45 BAB IV ANALISIS DAN PEMBAHASAN 4.1 Analisis Return On invesment(roi), Earning Per Share(EPS), dan Deviden Per Share (DPS) terhadap harga saham 4.1.1 Analisa kelayakan data ROI, EPS dan DPS terhadap harga saham Analisis ini digunakan untuk menguji asumsi apakah model regresi yang digunakan dalam penelitian ini layak uji atau tidak. regresi dengan metode estimasi Ordinary least Squered (OLS) akan memberikan hasil yang Best Liner Unbiased Estimator (BLUE) jika memenuhi semua asumsi klasik yang meliputi uji normalitas, uji Mulkolonieritas, uji heteroskedastisitas dan uji Autokorelasi (Ghozali, 2005). a. Analisa Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. mendeteksi normalitas dilakukan dengan analisia grafik dan uji statistik Kolmogorov-Smirnov tanpa memasukan nilai dummy, variabel dummy diasumsikan telah terdistribusi dengan normal. Dasar pengambilan keputusannya, bila grafik histogram menunjukkan pola distribusi normal dan grafik normal plot menyebar teratur mengikuti garis diagonal, maka data terdistribusi normal. sedangkan pada Uji Kologorov-Smirnov, bila nilai signifikansi lebih besar dari derajat kepercayaan 0.05 maka data terdistribusi normal 45
46 Tabel 4.1 Descriptive One-Sample Kolmogorov-Smirnov Test Normal Parameters a,,b y x1 x2 x3 N 9 9 9 9 Mean 1230.3333 2.6811 58.6667 26.9444 Std. Deviation 590.69620.98398 32.87476 12.90941 Most Extreme Absolute.258.240.140.154 Differences Positive.258.240.140.154 Negative -.218 -.223 -.130 -.121 Kolmogorov-Smirnov Z.774.719.419.463 Asymp. Sig. (2-tailed).587.679.995.983 a. Test distribution is Normal. b. Calculated from data. Sumber : Output SPSS 17 Intrepretasi hasil: Hasil perhitungan pada tabel kolmogorov-smirnov test menghasilkan keseluruhan nilai Asymp sig(2-tailed) > signifikan pada = 0.05 ) maka H0 diterima. Jadi dapat disimpulkan bahwa seluruh variabel (ROI, EPS dan DPS)telah terdistribusi secara normal. b. Analisa Multikolinieritas Analisa ini bertujuan untuk menguji apakah pada model regresi terdapat korelasi antar variabel independen. Multiolinieritas dideteksi dengan cara melakukan analisis matri korelasi antar variabel independen (ROI, EPS dan Deviden) dan perhitungan nilai tolerance dan VIF.bila nilai tolerance lebih besar dari 0.10 dan nilai VIF kurang dari 10 berarti tidak terjadi multikolinieritas antar variabel bebasnya tersebut.
47 Tabel 4.2 Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) 137.064 777.547.176.867 ROI 62.188 235.558.104.264.802.696 1.438 EPS 1.020 7.322.057.139.895.645 1.550 deviden 32.166 15.782.703 2.038.097.900 1.111 a. Dependent Variable: harga_saham Sumber: Output SPSS 17 Interpretasi hasil: Hasil perhitungan nilai tolarance menunjukkan tidak ada independen(roi, EPS dan Deviden) yang memiliki nilai tolerance yang kurang dari 0.10, ini berarti tidak ada korelasi antar variabel ROI, EPS dan Deviden yang nilainya lebih dari 95%.hasil perhitungan variance inflation factor (VIF) juga menunjukkan hal yang sama tidak ada satu variabelpun yang memiliki nilai VIF lebih dari 10.jadi dapat disimpulkan bahwa tidak ada multikolonearitas antar variabel ROI>EPS dan Deviden dalam model regresi c. Analisa Heteroskedastisitas Analisa ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Untuk mengetahui ada tidaknya heteroskedastisitas pada model regresi dapat dilihat dengan ada tidaknya pola tertentu pada grafik scatterplot.jika tidak terdapat pola yang jelas, yaitu titik-titiknya menyebar, maka tidak terdapat
48 masalah heteroskedastisitas.sedangkan jika titik-titiknya membentuk pola tertentudan teratur (bergelombang, melebar kemudian menyempit). Maka diindikasikan terdapat masalah heteroskedastisitas. Gambar 4.1 Scatterplot Dari grafik scatterplot pada gambar 2.1 terlihat bahwa titik-titik mengikuti garis diagonal diatas maupun dibawah angka 0 pada sumbu Y.hal ini dapat dapat disimpulkan bahwa model regresi yang digunakan dalam penelitian ini tidak terjadi heteroskedastisitas. d. Analisa Autokorelasi Analisa ini bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antar kesalahan pengganggu periode t dengan kesalahan pengganggu pada periode sebelumnya (t-1).
