BAB IV ANALISIS HASIL DAN PEMBAHASAN
4.1 Statistik Deskriptif Pembuatan
statistik
deskriptif
untuk
sampel
tersebut
dibantu
dengan
menggunakan program komputer Statisical Package for Sosial Science atau lebih dikenal dengan SPSS versi 20 dengan hasil perhitungan sebagai berikut : Tabel 4.1 Statistik deskriptif Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
Umur
34
8
150
41.29
29.737
Ukuran
34
2044367
358438678
55244249.74
85095585.341
Returnsaham
34
-.1993
.0775
-.067927
.0624629
Valid N (listwise)
34
Dalam tabel analisis statistik obyek penelitian diatas, peneliti akan menjabarkan hasil perhitungan nilai minimum, nilai maksimum, rata-rata (mean) dan simpangan baku (standar deviasi) dari umur perusahaan, ukuran perusahaan, dan return saham dari perusahaan yang masuk dalan LQ 45 selama pengamatan. Berdasarkan hasil perhitungan statistik deskriptif diatas, akan dijabarkan sebagai berikut: 1. Variabel Umur Perusahaan menunjukkan jumlah responden (N) ada 34, dan memiliki nilai rata-rata atau mean sebesar 41.29 dengan standar deviasi 29.737. 52
53
Umur perusahaan memiliki nilai terkecil (minimum) sebesar 8 yaitu pada PT. Energi Mega Persada Tbk, PT. Truba Alam Manunggal Engineering Tbk. Dan nilai terbesar (maksimum) sebesar 150 pada PT. Perusahaan Gas Negara (Persero) Tbk. 2. Variabel Ukuran Perusahaan menunjukkan jumlah responden (N) ada 34, dan memiliki nilai rata-rata atau mean sebesar 55244249.74 dengan standar deviasi 85095585.341. Ukuran perusahaan memiliki nilai terkecil (minimum) sebesar 2044367 yaitu pada PT. Bumi Resource Tbk, Dan nilai terbesar (maksimum) sebesar 358438678 pada PT. Bank Mandiri (Persero) Tbk . 3. Variabel Return saham menunjukkan jumlah responden (N) ada 34, dan memiliki nilai rata-rata atau mean sebesar -0.067927 dengan standar deviasi 0.0624629. Return saham memiliki nilai terkecil (minimum) sebesar -0.1993 yaitu pada PT. Energi Mega Persada Tbk. Dan nilai terbesar (maksimum) sebesar 0.0775 pada PT. Indah Kiat Pulp & Paper Tbk.
4.2 Normalitas Data Uji normalitas sering disalah artikan bahwa semua variabel harus memiliki distribusi normal. Uji normalitas yang dimaksud adalah nilai residual dari regresi tersebut harus berdistribusi normal. Jadi yang diminta adalaha hasil residual dari persamaan regresi berdistribusi normal (Ghozali, 2009) Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel residual memiliki distribusi normal. Salah satu cara untuk melihat
54
normalitas residual adalah dengan uji statistik non parametrik kolmogorovsmirnov (K-S). hasil uji K-S dapat dilihat pada tabel 4.2 sebagai berikut : Table 4.2 Uji Normalitas Data Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual 34
N Normal a,b Parameters
Mean
Most Extreme Differences
Absolute
Std. Deviation
.0000000 .05669700 .085
Positive
.085
Negative
-.070
Kolmogorov-Smirnov Z
.494
Asymp. Sig. (2-tailed)
.967
a. Test distribution is Normal. b. Calculated from data.
Hasil pengujian pada tabel 4.2 Menunjukkan bahwa Asymp. Sig (2 tailed) pada uji Kolmogorov-smirnov adalah 0,967. Hasil tersebut menunjukkan bahwa Kolmogorov-smirnov besarnya nilai signifikan pada seluruh variabel terikat melebihi 5%. Sehingga dapat disimpulkan bahwa data residual terdistribusi secara normal diterima.
55
Gambar 4.1 P.P Plot
Pada gambar diatas uji normalitas dengan PP Plot memperlihatkan titik-titik menyebar disekitar garis diagonal, serta penyebarannya mengikuti garis diagonal maka dapat disimpulkan model regresi berdistribusi normal (Imam Ghozali).
4.3 Uji Asumsi Klasik 4.3.1 Uji Autokolerasi Autokolerasi adalah hubungan (kolerasi) yang terjadi antara variabel independen dari serangkaian pengamatan yang tersusun dalam rangkaian waktu atau data time series dan data yang tersusun dalam rangkaian ruang atau cross sectional. Metode ini yang paling sering dipakai untuk
56
mendeteksi adanya autokolerasi dalam suatu model regresi adalah metode statistic Durbin Watson. Hasil analisis Durbin Watson ( DW ) dapat digunakan untuk mengetahui ada tidaknya autokolerasi, ketentuan pengambilan keputusan menurut Singgih Santoso (2002:218) dapat dilakukan dengan cara melihat besaran DW sebagai berikut : a. Angka DW dibawah -2 berarti ada autokolerasi positif b. Angka DW diantara -2 sampai +2 berarti tidak ada autokolerasi c. Angka DW diatas +2 berarti ada autokolerasi negatif Table 4.3 Hasil uji Autokolerasi b
Model Summary Model
1
R
R Square
a
.420
.176
Adjusted R
Std. Error of the
Square
Estimate
.123
.0584974
Durbin-Watson
1.470
a. Predictors: (Constant), Ukuran, Umur b. Dependent Variable: Returnsaham
Dari pengujian autokorelasi dapat diketahui bahwa nilai DW adalah 1.470 maka angka DW diantara -2 sampai +2 yang berarti tidak terjadi gejala autokolerasi.
