BAB IV ANALISIS DATA
A. Analisis Data 1. Statistik Deskriptif Statistik deskriptif pada penelitian ini akan menggambarkan data penelitian tentang Price Earning Ratio (PER), Earning Per Share (EPS), Return On Asset (ROA) Debt to Equity Ratio (DER) dan Harga Saham. Sampel penelitian sebanyak 9 perusahaan selama4 tahun yaitu periode 2011 - 2014 dengan penyajian data dilakukan menggunakan model panel data, sehingga jumlah data yang diobservasi (n) dalam penelitian ini sebayak 9 x 4 = 36 data observasi. Analisis statistik deskriptif pada penelitian ini dapat dilihat dari nilai minimum, nilai maksimum, mean, dan standar deviasi67 yang dijelaskan sebagai berikut: Tabel 4.1. Statistik Deskriptif Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
PER
36
-34,55
55,52
21,7208
15,17947
EPS
36
-104,41
1361,02
434,6911
412,15362
ROA
36
-1,40
71,51
15,1697
13,66751
DER
36
,13
3,56
,9283
,75731
Hrgshm
36
680,00
32300,00
9110,9722
8546,00005
Valid N (listwise)
36
Sumber : Data diolah
67
Purbayu Budi Santoso dan Ashari, Analisis Statistik dengan Microsoft Excel dan SPSS, (Yogyakarta: ANDI, 2005), ed. I, hlm. 19.
66
67
Hasil deskriptif statistik pada tabel 4.1 di atas diketahui nilai mean data untuk variabel Harga Saham adalah sebesar 9110,9722 dengan standar deviasi sebesar 8546,00005, sedangkan nilai mean untuk variabel PER adalah sebesar 21,7208 dengan standar deviasi sebesar 15,17947. Nilai mean untuk variabel EPS adalah sebesar 434,6911dengan standar deviasi sebesar 412,15362. Nilai mean untuk variabel DER adalah sebesar 0,9283 dengan standar deviasi sebesar ,75731. Nilai mean untuk variabel ROA adalah sebesar 15,1697 dengan standar deviasi sebesar 13,66751. 2. Pengujian Asumsi Klasik Untuk menghasilkan suatu analisis data yang akurat, suatu persamaan regresi sebaiknya terbebas dari asumsi-asumsi klasik yang harus dipenuhi antara lainuji normalitas, multikolinearitas, autokolerasi dan heteroskedastisitas. a. Pengujian Normalitas Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel terikat dan variabel bebas memiliki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu analisis grafik dengan melihat tampilan grafik histogram, grafik normal probability plot, maupun dengan uji one sample kolmogrov-smirnov test.
68
1) Analisis Grafik Analisis grafik dilakukan dengan melihat grafik histogram dan grafik P-Plot. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Data yang baik adalah data yang memiliki pola distribusi normal seperti Gambar 4.1. berikut: Gambar 4.1. Grafik Histogram
Sumber: data diolah. Dilihat dari tampilan grafik histogram tersebut dapat disimpulkan bahwa kurva membentuk lonceng maka dapat dikatakan model
69
berdistribusi normal. Jika dilihat dari grafik normal P-Plot sebagaimana ditampilkan pada Gambar 4.2. berikut: Gambar 4.2. Grafik Normal Plot
Sumber: data diolah. Berdasarkan grafik Normal Probability Plots (dapat dilihat pada gambar 4.2), dapat diketahui bahwa titik - titik menyebar di sekitar garis diagonal. Hal ini mengindikasikan bahwa model regresi memenuhi asumsi normalitas. 2) Analisis Statistik Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama. Oleh sebab itu, dilakukan kembali uji normalitas data dengan menggunakan statistik agar lebih meyakinkan.
