BAB IV HASIL PENELITIAN 4.1.Gambaran Umum Sampel Penelitian ini menganalisis pengaruh ukuran perusahaan, free cash flow dan leverage terhadap risiko saham pada perusahaan manufakur yang terdaftar dalam Bursa Efek Indonesia. Data yang digunakan dalam penelitian ini adalah data yang berasal dari laporan keuangan (LK) dan Indonesian Capital Market Directory (ICMD) perusahaan manufaktur. Dalam penelitian ini diperoleh populasi sebanyak 436. Pengambilan sampel dalam penelitian ini dilakukan dengan menggunakan teknik purposive sampling yaitu pengambilan sampel berdasarkan pada kriteria tertentu. Kriteria dalam pengambilan sampel ini adalah sebagai berikut : a. Perusahaan yang tidak mengalami delisting b. Perusahaan yang menerbitkan laporan keuangan sepanjang tahun pengamatan, dan memiliki info harga saham di Bursa Efek Indonesia dalam rentang tahun 2011 2014 c. Perusahaan yang memiliki nilai arus kas bebas (free cash flow) dan risiko saham (beta) positif d. Perusahaan yang sudah go-public sebelum tanggal 1 Januari 2011, karena data yang dibutuhkan adalah mulai tanggal 1 Januari 2011 Berdasarkan kriteria tersebut diperoleh 112 data yang diolah menggunakan software SPSS.
Tabel 4. 1. Proses Seleksi Sampel Berdasarkan Kriteria Kriteria Jumlah Akumulasi Perusahaan Manufaktur yang terdaftar di Bei Tahun 2011 2014 436 Perusahaan yang tidak menerbitkan laporan keuangan lengkap 230 206 Memiliki saldo free cash flow negatif selama periode pengamatan 89 117 Data Outlier 5 Jumlah Total Data 112 4.2.Analisis Statistik Deskriptif Statistik deskriptif digunakan untuk menggambarkan suatu data secara statistik. Statistik deskriptif dalam penelitian ini merujuk kepada nilai maksimum dan minimum serta nilai rata-rata (mean) dan simpangan baku (standard deviation) dari seluruh variabel yaitu ukuran perusahaan (LNSIZE), likuiditas (LNFCF), leverage (LEV) dan risiko saham (RISIKO) selama periode penelitian 2011 sampai 2014, sebagaimana ditunjukkan pada tabel 4.2 dibawah ini. Tabel 4.2 Analisis Statistik Deskriptif Masing-masing Variabel Descriptive Statistics N Minimum Maximum Mean Std. Deviation LNSIZE 112 5.07 8.33 6.5196.80658 LNFCF 112 9.02 14.01 11.7091 1.04982 LEV 112.0372.9276.398959.1766058 RISIKO 112.0086 3.5160 1.123072.8328322 Valid N (listwise) 112
Berdasarkan hasil perhitungan dari tabel 4.2 diatas dapat diketahui bahwa n atau jumlah data yang tersedia adalah sebanyak 112 data yang berasal dari sampel perusahaan manufaktur selama tahun 2011-2014. Masing-masing variabel akan dijabarkan sesuai dengan data pada tabel 4.1 sebagai berikut : Ukuran Perusahaan (LNSIZE) Pada tabel 4.2, dari hasil data yang diperoleh, menunjukkan bahwa ukuran perusahaan mengalami fluktuasi yang tidak terlalu besar. Nilai rata-rata untuk ukuran perusahaan adalah 6,5196 dan standar deviasi 0,80658. Karena nilai standar deviasi lebih kecil daripada nilai rata-rata maka dapat disimpulkan bahwa data pada variabel ukuran perusahaan stabil. Hal tersebut disebabkan standar deviasi adalah pencerminan penyimpangan yang tinggi, sehingga penyebaran data menunjukkan hasil yang normal dan tidak menyebabkan bias. Likuiditas Perusahaan (LNFCF) Pada tabel 4.2, nilai tertinggi adalah 14,01 sedangkan nilai terendah adalah 9,02. Dari hasil data yang diperoleh, menunjukkan bahwa likuiditas perusahaan mengalami fluktuasi yang tidak terlalu besar. Nilai rata-rata untuk likuiditas perusahaan adalah 11,7091 dan standar deviasi 1,04982. Karena nilai standar deviasi lebih kecil daripada nilai rata-rata maka dapat disimpulkan bahwa data pada variabel likuiditas perusahaan stabil. Hal tersebut disebabkan standar deviasi adalah pencerminan penyimpangan yang tinggi, sehingga penyebaran data menunjukkan hasil yang normal dan tidak menyebabkan bias.
