A. Uji Statistik Deskriptif BAB IV HASIL ANALISIS DAN PEMBAHASAN Statistik deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap objek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. Berdasarkan data olahan SPSS yang meliputi suku bunga, inflasi, nilai kurs rupiah dan harga saham perusahaan property dan real estate, maka akan dapat diketahui nilai maksimum, minimum, range, sum, mean, dari setiap variabel. Hal tersebut seperti yang ditujukkan pada table 4.1 berikut : Tabel 4.1 Uji Statistik Deskriptif N Minimum Maximum Mean Std. Deviation SBI 252 5.75 6.75 6.2847.40111 Inflasi 252 3.43 7.02 4.9278 1.06706 Kurs 252 8532.00 9646.00 9082.5 310.21267 Pit 252 109.00 900.00 425.99 196.07963 Valid N (listwise) 252 Sumber : Output SPSS, diolah oleh Peneliti Berdasarkan table 4.1 hasil statistik deskriptif untuk variabel suku bunga menunjukkan jumlah responden (N) ada 252, maka nilai SBI terkecil (minimum) adalah 5.75 yaitu pada bulan februari hingga desember pada tahun 2012 dan nilai suku bunga terbesar ( maximum ) adalah 6.75 yaitu pada bulan 44
45 februari sampai September pada tahun 2011. Rata rata nilai suku bunga dari 252 responden adalah 6.2847. Nilai standar deviasi adalah 0.40111 Untuk hasil inflasi dengan menunjukkan jumlah responden (N) ada 252, maka inflasi terkecil (minimum) adalah 3.43 yaitu pada bulan maret tahun 2010, dan inflasi terbesar (maksimum) adalah 7.02 yaitu pada bulan januari tahun 2012. Rata rata inflasi dari 252 responden adalah 4.9278. Nilai standar deviasi adalah 1.06706 Untuk hasil kurs dengan menunjukkan jumlah responden (N) ada 252, maka kurs terkecil (minimum) adalah 8532 yaitu pada bulan agustus tahun 2011, dan kurs terbesar (maksimum) adalah 9646 yaitu pada bulan desember tahun 2012. Rata rata kurs dari 252 responden adalah 9082.5 Nilai standar deviasi adalah 310.21267 Untuk hasil harga saham dengan menunjukkan jumlah responden (N) ada 252, maka harga saham terkecil ( minimum ) adalah 109 yaitu Alam Sutera Reality Tbk (ASRI) Tbk pada bulan januari tahun 2010, dan harga saham terbesar (maksimum) adalah 900 yaitu Lippo Cikarang Tbk (DART) pada bulan oktober tahun 2012. Rata rata harga saham dari 324 responden adalah 339.2315 Nilai standar deviasi adalah 160.4251 B. Uji Asumsi Klasik Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Analisis ini mencakup variabel independen yaitu suku bunga, inflasi dan kurs
46 dan variabel dependen yaitu harga saham untuk menghasilkan suatu analisis regresi yang baik. Apabila terjadi penyimpangan dalam pengujian asumsi klasik maka perlu dilakukan perbaikan terlebih dahulu. Salah satu syarat untuk bisa menggunakan persamaan regresi berganda adalah terpenuhinya uji asumsi klasik. Persamaan regresi di atas harus bersifat BLUE (Best Linier Unbiased Estimator), artinya pengambilan keputusan melalui uji F dan uji t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka harus dipenuhi diantaranya tiga asumsi dasar. Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier berganda yaitu tidak boleh ada autokorelasi, tidak boleh ada multikolinieritas dan tidak boleh ada heterokesdastisitas. Apabila salah satu dari asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias. 1. Uji Normalitas Data Uji normalitas data penelitian untuk menguji apakah dalam model statistik variabel variabel penelitian berdistribusi normal atau tidak normal. Model regresi yang baik adalah mempunyai distribusi data normal atau mendekati normal. Oleh karena itu peneliti menggunakan Uji Kolmogorov Smirnov untuk mendukung hasil model regresi seperti yang terlihat pada tabel 4.2
