43 BAB IV ANALISIS HASIL DAN PEMBAHASAN 4.1 Statistik

BAB IV
ANALISIS HASIL DAN PEMBAHASAN
4.1 Statistik Deskriptif
Dalam analisis statistik obyek penelitian pada sub bab ini, peneliti
menjabarkan hasil perhitungan nilai minimum, nilai maksimum, rata-rata
(mean) dan simpangan baku (standar deviasi) dari umur perusahaan, ukuran
perusahaan dan return saham dari perusahaan yang masuk dalam LQ45
selama masa pengamatan.
Dari data di bawah ini dapat terlihat bahwa jumlah data (N) sebanyak 23
dari data semula adalah 36 data, hal ini dikarenakan adanya data outlier yakni
data yang mengganggu atau data yang sifatnya ekstrim sehingga
menyebabkan distribusi data menjadi tidak normal dan akhirnya dapat
mengakibatkan penelitian terganggu. Dengan adanya masalah tersebut maka
penulis menghapus data outlier, menurut Suliyanto (2011 :79) cara untuk
menormalkan data adalah dengan menghilangkan data yang dianggap sebagai
penyebab data tidak normal, sehingga dengan membuang data tersebut maka
data akan semakin mendekati nilai rata ratanya
Pembuatan statistik deskriptif untuk sampel tersebut dibantu dengan
menggunakan program komputer Statisical Package for Sosial Science atau
43
44
lebih dikenal dengan istilah SPSS versi 20 dengan hasil perhitungan sebagai
berikut :
Tabel 4.1
Statistik Deskriptive
Descriptive Statistics
Umur perusahaan
Ukuran
perusahaan
Return saham
N
Mean
Std. Deviation
Minimum
Maximum
23
34.70
18.089
6
76
23
66940355.70
101266542.455
1412075
394616604
23
.054357
.0398059
-.0341
.1232
Sumber: Output SPSS
Tabel 4.1 berisi mengenai nilai maximum (tertinggi), minimum
(terendah), mean (rata-rata) dan standart deviasi untuk masing-masing
variabel yang diteliti. Penjelasan mengenai Tabel 4.1 adalah sebagai berikut:
1. Berdasarkan Tabel 4.1 menunjukkan bahwa N merupakan jumlah data
yang menjadi sampel dalam penelitian ini. Jumlah sampel (N) dari
penelitian ini sebanyak 23 perusahaan.
2. Variabel umur perusahaan memiliki rata-rata atau mean sebesar 34.70
dengan standar deviasi sebesar 18.089. umur perusahaan memiliki nilai
terkecil (minimum) sebesar 6 pada PT Adaro Energy Tbk dan nilai
terbesar (maksimum) sebesar 76 pada PT Unilever Indonesia Tbk.
3. Variabel ukuran perusahaan memiliki rata-rata atau mean sebesar
66940355.70 dengan standar deviasi sebesar 101266542.455. ukuran
perusahaan memiliki nilai terkecil (minimum) sebesar 1412075 pada PT
45
Bisi Internasional Tbk dan nilai terbesar (maksimum) sebesar 394616604
pada PT Bank Mandiri Persero Tbk.
4. Variabel Return Saham memiliki rata-rata atau mean sebesar 0.054357
dengan standar deviasi sebesar 0.0398059. return saham memiliki nilai
terkecil (minimum) sebesar -0.0341 pada PT Lippo Karawaci Tbk dan
nilai terbesar (maksimum) sebesar 0.1232 pada PT Indofood Sukses
Makmur Tbk.
4.2 Normalitas Data
Uji normalitas sering disalah artikan bahwa semua variabel harus
memiliki distribusi normal. Uji normalitas yang dimaksud adalah nilai
residual dari regresi tersebut harus berdistribusi normal. Jadi yang diminta
adalah
hasil
residual
dari
persamaan
regresi
berdistribusi
normal
(ghozali,2009).
Uji normalitas bertujuan untuk menguji apakah dalam model regresi,
variabel residual memiliki distribusi normal. Salah satu cara untuk melihat
normalitas residual adalah dengan uji statistic non-parametik KolmogorovSmirnov (K-S). hasil uji K-S dapat dilihat pada tabel 4.2 sebagai berikut:
46
Tabel 4.2
Uji Normalitas Data Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N
Normal Parametersa,b
Most Extreme Differences
23
Mean
0E-7
Std. Deviation
.03657978
Absolute
.119
Positive
.086
Negative
-.119
Kolmogorov-Smirnov Z
.570
Asymp. Sig. (2-tailed)
.901
a. Test distribution is Normal.
b. Calculated from data.