70
Untuk memastikan apakah residual terdistribusi normal maka dilakukan uji Kolmogorov-Smirnov (K-S). Data dikatakan berdistribusi normal jika memiliki nilaisignifikansi lebih dari 5%. Hasil uji K – S dapat dilihat pada Tabel 4.2 sebagai berikut: Tabel 4.2. Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
36
Normal Parameters
a,b
Most Extreme Differences
Mean Std. Deviation
,0000000 ,55221576
Absolute
,128
Positive
,122
Negative
-,128
Kolmogorov-Smirnov Z
,768
Asymp. Sig. (2-tailed)
,597
a. Test distribution is Normal. b. Calculated from data.
Sumber: data diolah. Berdasarkan hasil pada tabel 4.2 di atas, data terdistribusi normal. Hal ini ditunjukkan dengan nilai Kolmogorov – Smirnov sebesar 0,768 dengan signifikan sebesar 0,597 yang lebih besar dari dari 0,05. Hal ini berarti data residualnya terdistribusi secara normal. b. Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya kolerasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi kolerasi diantara variabel
71
bebas. Jika variabel bebas saling berkolerasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel bebas yang nilai kolerasi antar sesama variabel bebas sama dengan nol. Multikolinearitas dapatdilihat dari nilai tolerance dan Variance Inflation Factor (VIF). Regresi bebas dari gangguan multikolinearitas apabila nilai VIF kurangdari 10.68 Berdasarkan hasil pengolahan SPSS atas data yang diperoleh, dapat dilihat pada Tabel 4.2 sebagai berikut: Tabel 4.3. Uji Multikolinearitas Coefficients
a
Collinearity Statistics Model 1
Tolerance
VIF
(Constant) PER
.777
1.288
EPS
.582
1.717
ROA
.602
1.661
DER
.751
1.332
a. Dependent Variable: LnHrgShm
Sumber : Data diolah Dari tabel tersebut di atas dapat dilihat bahwa nilai VIF untuk masing-masing variabel adalah < 10 dan tolerance tidak kurang dari 0,1. Hal ini membuktikan bahwa model regresi yang digunakan dalam penelitian ini tidak terdapat gejala multikolinearitas (homoskedastisitas). c. Uji Autokorelasi Uji Autokorelasi bertujuan mengetahui apakah terjadi korelasi antara variabel bebas yang diurutkan menurut waktu (data time
68
Imam Ghozali, Aplikasi Multivariate dengan Program SPSS, (Semarang: Universitas Diponegoro, 2004),hlm. 91.
72
series)atau ruang (data cross section). Untuk mengetahui adanya Autokorelasi atau tidak dalam suatu model regresi dilakukan dengan melakukan uji Durbin Watson (uji DW). Uji ini menghasilkan nilai DW hitung (d) dan nilai Dw tabe (dL & dU)69. Aturan pengujiannya adalah: Tabel 4.4. Pengambilan Keputusan Korelasi Hipotesis nol
Keputusan
Jika
ada autokorelasi positif
Tolak
0 < d < dl
Tdk ada autokorelasi positif
No decision
dl ≤ d ≤ du
ada korelasi negative
Tolak
4 – dl < d < 4
Tdk ada korelasi negative
No decision
4 – du ≤ d ≤ 4 – dl
Tdk ada autokorelasi, positif
Tdk ditolak
du < d < 4 – du
atau negatif
Tabel 4.5. Durbin Watson b
Model Summary
Model 1
R
R Square .840
a
Adjusted R Square
.706
.668
Std. Error of the Estimate .58676
Durbin-Watson 1.634
a. Predictors: (Constant), DER, ROA, PER, EPS b. Dependent Variable: LnHrgShm
Sumber : Data diolah Memperhatikan hasil perhitungan dalam tabel di atas, nilai Durbin-Watson sebesar 1,634 dan nilai ini akan dibandingkan dengan
69
Purbayu Budi Santosa dan Ashari, “Analisis Statistik dengan Microsoft Excel dan SPSS”,(Yogyakarta: ANDI, 2005), ed. I, hlm. 240.
