari masing masing variabel bebas kemudian memasukkan variabel bebas yang dikuadratkan tersebut ke dalam program SPSS bersama sama dengan variabel bebas, kemudian hasil uji tersebut diputuskan dengan menggunakan tabel dengan kesimpulan sebagai berikut
Kondisi
Keputusan
X ≤ 4-dl
Terjadi autokorelasi positif
X ≥ 4-dI
Terjadi autokorelasi negatif
dI ≤ X ≤ dU
Tidak dapat disimpulkan
dU ≤ X ≤ 4-dU
Tidak terdapat autokorelasi
Hasil uji durbin-watson untuk linearitas dapat dilihat pada tabel di bawah ini
Model Summaryb Model dimension0
R 1
R Square a
,478
,229
Adjusted R Square -,021
Std. Error of the Estimate ,03638
Durbin-Watson 1,836
a. Predictors: (Constant), ROAsqrt, TATOsqrt, CRsqrt, DTAsqrt, Var4_GPM, NPMsqrt, Var3_TATO, GPMsqrt, Var1_CR, Var2_DTA, Var5_NPM, Var6_ROA b. Dependent Variable: VarRS
Tabel : 4.5 Hasil Uji Durbin – Watson linearitas Hasil uji Durbin-Watson menunjukan nilai 2,058. Dengan jumlah variabel sebanyak 6 dan n sebanyak 50 maka dU adalah sebesar 1,814 (hasil dU didapat dari tabel Durbin-Watson) dan nilai 4-dU sebesar 2,186 sedangkan nilai dI sebesar 1,334 99
(hasil dI didapat dari tabel Durbin-Watson) dan nilai 4-dI sebesar 2,666. Hasil tersebut menunjukan bahwa nilai 1,836 berada diantara dU ≤ X 4-dU dimana ,814 ≤ 1,836 ≤ 2,186. Maka dari hasil tersebut dapat disimpulkan terdapat linearitas antara variabel bebas dengan variabel terikat.
IV.3 Analisis Regresi Linear Berganda Uji Regresi linear dilakukan atas variabel curent ratio, debt to total asset, total asset turnover, gross profit margin, net profit margin, dan return on asset terhadap imbal hasil saham disajikan dalam tabel di bawah ini:
Coefficientsa Model
Unstandardized Coefficients B
Standardized Coefficients
Std. Error
Beta
(Constant)
-,017
,037
Var1_CR
-,002
,006
Var2_DTA
-,014
Var3_TATO
t
Sig. -,451
,654
-,058
-,316
,753
,043
-,071
-,324
,747
,052
,019
,705
2,716
,009
Var4_GPM
,019
,037
,091
,511
,612
Var5_NPM
,224
,091
,605
2,456
,018
Var6_ROA
-,331
,135
-,753
-2,445
,019
a. Dependent Variable: VarRS
Tabel 4.6 : Hasil Uji Regresi Linear Berganda
100
Dari hasil tabel diatas persamaan untuk membentuk model regresi linear dapat dilihat pada tabel unstandarized coefficient di kolom beta. Dari Hasil analisis tersebut diperoleh nilai konstanta sebesar -0,017 nilai variabel current ratio sebesar -0,002 nilai variabel debt to total asset sebesar -0,014, nilai variabel total asset turnover sebesar 0,052, nilai variabel gross profit margin sebesar 0,019 nilai variabel net profit margin sebesar 0,224 nilai return on asset sebesar -0,331 Dari nilai tersebut dapat dibentuk model regresi linear sebagai berikut :
Keterangan X1 : Current Ratio X2 : Debt To Total Asset X3 : Total Asset Turnover X4 : Gross Profit Margin X5: Net Profit Margin X6 : Return On Asset Dari hasil regresi linear berganda diatas ada beberapa hal yang dapat dijelaskan beberapa hal berikut : 1. Konstanta (koefisien intersep) bernilai -0,017 berarti apabila variabel lainnya seperti current ratio, debt to total asset, total asset turnover, gross profit margin, net profit margin,
101
dan return on asset tidak dipertimbangkan atau dianggap 0 maka return saham sebesar 0,017 (1,7%). 1. Nilai koefisien regresi total asset turnover (X3) sebesar 0,052 memiliki pengertian bahwa setiap kenaikan 1% dari total asset turnover maka akan memberikan pengaruh kenaikan terhadap imbal hasil saham (Y) sebesar 0,052% 3. Nilai koefisien regresi net profit margin (X5) sebesar 0,224 memiliki pengertian bahwa setiap kenaikan 1% dari net profit margin maka akan memberikan pengaruh kenaikan imbal hasil saham (Y) sebesar 0,224% 7. Nilai koefisien return on asset (X6) sebesar -0,331 memiliki pengertian bahwa setiap kenaikan 1% dari return on asset maka akan memberikan pengaruh penurunan imbal hasil saham (Y) sebesar 0,331% IV.4 Pengujian Hipotesis Agar dapat membuktikan pengaruh antara rasio current asset, debt to total asset, total asset turnover, gross profit margin, net profit margin, serta return on asset berpengaruh terhadap imbal hasil saham baik secara parsial maupun simultan maka dilakukan uji hipotesis. Untuk menguji pengaruh simultan dari variabel current ratio, debt to total asset, total asset turnover, gross profit margin, net profit margin,dan return saham terhadap variabel terikat dilakukan uji f . Untuk menguji pengaruh parsial dari variabel current ratio, debt to total asset, total asset turnover, gross profit margin, net profit margin,dan return saham terhadap variabel terikat dilakukan uji t.
