BAB IV ANALISIS HASIL DAN PEMBAHASAN

Transkripsi

1 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Analisis statistik dekriptif menggambarkan tentang ringkasan datadata penelitian seperti nilai minimum, maksimum, rata rata dan standar deviasi dari masing masing variabel yang terdaftar dalam penelitian. Data yang digunakan dalam penelitian ini adalah 16 sampel selama 3 tahun sehingga total data yang diteliti sebanyak 48 sampel. Data dianalisis dengan program statistik SPSS versi 21. Tabel 4.1 Analisis Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation NPM GPM ROA ROE EPS Valid N (listwise) 48 Sumber : output SPSS versi 21 Net Profit Margin (NPM) mengindikasikan tingkat efektivitas dan efisiensi kegiatan manajemen yang baik sehingga memiliki kemampuan menghasilkan laba yang baik pula. Hasil statistik deskriptif NPM bernilai minimum di tahun 2011 sebesar oleh PT. Sekar Laut, Tbk serta bernilai maksimum tahun 2013 pada PT. Multi Bintang Indonesia, 47

2 48 Tbk. NPM mempunyai nilai mean sebesar dan standar deviasi yang berarti bahwa simpangan data NPM di sektor perusahaan makanan dan minuman tersebar dengan baik karena nilai standar deviasi yang lebih kecil dari mean. Berdasarkan table di atas diketahui Gross Profit Margin (GPM) dengan nilai minimum sebesar yang dimiliki oleh PT. Cahaya Kalbar Tbk pada tahun 2013 serta nilai maksimum sebesar oleh PT. Delta Jakarta Tbk di tahun 2013.Nilai rata-rata (mean) sebesar dan standar deviasi Ini mencerminkan bahwa simpangan data pada variabel GPM tersebar baik karena nilai standar deviasi yang lebih kecil dari rata rata. Return on Asset (ROA) menunjukkan keefektifan perusahaan dalam menghasilkan laba dengan memanfaatkan aktiva yang dimilikinya. Tabel memperlihatkan ROA minimum dimiliki oleh PT. Tri Banyan Tirta Tbk di tahun 2013 dengan nilai sedangkan nilai maksimum pada PT. Nipon Indosari Corpindo Tbk juga di tahun 2013 sebesar Nilai standar deviasi lebih besar dari mean sebesar mengindikasikan bahwa secara umum kinerja perusahaan beroperasi secara efisien mendapatkan laba dan simpangan ROA tersebar dengan baik. Return on Equity (ROE) menunjukkan beberapa besar kemampuan modal sendiri dalam menghasilkan keuntungan bagi pemegang saham. Tabel memperlihatkan ROE minimum dimiliki oleh PT. Tri Banyan Tirta

3 49 Tbk,di tahun 2013 dengan nilai sedangkan nilai maksimum padapt. Multi Bintang Indonesia Tbk di tahun 2012 sebesar Nilai rata-rata (mean) sebesar standar deviasi yang berarti. Nilai standar deviasi yang terlalu besar tersebut menunjukkan bahwa simpangan data pada variabel ROE tidak signifikan. Perusahaan terlalu menggunakan penggunaan asetnya dari modal yang dimiliki dalam memperoleh laba, dengan tidak menjual sahamnya ke pasar bursa tentu akan menurunkan harga saham pasar perusahaan sehingga hal ini akan berakibat menurunnya nilai retun. Variabel Earning per Share mempunyai nilai mean sebesar pada tanggal publikasinya yang berarti secara umum kemampuan perusahaan memberikan Earning per Share masih dalam posisi baik dengan standar deviasi sebesar Sedangkan nilai minimum dan maksimum Earning per Share terdapat pada tahun 2011 masing-masing dimiliki PT. Akasha Wira International Tbk sebesar serta nilai maksimum sebesar yang dimiliki oleh PT. Unilever Indonesia Tbk. B. Uji Asumsi Klasik 1. Uji Normalitas Pengujian normalitas dengan menggunakan Kolmogorov Smirnov, bila nilai signifikan <0.05 berarti distribusi data tidak normal sedangkan bila nilai signifikan >0.05 maka distribusi normal.

4 50 Tabel 4.2 One-Sample Kolmogorov-Smirnov Test Hasil uji ini menunjukan nilai signifikansi dari unstandardized residual tersebut adalah 0.159>0.05, maka dapat disimpulkan residual memenuhi distribusi normal. Hal ini diperkuat dengangambar Histrogram dan normal probability plot adalah sebagai berikut : Gambar 4.1 Unstandardized Residual N 48 Normal Parameters a,b Mean Std. Deviation Most Extreme Differences Absolute.162 Positive.132 Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed).159 a. Test distribution is Normal. b. Calculated from data.

