BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah jenis penelitian

Transkripsi

1 BAB III METODOLOGI PENELITIAN 3.1 Jens Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah jens peneltan assosatf kausal, yatu peneltan yang bertujuan untuk mengetahu pengaruh antara dua varabel atau lebh (Sugyono, 2007:11). 3.2 Jens dan Sumber Data Jens data yang dgunakan penelt adalah data sekunder. Data sekunder merupakan data prmer yang dolah lebh lanjut, msalnya dalam bentuk tabel, grafk, dagram, gambar dan sebaganya sehngga lebh nformatf jka dgunakan oleh phak lan (Umar, 2003:60). Data yang dkumpulkan berupa data kuanttatf yatu data yang dukur dalam skala raso dan merupakan data sekunder yang dperoleh melalu stus Menurut waktu pengumpulannya, data yang dgunakan menggunakan data tme seres yatu sekumpulan data dar suatu fenomena tertentu yang ddapat dalam beberapa nterval waktu tertentu msalnya mngguan, bulanan atau tahunan (Umar, 2003:61). Peneltan n menggunakan data selama 4 tahun (seres) yatu tahun Populas dan Sampel Peneltan Populas adalah wlayah generalsas yang terdr atas objek atau subjek yang mempunya kualtas dan karakterstk tertentu yang dtetapkan oleh penelt untuk dpelajar kemudan dambl kesmpulannya (Sugyono, 2008:115). Populas

2 yang dgunakan dalam peneltan n adalah semua perusahaan otomotf yang terdaftar d Bursa Efek Indonesa yang berjumlah 18 perusahaan. Menurut Erlna dan Mulyan (2007:74), sampel adalah bagan populas yang dgunakan untuk memperkrakan karakterstk populas. Metode pengamblan sampel dlakukan dengan teknk purposve samplng. Menurut Jogyanto (2004:79), purposve samplng adalah teknk pengamblan sampel berdasarkan suatu krtera tertentu. Adapun krtera dalam pengamblan sampel pada peneltan n yatu sebaga berkut : 1. Seluruh perusahaan sektor ndustr otomotf yang terdaftar d BEI pada tahun 2010 hngga tahun Seluruh perusahaan sektor ndustr otomotf yang mempublkaskan laporan keuangannya dalam mata uang rupah pada stus Bursa Efek Indonesa BEI tahun 2010 hngga tahun ( 3. Perusahaan tersebut memlk laporan keuangan yang lengkap dan mempunya laporan audtor ndependen yang dpublkaskan. Berkut n adalah sampel peneltan yang telah dlakukan dengan purposve samplng yang telah dlakukan penelt :

3 No Kode Nama 1 ASII 2 AUTO 3 GJTL 4 GDYR 5 HEXA 6 BRAM 7 IMAS Sumber : Dolah penuls, 2014 Tabel 3.1 Populas dan Sampel Peneltan PT Astra Internasonal Tbk PT Astra Otoparts Tbk PT Gajah Tunggal Tbk PT Goodyear Indonesa Tbk PT Hexndo Adperkasa Tbk PT Indo Kordsa Tbk PT Indomobl Sukses Internasonal Tbk Krtera Sampel INDS PT Indosprng Tbk 5 9 INTA PT Intraco Penta Tbk 6 10 LPIN PT Mult Prma Sejahtera Tbk 7 11 MASA PT Multstrada Arah Sarana Tbk - 12 NIPS PT Nppres Tbk 8 13 POLY PT Polychem Indonesa Tbk - 14 PRAS PT Prma Alloy Tbk 9 15 SMSM PT Selamat Sempurna Tbk SUGI PT Sug Samapersada Tbk - 17 TURI PT Tunas Rdean Tbk UNTR PT Unted Tractor Tbk 12

4 3.4 Metode Pengumpulan Data Metode pengumpulan data yang dgunakan dalam peneltan n adalah dokumentas, yatu penelt melakukan pengumpulan data sekunder atau data yang dperoleh secara tdak langsung atau melalu meda perantara yatu nternet melalu stus Bursa Efek Indonesa dengan melhat laporan keuangan yang dterbtkan setap tahunnya bak dalam meda cetak maupun data yang dunduh dar nternet melalu Varabel Peneltan dan Defns Operasonal Varabel Varabel peneltan Varabel bebas (ndependent varable) Varabel ndependen yatu varabel yang mempengaruh atau yang menjad sebab perubahannya atau tmbulnya varabel dependen (Sugyono, 2008:59). Adapun varabel ndependen yang dgunakan dalam peneltan n adalah sebaga berkut : a. Return On Asset (X 1 ) yatu raso yang mengukur tngkat pengembalan nvestas yang telah dlakukan perusahaan dengan menggunakan seluruh dana (aset) yang dmlknya. dapat dukur dengan rumus sebaga berkut: Return on Asset = Laba Bersh Total Asset b. Debt to Equty Rato (X 2 ) merupakan raso yang dgunakan untuk menla utang dengan ekutas. Raso n dapat dukur dengan:

5 Debt to Equty Rato = Total Labltas Total Modal c. Total Asset Turn Over (X 3 ) merupakan raso yang menunjukkan perputaran total aset dukur dar volume penjualan. Raso n dapat dukur dengan: Total Asset Turnover = Penjualan Total Aset d. Earnng Per Share (X 4 ) merupakan laba yang dperoleh perusahaan per lembar saham. Raso n dapat dukur dengan: Earnng per Share = Laba Bersh Jumlah Saham e. Prce Earnng Rato (X 5 ) merupakan raso yang mengukur perbandngan antara market prce per share (harga pasar per lembar saham) dengan earnng per share (laba per lembar saham). Raso dapat dukur dengan rumus sebaga berkut: Prce Earnng Rato = Harga Saham d Pasar Earnng Per S are x 100% f. Current Rato (X 6 ) merupakan perbandngan antara total aset lancar dengan kewajban lancar (current assets/current labltes). Raso n dapat dukur dengan rumus: Current Rato = Aset Lancar Hutang Lancar X 100% Varabel terkat (dependent varable) Varabel dependen adalah varabel yang dpengaruh atau menjad akbat karena adanya varabel bebas (Sugyono, 2008:59).