Leverage (LEV) Pada tabel 4.2, nilai tertinggi adalah 0,9276 sedangkan nilai terendah adalah 0,0372. Dari hasil data yang diperoleh, menunjukkan bahwa leverage mengalami fluktuasi yang tidak terlalu besar. Nilai rata-rata untuk leverage adalah 0,398959 dan standar deviasi 0,1766058. Karena nilai standar deviasi lebih kecil daripada nilai rata-rata maka dapat disimpulkan bahwa data pada variabel leverage stabil. Hal tersebut disebabkan standar deviasi adalah pencerminan penyimpangan yang tinggi, sehingga penyebaran data menunjukkan hasil yang normal dan tidak menyebabkan bias. Risiko Saham (RISIKO) Pada tabel 4.2, nilai tertinggi adalah 3,5160 sedangkan nilai terendah adalah 0,0086. Dari hasil data yang diperoleh, menunjukkan bahwa risiko saham mengalami fluktuasi yang tidak terlalu besar. Nilai rata-rata untuk risiko saham adalah 1,123072 dan standar deviasi 0,8328322. Karena nilai standar deviasi lebih kecil daripada nilai rata-rata maka dapat disimpulkan bahwa data pada variabel risiko stabil. Hal tersebut disebabkan standar deviasi adalah pencerminan penyimpangan yang tinggi, sehingga penyebaran data menunjukkan hasil yang normal dan tidak menyebabkan bias. 4.3.Uji Asumsi Klasik 1.3.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah data terdistribusi secara normal atau tidak. Apabila data telah terdistribusi secara normal, maka tahap analisis yang berikutnya dapat dilaksanakan. Untuk menguji apakah data bersifat
normal atau tidak, maka digunakan analisa Kolmogrov-Smirnov Test sebagai berikut : Tabel 4.3 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test N 112 Unstandardized Residual Normal Parameters a,b Mean 0E-7 Std. Deviation.77293875 Most Extreme Differences Absolute.074 Positive.074 Negative -.066 Kolmogorov-Smirnov Z.785 Asymp. Sig. (2-tailed).569 a. Test distribution is Normal. b. Calculated from data. Dari tabel 4.3 One Sample Kolmogrov-Smirnov Test diperoleh nilai 0,785 dengan angka probabilitas atau asymp. Sig. (2-tailed) 0,569. Nilai ini dibandingkan dengan 0,05 (dalam kasus ini menggunakan taraf signifikansi sebesar 5% atau α = 5%). Sehingga apabila dikaitkan dengan penelitian, jauh diatas 0,05. Sehingga dapat disimpulkan bahwa tidak dapat menolak hipotesis nol yang berarti data terdistribusi secara normal. 1.3.2 Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi terdapat korelasi antara variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Deteksi multikolinearitas dapat dilakukan dengan menganalisis matriks korelasi antar
variabel independen dan dengan melihat nilai Tolerance dan lawannya VIF. Adapun hasil uji multikolinearitas dengan menggunakan matriks korelasi sebagai berikut : Tabel 4.4 Hasil Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF (Constant) 1.153.847 1.360.177 1 LNSIZE -.385.113 -.373-3.409.001.666 1.502 LNFCF.178.088.225 2.036.044.655 1.526 LEV.993.426.211 2.332.022.978 1.023 a. Dependent Variable: RISIKO Berdasarkan hasil uji multikolinearitas, dapat dilihat nilai Tolerance dan Variance Inflation Factor (VIF). Dimana nilai Tolerance > 0,1 untuk semua variabel dan nilai VIF < 10 untuk semua variabel. Sehingga dapat disimpulkan bahwa tidak terdapat multikolinearitas pada variabel independen atau terbebas dari multikolinearitas. 1.3.3 Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk mengetahui apakah terjadi penyimpangan model karena varian gangguan berbeda antara satu observasi dengan observasi lain. Untuk mendeteksi adanya gejala heteroskedastisitas dalam model persamaan regresi dengan menggunakan grafik/chart model scatterplot pada program SPSS. Model regresi akan heteroskodastik bila data menyebar