5 51 Gambar 4.2 Normal Probability Plot Berdasarkan gambar di atas dapat dilihat bahwa titik titik pada gambar normal probability plot mengikuti garis diagonal, maka dapat disimpulkan bahwa residual model regresi berdistribusi normal. 2. Uji Multikolonieritas Multikolonieritas adalah suatu keadaan dimana diantara variabel bebas dalam model regresi terdapat korelasi yang signifikan. Model regresi yang baik adalah yang tidak mengandung multikolonieritas. Untuk mendeteksi ada tidaknya multikolonieritas digunakan Variance Inflation Factor (VIF). Apabila nilai tolerance >0.10 dan nilai VIF <10, maka tidak

6 52 ada multikolonieritas antara variabel bebas dalam model regresi demikian juga sebaliknya. Tabel 4.3 Coefficients a Model Collinearity Statistics Tolerance VIF (Constant) NPM GPM ROA ROE Sumber : output SPSS versi 21 Berdasarkan tabel 4.3 di atas dapat dilihat bahwa nilai NPM, GPM, ROA dan ROE memiliki nilai tolerance masing masing 0.215, 0.309, dan Sehingga nilai keempat variabel bebas tersebut bernilai tolerance>0.10. Demikian pula nilai VIF NPM sebesar 4.644, GPM sebesar 3.238, ROA sebesar dan ROE sebesar yang nilai ketiga variabel <10. Sehingga dapat disimpulkan bahwa model regresi tidak mengindikasikan adanya multikolonieritas atau asumsi non multikolonieritas terpenuhi. 3. Uji Autokorelasi Autokorelasi menunjukkan bahwa dalam sebuah model regresi linier terdapat kesalahan pengganggu pada periode waktu dengan kesalahan pada periode waktu sebelumnya. Model regresi yang baik

7 53 adalah bebas dari autokorelasi. Pendeteksian ada tidaknya autokorelasi dapat dilakukan dengan menggunakan uji Durbin-Watson. Tabel 4.4 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson a a. Predictors: (Constant), ROE, GPM, ROA, NPM b. Dependent Variable: EPS Sumber : output SPSS versi 21 Berdasarkan tabel output di atas diketahui nilai Durbin-Watson sebesar Sedangkan hasil pengujian menurut tabel dengan n = 48 dan k = 4 pada tingkat signifikansi α = 5% diperoleh nilai batas bawah (dl) = dan batas atas (du) = Berdasarkan kriteria yang telah ditentukan bahwa syarat tidak mengandung autokorelasi adalah du < dw < 4-du sehingga didapat perhitungan <1653< , maka ini berarti tidak terjadi autokorelasi, sehingga kesimpulannya adalah uji autokorelasi terpenuhi. 4. Uji Heteroskedastisitas Heteroskedastisitas menunjukkan adanya ketidaksamaan varians dari residual atas suatu pengamatan ke pengamatan lain. Deteksi adanya heteroskedastisitas dengan menggunakan uji Spearman s rho. Hasil pengujian heteroskedastisitas dilihat apabila variabel independen memiliki nilai sig>0.05 berarti tidak terjadi

8 54 heteroskedastisitas. Namun sebaliknya jika variabel memiliki sig<0.05 maka terjadi heteroskedastisitas. Tabel 4.5 Hasil Uji Heteroskedastisitas Correlations Unstandardized Residual Correlation Coefficient.044 NPM Sig. (2-tailed).765 N 48 Correlation Coefficient.042 GPM Sig. (2-tailed).775 Spearman's rho N 48 Correlation Coefficient ROA Sig. (2-tailed).405 N 48 Correlation Coefficient ROE Sig. (2-tailed).230 N 48 Sumber : output SPSS versi 21 Berdasarkan tabel 4.5 terlihat bahwa korelasi ketiga variabel dengan Unstandarized Residual menunjukkan signifikansi sebesar >0.05. Yaitu nilai signifikansi NPM sebesar 0.765, GPM sebesar 0.775, ROA sebesar

9 dan ROE sebesar Berdasarkan hasil uji tersebut maka model regresi berganda yang digunakan dalam penelitian ini adalah bebas heteroskedastisitas. Pengujian heteroskedastisitas juga dapat dilakukan melalui grafik scatter plot yang dapat dilihat pada gambar 4.3: Gambar 4.3 Gambar scatter plot di atas menunjukkan titik titik menyebar secara acak dan tidak membentuk suatu pola tertentu diatas dan dibawah nilai 0 pada sumbu Y. Berdasarkan hasil tersebut dapat disimpulkan bahwa tidak terjadi heteroskedastisitas dalam model regresi yang digunakan, dengan demikian asumsi non heteroskedastisitas terpenuhi. C. Analisis Koefisien Determinasi Koefisien determinasi (R square) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependennya.