102
IV.4.1 Uji f Uji f digunakan untuk membuktikan hipotesis pertama yang menyatakan “ Ada hubungan signifikan antara CR, TATO, GPM, NPM, ROA terhadap imbal hasil saham secara simultan” dapat diterima atau ditolak. Uji F tersebut bertujuan untuk mengetahui signifikansi atau pengaruh variabel bebas (CR, DTA, TATO, GPM, NPM, ROA) secara bersama sama terhadap variabel terikat (RS). Uji ini dilakukan menggunakan uji distribusi f yakni membandingkan anatara nilai f hitung dengan f tabel yang terdapat dalam tabel uji f. Apabila hasil uji f hitung lebih besar (>) dari f tabel dan signifikansinya dibawah (<) 0,05(α) maka dapat dikatakan bahwa variabel bebas berpengaruh secara bersama sama atas variabel terikat sebaliknya apabila f hitung lebih kecil (<) dari f tabel dan signifikansinya diatas (>) 0,05(α) maka dapat dinyatakan variabel bebas secara simultan kurang berpengaruh terhadap variabel terikat. Hasil uji f dapat dilihat pada tabel di bawah ini :
ANOVAb Model 1
Sum of Squares
df
Mean Square
Regression
,010
6
,002
Residual
,053
43
,001
Total
,063
49
F
Sig. 1,378
,245a
a. Predictors: (Constant), Var6_ROA, Var4_GPM, Var5_NPM, Var1_CR, Var2_DTA, Var3_TATO b. Dependent Variable: VarRS
Tabel 4.7 : Hasil uji f Dari tabel diatas dapat diketahui bahwa nilai f hitung sebesar 1,378 apabila dibandingkan dengan f tabel sebesar 2, 286 maka dapat diketahui bahwa variabel current 103
ratio, debt to total asset, total asset turnover, gross profit margin,net profit margin, return on asset tidak mempengaruhi variabel imbal hasil saham secara simultan atau bersamaan selain itu nilai signifikansi yang diatas 0,05 menunjukan bahwa variabel bebas kurang berpengaruh terhadap variabel terikat hal ini ditunjukan dengan nilai signifikansi sebesar 0,245 . Hal ini berarti apabila variabel CR, DTA, TATO, GPM, NPM, dan ROA kurang efektif apabila digunakan bersama dalam melakukan penilaian saham karena kurang signifikan sehingga dengan data diatas maka hipotesis pertama yang menyatakan ” Ada hubungan yang signifikan antara current ratio, debt to total asset, total asset turnover, gross profit margin, net profit margin,return on asset terhadap tingkat imbal hasil saham secara simultan.” ditolak.
