bab iv analisis data - thesis.binus.ac.idthesis.binus.ac.id/doc/bab4/2011-2-00403-ak bab4001.pdf ·...

81

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 :

82

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.

83

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

84

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 :

85

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.

86

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.

87

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




88

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


89

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




90

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




91

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.

92

Tests of Normality

Kolmogorov-Smirnova

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.

93

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.

94

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig. B Std. Error Beta

1 (Constant) ,005 ,023 ,233 ,817

Var1_CR ,004 ,004 ,217 1,143 ,259

Var2_DTA ,030 ,027 ,250 1,098 ,278

Var3_TATO -,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


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

95

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.


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.

96

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

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) -,017 ,037 -,451 ,654

Var1_CR -,002 ,006 -,058 -,316 ,753 ,582 1,717

Var2_DTA -,014 ,043 -,071 -,324 ,747 ,406 2,465

Var3_TATO ,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

97

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

98

Hasil Uji Durbin Watson dapat dilihat pada tabel di bawah ini :

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).

Model Summaryb

Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson

dimension0 1 ,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

99

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


dimension0 1 ,478a ,229 -,021 ,03638 1,836

a. Predictors: (Constant), ROAsqrt, TATOsqrt, CRsqrt, DTAsqrt, Var4_GPM, NPMsqrt, Var3_TATO, GPMsqrt, Var1_CR, Var2_DTA,

Var5_NPM, Var6_ROA


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

100

(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 Standardized Coefficients


(Constant) -,017 ,037 -,451 ,654

Var1_CR -,002 ,006 -,058 -,316 ,753

Var2_DTA -,014 ,043 -,071 -,324 ,747

Var3_TATO ,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


Tabel 4.6 : Hasil Uji Regresi Linear Berganda

101

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,

102

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.

103

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 Sum of Squares df Mean Square F Sig.

1 Regression ,010 6 ,002 1,378 ,245a

Residual ,053 43 ,001

Total ,063 49



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

104

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 :

105

Coefficientsa

Model


Standardized

Coefficients


1 (Constant) -,017 ,037 -,451 ,654

Var1_CR -,002 ,006 -,058 -,316 ,753

Var2_DTA -,014 ,043 -,071 -,324 ,747

Var3_TATO ,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


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

106

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



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

107

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



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


108

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


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.

109

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


dimension0 1 ,402a ,161 ,044 ,03519 1,836



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.

bab iv analisis data - thesis.binus.ac.idthesis.binus.ac.id/doc/bab4/2011-2-00403-ak bab4001.pdf ·...

Documents