57
4.3.2 Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan ke pegamatan lainnya. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Heteroskedastisitas dapat dideteksi dengan melihat penyebaran plot melalui gambar scatterplot sebagai berikut: Gambar 4.2 Grafik Scatterplot
Dari grafik scatterplots diatas terlihat titik-titik menyebar secara acak serta tersebar baik di atas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi pengaruh umur perusahaan dan ukuran perusahaan.
58
4.3.3 Uji Multikolinearitas Uji Multikolinearitas ini bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antar variabel independen. Deteksi ada tidaknya Multikolinearitas dapat dilihat dari besaran VIF (Variance inflation Factor) dan nilai tolerance. Regresi bebas dari masalah multikolinearitas jika nilai VIF > 10 dan nilai tolerance < 0,1 (Ghozali, 2009:95). Hasil olah data SPSS pengujian multikolinearitas pada model regresi dalam penelitian ini dapat dilihat pada table dibawah ini: Table 4.4 Hasil Uji Multikolinieritas a
Coefficients Model
Unstandardized Coefficients
Standardiz
T
Sig.
ed
Collinearity Statistics
Coefficients B (Constant) 1
Umur Ukuran
Std. Error -.093
.018
.000
.000
2.837E-010
.000
Beta
Tolerance
VIF
-5.212
.000
.104
.623
.538
.960
1.041
.387
2.323
.027
.960
1.041
a. Dependent Variable: Returnsaham
Pada tabel 4.4 dapat dilihat untuk kedua variabel independen nilai tolerance sebesar 0,960 > 0.1 dan nilai VIF sebesar 1,041 < 10 dan dapat disimpulkan tidak terdapat multikolinearitas pada model regresi.
59
4.4 Regresi Linier Berganda Analisis linier berganda digunakan untuk mendapatkan regresi yang akan menentukan apakah hipotesis yang dibuat akan diterima atau tidak Tabel 4.5 Hasil Analisis Regresi Linier Berganda a
Coefficients Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std.
T
Sig.
Beta
Error (Constant) 1
Umur Ukuran
-.093
.018
.000
.000
2.837E-010
.000
-5.212
.000
.104
.623
.538
.387
2.323
.027
a. Dependent Variable: Returnsaham
Dari hasil output regresi tersebut, maka dapat diperoleh hasil persamaan regresi sebagai berikut: Returnsaham = -0,93 + 000 Umur Perusahaan + 2,837E-010 Ukuran Perusahaan + e Dari hasil persamaan model regresi tersebut diperoleh : • Konstanta sebesar -0,093 menyatakan bahwa jika variable umur perusahaan dan ukuran perusahaan dianggap konstan, maka return saham sebesar -0,093. • Koefisien regresi umur perusahaan sebesar 000 menyatakan bahwa setiap kenaikan umur selama 1 tahun maka akan meningkatkan return sebesar 000
60
• Koefisien regresi ukuran perusahaan sebesar 0.00000000002837 menyatakan bahwa setiap kenaikan total aktiva 1 rupiah akan meningkatkan return saham sebesar 0.00000000002837
4.5
Koefisien Determinasi Koefisien determinasi (R2) digunakan mengukur seberapa jauh kemampuan model. Nilai koefisien determinasi dari model regresi ini penelitian ini dapat dilihat pada tebel 4.6 sebagai berikut. Tabel 4.6 Hasil koefisien Determinasi b
Model Summary Model
1
R
R Square
a
.420
Adjusted R
Std. Error of the
Square
Estimate
.176
.123
.0584974
a. Predictors: (Constant), Ukuran, Umur b. Dependent Variable: Returnsaham
Pada table 4.6 menunjukan bahwa koefisien determinasi dengan nilai Adjusted R square sebesar 0,123. Hal ini berarti bahwa 12,3% dipengaruhi secara signifikan oleh variabel umur perusahaan dan ukuran perusahaan. Sedangkan sisanya (100%12,3% = 87,7%) dipengaruhi oleh faktor lain.