73
nilai tabel dengan menggunakan nilai signifikansi 5%, jumlah data 36 (n) dan variabel independent 4 (k=4). Nilai Durbin-Watson dari tabel didapat dL =1,2358 dan dU =1,7245 sehingga nilai DW =1,634 lebih kecil dari nilai dU = 1,7245 lebih besar dari dL =1,2358. Dengan demikian dapat dikatakan bahwa hipotesis nol tidak ada autokorelasi positif dengan keputusan tanpa kesimpulan. Dan secara sederhana dapat dikatakan bahwa model ini dapat dinyatakan tidak terjadi autokorelasi karena nilai probabilitasnya sebesar 1.634 > 0.05, maka dapat dipastikan bahwa model ini tidak mengalami gejala autokorelasi. d. Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variansi dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Cara untuk mendeteksinya adalah dengan cara melihat grafik scatterplot antara nilai, prediksi variabel terikat (Z-PRED) dengan residualnya (SRESID). Deteksi ada tidaknya Heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antar SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual (Y pred – Y sesungguhnya) yang telah distudentized, dengan pengambilan keputusan sebagai berikut : (1) Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar dan menyempit)
74
(2) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah
angka
nol
pada
sumbu
Y,
maka
tidak
terjadi
heteroskedastisitas.70 Berdasarkan hasil pengolahan data, uji heteroskedastisitas dalam penelitian ini ditunjukkan pada Gambar 4.3: Gambar 4.3 Grafik Scatterplot
Sumber : Data diolah
Dari hasil output asumsi heteroskedastisitas dengan grafik scatterplot terlihat bahwa titik-titik menyebar dan tidak ada pola yang jelas. Dengan demikian maka dapat disimpulkan bahwa model regresi tidak terjadi gejala heteroskedastisitas.
70
Imam Ghozali,Aplikasi Multivariate dengan Program SPSS, (Semarang: Universitas Diponegoro, 2004),hlm. 68.
75
3. Uji Regresi Berganda Dalam penelitian yang berkaitan dengan pengaruh Price Earning Ratio (PER), Earning Per Share (EPS), Return On Asset (ROA) Debt to Equity Ratio (DER) terhadap Harga Saham Syariah di Jakarta Islamic. Penelitian ini analisis yang digunakan adalah analisis regresi linier berganda. Perhitungan regresi berganda dilakukan dengan bantuan program SPSS For Windows Versi 16. hasil perhitungan dapat dilihat pada tabel sebagai berikut: Tabel 4.6. Persamaan Regresi Coefficients
a
Unstandardized Coefficients Model 1
B (Constant)
Std. Error 6.771
.294
PER
.016
.007
EPS
.002
.000
ROA
-.005
DER
.719
Standardized Coefficients Beta
T
Sig.
23.002
.000
.235
2.129
.041
.887
6.953
.000
.009
-.067
-.532
.599
.151
.534
4.756
.000
a. Dependent Variable: LnHrgShm
Sumber : Data sekunder yang diolah, 2015 Berdasarkan hasil analisis regresi berganda di atas diperoleh model persamaan regresi akhir sebagai berikut : LnHrgShm = 6.771 + 0.016 PER + 0.002 EPS – 0.005 ROA + 0.719 DER +e Berdasarkan persamaan regresi linier berganda tersebut, maka dapat diinterpretasikan untuk masing-masing variabel sebagai berikut :
76