10 56 Pengujian dimaksudkan untuk mengetahui ketepatan yang paling baik dalam analisa regresi yang dinyatakan dengan koefisien determinasi ( = 1 berarti independent variabel berpengaruh sempurna terhadap dependent variabel. Begitu juga dengan nila R square yang mendekati 1 (satu) berarti variabel variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi dependen. Jika = 0 berati independent variabel tidak berpengaruh terhadap dependent variabel. Tabel 4.6 Hasil Uji Analisis Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate a Predictors: (Constant), ROE, GPM, ROA, NPM a Dependent Variable: EPS b S Sumber : output SPSS versi 21 Dari table 4.6 diketahui bahwa nilai R sebesar 0,885 menunjukan bahwa kolerasi atau hubungan antara variabel dependen dan variabel independent adalah lemah karena berada di bawah angka 0.5 (50%). Hasil pengujian koefisien determinasi menunjukan nilai Adjusted R Square atau angka Koefisiensi Determinasi ( ) sebesar Hal ini berarti bahwa variasi ke empat variabel independent yaitu NPM, GPM, ROA dan ROE dalam menjelaskan EPS pada perusahaan industri makanan dan minuman di BEI periode Juni 2011 Juni 2013 memiliki pengaruh sebesar 76.3%.

11 57 Sedangkan sisanya 23.7% dijelaskan oleh faktor-faktor variabel lain yang tidak diteliti dalam penelitian ini. D. Uji Hipotesis 1. Uji Statistik F Uji ini dilakukan dengan menganalisis besarnya pengaruh NPM, GPM, ROA dan ROE secara serentak terhadap Earning per Share. Tabel 4.7 Hasil Uji Statistik F ANOVA a Model Sum of Squares Df Mean Square F Sig. Regression b 1 Residual Total a. Dependent Variable: EPS b. Predictors: (Constant), ROE, GPM, ROA, NPM Sumber : output SPSS versi 21 Berdasarkan uji pada tabel 4.7 diperoleh nilai F hitung sebesar dengan nilai signifikansi lebih kecil dari α = 0.05 yang berarti Ho diterima. Artinya bahwa secara simultan f fundamental berupa NPM, GPM, ROA, dan ROE berpengaruh terhadap Earning per Share perusahaan makanan dan minuman di BEI Periode Juni 2011 Juni 2013.

12 58 2. Uji Statistik t Uji t digunakan untuk mengetahui pengaruh variabel variabel bebas secara parsial terhadap variabel terikat dalam penelitian. Apabila signifikansi <0.05 maka Ho diterima, dengan demikian variabel bebas dapat menjelaskan variabel terikat yang ada dalam model atau ada pengaruh secara parsial antara variabel yang diuji. Sebaliknya jika signifikansi >0.05, maka Ho ditolak, dengan demikian variabel bebas tidak dapat menjelaskan variabel terikat atau tidak ada pengaruh secara parsial antara variabel yang diuji. Tabel 4.8 Hasil Uji Statistik t dan Analisis Regresi Linier Berganda Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta T Sig. (Constant) NPM GPM ROA ROE Sumber : output SPSS versi 21 Berdasarkan output SPSS pada tabel 4.8 dapat disimpulkan sebagai berikut : Nilai t hitung adalah dengan nilai signifikan sebesar lebih kecil dari alpa 0,05 artinya secara parsial Ho berpengaruh signifikan terhadap Earning per Share. Besarnya pengaruh variabel NPM terhadap EPS adalah -0,351 atau -35,1%. Nilai tersebut menunjukkan bahwa

13 59 kontribusi NPM secara parsial terhadap perubahan EPS adalah sebesar - 35,1 %. Nilai t hitung adalah dengan nilai signifikan sebesar lebih kecil dari alpa 0,05 artinya secara parsial Ho berpengaruh signifikan terhadap Earning per Share. Besarnya pengaruh variabel GPM terhadap EPS adalah 0,268 atau 26,8%. Nilai tersebut menunjukan bahwa kontribusi GPM secara parsial terhadap perubahan EPS adalah sebesar 26,8% Nilai t hitung adalah dengan nilai signifikansi sebesar lebih besar dari alpha 0,05 artinya secara parsial Ho tidak diterima sehingga variabel ROA secara parsial tidak berpengaruh signifikan terhadap Earning per Shar. Besarnya pengaruh variabel ROA terhadap EPS adalah 0,446 atau 44,6%. Nilai tersebut menunjukan bahwa kontribusi ROA secara parsial terhadap EPS adalah 44,6%. Nilai t hitung adalah dengan nilai signifikan sebesar lebih kecil dari alpa 0,05 artinya secara parsial Ho berpengaruh signifikan terhadap Earning per Share. Besarnya pengaruh variabel ROE terhadap Earning per Shar adalah 0,962 atau 96,2%. Nilai tersebut menunjukan bahwa kontribusi ROE secara parsial terhadap EPS adalah 96,2%. E. Analisis Regresi Linier Berganda Analisis regresi linier berganda digunakan untuk menganalisa pengaruh variabel variabel independen terhadap variabel dependen. Dari