6 Dalam peneltan n, yang menjad varabel dependen adalah return saham Defns operasonal varabel Operasonal varabel peneltan n dapat dlhat secara lebh lengkap pada tabel d bawah n : Tabel 3.2 Defns Operasonal Nama varabel Defns Operasonal Parameter Yang Dgunakan Skala Return Saham Pengembalan atas nvestas yang akan dterma nvestor pada masa mendatang R, t = P, t 1 P, t P, t 1 x100% Raso Return Asset On Raso n menunjukkan perputaran aset dukur dar volume penjualan ROA = Penjualan Bersh Total aset Raso Debt Equty to Raso yang dgunakan untuk menla utang dengan ekutas DER = Total Labltas Total Modal Raso Total Asset Turn Over Raso n menunjukkan perputaran total aset dukur dar volume penjualan TATO = Penjualan Total Asset Raso Earnng Per Share Raso yang menunjukkan besarnya laba yang dperoleh perusahaan per lembar saham EPS = Laba bersh Jumlah Saham Raso Prce Earnng Rato raso yang menunjukkan perbandngan antara market prce per share (harga pasar per lembar PER = Harga Saham d Pasar Earnng Per S are Raso

7 Nama varabel Defns Operasonal Parameter Yang Dgunakan Skala Current Rato saham) dengan earnne per share (laba per lembar saham) Raso yang menunjukkan perbandngan antara total aset lancar dengan kewajban lancar (current assets/current labltes) Sumber : dolah Penuls, Metode Analss Data CR = Aset lancar Hutang Lancar X 100% Raso Metode analss data dalam peneltan n menggunakan analss statstk dengan menggunakan software SPSS 20. Tahap awal yang dlakukan sebelum melakukan pengujan hpotess yatu uj asums klask. Pengujan asums klask yang dlakukan terdr dar uj normaltas, uj multkolnertas, uj heteroskedaststas dan uj autokorelas. Untuk pengujan hpotess, dlakukan analss uj t dan uj F Pengujan asums klask Penggunaan analss regres dalam statstk harus bebas dar asums asums klask. Adapun pengujan asums klask yang dgunakan dalam peneltan n adalah, uj normaltas, uj multkolnertas, uj heteroskedaststas dan uj autokorelas.

8 Uj Normaltas Uj normaltas bertujuan untuk menguj apakah varabel dalam model regres varabel pengganggu atau resdual memlk dstrbus normal (Ghozal, 2006:110). Model regres yang bak adalah yang memlk dstrbus data normal atau mendekat normal.hstogram atau pola dstrbus data normal dapat dgunakan untuk melhat normaltas data. Uj Kolmogrov Smrnov, dalam uj pedoman yang dgunakan dalam pengamblan keputusan yatu: a. jka nla sgnfkans < 0.05 maka dstrbus data tdak normal, b. jka nla sgnfkans > 0.05 maka dstrbus data normal. Menurut Ghozal (2006:112), pada prnspnya normaltas data dapat ddeteks dengan melhat penyebaran data (ttk) pada sumbu dagonal dar grafk atau dengan melhat hstogram dar resdualnya. Dasar pengamblan keputusan: 1) jka data menyebar d sektar gars dagonal dan mengkut arah gars dagonal atau grafk hstogramnya menunjukkan pola dstrbus normal, maka model regres memenuh asums normaltas. 2) jka data menyebar jauh dar dagonal dan atau tdak mengkut arahgars dagonal atau grafk hstogram tdak menunjukkan pola dstrbus normal, maka model regres tdak memenuh asums normaltas.

9 Uj Multkolnertas Uj multkolneartas bertujuan untuk menguj apakah model regres dtemukan adanya korelas d antara varabel ndependen. Model regres yang bak seharusnya tdak terjad korelas d antara varabel ndependen. Erlna dan Mulyan (2007:107), menyatakan Multkolneartas merupakan konds dmana terjad korelas antar varabel-varabel ndependen suatu peneltan atau dengan kata lan bersfat ortogonal. Varabel-varabel ndependen yang bersfat ortogonal adalah varabel yang memlk nla korelas d antara sesamanya sama dengan nol. Jka terjad korelas sempurna dantara sesama varabel ndependen, maka konsekuensnya adalah: (a) koefsen-koefsen regres menjad tdak dapat dtaksr (b) nla standar error setap koefsen regres menjad tak terhngga Jka terjad korelas, maka terdapat masalah multkolneartas. Pengujan dlakukan dengan nla VIF (Varance Inflaton Factor) dar model peneltan. Jka nla VIF lebh dar 2 maka dapat dkatakan bahwa telah terjad gejala multkolneartas dalam model peneltan. D sampng tu, suatu model dkatakan terdapat gejala multkolneartas, jka korelas d antara varabel ndependen lebh besar dar 0.9 (Ghozal, 2005:91).

10 Menurut Ghozal (2005:91), cara yang dapat dlakukan jka terjad multkolneartas yatu: 1. Mengeluarkan salah satu atau lebh varabel ndependen yang mempunya korelas tngg dar model regres dan ndentfkas varabel ndependen lannya untuk membantu predks 2. Menggabungkan data cross secton dan tme seres (poolng data) 3. Menambah data peneltan Uj Heteroskedaststas Menurut Stumorang et al. (2009:63), Heteroskedaststas dapat dkatakan sebaga suatu stuas dmana dalam sebuah grup terdapat varans yang tdak sama dantara sesama anggota grup tersebut. Uj heteroskedaststas dgunakan untuk menguj apakah dalam suatu model regres terjad ketdaksamaan varans dar resdual satu pengamatan ke pengamatan yang lan. Jka varans dar resdual d antara pengamatan tersebut tetap, maka dsebut homokedaststas. Cara yang dgunakan untuk mendeteks ada tdaknya heteroskedaststas pada suatu model dapat dlhat dar pola gambar Scatterplot model tersebut. Analss pada gambar Scatterplot yang menyatakan model regres lner berganda tdak terdapat heteroskedaststas jka: 1. Ttk-ttk data menyebar d atas dan d bawah atau d sektar angka 0