47 Tabel 4.2 Tabel Uji Kolmogorov Smirnov One Sample Kolmogorov-Smirnov Test Unstandardized Residual N 252 Normal Parameters a Mean.0000000 Std. Deviation 1.68205837E2 Most Extreme Differences Absolute.072 Positive.072 Negative -.045 Kolmogorov-Smirnov Z 1.141 Asymp. Sig. (2-tailed).148 a. Test distribution is Normal. Sumber : Output SPSS, diolah oleh Peneliti Pada uji statistik ini, bila nilai Kolmogrov-Smirnov lebih besar (>) dari α = 0,05 maka data terdistribusi normal. Dalam hasil pengolahan melalui metode Kolmogrov Smirnov terlihat bahwa nilai Kolmogrov Smirnov sebesar 1.141 dengan signifikasi jauh diatas 0.05 yang berarti nilai residual terdistribusi secara normal atau memenuhi asumsi normalitas. 2. Uji Multikolinieritas Multikolinieritas adalah keadaan dimana terjadi hubungan linier yang sempurna atau mendekati sempurna antar variabel independen dalam
48 model regresi. Uji multikolinieritas digunakan untuk mengetahui ada atau tidaknya hubungan linier antar variabel independen dalam model regresi (Priyatno, 2010 :81). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independennya. Uji multikolinieritas dengan SPSS dilakukan dengan uji regresi, dan dapat dideteksi dengan nilai patokan VIF (Variance Inflation Factor). Ketentuan pengambilan keputusan dalam uji multikolinieritas, yaitu Jika VIF > 10, maka terjadi multikolinieritas. Tabel 4.3 Uji Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients Collinearity Statistics B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) 3992.993 746.766 5.347.000 SBI -362.255 45.998 -.741-7.875.000.335 2.984 Inflasi 24.998 11.694.136 2.138.034.733 1.365 Kurs -.156.056 -.246-2.764.006.374 2.674 a. Dependent Variable: pit Sumber : Output SPSS, diolah oleh Peneliti Hasil perhitungan nilai Tolerance menunjukkan tidak adanya variabel independen yang memiliki nilai Tolerance kurang dari 0.10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih
49 dari 95%. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan hal yang sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel independen dalam model regresi, sehingga model regresi layak dipakai untuk melihat pengaruh SBI (X 1 ), Inflasi (X 2 ), Kurs (X 3 ) terhadap Harga Saham (Y). 3. Uji Autokorelasi Pengujian autokorelasi bertujuan untuk menguji apakah dalam model regresi linier terdapat korelasi pengganggu antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Autokorelasi menunjukkan adanya korelasi diantara data pengamatan yang tersusun baik seperti data cross section dan/atau time series. Jika terjadi autokorelasi dalam model regresi linier berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model yang bebas dari autokorelasi. Untuk uji autokorelasi dalam penelitian ini digunakan uji Durbin Watson untuk mendeteksi adanya autokorelasi, dapat dilakukan dengan cara melihat besaran Durbin Watson sebagai berikut : a. Angka DW dibawah -2, berarti ada autokorelasi positif. b. Angka DW diantara -2 sampai +2, berarti tidak ada autokorelasi. c. Angka DW diatas +2, berarti ada autokorelasi negatif. Tabel 4.4 Uji Autokorelasi Model Summary b
50 Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson 1.514 a.264.255 169.22015.237 a. Predictors: (Constant), Kurs, Inflasi, SBI b. Dependent Variable: Pit Sumber : SPSS diolah oleh peneliti Berdasarkan tabel 4.4 nilai DW 0.237 berarti diantara -2 sampai +2 maka tidak ada gejala autokorelasi, Singgih Santoso (2006:218). Artinya tidak ada autokorelasi atau dengan kata lain gangguan estimasi suatu observasi tidak berkorelasi secara serius dengan gangguan estimasi dari observasi yang lain. 4. Uji Heteroskedastisitas Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan lain. Model regresi yang baik adalah homokedastisitas atau tidak terjadi heterokedastisitas. Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari suatu observasi ke observasi lainnya. Artinya setiap observasi mempunyai reliabilitas yang berbeda akibat perubahan dalam kondisi yang melatarbelakangi tidak terangkum dalam spesifikasi model. Beberapa cara tersebut adalah dengan metode grafik, uji korelasi Spearman, uji Park, uji Glejser, uji Goldfeld-