disekitar angka 0 pada sumbu Y dan tidak membentuk suatu pola atau trend garis tertentu. Heteroskedastisitas untuk menunjukkan nilai varians antara nilai Y tidaklah sama. Dampak terjadinya heteroskedastisitas yaitu interval keyakinan untuk koefisien regresi menjadi semakin lebar dan uji signifikansi kurang kuat. Hasil pengujian heteroskedastisitas dapat ditunjukkan pada gambar berikut : Gambar 1.3 Salah satu cara untuk mendeteksi adanya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel independen (ZPRED) dengan residualnya (SRESID). Deteksi ada atau tidak adanya heteroskedastisitas dapat dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah
diprediksi, dan sumbu X adalah residual (Y prediksi Y sesungguhnya) yang telah di-studentized. Dari gambar 4.1 diatas terlihat titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Oleh karena itu, dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi ini : Tabel 4.5 Uji Heteroskedastisitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF (Constant) 1.153.847 1.360.177 1 LNSIZE -.385.113 -.373-3.409.001.666 1.502 LNFCF.178.088.225 2.036.044.655 1.526 LEV.993.426.211 2.332.022.978 1.023 a. Dependent Variable: RISIKO 1.3.4 Uji Autokorelasi Pengujian ada atau tidaknya autokorelasi dilakukan dengan menggunakan metode Durbin-Watson. Jika ada korelasi, maka dinamakan ada problem autokorelasi. Adapun cara mendeteksi terjadi autokorelasi dalam model analisis regresi dengan menggunakan Durbin-Watson dapat dijelaskan sebagai berikut :
Tabel 4.6 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1.372 a.139.115.7836005 1.821 a. Predictors: (Constant), LEV, LNSIZE, LNFCF b. Dependent Variable: RISIKO Dengan nilai tabel pada tingkat signifikansi 5%, jumlah sampel 112 (n) dan jumlah variabel independen 3 (k = 3). Nilai Durbin-Watson (DW Statistik) dari hasil analisis regresi sebesar 1,821 dapat dilihat pada tabel 4.6 diatas, sedangkan DW Table untuk n = 112 dan k = 3 adalah 1,6373 untuk batas bawah (d L ) dan batas atas(d U ) 1,7472. Kemudian ternyata nilai DW ini terletak pada daerah bebas autokorelasi. Sehingga dapat disimpulkan bahwa persamaan regresi ini bebas autokorelasi. 1.4 Analisis Regresi Linier Berganda Dalam penelitian ini uji hipotesis menggunakan regresi berganda dimana akan diuji secara empirik untuk mencari hubungan fungsional dua atau lebih variabel bebas dengan variabel terikat, atau untuk meramalkan dua variabel bebas atau lebih terhadap variabel terikat. Hasil uji linier berganda dalam penelitian ini dapat dilihat pada tabel dibawah ini :
Tabel 4.7 Hasil Uji Linier Berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF (Constant) 1.153.847 1.360.177 1 LNSIZE -.385.113 -.373-3.409.001.666 1.502 LNFCF.178.088.225 2.036.044.655 1.526 LEV.993.426.211 2.332.022.978 1.023 a. Dependent Variable: RISIKO Berdasarkan hasil dari Coefficients a diatas, dapat dikembangkan dengan menggunakan model persamaan regresi linier berganda sebagai berikut : Risiko Saham = α β 1 LNSIZE + β 2 LNFCF + β 3 LEV + e Apabila nilai pada tabel 4.7 disubstitusikan maka akan diperoleh nilai sebagai berikut : Risiko Saham = 1,153 0,385 LNSIZE + 0,178 LNFCF + 0,993 LEV a. Konstanta sebesar 1,153 artinya jika LNSIZE, LNFCFF dan LEV tidak ada, maka risiko saham sebesar 1,153. b. Koefisien regresi X 1 sebesar 0,385 artinya setiap kenaikan satu satuan ukuran perusahaan (LNSIZE) akan menurunkan risiko saham sebesar 0,385. Dan sebaliknya, setiap penurunan satu satuan ukuran perusahaan (LNSIZE), akan meningkatkan risiko saham sebesar 0,385 dengan anggapan bahwa X 2 dan X 3 tetap. c. Koefisien regresi X 2 sebesar 0,178 artinya setiap kenaikan satu satuan likuiditas perusahaan (LNFCF) akan meningkatkan risiko saham sebesar 0,178. Demikian juga setiap penurunan satu satuan likuiditas perusahaan (LNFCF), akan menurunkan risiko saham sebesar 0,178 dengan anggapan bahwa X 1 dan X 3 tetap.