11 2. Ttk-ttk data tdak mengumpul hanya d atas atau d bawah saja 3. Penyebaran ttk-ttk data tdak boleh membentuk pola bergelombang melebar kemudan menyempt dan melebar kembal 4. Penyebaran ttk-ttk data sebaknya tdak berpola. Menurut Stumorang, et.al. (2009:76), ada dua cara perbakan heteroskedaststas, yatu : 1. Bla varans τ2 dketahu, maka metode yang dgunakan adalah dengan cara kuadrat terkecl tertmbang yang memnmumkan pentngnya observas yang pentng dengan memberkan bobot pada observas tad secara proporsonal dengan kebalkan dar varansnya. 2. Bla varans τ2 tdak dketahu, dmana pengetahuan mengena τ2 basanya merupakan hal yang jarang dmlk. Sebaga akbatnya, orang basanya membuat suatu asums yang masuk akal & mentransformaskan data atau membuat gangguan (dsturbance) data yang telah dtransformaskan bersfat homokesdaststas. Msal model persamaannya: Y = b0 + b1x1 + b2x2, dtransformaskan menjad: LogY = b0 + b1logx1 + b2logx2.

12 Uj Autokorelas Uj autokorelas bertujuan untuk menguj apakah dalam model regres lner ada korelas antara kesalahan pengganggu pada perode t dengan kesalahan pada perode t-1 (sebelumnya) (Ghozal, 2006:95). Autokorelas muncul karena observas yang berurutan sepanjang tahun yang berkatan satu dengan yang lannya. Hal n serng dtemukan dalam tme seres. Ada beberapa cara untuk menguj adanya autokorelas sepert metode grafk, uj LM, Uj Runs dan lan-lan. Uj Durbn-Watson hanya dgunakan untuk autokorelas tngkat satu (frst autocorelaton) dan mensyaratkan adanya ntercept (konstanta) dalam model regres dan tdak ada varabel lag dantara varabel dependen. Krtera untuk penlaan terjadnya autokorelas yatu: Sumber : Sagan, (2011) Tabel 3.3 Pengamblan Keputusan Uj Durbn-Watson (DW-Test) Hpotess Nol Keputusan Jka Tdak ada autokorelas postf Tolak 0 < d <dl Tdak ada autokorelas potf No decson dl < d < du Tdak ada korelas negatf Tolak 4 - dl < d < 4 Tdak ada korelas negatf No Decson 4 - du < d < 4 dl Tdak ada autokorelas postf Tdak dtolak du < d < 4 du atau negatf Menurut Stumorang et al.(2009:78), Autokorelas dapat d defnskan sebaga suatu keadaan dmana adanya korelas dantara anggota serangkaan observas yang durutkan menurut waktu (tme

13 seres) atau ruang (crosssecton). Autokorelas muncul karena observas yang berurutan sepanjang waktu berkatan satu sama lan. Masalah n tmbul dkarenakan resdual atau kesalahan pengganggu tdak bebas dar satu observas ke observas lannya. Model regres yang bak adalah regres yang bebas dar autokorelas. Pada peneltan n, uj autokorelas ddeteks dengan uj Durbn- Watson, karena uj n yang umum dgunakan. Uj n hanya dgunakan untuk autokorelas tngkat pertama (frst order autokorelas) dan mensyaratkan adanya ntercept (konstanta) dalam model regres. 3.7 Pengujan Hpotess Peneltan Pengujan hpotess dalam peneltan n dlakukan dengan analss regres berganda, uj sgnfkans t-test serta uj sgnfkans f-test. Menurut Rochaety, dkk (2007:107) dengan uj hpotess kta memusatkan perhatan pada peluang kta membuat keputusan yang salah. Hpotess dterma atau dtolak berdasarkan nformas yang terkandung dalam sampel tetap menggambarkan keadaan populas Analss regres berganda Menurut Rochaety, dkk (2007:142) regres berganda bertujuan untuk menghtung besarnya pengaruh dua atau lebh varabel bebas terhadap satu varabel terkat dan mempredks varabel terkat dengan menggunakan dua atau lebh varabel bebas. Model persamaannya adalah sebaga berkut: Y= a + b 1 X 1 + b 2 X 2 + b 3 X b 6 X 6 + e

14 Keterangan: Y = varabel dependen yatu return saham. a = ntercept/koefsen yang menyatakan perubahan rata-rata varabel dependen untuk setap varabel ndependen sebesar satu atau yang dsebut konstanta. b 1, b 2, b 3, b 4, b 5, b 6 = angka arah atau koefsen regres yang menunjukkan angka penngkatan ataupun penurunan varabel dependen yang ddasarkan pada varabel ndependen. Bla b (+) maka terjad kenakan pada varabel dependen dan bla b (-) maka akan terjad penurunan pada varabel. X 1 = Return on Asset X 2 X 3 X 4 X 5 X 6 e = Debt to Equty Rato = Total Asset Turn Over = Earnng Per Share = Prce Earnng Rato = Current Rato = error Uj sgnfkans parsal (t-test) Menurut Ghozal (2006:84) uj statstk t pada dasarnya menunjukkan seberapa jauh pengaruh satu varabel penjelas/ndependen secara ndvdual dalam menerangkan varabel dependen. Uj t merupakan suatu cara untuk mengukur apakah suatu varabel ndependen bukan merupakan penjelas yang sgnfkan terhadap varabel dependen. Dalam pengujan n dlakukan dengan

15 menghtung serta melhat nla sgnfkansnya. Uj t mempunya ketentuan sebaga berkut: Ho dterma jka sgnfkans > 0.05 Ha dterma jka sgnfkans < Uj sgnfkas smultan (F-test) Uj F dgunakan untuk menunjukkan apakah semua varabel ndependen yang dmasukkan dalam model memlk pengaruh secara bersama-sama terhadap varabel dependen. Uj n dgunakan untuk melhat pengaruh varabel ndependen yatu Return On Asset, Debt to Equty Rato, Total Asset Turn Over, Earnng Per Share, Prce Earnng Rato, dan Current Rato berpengaruh terhadap return saham secara smultan. Bentuk pengujannya adalah: Ho : b1 = 0, artnya suatu varabel ndependen secara smultan tdak berpengaruh terhadap varabel dependen. Ha : b1 0, artnya suatu varabel ndependen secara smultan berpengaruh terhadap varabel dependen. Krtera pengamblan keputusan: Ho dterma jka sgnfkans > 0.05 Ha dterma jka sgnfkans < 0.05