51 Quant(Gujarati;2002). Sumber : SPSS diolah oleh peneliti Gambar 4.1 P-Plot of Regression Dari Grafik Plot di atas, terlihat bahwa ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit) maka dapat disimpulkan bahwa telah terjadi heteroskedastisitas. Seperti yang telah dijelaskan di atas, mengenai cara menguji heteroskesdastisitas, maka peneliti selanjutnya menggunakan uji glejser untuk mendeteksi ada tidaknya heteroskedastisitas. (Ghozali, 2009)
52 Model Tabel 4.5 Uji Glejser Coefficients a Unstandardized Coefficients Standardized Coefficients B Std. Error Beta 1 (Constant) -25.730 439.894 -.058.953 SBI 10.187 27.096.041.376.707 Inflasi 3.958 6.889.043.575.566 Kurs.009.033.027.258.797 a. Dependent Variable: AbsUt Sumber : Output SPSS, diolah oleh peneliti t Sig. Berdasarkan dari tabel uji glejser menunjukkan bahwa tidak ada satupun variable independent yang signifikan secara statistik mempengaruhi variable dependent nilai absolut UT (Abs_Ut) hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 %. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas. (Ghozali, 2009) 5. Uji Koefisien Determinasi Tabel 4.5 Tabel Uji Koefisien Determinasi Model Summary b Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson 1.514 a.264.255 169.22015.237 a. Predictors: (Constant), Kurs, Inflasi, SBI b. Dependent Variable: Pit Sumber : SPSS diolah oleh peneliti
53 Berdasarkan tabel 4.5 besarnya koefisien determinasi atau R= 0.514 tidak mendekati 1 berarti hubungan SBI, Inflasi dan kurs terhadap harga saham saling tidak terkait dengan hubungan lemah. Sedangkan nilai Adjusted R Square sebesar 0.255, hal ini berarti 25.5% variabel Y dipengaruhi oleh SBI, Inflasi dan Kurs sedangkan sisanya 74.5% dipengaruhi factor-faktor lain diluar model penelitian. 6. Uji Analisis Regresi Berganda Tabel 4.6 Uji Analisis Regresi Berganda Coefficients a Model Standardized Unstandardized Coefficients Coefficients Collinearity Statistics B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) 3992.993 746.766 5.347.000 SBI -362.255 45.998 -.741-7.875.000.335 2.984 Inflasi 24.998 11.694.136 2.138.034.733 1.365 Kurs -.156.056 -.246-2.764.006.374 2.674 a. Dependent Variable: pit Sumber : Output SPSS, diolah oleh peneliti Dengan melihat tabel 4.6 dapat disusun persamaan regresi linier berganda sebagai berikut : Harga Saham = 3992.993 + (-362.255)SBI + (24.998)Inflasi + (-0.156)Kurs + e a. Konstanta sebesar 3992.993 menyatakan bahwa apabila tidak ada variabel independen (X1=0, X2=0, dan X3=0) maka harga saham sebesar 3992.993
54 b. β 1 sebesar -362.255 menunjukkan bahwa setiap perubahan SBI 1% akan mengakibatkan perubahan sebesar (-362.255) harga saham. c. β 2 sebesar 24.998 menunjukkan bahwa setiap perubahan Inflasi 1% akan mengakibatkan perubahan sebesar 24.998 harga saham. d. β 3 sebesar -0.156 menunjukkan bahwa setiap perubahan Kurs 1% akan mengakibatkan perubahan sebesar (-0.156) harga saham. C. Uji Hipotesis a. Uji Simultan (Uji Statistik F) Tabel 4.7 Uji Statistik f ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 2548658.844 3 849552.948 29.668.000 a Residual 7101594.121 248 28635.460 Total 9650252.964 251 a. Predictors: (Constant), Kurs, Inflasi, SBI b. Dependent Variable: Pit Sumber : Output SPSS, diolah oleh peneliti Berdasarkan table 4.7 dari uji F menunjukkan nilai sig 0.000 lebih kecil dari 0.05, berarti Ho ditolak dan Ha diterima maka model regresi layak dan dapat digunakan untuk memprediksi SBI, Inflasi dan Kurs bersama sama berpengaruh signifikan terhadap harga saham.