Hasil pengujian pada tabel 4.2 Menunjukkan bahwa Asymp. Sig (2
tailed) pada uji Kolmogorov-smirnov
adalah 0,901. Hasil tersebut
menunjukkan bahwa Kolmogorov-smirnov besarnya nilai signifikan pada
seluruh variabel terikat melebihi 5%. Sehingga dapat disimpulkan bahwa data
residual terdistribusi secara normal diterima.
47
Gambar 4.1
Gambar P.P Plot
Pada gambar diatas uji normalitas dengan PP Plot memperlihatkan titiktitik menyebar disekitar garis diagonal, serta penyebarannya mengikuti garis
diagonal maka dapat disimpulkan model regresi berdistribusi normal (Imam
Ghozali).
48
4.3 Uji Asumsi Klasik
4.3.1 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model
regresi linier ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1. Autokorelasi muncul
karena observasi yang berurutan sepanjang waktu berkaitan satu sama
lainnya. Untuk mendeteksi ada tidaknya autokorelasi dapat dilakukan
dengan Uji Durbin Watson. Model regresi terbebas dari gejala
autokorelasi jika terletak di daerah no autocorrelation. Hasil olah data
SPSS dapat dilihat pada tabel dibawah ini:
Tabel 4.3
Hasil Uji Autokorelasi
Model Summaryb
Model
R
R
Adjusted
Std. Error Durbin-Watson
Square
R Square
of
the
Estimate
1
.534a
.285
.213
.0353088
1.683
a. Predictors: (Constant), ln_ukuran, umurperusahaan
b. Dependent Variable: returnsaham
Sumber : Data yang telah diolah
Hasil data SPSS dengan menggunakan Durbin-Watson menunjukkan
nilai DW sebesar 1,683 dimana nilai dU = 1,548 dan dL = 1,168. Nilai
1,683 ini menjelaskan bahwa hasil uji Durbin-Watson berada diantara
dU dengan 4-dU (1,548
DW
2452), yang berarti model regresi
49
yang digunakan dalam penelitian ini tidak terdapat masalah
autokorelasi.
4.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model
regresi terdapat ketidaksamaan varians dari residual satu pengamatan ke
pegamatan lainnya. Model regresi yang baik adalah yang tidak terjadi
heteroskedastisitas. Heteroskedastisitas dapat dideteksi dengan melihat
penyebaran plot melalui gambar scatterplot sebagai berikut:
Gambar 4.2
Dari gambar 4.2 terlihat bahwa titik-titik menyebar secara acak serta
tersebar baik diatas maupun dibawah angka nol pada sumbu Y. hal ini
dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model
regresi. sehingga model regresi layak dipakai untuk memprediksi
pengaruh umur perusahaan dan ukuran perusahaan.
50
4.3.3
Uji Multikolineritas
Uji multikoloniearitas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel independen. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel
independen. Menurut imam Ghozali (2009), suatu model regresi
terdapat multikoloniearitas jika Variance Inflation Factor (VIF)
atau sama dengan tolerance
10
0,10 dengan tingkat kolonieritas
dibawah 95%.
Hasil olat data SPSS dapat dilihat pada tabel dibawah ini:
Tabel 4.4
Hasil Uji Multikoloniearitas
Coefficientsa
Model
Collinearity Statistics
Tolerance
VIF
umurperusahaan
.984
1.016
ln_ukuran
.984
1.016
(Constant)
1
a. Dependent Variable: returnsaham
Pada tabel 4.4 dapat dilihat untuk ke dua variabel independen nilai
tolerance > 0.10 dan nilai VIF < 10 maka dapat disimpulkan tidak
terdapat multikolinearitas pada model regresi.
51
4.4 Regresi Linier Berganda
Analisis linier berganda digunakan untuk mendapatkan regresi yang
akan menentukan apakah hipotesis yang dibuat akan diterima atau tidak.
Tabel 4.5
Hasil Analisis Regresi Linier Berganda
Model
Unstandardized
Standar
Coefficients
dized
T
Sig.