16 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Data Peneltan Populas yang dtelt dalam peneltan n adalah perusahaan otomotf yang terdaftar d Bursa Efek Indonesa (BEI) selama tahun Perusahaan yang djadkan sampel berjumlah 12 perusahaan, sehngga data peneltan secara keseluruhan berjumlah 48 (12 x 4) sampel. Daftar perusahaan yang telah dtentukan dapat dlhat pada lampran. 4.2 Analss Hasl Peneltan Statstk deskrptf Statstk deskrptf dalam peneltan n hanya mendeskrpskan sampel dan tdak membuat kesmpulan yang berlaku untuk populas dmana sampel dambl. Menurut Ghozal (2006:78), statstk deskrptf memberkan gambaran atau deskrps suatu data yang dapat dlhat dar rata-rata (mean), standar devas, varan, maksmum, mnmum, sum, range dan kemencengan dstrbus. Penelt menggunakan metode statstk deskrptf dalam peneltan n yatu peneltan yang dlakukan untuk memperoleh gambaran yang sebenarnya tentang konds perusahaan yang danalss. Statstk deskrptf memberkan penjelasan mengena nla mnmum, nla maksmum, nla ratarata (mean), nla standar devas, varabel ndependen, dan varabel dependen. Statstk deskrptf akan djelaskan dalam tabel berkut n:

17 Tabel 4.1 Descrptve Statstcs Descrptve Statstcs N Mnmum Maxmum Mean Std. Devaton RETURNSAHAM ROA DER TATO EPS PER CR Vald N (lstwse) 48 Sumber : Output SPSS, dolah Penuls, 2014 Berdasarkan data dar tabel 4.1 dapat djelaskan bahwa : a. Varabel Return On Asset (X 1 ) memlk sampel (N) sebanyak 48 dengan nla mnmum (terkecl) 0.07, nla maksmum (terbesar) dan mean (nla rata-rata) Standar Devas (smpangan baku) varabel n adalah b. Varabel Debt to Equty Rato (X 2 ) memlk sampel (N) sebanyak 48 dengan nla mnmum (terkecl) 13.91, nla maksmum (terbesar) dan mean (nla rata-rata) Standar Devas (smpangan baku) varabel n adalah c. Varabel Total Asset Turn Over (X 3 ) memlk sampel (N) sebanyak 48 sampel dengan nla mnmum (terkecl) 39.00, nla maksmum (terbesar) dan mean (nla rata-rata) Standar Devas (smpangan baku) varabel n adalah d. Varabel Earnng Per Share (X 4 ) memlk sampel (N) sebanyak 48 sampel dengan nla mnmum (terkecl) 0.52, nla maksmum

18 (terbesar) dan mean (nla rata-rata) Standar Devas (smpangan baku) varabel n adalah e. Varabel Prce Earnng Rato (X 5 ) memlk sampel (N) sebanyak 48 sampel dengan nla mnmum (terkecl) 1.19, nla maksmum (terbesar) dan mean (nla rata-rata) Standar Devas (smpangan baku) varabel n adalah f. Varabel Current Rato (X 6 ) memlk sampel (N) sebanyak 48 sampel dengan nla mnmum (terkecl) 73.70, nla maksmum (terbesar) dan mean (nla rata-rata) Standar Devas (smpangan baku) varabel n adalah g. Varabel Return Saham (Y) memlk sampel (N) sebanyak 48 dengan nla mnmum (terkecl) 1.50, nla maksmum (terbesar) dan mean (nla rata-rata) Standar Devas (smpangan baku) varabel n adalah h. Jumlah sampel yang ada sebanyak 48 sampel Uj asums klask Syarat yang menjad dasar penggunaan model regres berganda dengan metode estmas Ordnary Least Square (OLS) adalah dpenuhnya semua asums klask, agar hasl pengujan bersfat tdak bas dan efsen (Best Lnear Unbased Estmator). Best artnya yang terbak, dalam art gars regres merupakan estmas atau ramalan yang bak dar suatu sebaran data. Gars regres merupakan cara memaham pola hubungan antara dua ser data atau lebh. Gars regres adalah best jka gars tu menghaslkan error yang

19 terkecl. Error tu sendr adalah perbedaan antara nla observas dan nla yang dramalkan oleh gars regres. Jka best dserta sfat unbased, maka estmator regres dsebut efsen. Estmator regres akan dsebut lnear apabla, estmator tu merupakan fungs lnear dar sampel. Pengujan asums klask dalam peneltan n dlakukan dengan bantuan program statstk. Menurut Ghozal (2006:123), asums klask yang harus dpenuh adalah: Berdstrbus normal. Non-Multkolneartas, artnya antara varabel ndependen dalam model regres tdak memlk korelas atau hubungan secara sempurna ataupun mendekat sempurna. Non-Autokorelas, artnya kesalahan pengganggu dalam model regres tdaksalng berkorelas. Non-Heterokedaststas, artnya varance varabel ndependen dar satu pengamatan ke pengamatan lan adalah konstan atau sama Uj Normaltas Pengujan n dlakukan untuk mengetahu apakah varabel penggangu atau resdual terdstrbus secara normal. Uj normaltas dapat dlakukan dengan dua cara yatu dengan analss grafk dan analss statstk. Analss grafk dgunakan dengan dua cara yatu grafk hstogram dan grafk P-P Plot. Data yang terdstrbus secara normal adalah data yang terdstrbus dengan gars ttk-ttk berbentuk lonceng pada grafk hstogramnya, ttk tersebut tdak mengarah ke kr atau ke kanan. Pada grafk P-P Plot, data akan menyebar dsektar gars dagonal dan mengkut arah gars dagonal apabla data tersebut terdstrbus secara normal. Berkut hasl uj normaltas dengan menggunakan grafk.