IV.4.2 Uji t Uji t dilakukan untuk membuktikan hipotesis kedua, ketiga, keempat, kelima, keenam, dan ketujuh apakah hipotesis diterima tau ditolak. Tujuan dari uji t adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat secara parsial atau terpisah. Sebuah variabel bebas dapat dianggap berpengaruh parsial terhadap variabel terikat apabila nilai t hitung lebih besar (>) dari t tabel dan memiliki signifikansi (<) 0,05 (α) sebaliknya variabel bebas dianggap tidak berpengaruh terhadap variabel terikat secara parsial apabila nilai t thitung lebih kecil (<) dari t tabel dan signifikansinya lebih besar dari (>) 0,05 (α) . Hasil uji t dapat dilihat pada tabel berikut ini :
104
a
Coefficients Model
Standardized Unstandardized Coefficients B
1
Coefficients
Std. Error
Beta
(Constant)
-,017
,037
Var1_CR
-,002
,006
Var2_DTA
-,014
Var3_TATO
t
Sig. -,451
,654
-,058
-,316
,753
,043
-,071
-,324
,747
,052
,019
,705
2,716
,009
Var4_GPM
,019
,037
,091
,511
,612
Var5_NPM
,224
,091
,605
2,456
,018
Var6_ROA
-,331
,135
-,753
-2,445
,019
a. Dependent Variable: VarRS
Tabel 4.8 : Hasil uji t Dari tabel diatas dapat kita lihat hasil uji t pada kolom t. Dengan mengacu pada tabel dapat kita peroleh t tabel sebesar 1,67469 Nilai t hitung dari masing masing serta pengujian hipotesis akan dijelaskan di bawah :
1. Variabel Bebas Current Ratio (X1) Dari tabel hasil uji t diatas dapat kita lihat pada kolom t Var1_CR bahwa nilai t hitung sebesar -3,16 dengan nilai signifikansi sebesar 0,753 apabila dibandingkan dengan t tabel sebesar 1,67469 maka nilai t hitung lebih rendah daripada t tabel, selain itu signifikansi dari variabel current ratio lebih besar dari 0,050. Hal ini menunjukan tidak ada pengaruh signifikan antara current ratio terhadap imbal hasil saham secara parsial sehingga dengan demikian maka hipotesis kedua yang menyatakan “Ada
105
hubungan yang signifikan antara current ratio terhadap tingkat imbal hasil saham.” ditolak dan hipotesis nol diterima. Hasil pengujian ini tidak sejalan dengan penelitian terdahulu yang dilakukan oleh Ika Rahayu (2003) yang menyatakan bahwa variabel CR memiliki pengaruh yang positif terhadap imbal hasil saham, namun pengaruh tersebut tidak signifikan. 2. Variabel Bebas Debt to Total Asset (X2) Dari tabel hasil uji t diatas dapat kita lihat pada kolom t Var2_DTA bahwa nilai t hitung sebesar -0,324 dengan nilai signifikansi sebesar 0,747 apabila dibandingkan dengan t tabel sebesar 1,67469 maka nilai t hitung lebih rendah daripada t tabel, selain itu signifikansi dari variabel debt to total asset lebih besar dari 0,050. Hal ini menunjukan tidak ada pengaruh signifikan antara debt to total asset terhadap imbal hasil saham secara parsial sehingga dengan demikian maka hipotesis ketiga yang menyatakan “Ada hubungan yang signifikan antara debt to total asset terhadap tingkat imbal hasil saham.”
ditolak dan hipotesis nol diterima. Hasil dari dari penelitian ini berbeda
dengan penelitian yang dilakukan Minar Simanungkalit (2009) yang menyatakan bahwa debt to total asset tidak berpengaruh secara signifikan serta memiliki hubungan yang positif terhadap imbal hasil saham. 3. Variabel Bebas Total Asset Turnover (X3) Dari tabel hasil uji t diatas dapat kita lihat pada kolom t Var3_TATO bahwa nilai t hitung sebesar 2,716 dengan nilai signifikansi sebesar 0,009 apabila dibandingkan dengan t tabel sebesar 1,67469 maka nilai t hitung lebih tinggi daripada t tabel, selain itu signifikansi dari variabel
total asset turnover lebih kecil dari 0,050. Hal ini 106
menunjukan ada pengaruh signifikan antara total asset turnover terhadap imbal hasil saham secara parsial sehingga dengan demikian maka hipotesis keempat yang menyatakan “Ada hubungan yang signifikan antara total asset turnover terhadap tingkat imbal hasil saham.”