a. Konstanta (β0) sebesar 6.771 dan bertanda positif artinya menandakan bahwa harga saham yang dihitung dengan persamaan regresi akan lebih besar dari yang diharapkan. Konstanta tersebut menyebutkan bahwa apabila variabel lain Price Earning Ratio (PER), Earning Per Share (EPS), Return On Asset (ROA) Debt to Equity Ratio (DER) maka konstanta akan dapat meningkatkan harga saham syariah sebesar 6.771. b. Koefisen regresi PER (X1) sebesar 0.016, artinya bahwa setiap perubahan sebesar satu satuan pada PER dengan asumsi variabel lainnya tetap, maka akan menaikkanharga saham syariah sebesar 0.016 berarti bahwa antara PER dengan harga saham syariah menunjukkan hubungan yang searah karena hasil yang didapat positif, artinya setiap kenaikan PER akan diikuti oleh kenaikan harga saham syariah. c. Koefisien regresi EPS (X2) sebesar 0.002 menyatakan bahwa setiap perubahan sebesar satu satuan pada EPS, maka akan merubah harga saham syariah sebesar 0.002 dengan asumsi variabel lainnya tetap. Adanya hubungan yang positif ini, berarti bahwa antara EPS dengan hargasaham syariah menunjukkan hubungan yang searah, artinya setiap kenaikan EPS akan diikuti oleh kenaikan hargasaham. d. Koefisen regresi ROA (X4) sebesar -0.005, artinya bahwa setiap perubahan sebesar satu satuan pada ROA dengan asumsi variabel lainnya tetap, maka akan merubah harga saham syariah sebesar -0.005 berarti bahwa antara ROA dengan harga saham syariah menunjukkan hubungan
77
yang tidak searah karena hasil yang didapat negatif, artinya setiap kenaikan ROA akan diikuti oleh penurunan harga saham syariah. e. Koefisien regresi DER (X3) sebesar 0.719 menyatakan bahwa setiap perubahan sebesar satu satuan pada DER, maka akan menurunkan harga saham syariah sebesar 0.719 dengan asumsi variabel lainnya tetap. Adanya hubungan yang positif ini, berarti bahwa antara DER dengan hargasaham syariah menunjukkan hubungan yang searah, artinya setiap kenaikan DER akan diikuti oleh kenaikan harga saham syariah. 4. Uji Hipotesis Pengujian hipotesis dalam penelitian ini terdiri dari uji parsial dan uji simultan. Uji parsial untuk menguji pengaruh variabel-variabel bebas secara parsial atau dari masing-masing variabel terhadap Harga Saham Syariah dengan menggunakan uji t. Sedangkan uji simultan untuk menguji hipotesis bahwa ada pengaruh secara bersama-sama variabel bebas (PER, EPS, DER dan ROA) terhadap Harga Saham Syariah dengan menggunakan uji F. a. Uji Statistik t (Parsial) Untuk mengetahui pengaruh masing-masing variabel bebas terhadap variabel terikat antara PER, EPS, DER dan ROA terhadap Harga Saham Syariah dalam penelitian ini dilakukan pengujian terhadap koefisien regresi yaitu dengan Uji t. Uji t ini dilakukan dengan membandingkan nilai t hitung dengan nilai t tabelnya sebagai berikut:
78
Tabel 4.7. Uji Statistik t Coefficients
a
Unstandardized Coefficients Model 1
B (Constant)
Standardized Coefficients
Std. Error 6.771
.294
PER
.016
.007
EPS
.002
ROA DER
Beta
T
Sig.
23.002
.000
.235
2.129
.041
.000
.887
6.953
.000
-.005
.009
-.067
-.532
.599
.719
.151
.534
4.756
.000
a. Dependent Variable: LnHrgShm
Sumber : Data diolah, 2015 Berdasarkan analisis yang dapat dilihat pada tabel 4.7, maka pengujian koefisien regresi sebagai berikut: 1) Pengaruh Price Earning Ratio (PER) terhadap harga saham syariah. Berdasarkan uji statistik secara parsial diperoleh nilai t hitung sebesar 2.129 dan t tabel sebesar 1,68830 sehingga t hitung lebih besar dari t tabel (2.129 > 1,68830). Tabel di atas juga menunjukkan nilai signifikan-t sebesar 0,041 yang lebih kecil dari 0,05. Dengan demikian, dapat disimpulkan Hipotesis 1 menerima Ha yang artinya terdapat pengaruh positif yang signifikan antara variabel PER terhadap harga saham syariah. 2) Pengaruh Earning Per Share (EPS) terhadap harga saham syariah. Berdasarkan uji statistik secara parsial diperoleh nilai t hitung sebesar 6.953dan t tabel sebesar 1,68830 sehingga t hitung lebih besar dari t tabel (6.953 > 1,68830). Tabel di atas juga menunjukkan nilai signifikan-t sebesar 0,000 yang lebih kecil dari 0,05. Dengan demikian,