20 Gambar 4.1 Uj Normaltas Data Sumber : Output SPSS, dolah Penuls, 2014 Gambar 4.2 Uj Normaltas Data Sumber : Output SPSS, dolah Penuls, 2014

21 Berdasarkan tamplan grafk hstogram pada gambar 4.1 dapat terlhat bahwa gambarnya berbentuk lonceng dan melenceng ke kr dan grafk P-P Plots pada gambar 4.2 dapat terlhat bahwa ttk-ttk menyebar menjauh arah gars dagonal. Hasl n menunjukkan bahwa data tdak dapat dkatakan terdstrbus secara normal. Cara agar data terdstrbus secara normal adalah dengan melakukan regres dengan persamaan semlog yatu varabel dependen dalam bentuk logartma natural dan varabel ndependen dalam bentuk aslnya atau tdak berubah. Berkut adalah hasl yang dperoleh setelah melakukan persamaan semlog. Gambar 4.3 Uj Normaltas Data Sumber : Output SPSS, dolah Penuls, 2014

22 Gambar 4.4 Uj Normaltas Data Sumber : Output SPSS, dolah Penuls, 2014 Berdasarkan tamplan grafk hstogram pada gambar 4.3 dapat terlhat bahwa gambarnya berbentuk lonceng dan grafk P-P Plots pada gambar 4.4 dapat terlhat bahwa ttk-ttk menyebar mengkut arah gars dagonal. Hasl n menunjukkan bahwa data dapat dkatakan terdstrbus secara normal. Data belum dapat dkatakan terdstrbus secara normal apabla hanya dlakukan uj normaltas dengan melhat grafk hstogram, maupun grafk P-P Plot, oleh karena tu perlu dadakannya uj statstk, untuk meyaknkan data terdstrbus secara normal. Maka dlakukan uj statstk dengan Kolmogorov-Smrnov (K-S). Data dkatakan terdstrbus secara normal apabla nla sgnfkansnya lebh besar dar 0,05. Berkut hasl uj K-S dengan menggunakan data semlog.

23 Tabel 4.2 Hasl Uj Normaltas One-Sample Kolmogorov-Smrnov Test Unstandardzed Resdual N 48 Normal Parameters a,b Mean 0E-7 Std. Devaton Most Extreme Dfferences Absolute.110 Postve.066 Negatve Kolmogorov-Smrnov Z.762 Asymp. Sg. (2-taled).607 a. Test dstrbuton s Normal. b. Calculated from data. Sumber: Output SPSS, dolah penuls, 2014 Dar tabel 4.2 d atas menunjukkan bahwa hasl pengujan statstk dengan menggunakan model Kolmogorov-Smrnov menunjukkan bahwa data telah terdstrbus secara normal. Hal tersebut dapat dlhat dar hasl Asymp. Sg. (2-taled) sebesar yatu lebh besar dar Sesua dengan ketentuan rentang data yang telah dtentukan d atas, maka data terdstrbus normal Uj Multkolnertas Ada atau tdaknya multkolnertas dalam model regres, dapat dlhat dar nla tolerance dan lawannya.nla Varance Inflatn Factor (VIF). Kedua ukuran n menunjukkan setap varabel ndependen manakah yang djelaskan oleh varabel ndependen lannya. Tolerance mengukur varabltas varabel ndependen yang terplh yang tdak djelaskan oleh varabel ndependen lannya.

24 Jad, nla Tolerance yang rendah sama dengan nla VIF yang tngg (karenavif =1/tolerance). Nla cut off yang umum dpaka untuk menunjukkan adanya mutkolnertas adalah nla Tolerance < 0,10 atau sama dengan VIF > 10 (Ghozal, 2006: 91). Coeffcents a Tabel 4.3 Hasl Uj Multkolneartas Coeffcents Model Collnearty Statstcs Tolerance VIF LN_ROA LN_DER LN_TATO LN_EPS LN_PER LN_CR a. Dependent Varable: LN_RETURNSAHAM Sumber : Output SPSS, dolah penuls, 2014 Pada peneltan n, penuls menggunakan uj multkolneartas untuk mendeteks apakah terdapat gejala multkolneartas dalam peneltan yatu dengan melhat besaran korelas antar varabel ndependen dan besarnya tngkat kolneartas yang mash dapat dtolerans. Berdasarkan tabel 4.3 d atas, dapat dsmpulkan bahwa peneltan n bebas dar adanya multkolneartas. Hasl peneltan

25 menunjukkan bahwa masng masng varabel ndependen yang dgunakan dalam peneltan, memlk nla Tolerance yang lebh besar dar 0.10 yatu nla tolerance ROA sebesar 0.496, nla tolerance DER sebesar 0.440, nla tolerance TATO sebesar 0.847, nla tolerance EPS sebesar 0.494, nla tolerance PER sebesar 0.562, nla tolerance CR sebesar Perhtungan VIF juga menunjukkan hal yang sama, yatu varabel ndependen memlk nla VIF yang kurang dar 10 yatu nla VIF untuk ROA sebesar 2.018, nla VIF untuk DER sebesar 2.272, nla VIF untuk TATO sebesar 1.181, nla VIF untuk EPS sebesar 2.026, nla VIF untuk PER sebesar 1.779, nla VIF untuk CR sebesar Maka dar hasl tabel secara keseluruhan menunjukkan bahwa tdak terdapatnya multkolneartas antar varabel ndependen dalam model n Uj Heterokedatstas Uj heteroskedaststas bertujuan untuk melhat apakah dalam model regres terdapat ketdaksamaan varans dar resdual satu pengamatan ke pengamatan lannya. Jka varans yang satu dengan pengamatan yang lan tetap maka dsebut homokedaststas dan jka varansnya berbeda maka dsebut heteroskedaststas. Ghozal (2006:105) menyatakan bahwa model regres yang bak adalah tdak terjad heteroskedaststas. Dalam peneltan n, untuk mendeteks ada atau tdaknya gejala heterokedaststas adalah dengan melhat grafk plot yang dhaslkan