d. Koefisien regresi X 3 sebesar 0,993 artinya setiap kenaikan satu satuan leverage (LEV) akan meningkatkan risiko saham sebesar 0,993. Demikian juga, setiap penurunan satu satuan leverage (LEV), akan meningkatkan risiko saham sebesar 0,993 dengan anggapan bahwa X 1 dan X 2 tetap. Tanda (+) menunjukkan arah hubungan yang searah sedangkan tanda (-) menunjukkan arah hubungan yang berbanding terbalik antar variabel independen (X) dengan variabel dependen (Y). 1.5 Pengujian Hipotesis Pengujian hipotesis dalam penelitian ini menggunakan uji F dan uji t. Uji F digunakan untuk membuktikan pengaruh secara serentak variabel bebas terhadap variabel terikat, sedangkan uji t digunakan untuk membuktikan pengaruh secara parsial variabel bebas terhadap variabel terikat. Uji Signifikansi Parameter Individual (Uji Statistik t) Uji t digunakan untuk mengetahui pengaruh secara parsial variabel bebas terhadap variabel terikat. Pengujian ini dilakukan dengan membandingkan nilai probabilitas atau p-value (sig-t) dengan taraf signifikansi 0,05. Jika nilai p-value lebih kecil dari 0,05 maka H 1 diterima dan H 0 ditolak, dan sebalikmya jika nilai p-value lebih besar dari 0,05 maka H 1 ditolak dan H 0 diterima.
Tabel 4.8 Coefficients a Hasil Uji t Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) 1.153.847 1.360.177 LNSIZE -.385.113 -.373-3.409.001 LNFCF.178.088.225 2.036.044 LEV.993.426.211 2.332.022 Berdasarkan hasil uji t diatas dapat disimpulkan bahwa pada variabel LNSIZE/ukuran perusahaan (X 1 ) diperoleh t hitung sebesar 3,409 dengan probabilitas sebesar 0,001 yang nilainya dibawah 0,05. Dengan demikian H 1 diterima yang artinya LNSIZE (ukuran perusahaan) berpengaruh negatif dan signifikan terhadap risiko saham (Y). Hasil uji t pada variabel LNFCF/likuiditas perusahaan (X 2 ) diperoleh t hitung sebesar 2,036 dengan probabilitas sebesar 0,044 yang nilainya dibawah 0,05. Dengan demikian H 2 diterima yang artinya terdapat pengaruh positif dan signifikan antar variabel LNFCF (likuiditas perusahaan) terhadap risiko saham (Y). Hasil uji t pada variabel LEV/leverage (X 3 ) diperoleh t hitung sebesar 2,332 dengan probabilitas sebesar 0,022 yang nilainya dibawah 0,05. Dengan demikian H 3 diterima yang artinya LEV (leverage) berpengaruh positif dan signifikan terhadap risiko saham (Y).
Uji Signifikansi Simultan (Uji Statistik F) Uji F menunjukkan apakah semua variabel independen mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Hasil uji F dapat dilihat dalam tabel dibawah ini : Tabel 4.9 Hasil Uji Statistik F ANOVA a Model Sum of Squares df Mean Square F Sig. Regression 10.675 3 3.558 5.795.001 b 1 Residual 66.315 108.614 Total 76.991 111 a. Dependent Variable: RISIKO b. Predictors: (Constant), LEV, LNSIZE, LNFCF Berdasarkan tabel 4.8 diatas, didapat F hitung sebesar 5,795 dengan probabilitas sebesar 0,001 yang nilainya dibawah 0,05. Hal ini menunjukkan bahwa semua variabel independen yaitu LNSIZE, LNFCF dan LEV berpengaruh signifikan secara simultan (bersama-sama) terhadap risiko saham. Dengan demikian dari hasil pengujian model, maka model regresi memenuhi persyaratan goodness of fit. Koefisien Determinasi (R 2 ) Koefisien Determinasi (R 2 ) mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel risiko saham. Nilai koefisien determinasi antara 0 dan 1. Nilai R 2 yang mendekati satu berarti variabel independen penelitian memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel risiko saham. Hasil koefisien determinasi dapat dilihat dalam tabel 4.9 dibawah ini :
Tabel 5.0 Hasil Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1.372 a.139.115.7836005 1.821 a. Predictors: (Constant), LEV, LNSIZE, LNFCF b. Dependent Variable: RISIKO Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Oleh karena itu, dianjurkan untuk menggunakan adjusted R square (R 2 ) pada saat mengevaluasi model regresi terbaik. Dari tabel koefisien determinasi 4.9, besarnya adjusted R square (R 2 ) adalah 0,115. Dari hasil perhitungan statistik ini berarti bahwa kemampuan variabel independen dalam menerangkan variasi perubahan variabel dependen sebesar 11,5% sedangkan sisanya 88,5% (100% - 11,5%) diterangkan oleh faktor-faktor lain diluar model regresi yang dianalisis. 1.6 Pembahasan 1.6.1 Pengaruh Variabel Ukuran Perusahaan (SIZE) Terhadap Risiko Saham Hasil pengujian pada variabel Ukuran Perusahaan terhadap Risiko Saham pada Perusahaan Manufaktur. Berdasarkan analisa yang telah dilakukan dalam penelitian ini, bahwa ukuran perusahaan (SIZE) berpengaruh negatif terhadap risiko saham. Hasil penelitian ini mendukung penelitian dari Beaver et al. (1970), Breen Lernen (1973), Suherman (2001) dan Agung Budi Prakosa (2010) dimana