diterima dan hipotesis nol ditolak. Hasil dari penelitian ini
konsisten dengan penelitian yang dilakukan sebebelumnya oleh Ika Rahayu (2003), Saniman Widodo (2007) dan Ejun Samson (2009) yang menyatakan bahwa total asset turnover memiliki pengaruh yang positif dan signifikan terhadap imbal hasil saham 4. Variabel Bebas Gross Profit Margin (X4) Dari tabel hasil uji t diatas dapat kita lihat pada kolom t Var4_GPM bahwa nilai t hitung sebesar 0,511 dengan nilai signifikansi sebesar 0,612 apabila dibandingkan dengan t tabel sebesar 1,67469 maka nilai t hitung lebih rendah daripada t tabel, selain itu signifikansi dari variabel gross profit margin lebih besar dari 0,050. Hal ini menunjukan tidak ada pengaruh signifikan antara gross profit margin terhadap imbal hasil saham secara parsial sehingga dengan demikian maka hipotesis kelima yang menyatakan “Ada hubungan yang signifikan antara gross profit margin terhadap tingkat imbal hasil saham.” ditolak dan hipotesis nol diterima. Hal ini searah dengan penelitian yang dilakukan Annio Indah Lestari, Musclih Lutfi, dan Syahyunan (2005) yang menyatakan bahwa gross profit margin memiliki hubungan positif namun tidak signifikan terhadap return saham. 5. Variabel Bebas Net Profit Margin (X5) Dari tabel hasil uji t diatas dapat kita lihat pada kolom t Var5_NPM bahwa nilai t hitung sebesar 2,456 dengan nilai signifikansi sebesar 0,018 apabila dibandingkan 107
dengan t tabel sebesar 1,67469
maka nilai t hitung lebih tinggi daripada t tabel,
sedangkan signifikansi net profit margin sebesar 0,018. Hal ini menunjukan ada pengaruh signifikan antara net profit margin terhadap imbal hasil saham secara parsial sehingga dengan demikian maka hipotesis keenam yang menyatakan “Ada hubungan yang signifikan antara net profit margin terhadap tingkat imbal hasil saham.” diterima dan hipotesis nol ditolak. Hasil dari penelitian ini sejalan dengan penelitian yang dilakukan Taufik Hidayat (2009) yang menyatakan bahwa net profit margin memiliki pengaruh yang signifikan dan positif terhadap return saham. 6. Variabel Bebas Return On Asset (X6) Dari tabel hasil uji t diatas dapat kita lihat pada kolom t Var6_ROA bahwa nilai t hitung sebesar -2,445 dengan nilai signifikansi sebesar 0,019 apabila dibandingkan dengan t tabel sebesar 1,67469 maka nilai t hitung lebih tinggi daripada t tabel dan signifikansi dari return on asset lebih kecil dari 0,05 . Hal ini menunjukan ada pengaruh signifikan antara return on asset terhadap imbal hasil saham secara parsial sehingga dengan demikian maka hipotesis ketujuh yang menyatakan “Ada hubungan yang signifikan antara return on asset terhadap tingkat imbal hasil saham.” diterima dan hipotesis nol ditolak. Hasil penelitian ini berbeda dengan penelitian terdahulu yang dilakukan oleh Ika Rahayu (2003) yang menyatakan bahwa return on asset memiliki pengaruh positif dan memiliki pengaruh yang signifikan.
108
IV.5 Uji Koefisien Determinasi Koefisien determinasi
digunakan untuk mengetahui
seberapa mampu variabel
bebas current ratio, debt to total asset, total asset turnover, gross profit margin, net profit margin, dan return on asset menjelaskan imbal hasil saham. Koefisien determinasi memiliki besaran angka 0 hingga 1. Apabila nilai koefisien determinasi mendekati angka 1 maka dapat dikatakan bahwa variabel bebas memberikan informasi yang semakin dapat memprediksi variabel terikat. Tabel dibawah ini merupakan hasil dari analisis koefisien determinasi
Model Summaryb Model dimension0
1
R ,402a
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
,161
,044
,03519
1,836
a. Predictors: (Constant), Var6_ROA, Var4_GPM, Var5_NPM, Var1_CR, Var2_DTA, Var3_TATO b. Dependent Variable: VarRS
Tabel 4.9 : Hasil Perhitungan Koefisien Determinasi
Dari hasil perhitungan koefisien determinasi dapat dilihat bahwa
sebesar 16,1%,
hal ini menunjukkan bahwa kemampuan variabel current ratio, debt to total asset, total asset turnover, gross profit margin, net profit margin, dan return on asset dalam menjelaskan atau memberikan pengaruh variabel imbal hasil saham sebesar 16,1% dan sisanya sebanyak 83,9% dijelaskan oleh variabel lain yang tidak dibahas pada penelitian ini.
109