61
4.6 Hipotesis 4.6.1
Uji Simultan dengan F-test Uji Simultan dengan F-test ini bertujuan untuk mengetahui pengaruh secara bersama-sama variable independent terhadap variable dependent. Hasil F-test ini pada output SPSS dapat dilihat pada table ANOVA. Hasil F-test ini berpengaruh secara bersama-sama variable independent terhadap variable dependent jika nilai signifikan F (P-value) pada kolom sig. lebih kecil dari level of significant yang ditentukan, atau Fhitung (pada kolom F) lebih besar dari Ftabel. Dimana Ftabel dihitung dengan cara df1 = k – 1, dan df2 = n – k, dimana k adalah jumlah variabel dependen dan independen. Berikut hasil uji statistic F dapat dilihat pada tabel 4.7: Tabel 4.7 Hasil Uji Simultan dengan f-test a
ANOVA Model
Sum of
df
Mean
Squares
1
F
Sig.
Square
Regression
.023
2
.011
Residual
.106
31
.003
Total
.129
33
3.313
b
.050
a. Dependent Variable: Returnsaham b. Predictors: (Constant), Ukuran, Umur
Hasil pengolahan data terlihat bahwa nilai Fhitung sebesar 3.313 dengan probabilitas sebesar 0.05 ≤ 0.05. Nilai probabilitas pengujian 0.05 menunjukkan bahwa return saham dapat dijelaskan secara signifikan oleh variabel umur perusahaan dan ukuran perusahaan. Dengan kata lain umur
62
perusahaan dan ukuran perusahaan secara bersama-sama berpengaruh signifikan terhadap return saham
4.6.2
Uji Parsial dengan t-test Test ini bertujuan untuk mengetahui besarnya pengaruh masing-masing variabel independen. Hasil uji ini pada output SPSS dapat dilihat pada table Coefficients. Nilai dari uji t-test dapat dilihatdari P-value < level of significant yang ditentukan, atau t hitung (pada kolom t) lebih besar dari t table (dihitung dati two tailed α = 5 % dengan df = n – k, dimana k merupakan jumlah variabel independen), maka dapat disimpulkan bahwa hasil yang diperoleh signifikan dan terdapat pengaruh antara masing-masing variabel independen dan dependen. Berikut hasil uji Parsial dengan T-test dapat dilihat pada tabel 4.8 : Tabel 4.8 Hasil Uji Parsial dengan t-test a
Coefficients Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std.
t
Sig.
Beta
Error (Constant) 1
Umur Ukuran
-.093
.018
.000
.000
2.837E-010
.000
a. Dependent Variable: Returnsaham
-5.212
.000
.104
.623
.538
.387
2.323
.027
63
Hasil pengujian dapat dilihat dari nilai uji t dan hasil signifikansi pengujiannya dapat dilihat dari tabel 4.8 diatas. Dari uji statistik t antara masing-masing variabel independen terhadap variabel dependen dapat dijelaskan sebagai berikut : 1. Pengaruh Umur perusahaan terhadap return saham Berdasarkan hasil pengujian regresi terhadap variabel umur perusahaan menunjukkan nilai thitung sebesar 0, 623 dan dengan nilai signifikansi sebesar 0,538 yang lebih besar dari 0,05 maka dapat disimpulkan bahwa variabel umur perusahaan tidak berpengaruh signifikan terhadap return saham oleh karena itu, hipotesis pertama (Ha1) “ Umur perusahaan tidak berpengaruh signifikan terhadap return saham” tidak dapat diterima. Penelitian ini didukung oleh penelitian sebelumnya yang dilakukan oleh Daljono (2000) yang mengatakan bahwa umur perusahaan perusahaan terbukti tidak berpengaruh signifikan terhadap initial return pada IPO tahun 1990-1997. Hal ini mempunyai arti bahwa investor pada saat membeli saham perusahaan yang terdaftar di BEI, tidak terlalu mempertimbangkan lamanya perusahaan tersebut.
64
2. Pengaruh Ukuran perusahaan terhadap return saham Berdasarkan hasil pengujian regresi terhadap variabel umur perusahaan menunjukkan nilai thitung sebesar 2,323 dan dengan nilai signifikansi sebesar 0,027 yang lebih kecil dari 0,05 maka dapat disimpulkan bahwa variabel ukuran perusahaan berpengaruh secara signifikan terhadap return saham oleh karena itu, hipotesis kedua (Ha2) “Ukuran perusahaan berpengaruh signifikan terhadap return saham” dapat diterima. Penelitian ini didukung oleh penelitian sebelumnya yang dilakukan oleh Abror Ariefrianto (2012) dengan judul pengaruh aruskas operasi, laba bersih dan size perusahaan terhadap return saham pada perusahaan yang tergabung dalam indeks LQ 45 Tahun 2009-2010. Hasil penelitian menunjukkan ukuran perusahaan berpengaruh signifikan terhadap return saham. Begitupun dengan hasil penelitian dari Ninna Daniati (2006). Hasil pengujian yang signifikan menunjukkan bahwa ukuran perusahaan perusahaan cukup informatif untuk mengukur kinerja suatu perusahaan. Investor beranggapan bahwa perusahaan yang besar dapat memberikan tingkat return yang besar.