disebutkan bahwa variabel ukuran perusahaan (SIZE) berpengaruh negatif dan signifikan terhadap risiko saham. Dalam penelitian Suherman, terdapat beberapa perbedaan diantaranya periode waktu yang digunakan serta objek penelitiannya, dimana pada penelitian Suherman menggunakan objek penelitian pada perusahaan farmasi yang terdaftar di Bursa Efek Jakarta. Kebangkrutan merupakan suatu keadaan atau situasi dimana suatu perusahaan gagal atau tidak mampu memenuhi kewajiban-kewajiban karena perusahaan mengalami kekurangan atau ketidakcukupan dana untuk menjalankan atau melanjutkan usahanya sehingga tujuan ekonomi yang diinginkan oleh perusahaan tidak dapat tercapai. Makin baik kondisi dari suatu perusahaan maka akan makin besar pula kesempatan perusahaan tersebut dalam memperoleh keuntungan yang tinggi secara stabil. Sehingga semakin kecil pula peluang perusahaan untuk tidak memenuhi kewajibannya terhadap investor. Hal ini menyebabkan risiko yang ditanggung perusahaan menjadi rendah. 1.6.2 Pengaruh Variabel Likuiditas Perusahaan (FCF) Terhadap Risiko Saham Hasil pengujian pada variabel Likuiditas Perusahaan terhadap Risiko Saham pada Perusahaan Manufaktur. Berdasarkan analisa yang telah dilakukan dalam penelitian ini, bahwa likuiditas perusahaan (FCF) berpengaruh terhadap risiko saham.
Hasil penelitian ini mendukung penelitian dari Yudianti (2003) dalam Wardani dan Siregar (2009) dimana disebutkan bahwa variabel likuiditas perusahaan (FCF) berpengaruh terhadap risiko saham. Menurut Rahardjo (2006:110), kriteria perusahaan yang mempunyai posisi keuangan yang kuat adalah perusahaan yang mampu memenuhi kewajiban keuangannya kepada pihak luar secara tepat waktu, mampu menjaga kondisi modal kerja yang cukup, mampu membayar bunga dan kewajiban dividen yang harus dibayarkan dan menjaga posisi kredit utang yang aman. Rasio likuiditas bertujuan menaksir kemampuan keuangan perusahaan dalam memenuhi kewajiban jangka pendek dan komitmen pembayaran keuangannya. Semakin tinggi angka arus kas bebas, akan semakin baik bagi investor. Aliran kas bebas yang tinggi mengindikasikan kinerja perusahaan yang tinggi. Aliran kas bebas yang tinggi juga menggambarkan adanya pertumbuhan penciptaan kas di masa yang akan datang. 1.6.3 Pengaruh Variabel Leverage (LEV) Terhadap Risiko Saham Hasil pengujian pada variabel Leverage terhadap Risiko Saham pada Perusahaan Manufaktur. Berdasarkan analisa yang telah dilakukan dalam penelitian ini, bahwa leverage (LEV) berpengaruh positif terhadap risiko saham. Hasil penelitian ini mendukung penelitian dari Kartikasari (2007) dan Oktiyatun (2012) dimana disebutkan bahwa variabel leverage (LEV) berpengaruh positif dan signifikan terhadap risiko saham.
Bowman (1980) menggunakan nilai pasar untuk total hutang dalam menghitung leverage dan mendapatkan hasil yang tidak berbeda jika digunakan dengan nilai buku. Seharusnya keberadaan hutang jika dikelola secara efektif maka akan meningkatkan harga saham. Namun apabila keberadaan hutang tersebut dikelola secara tidak efektif maka akan menurunkan harga saham. Kartikasari (2007) berpendapat tidak terdapat pengaruh antara leverage dengan risiko adalah karena reaksi pasar yang berkebalikan, artinya dengan adanya penambahan utang jutru meningkatkan kepercayaan investor terhadap prospek suatu perusahaan, yaitu dengan bertambahnya modal asing berarti perusahaan memiliki peluang investasi yang menguntungkan sehingga diharapkan akan meningkatkan keuntungan bagi para pemegang saham. Kondisi ini menstabilkan harga saham sehingga berpengaruh positif terhadap risiko saham.