-2.153
.044
Coefficie
nts
B
(Constant)
1
umurperusa
haan
ln_ukuran
.185
Std. Error
Beta
.086
.000 .000
.095
.500
.623
.014 .005
.513
2.691
.014
a. Dependent Variable: returnsaham
Dari hasil output regresi tersebut, maka dapat diperoleh hasil persamaan
regresi sebagai berikut:
Returnsaham = 0,185 + 000 Umur Perusahaan + 0.014 Ukuran Perusahaan +
e
Dari hasil persamaan model regresi tersebut diperoleh :
• Konstanta sebesar 0,185 menyatakan bahwa jika variabel harga umur
perusahaan dan ukuran perusahaan dianggap konstan, maka return
saham sebesar 0,185.
52
• Koefisien regresi umur perusahaan sebesar 000 menyatakan bahwa
setiap kenaikan umur selama 1 tahun maka akan meningkatkan return
sebesar 000
• Koefisien regresi ukuran perusahaan sebesar 0.014 menyatakan bahwa
setiap kenaikan total aktiva 1 rupiah akan meningkatkan return saham
sebesar 0.014
4.5 Uji Koefisien Determinasi (Uji R2)
Uji R2 digunakan untuk mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel dependen. Nilai R2 berkisar antara 0 sampai 1.
Apabila R2= 1 menunjukkan bahwa 100% variabel independen mampu
menerangkan variabel dependen. Nilai R2 = 0 artinya tidak ada varian yang
diterangkan oleh variabel independen.
Nilai koefisien determinasi dari model regresi penelitian ini dapat dilihat pada
tabel 4.6 sebagai berikut:
Tabel 4.6
Hasil Uji Koefisien Determinasi
Model Summaryb
Model
1
R
.534a
R
Adjusted
Std. Error of the
Square
R Square
Estimate
.285
.213
.0353088
a. Predictors: (Constant), ln_ukuran, umurperusahaan
b. Dependent Variable: returnsaham
53
Pada tabel 4.6 menunjukkan bahwa koefisien determinasi yang menunjukkan
nilai adjusted R-square sebesar 0,213. Hal ini berarti bahwa 21,3 % variabel
return saham dapat dijelaskan secara signifikan oleh variabel umur perusahaan
dan ukuran perusahaan. Sedangkan sisa nya 78,7% return saham dapat
dijelaskan oleh variabel lain.
Standar Erorr of the Estimate (SEE) menunjukkan nilai 0,0353088 hal ini
menunjukkan nilai yang kecil sehingga dapat disimpulkan model regresi
layak digunakan untuk memprediksi variabel dependen. Sementara itu, nilai
R sebesar 0,534 menunjukkan hubungan antara variabel dependen yaitu
return saham dengan variabel independen yaitu umur perusahaan dan ukuran
perusahaan tidak cukup kuat.
4.6 Hipotesis
4.6.1 Uji Simultan dengan F-test
Uji Simultan dengan F-test ini bertujuan untuk mengetahui
pengaruh secara bersama-sama variable independent terhadap variable
dependent.Hasil F-test ini pada output SPSS dapat dilihat pada tabel
ANOVA. Hasil F-test ini berpengaruh secara bersama-sama variable
independent terhadap variable dependent jika nilai signifikan F (Pvalue) pada kolom sig. lebih kecil dari level of significant yang
ditentukan, Berikut hasil uji simultan dengan F-test dapat dilihat pada
tabel 4.7 :
54
Tabel 4.7
Hasil Uji F
ANOVAa
Model
Sum of Squares
Df
Mean Square
F
Sig.
Regression
.010
2
.005
3.980
.035b
Residual
.025
20
.001
Total
.035
22
a. Dependent Variable: returnsaham
b. Predictors: (Constant), ln_ukuran, umurperusahaan
Hasil pengujian pada tabel 4.7 menunjukkan nilai F hitung 3,980
dengan tingkat signifikansi sebesar 3,5%. Hasil pengujian dengan
menggunakan indikator uji F menunjukkan nilai signifikansi F di bawah
tingkat signifikansi
5%, yang artinya variabel umur perusahaan
dan ukuran perusahaan secara serentak berpengaruh signifikan terhadap
tingkat return saham. Dengan demikian dapat disimpulkan bahwa
semua variabel bebas tidak memberikan kontribusi dalam memprediksi
nilai untuk variabel terikat atau dapat pula dikatakan bahwa variabel
bebas secara serentak mempengaruhi variabel terikat.