79
dapat disimpulkan Hipotesis 2 menerima Ha yang artinya terdapat pengaruh positif yang signifikan antara variabel EPS terhadap harga saham syariah. 3) Pengaruh Return On Assets (ROA) terhadap harga saham syariah. Berdasarkan uji statistik secara parsialdiperoleh nilai t hitung sebesar -0.532dan t tabel sebesar 1,68830 sehingga t hitung lebih kecil dari t tabel (-0.532 < 1,68830). Tabel di atas juga menunjukkan nilai signifikan-t sebesar 0,599 yang lebih besar dari 0,05. Dengan demikian, dapat disimpulkan Hipotesis 3 menerima Ho yang artinya tidak terdapat pengaruh negatif yang signifikan antara variabel ROA terhadap harga saham syariah. 4) Pengaruh Debt to Equity Ratio (DER) terhadap harga saham syariah. Berdasarkan uji statistik secara parsial diperoleh nilai t hitung sebesar 4.756 dan t tabel sebesar 1,68830 sehingga t hitung lebih besar dari t tabel (4.756 > 1,68830). Tabel di atas juga menunjukkan nilai signifikan-t sebesar 0,000 yang lebih kecil dari 0,05. Dengan demikian, dapat disimpulkan Hipotesis 4 menerima Ha yang artinya terdapat pengaruh positif yang signifikan antara variabel DER terhadap harga saham syariah. b. Uji Statistik F (Simultan) Uji F digunakan untuk memprediksi pengaruh variabel bebas atau variable XPrice Earning Ratio(PER), Earning Per Share (EPS),
80
Return On Asset (ROA) Debt to Equity Ratio (DER) secara simultan atau bersama-sama terhadap variabel terikat atau variable Y (Harga Saham Syariah). Jika F hitung lebih kecil dari F table dengan P-value > 0.05 maka Ho diterima dan Ha ditolak. Jika F hitung lebih besar dari F table dengan P-value < 0.05 maka Ho ditolak dan Ha diterima. Seluruh data diolah maka dapat dilihat dari hasil uji F pada tabel 4.8 Tabel 4.8. Hasil Uji F atau Uji Simultan b
ANOVA Model 1
Sum of Squares
Df
Mean Square
Regression
25.629
4
6.407
Residual
10.673
31
.344
Total
36.302
35
F 18.610
Sig. .000
a
a. Predictors: (Constant), DER, ROA, PER, EPS b. Dependent Variable: LnHrgShm
Sumber : Data sekunder yang diolah, 2015 Dari hasil perhitungan regresi diketahui Fhitung = 18.610 lebih besar dari pada Ftabel = 2.64 dan mempunyai nilai signifikansi 0,000 yang < 0.05, sehingga dapat disimpulkan bahwa Ha diterima berarti variabel PER, EPS, ROA dan DER secara simultan berpengaruh terhadap Harga Saham Syariah. 5. Koefisien Determinasi Untuk mengetahui koefisien determinasi menunjukkan seberapa besar kontribusi variabel bebas atau X (PER, EPS, ROA dan DER) secara bersama-sama dalam menjelaskan variabel terikat atau Y (harga saham syariah) sebagai berikut:
81
Tabel 4.9. KoefisienDeterminasi b
Model Summary Model
R
1
R Square .840
a
Adjusted R Square
.706
.668
Std. Error of the Estimate .58676
a. Predictors: (Constant), DER, ROA, PER, EPS b. Dependent Variable: LnHrgShm
Sumber : Data diolah Berdasarkan output SPSS di atas didapat adjusted R2 sebesar 0,668 hal ini berarti 66.8% variasi harga saham syariah yang dapat dijelaskan oleh variasi variabel independent yaitu PER, EPS,ROA dan DER. Sedangkan sisanya sebesar 33,2% dijelaskan oleh sebab-sebab lain diluar model.