14 60 hasil analisis tabel 4.8 di atas, maka persamaan regresinya adalah sebagai berikut : Y = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + ε Y = NPM GPM ROA ε Persamaan ini dapat dijelaskan sebagai berikut : 1. Konstanta sebesar artinya jika NPM, GPM, ROA dan ROE nilainya 0, maka perubahan EPS akan mengalami penurunan sebesar Nilai koefisien regresi variabel NPM sebesar artinya jika NPM naik satu satuan, maka EPS pada perusahaan makanan dan minuman di BEI Periode Juni akan mengalami penurunan sebesar Nilai koefisien regresi variabel GPM sebesar artinya jika GPM naik satu satuan, maka EPS pada perusahaan makanan dan minuman di BEI Periode Juni akan mengalami peningkatan sebesar Nilai koefisien regresi variabel ROA sebesar artinya jika EPS naik satu satuan, maka EPS perusahaan makanan dan minuman di BEI akan mengalami peningkatan sebesar Nilai koefisien regresi variabel ROE sebesar artinya jika ROE naik satu satuan, maka EPS perusahaan makanan dan minuman di BEI akan mengalami peningkatan sebesar

15 61 F. Pembahasan 1. Pengaruh NPM terhadap Earning per Share Dari hasil pengujian di atas, diketahui bahwa variabel NPM berpengaruh signifikan terhadap Earning per Share. Ini mengindikasikan peningkatan rasio NPM perusahaan menjadi faktor penentu dalam meningkatkan kepercayaan investor karena ketertarikan investor pada perusahaan yang memiliki efektifitas dan efisiensi kegiatan manajemen yang baik. Hal ini sejalan dengan penelitian yang dilakukan Juwarin Pancawati (2004) pada perusahaan perbankan yang terdaftar di BEI periode yang menyimpulkan bahwa NPM berpengaruh positih dan signifikan terhadap Earning per Share. 2. Pengaruh GPM terhadap Earning per Share Dari hasil pengujian di atas, diketahui bahwa variabel GPM berpengaruh signifikan terhadap Earning per Share. Ini mengidentifikasikan peningkatan rasio GPM perusahaan menjadi faktor penentu dalam meningkatkan kepercayaan investor karena ketertarikan investor pada perusahaan yang memiliki efektivitas dan efisiensi kegiatan manajemen yang baik. Sehingga dapat mengubah harga kotor yang dapat dicapai setiap rupiah penjualan yang selanjutnya akan berpengaruh terhadap EPS. Hal ini sejalan dengan penelitian yang dilakukan oleh Ade Affianda (2013) dengan objek penelitian perusahaan perusahaan Indeks LQ 45 periode

16 62 yang melakukan penelitian terhadap variabel ROA, ROE, GPM, NPM dan EPS. 3. Pengaruh ROA terhadap Earning per Share Dari hasil pengujian di atas, diketahui bahwa variabel ROA berpengaruh signifikan terhadap Earning per Share. Hal ini sesuai dengan hasil penelitian oleh Hairuliansyah (2009) dengan menggunakan variabel ROA, ROE, dan DPR mempunyai pengaruh yang signifikan terhadap EPS. Kondisi ini menggambarkan bahwa investor sangat tertarik pada perusahaan yang mampu memaksimalkan aktiva yang dimiliki untuk memperoleh keuntungan. Dengan masuknya investor untuk menananmkan sahamnya maka akan mendorong peningkatan harga saham. Sehingga pada akhirnya akan meningkatkan pula Earning per Share perusahaan. 4. Pengaruh ROE terhadap Earning per Share Dari hasil pengujian di atas, diketahui bahwa variabel ROE berpengaruh signifikan terhadap Earning per Share. Hal ini sesuai dengan hasil penelitian oleh Heriyanto (2010) dengan menggunakan rasio Penelitian tersebut meliputi ROI, ROE dan DPS, di mana ke tiga variabel tersebut berpengaruh signifikan terhadap EPS. Sebagaimana ROA, maka semakin tinggi ROE juga menunjukan kinerja perusahaan semakin baik dan berdampak pada peningkatan harga saham

17 63 perusahaan. Jika harga saham semakin meningkat jumlah saham yang beredar juga akan meningkat, maka secara teoritis, sangat dimungkinkan ROE berpengaruh positif terhadap Earning per Share.