49 Penyebab utama timbulnya autokorelasi adalah kesalahan spesifikasi, misalnya terabaikannya suatu variabel penting atau bentuk fungsi yang tidak tepat. Diuji dengan Uji Durbin-Watson (D-W test). Ketentuan pengambilan keputusan: Jika 0 < DW < dl, maka terjadi autokorelasi Jika dl DW du, tidak dapat diketahui terjadi autokorelasi atau tidak Jika 4 dl < DW < 4, maka terjadi autokorelasi Jika 4 du DW 4 dl, tidak dapat diketahui terjadi autokorelasi atau tidak Jika du < DW < 4 du, maka tidak terjadi autokorelasi. Pengambilan keputusan ada tidaknya autokorelasi dapat dilakukan dengan uji Durbin-Watson(DW test) yang dapat dilihat pada tabel sebagai berikut : Tabel 4.3 Model Summary b Adjusted R Std. Error of Durbin- Model R R Square Square the Estimate Watson 1.682 a.465.143 546.74271.539 a. Predictors: (Constant), deviden, ROI, EPS b. Dependent Variable: harga_saham
50 Intrepretasi hasil : Nilai DW sebesar 0.539, nilai ini akan kita bandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5%, jumlah sampel 9 (n) dan jumlah variabel independen 4(k= 4), maka hasil dari perhitungan tabel DW akan diperoleh nilai sebagai berikut : Tabel 4.4 Durbin-Watson K= 3 n Dl du Sumber :Imam Ghozali, 2005 6 9 0.368 0.455 2.287 2.128 Oleh karena nilai DW 0.539 lebih kecil dari batas atas (du) 2.128 kurang dari 4-2.128 (4-du), maka dapat disimpulkan bahwa Ho ditolak yang menyatakan bahwa tidak ada autokorelasi positif atau negatif ( du<d<4-du ). 4.2 Analisis pengaruh secara simultan atas variabel ROI, EPS dan DPS terhadap harga saham. Analisis ini digunakan untuk menunjukkan apakah semua variabel independen yang dimaksud dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen.
51 Dengan membandingkan probabilitas (pada tabel Anova tertulis Sig) dengan taraf nyatanya (0,05 atau 0,01). Jika probabilitas < 0,05 maka model ditolak Jika probabilitas > 0,05 maka model diterima. Persamaan yang diperoleh dari hasil analisis dengan metode least squer adalah sebagai berikut : Y = a + β 1.x 1 + β 2.x 2 + β 3.x 3 + e Y = 137.064 + 62.188X 1 + 1.020X 2 + 32.166X 3 Tabel 4.4 Uji ANOVA ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 1296738.044 3 432246.015 1.446.334 a Residual 1494637.956 5 298927.591 Total 2791376.000 8 a. Predictors: (Constant), x3, x1, x2 b. Dependent Variable: y Sumber : Output SPSS 17 Interpretasi hasil : Dari hasil Uji ANOVA atau F test, didapat F hitung sebesar 1,445 dengan tingkat probabilitas 0,334 (tidak signifikan). karena probabilitas jauh lebih besar daripada 0,05, maka model regresi dapat digunakan untuk memprediksi harga saham atau bisa dikatakan bahwa ROI, EPS dan DPS secara bersama-sama berpengaruh terhadap harga saham.
52 4.3 Analisis pengaruh secara parsial variabel ROI, EPS dan DPS terhadap harga saham Analisis ini digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen. Apakah variabel independen berpengaruh secara nyata atau tidak. Hipotesis: Ho = masing-masing variabel independen (ROI, EPS dan DPS) tidak berpengaruh nyata terhadap variabel dependen(harga saham). Ha = masing-masing variabel independen (ROI, EPS dan DPS) berpengaruh nyata terhadap variabel dependen(harga saham) Pengambil keputusan dapat dilakukan dengan melihat probabilitasnya, yaitu: Jika probabilitas > 0,05 maka model ditolak Jika probabilitas < 0,05 maka model diterima. Tabel 4.5 Coefficients Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) 137.064 7.775E2.176.867 x1 62.188 2.356E2.104.264.802.696 1.438 x2 1.020 7.322.057.139.895.645 1.550 x3 32.166 15.782.703 2.038.097.900 1.111 a. Dependent Variable: y Sumber: Output SPSS 17
53 Interpretasi hasil : a. Analisa pengaruh ROI (X 1 ) terhadap harga saham Koefisien regresi ROI (X 1 ) sebesar 62,188 menyatakan bahwa jika X 1 naik sebesar 1 poin dan variabel lain diasumsikan konstan maka Y akan naik sebesar 62,188 poin nilai koefisien yang positif pengaruh yang searah antara harga saham dengen ROI. Hal ini merupakan bukti kuat penerimaan Ho. Jadi dapat disimpulkan bahwa ROI tidak berpengaruh nyata terhadap variabel dependen(harga saham) b. Analisa pengaruh EPS(X 2 ) terhadap harga saham Koefisien regresi EPS(X 2 ) sebesar 1,020 menyatakan bahwa jika X 2 naik 1 poin dan variabel lain diasumsikan konstan maka Y akan naik sebear 1,020 poin. nilai koefisien positif menunjukkan pengaruh yang searah antara EPS dengan harga saham, artinya semakin tinggi EPS perusahaan maka semakin tinggi kenaikan atas harga saham. c. Analisa pengaruh DPS(X 3 ) terhadap harga saham Koefisien regresi DPS(X 3 ) sebesar 32,166 menyatakan bahwa jika X 3 mengalami kenaikkan 1 poin dan variabel lain diasumsikan konstan, maka Y akan naik sebesar 32,166 poin. nilai koefisien positif menunjukkan pengaruh yang searah antara harga saham dengan DPS.hal ini berarti semakin besar nilai DPS maka semakin tinggi pula harga saham dipasar bursa.
54 Sehingga dapat disimpulkan bahwa koefisien regresi seluruh variabel yang ada kurang berpengaruh terhadap perubahan harga saham. 4.4 Analisis pengaruh variable ROI, EPS dan DPS terhadap harga saham Analisis digunakan untuk mengetahui ada tidaknya pengaruh antara variable bebas dengan variable terikat. Perhitungan regresi dilakukan dengan menggunakan program SPSS 17,0 for windows. hasil perhitungannya dapat dilihat pada tabel 4,7.