55
4.6.2 Uji Parsial dengan t-test
Test ini bertujuan untuk mengetahui besarnya pengaruh masing-masing
variabel independen. Hasil uji ini pada output SPSS dapat dilihat pada
table Coefficients. Nilai dari uji t-test dapat dilihatdari P-value < level of
significant yang ditentukan, maka dapat disimpulkan bahwa hasil yang
diperoleh signifikan dan terdapat pengaruh antara masing-masing
variabel independen dan dependen. Berikut hasil uji Parsial dengan Ttest dapat dilihat pada tabel 4.8 :
Tabel 4.8
Hasil Uji t
Coefficientsa
Model
Unstandardized
Standar
Coefficients
dized
t
Sig.
-2.153
.044
Coefficie
nts
B
(Constant)
1
umurperusa
haan
ln_ukuran
.185
Std. Error
Beta
.086
.000 .000
.095
.500
.623
.014 .005
.513
2.691
.014
a. Dependent Variable: returnsaham
Dari hasil pengolahan data seperti yang ditunjukkan pada tabel 4.8 yang
dapat diinterpretasikan adalah sebagai berikut:
1. Diketahui bahwa model regresi ini diperoleh nilai sebesar 0,500
dengan nilai signifikan sebesar 0,623. Karena nilai signifikansinya
56
lebih besar dari 0,05 yaitu 0,623, maka tidak terdapat pengaruh
yang signifikan antara umur perusahaan dengan Return Saham.
2. Diketahui bahwa model regresi ini diperoleh nilai sebesar 2,691
dengan nilai signifikan sebesar 0,014. Karena nilai signifikansinya
lebih kecil dari 0,05 yaitu 0,014, maka terdapat pengaruh yang
signifikan antara ukuran perusahaan dengan Return Saham.
Pembahasan:
Dalam penelitian yang dilakukan pengujian pengaruh umur
perusahaan dan ukuran perusahaan terhadap return saham pada
perusahaan yang masuk dalam kelompok LQ-45 periode 2009-2010.
Berdasarkan hasil penelitian yang telah dilakukan diperoleh bahwa:
1. Variabel umur perusahaan menunjukkan pengaruh tidak signifikan
terhadap return saham. Hasil ini terlihat pada nilai signifikansi
pengujian sebesar 0,623 diatas tingkat signifikansi 0,05. Sehingga
variabel umur perusahaan tidak dapat dijadikan indikator dalam
memprediksi return saham. Hasil penelitian ini sejalan dengan
penelitian yang dilakukan oleh Evi Soraya (2011) dengan judul
pengaruh ukuran perusahaan, umur perusahaan, DER, ROA
terhadap underpricing saham perdana (studi empiris bursa efek
Indonesia 2005-2009) Hasil penelitian menunjukkan umur
perusahaan
tidak
berpengaruh
secara
signifikan
terhadap
underpricing saham perdana. Begitupun dengan hasil penelitian
57
dari Daljono (2000) yang mengatakan bahwa umur perusahaan
perusahaan terbukti tidak berpengaruh signifikan terhadap initial
return pada IPO tahun 1990-1997. Hal ini mempunyai arti bahwa
investor pada saat membeli saham perusahaan yang terdaftar di
BEI, tidak terlalu mempertimbangkan lamanya perusahaan
tersebut.
2. Variabel ukuran perusahaan menunjukkan pengaruh signifikan
terhadapreturn saham. Hasil ini terlihat pada signifikan sipengujian
sebesar 0,014 dibawah tingkat signifikansi 0,05, sehingga variabel
ukuran perusahaan dapat dijadikan indicator dalam memprediksi
return saham. Hasil penelitian ini sejalan dengan penelitian yang
dilakukan oleh Abror Ariefrianto (2012) dengan judul pengaruh
aruskas operasi, laba bersih dan size perusahaan terhadap return
saham pada perusahaan yang tergabung dalam indeks LQ 45 Tahun
2009-2010. Hasil penelitian menunjukkan ukuran perusahaan
berpengaruh signifikan terhadap return saham. Begitupun dengan
hasil penelitian dari Ninna Daniati (2006). Hasil pengujian yang
signifikan menunjukkan bahwa ukuran perusahaan perusahaan
cukup informatif untuk mengukur kinerja suatu perusahaan.
Investor beranggapan bahwa perusahaan yang besar dapat
memberikan tingkat return yang besar.
58
3. Variabel umur perusahaan dan ukuran perusahaan berpengaruh
secara
bersama-sama
terhadap
return
saham.
Berdasarkan
pengujian secara bersama-sama (uji F) didapatkan tingkat
signifikan sebesar 0,035dibawah tingkat signifikansi 0,05 maka
dapat disimpulkan bahwa umur perusahaan dan ukuran perusahaan
berpengaruh secara bersama-sama terhadap return saham.