26 dar pengolahan data dengan menggunakan program SPSS. Dasar keputusannya adalah: 1. Jka ada pola tertentu, sepert ttk-ttk yang membentuk pola tertentu yang teratur (bergelombang, melebar kemudan menyempt), maka mengdentfkas telah terjad heterokedaststas. 2. Jka tdak ada pola yang jelas, sepert ttk-ttk menyebar d atas dan d bawah angka 0 pada sumbu Y, maka tdak terjad heterokedaststas Berkut n dlamprkan grafk Scatterplot untuk menganals apakah terjad heterokedaststas. Gambar 4.5 Uj Heteroskedaststas Sumber : Output SPSS, dolah Penuls, 2014 Grafk Scatterplot terlhat bahwa ttk-ttk menyebar secara acak serta tersebar bak d atas maupun d bawah angka 0 pada sumbu

27 Y, sehngga dapat dsmpulkan bahwa tdak terjad heterokedaststas pada model regres. Alasan mengapa ttk ttk menyebar menjauh dar ttk ttk yang lan dkarenakan data peneltan yang berbeda antara data yang satu dengan data yang lan Uj Autokorelas Uj autokorelas dgunakan untuk mengetahu ada atau tdaknya penympangan asums klask autokorelas yatu korelas yang terjad antara resdual pada satu observas dengan observas lan pada model regres. Uj yang dgunakan untuk mendeteks ada atau tdaknya autokorelas dalam peneltan n adalah dengan menggunakan uj Durbn-Watson. Uj Durbn-Watson hanya dgunakan untuk autokorelas tngkat satu (frst autocorecton) dan mensyaratkan adanya ntercept (konstanta) dalam model regres dan tdak ada varabel lag d antara varabel dependen. Krtera untuk penlaan terjadnya autokorelas yatu: Sumber : Sagan, (2011) Tabel 4.4 Pengamblan Keputusan Uj Durbn-Watson (DW-Test) Hpotess Nol Keputusan Jka Tdak ada autokorelas postf Tolak 0 < d <dl Tdak ada autokorelas potf No decson dl < d < du Tdak ada korelas negatf Tolak 4 - dl < d < 4 Tdak ada korelas negatf No Decson 4 - du < d < 4 dl Tdak ada autokorelas postf Tdak dtolak du < d < 4 du atau negatf

28 Berkut adalah hasl uj korelas: Tabel 4.5 Hasl Uj Autokorelas Model Summary b Model R R Square Adjusted R Square Std. Error of the Estmate Durbn-Watson a a. Predctors: (Constant), LN_CR, LN_TATO, LN_PER, LN_ROA, LN_EPS, LN_DER b. Dependent Varable: LN_RETURNSAHAM Sumber : Output SPSS, dolah penuls, 2014 Hasl pengujan pada tabel 4.5 menunjukkan bahwa nla Durbn-Watson adalah Nla n akan kemudan duj berdasarkan ketentuan ada tdaknya gejala autokorelas, yakn jka nla Durbn-Watson (D-W) ada pada batas du (atas) dan 4-du (du < D-W < 4-du), model regres tdak mengalam gejala autokorelas. Nla sgnfkans yang dgunakan adalah 5% dengan jumlah sampel 48 (N = 48) dan jumlah varabel ndependen sebanyak tga (k = 6), maka dar tabel data statstk Durbn-Watson dperoleh nla batas bawah (dl) sebesar 1.31 dan nla batas atas (du) sebesar Nla D-W (2.030) berada d antara du (1.31) dan 4-du (2.28) atau 1.31 < < Dengan demkan dapat dsmpulkan bahwa model regres tdak mengalam gejala autokorelas, sehngga pengujan dapat dlanjutkan.

29 4.2.3 Analss regres Analss Regres Berganda Berdasarkan hasl uj asums klask, dsmpulkan bahwa model regres yang dpaka dalam peneltan n telah memenuh model estmas yang Best Lnear Unbased Estmstor (BLUE) dan sudah layak untuk dlakukan analss statstk selanjutnya yatu melakukan pengujan hpotess. Hasl pengolahan data dengan analss regres adalah sebaga berkut: Coeffcents a Tabel 4.6 Hasl Analss Regres Unstandardzed Coeffcents Standardzed Model Coeffcents t Sg. B Std. Error Beta (Constant) LN_ROA LN_DER LN_TATO LN_EPS LN_PER LN_CR a. Dependent Varable: LN_RETURNSAHAM Sumber : Output SPSS, dolah penuls, 2014

30 Berdasarkan tabel 4.6 d atas, maka persamaan regres lnear berganda sebaga berkut : Y = a + b1x1 + b2x2 + b3x3 + b4x4 + b5x5 + b6x6 + e Return Saham = (0.189) ROA + (0.509) DER + (-0.201) TATO + (-0.215) EPS + (-0.520) PER + (1.137) CR + e Keterangan: 1) Konstansta sebesar menunjukkan bahwa apabla tdak ada varabel ndependen (X1 = 0, X2 = 0 dan seterusnya) maka Return Saham sebesar ) β 1 sebesar menunjukkan bahwa setap kenakan Return On Asset sebesar 1% maka akan dkut oleh kenakan Return Saham sebesar dengan asums varabel lan tetap. 3) β 2 sebesar menunjukkan bahwa setap kenakan Debt to Equty Rato sebesar 1% maka akan dkut oleh kenakan Return Saham sebesar dengan asums varabel lan tetap. 4) β 3 sebesar menunjukkan bahwa setap kenakan Total Asset Turnover sebesar 1% maka akan dkut oleh penurunan Return Saham sebesar dengan asums varabel lan tetap. 5) Β 4 sebesar menunjukkan bahwa setap kenakan Earnng Per Share sebesar 1% maka akan dkut oleh