55 b. Uji Parsial (Uji Statistik t) Model Unstandardized Coefficients Tabel 4.8 Uji Statistik t Coefficients a Standardized Coefficients Collinearity Statistics B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) 3992.993 746.766 5.347.000 SBI -362.255 45.998 -.741-7.875.000.335 2.984 Inflasi 24.998 11.694.136 2.138.034.733 1.365 Kurs -.156.056 -.246-2.764.006.374 2.674 a. Dependent Variable: Pit Sumber : Output SPSS, diolah oleh peneliti Dilihat dari tabel 4.8 diatas dapat dilihat jika nilai signifikansi setiap variabel independen kurang dari nilai alpha α =0.05, maka akan ada pengaruh yang signifikan antara variabel independen dengan variabel dependen. 1) Pengaruh variabel SBI (X 1 ) terhadap harga saham (Y) secara parsial SBI memiliki nilai sig 0.000 berarti Ho ditolak dan Ha diterima maka profitabilitas berpengaruh signifikan terhadap harga saham 2) Pengaruh variabel inflasi (X 2 ) terhadap harga saham (Y) secara parsial Inflasi memiliki nilai sig 0.034 berarti Ho ditolak dan Ha diterima maka inflasi berpengaruh signifikan terhadap harga saham 3) Pengaruh variabel kurs (X 3 ) terhadap harga saham (Y) secara parsial Kurs memiliki nilai sig 0.006 berarti Ho ditolak dan Ha diterima maka profitabilitas berpengaruh signifikan terhadap harga saham
56 D. Pembahasan Berdasarkan hasil pengujian diketahui bahwa secara parsial suku bunga SBI mempunyai pengaruh negatif terhadap harga saham perusahaan property dan real estate. Hal ini mengindikasikan bahwa semakin besar suku bunga kredit berdampak pada menurunnya harga saham. Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Mudji Utami dan Mudjilah Rahayu (2003), serta penelitian Lenny Bun dan Handoyo Sarwo Edy (2008) yang menunjukkan bahwa ada pengaruh yang signifikan antara suku bunga terhadap harga saham. Namun bertentangan dengan penelitian yang dilakukan oleh Sugeng Raharjo (2010). Inflasi mempunyai pengaruh positif terhadap harga saham perusahaan property dan real estate. Hal ini mengindikasikan bahwa besarnya tingkat inflasi akan berdampak pula pada naiknya harga saham. Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Mudji Utami dan Mudjilah Rahayu (2003) serta penelitian Sugeng Raharjo yang menunjukkan bahwa tada pengaruh positif antara inflasi terhadap harga saham. Namun bertentangan dengan penelitian yang dilakukan Suramaya Suci Kewal (2012). Kurs mempunyai pengaruh negatif terhadap harga saham perusahaan property dan real estate. Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Mudji Utami dan Mudjilah Rahayu (2003) serta penelitian
57 Suramaya Suci Kewal (2012). Namun bertentangan dengan penelitian yang dilakukan Sugeng Raharjo (2010).. Sedangkan secara simultan berdasarkan hasil pengujian diketahui bahwa ketiga variabel independen yaitu suku bunga (X1), inflasi (X2), dan kurs (X3) mempunyai pengaruh terhadap harga saham perusahaan property dan real estate.