31 penurunan Return Saham sebesar dengan asums varabel lan tetap. 6) Β 5 sebesar menunjukkan bahwa setap kenakan Prce Earnng Rato sebesar 1% maka akan dkut oleh penurunan Return Saham sebesar 0.10 dengan asums varabel lan tetap. 7) Β 6 sebesar menunjukkan bahwa setap kenakan Current Rato sebesar 1% maka akan dkut oleh penurunan Return Asset sebesar dengan asums varabel lan tetap Pengujan Hpotess Uj Sgnfkans Parsal Uj t bertujuan untuk menguj apakah suatu varabel bebas (ndependen) berpengaruh atau tdak terhadap varabel terkat (dependen) secara parsal. Uj t menggunakan hpotess sepert yang djelaskan berkut n: Ho: b1,b2,b3 = 0, artnya Return On Asset, Debt to Equty Rato, Total Asset Turn Over, Earnng Per Share, Prce Earnng Rato, Current Rato tdak mempunya pengaruh terhadap return saham secara parsal pada perusahaan otomotf yang terdaftar d Bursa Efek Indonesa. Ha: b1,b2,b3 0, artnya Return On Asset, Debt to Equty Rato, Total Asset Turn Over, Earnng Per Share, Prce Earnng Rato dan Current Rato mempunya pengaruh terhadap Return Saham secara parsal pada

32 perusahaan otomotf yang terdaftar d Bursa Efek Indonesa. Adapun krtera pengujannya yatu: Ho dterma jka sgnfkans > 0.05 Ha dterma jka sgnfkans < 0.05 Tabel 4.7 Hasl Uj - t Coeffcent a Coeffcents a Model Unstandardzed Coeffcents Standardzed Coeffcents t Sg. B Std. Error Beta (Constant) LN_ROA LN_DER LN_TATO LN_EPS LN_PER LN_CR a. Dependent Varable: LN_RETURNSAHAM Sumber : Output SPSS, dolah penuls, 2014 Tabel 4.6 menunjukkan hasl pengujan statstk uj-t yang menjelaskan pengaruh varabel ndependen secara parsal sebaga berkut:

33 1) Pengaruh Return On Asset terhadap Return Saham Nla sgnfkans sebesar menunjukkan bahwa nla Sg. untuk uj t secara parsal lebh besar dar 0.05 sehngga Ha dterma dan Ho dtolak. Hasl peneltan n sesua dengan hasl pengujan statstk yang melhat nla sgnfkans yatu bahwa Return On Asset secara parsal tdak berpengaruh sgnfkan terhadap tngkat Return Saham pada tngkat kepercayaan 95%. 2) Pengaruh Debt to Equty Rato terhadap Return Saham Nla sgnfkans sebesar menunjukkan bahwa nla Sg. untuk uj t secara parsal lebh besar dar 0.05 sehngga Ho dterma dan Ha dtolak. Hasl peneltan n sesua dengan hasl pengujan statstk yang melhat nla sgnfkans yatu bahwa Debt to Equty Rato secara parsal tdak berpengaruh sgnfkan terhadap tngkat Return Saham pada tngkat kepercayaan 95%. 3) Pengaruh total asset turnover terhadap Return Saham Nla sgnfkans sebesar menunjukkan bahwa nla Sg. untuk uj t secara parsal lebh besar dar 0.05 sehngga Ho dterma dan Ha dtolak. Hasl peneltan n sesua dengan hasl pengujan statstk yang melhat nla sgnfkans yatu bahwa total asset turnover secara parsal

34 tdak berpengaruh sgnfkan terhadap tngkat Return Saham pada tngkat kepercayaan 95%. 4) Pengaruh Earnng Per Share terhadap Return Saham Nla sgnfkans sebesar menunjukkan bahwa nla Sg. untuk uj t secara parsal lebh besar dar 0.05 sehngga Ho dterma dan Ha dtolak. Hasl peneltan n sesua dengan hasl pengujan statstk yang melhat nla sgnfkans yatu bahwa Earnng Per Share secara parsal tdak berpengaruh sgnfkan terhadap tngkat proftabltas pada tngkat kepercayaan 95%. 5) Pengaruh Prce Earnng Rato terhadap Return Saham Nla sgnfkans sebesar menunjukkan bahwa nla Sg. untuk uj t secara parsal lebh besar dar 0.05 sehngga Ho dterma dan Ha dtolak. Hasl peneltan n sesua dengan hasl pengujan statstk yang melhat nla sgnfkans yatu bahwa Prce Earnng Rato secara parsal tdak berpengaruh sgnfkan terhadap tngkat proftabltas pada tngkat kepercayaan 95%. 6) Pengaruh Current Rato terhadap Return Saham Nla sgnfkans sebesar menunjukkan bahwa nla Sg. untuk uj t secara parsal lebh besar dar 0.05 sehngga Ho dterma dan Ha dtolak. Hasl peneltan n sesua dengan hasl pengujan statstk yang melhat nla

35 sgnfkans yatu bahwa Current Rato secara parsal tdak berpengaruh sgnfkan terhadap tngkat proftabltas pada tngkat kepercayaan 95% Uj Sgnfkans Smultan Uj F dlakukan untuk mengetahu apakah varabel ndependen secara bersama-sama (smultan) mempunya pengaruh terhadap varabel dependen. Pembuktan dlakukan dengan cara melhat nla sgnfkans dalam uj F, pada uj F dgunakan hpotess yang dsebutkan d bawah n: H0: b1,b2,b3 = 0, artnya Return On Asset, Debt to Equty Rato, Total Asset Turn Over, Earnng Per Share, Prce Earnng Rato dan Current Rato tdak mempunya pengaruh terhadap Return Saham secara smultan pada perusahaan otomotf yang terdaftar d Bursa Efek Indonesa. Ha: b1,b2,b3 0, artnya Return On Asset, Debt to Equty Rato, Total Asset Turn Over, Earnng Per Share, Prce Earnng Rato dan Current Rato mempunya pengaruh terhadap Return Saham secara parsal pada perusahaan otomotf yang terdaftar d Bursa Efek Indonesa. Krtera pengujannya yatu: Ho dterma jka sgnfkans > 0.05 Ha dterma jka sgnfkans < 0.05

36 Tabel 4.8 Hasl Uj F ANOVA a Model Sum of Squares df Mean Square F Sg. Regresson b Resdual Total a. Dependent Varable: LN_RETURNSAHAM b. Predctors: (Constant), LN_CR, LN_TATO, LN_PER, LN_ROA, LN_EPS, LN_DER Sumber : Output SPSS, dolah Penuls, 2014 Hasl uj F yang dtamplkan dalam tabel 4.7 menunjukkan bahwa nla tngkat sgnfkans yang lebh besar dar Hal n menunjukkan bahwa Ho dterma dan Ha dtolak, artnya varabel bebas yatu Return On Asset, Debt to Equty Rato, Total Asset Turn Over, Earnng Per Share, Prce Earnng Rato dan Current Rato tdak mempunya pengaruh sgnfkan terhadap Return Saham secara smultan pada perusahaan otomotf yang terdaftar d Bursa Efek Indonesa.

37 BAB V KESIMPULAN DAN SARAN 5.1 Kesmpulan Peneltan n bertujuan untuk mengetahu pengaruh Return On Asset (ROA), Debt to Equty Rato (DER), Total Asset Turn Over (TATO), Earnng Per Share (EPS), Prce Earnng Rato (PER), dan Current Rato (CR) bak secara parsal maupun smultan terhadap Return Saham pada perusahaan otomotf yang terdaftar d Bursa Efek Indonesa. Dalam peneltan n, varabel ndependen yang dgunakan adalah Return On Asset (ROA), Debt to Equty Rato (DER), Total Asset Turn Over (TATO), Earnng Per Share (EPS), Prce Earnng Rato (PER), dan Current Rato (CR) sedangkan varabel dependen yang dgunakan d peneltan n adalah Return Saham. Peneltan n menggunakan sampel dar 12 emten perusahaan otomotf yang lstng selama perode Berdasarkan hasl peneltan yang durakan pada bab sebelumnya, maka kesmpulan yang dapat dambl dar peneltan adalah sebaga berkut: 1. Sesua dengan hasl uj F yang dtamplkan dalam tabel 4.7 dketahu bahwa nla tngkat sgnfkans > Hal n menunjukkan bahwa Ho dterma dan Ha dtolak, artnya secara smultan (bersama-sama) varabel ROA, DER, TATO, EPS, PER, dan CR tdak berpengaruh sgnfkan terhadap return saham yang berart setap perubahan yang terjad pada varabel ndependen yatu ROA, DER, TATO, EPS, PER, dan CR secara smultan atau bersama-sama tdak akan berpengaruh pada

38 return saham pada perusahaan otomotf yang terdaftar d Bursa Efek Indonesa (BEI) perode Secara parsal varabel ROA, DER, TATO, EPS, PER, dan CR tdak memlk pengaruh terhadap Return Saham. Berdasarkan hasl peneltan sebaga berkut: a. Varabel ndependen Return On Asset (X 1 ) secara parsal tdak berpengaruh secara sgnfkan terhadap Return Saham (Y). Hal n dapat dtunjukkan dar tabel 4.7 bahwa tngkat sgnfkan > 0.05 artnya setap kenakan Return On Asset (X 1 ) tdak dkut oleh kenakan Return Saham (Y). b. Varabel ndependent Debt to Equty Rato secara parsal tdak berpengaruh secara sgnfkan terhadap Return Saham (Y). Hal n dapat dtunjukkan dar tabel 4.7 bahwa tngkat sgnfkan > 0.05 artnya setap kenakan Debt to Equty Rato (X 6 ) tdak dkut oleh kenakan Return Saham (Y). c. Varabel ndependen Total Asset Turn Over (X 3 ) secara parsal tdak berpengaruh secara sgnfkan terhadap Return Saham (Y). Hal n dapat dtunjukkan dar tabel 4.6 bahwa tngkat sgnfkan > 0.05 artnya setap kenakan Total Asset Turn Over (X 6 ) tdak dkut oleh kenakan Return Saham (Y). d. Varabel ndependen Earnng Per Share (X 4 ) secara parsal tdak berpengaruh secara sgnfkan terhadap Return Saham (Y). Hal n dapat dtunjukkan dar tabel 4.6 bahwa tngkat sgnfkan >

39 0.05 artnya setap kenakan Earnng Per Share (X 4 ) tdak dkut oleh kenakan Return Saham (Y). e. Varabel ndependen Prce Earnng Rato (X 5 ) secara parsal tdak berpengaruh secara sgnfkan terhadap Return Saham (Y). Hal n dapat dtunjukkan dar tabel 4.6 bahwa tngkat sgnfkan > 0.05 artnya setap kenakan Prce Earnng Rato (X 5 ) tdak dkut oleh kenakan Return Saham (Y). f. Varabel ndependen Current Rato (X 6 ) secara parsal tdak berpengaruh secara sgnfkan terhadap Return Saham (Y). Hal n dapat dtunjukkan dar tabel 4.6 bahwa tngkat sgnfkan > 0.05 artnya setap kenakan Current Rato (X 6 ) tdak dkut oleh kenakan Return Saham (Y). 5.2 Keterbatasan Peneltan Peneltan n tentunya memlk keterbatasan dalam beberapa hal yang dharapkan untuk dapat dperhatkan selanjutnya. Adapun keterbatasan peneltan n adalah sebaga berkut : 1. Peneltan n hanya menggunakan 12 perusahaan otomotf yang terdaftar d Bursa Efek Indonesa perode , sehngga tdak dketahu apakah varabel ndependen akan berpengaruh secara sgnfkan terhadap varabel dependen d perusahaan otomotf lannya.

40 2. Perusahaan mash memlk banyak raso keuangan yang dapat menjad faktor penlaan knerja perusahaan selan Return Saham yang dgunakan dalam peneltan. 5.3 Saran Beberapa saran yang dapat dkemukakan penuls berkatan dengan hasl peneltan yang telah dlakukan antara lan: 1. Bag penelt selanjutnya yang tertark melakukan peneltan sejens agar dapat: a. Menambah varabel ndependen yang lan atau yang lebh bervaras, sepert Return On Investment, Return On Equty, Prce to Book Value, Net Proft Margn, dan Quck Rato. b. Menambah perode pengamatan sehngga hasl yang dperoleh lebh akurat. 2. Bag calon nvestor, dalam mempredks return saham harus memperhatkan faktor lan yang berpengaruh bak dar faktor nternal sepert ukuran perusahaan, modal, struktur aset, raso-raso keuangan lannya maupun dar faktor eksternal sepert konds sosal, poltk dan ekonom.