Data pada penelitian ini menggunakan data sekunder, yaitu data yang
diambil dari database laporan keuangan dan laporan tahunan perusahaan yang
obserbasi sebanyak 85. Dalam penelitian ini, variabel yang digunakan antara
lain: Return on asset, Return on equity, Earning per share, dan Harga Saham.
maksimum, nilai rata-rata (mean), dan nilai standar deviasi dari satu variabel
dependen yaitu harga saham dan tiga variabel independen yaitu Return on
asset, Return on equity, dan Earning per share. Pada tabel 4.1 berikut
Descriptive Statistics
memiliki nilai rata-rata sebesar 3585,49, dengan standar deviasi 5165,30 dengan
0,11932. Hal ini berarti bahwa rata-rata perusahaan sampel memiliki kemampuan
yaitu dimiliki oleh PT. Multi Bintang Indonesi Tbk pada periode 2017.
Berdasarkan tabel 4.1 untuk ROE nilai rata-rata sebesar 0,1074 dengan
perusahaan sample membiayai aktiva atau asset nya dengan hutang sebesar
0,39689. ROE tertinggi dengan nilai 1,2414 dimiliki oleh Multi Bintang Indonesi
194,68190. Pembayaran deviden tunai tertinggi dengan nilai 679,693 dimiliki oleh
pengujiannya yaitu jika signifikan > 0,05 maka data berdistribusi normal dan jika
1. Uji Normalitas
Tabel 4.2
Uji Normalitas
Unstandardized Residual
N 84
Normal Paramet Mean .0000000
a,b
ers Std. Deviation 1.16361235
Most Extreme Di Absolute .093
fferences Positive .092
Negative -.093
Test Statistic .093
Asymp. Sig. (2-tailed) .073c
Sumber : data diolah peneliti
Asymp.Sig (2-tailed) sebesar 0,000 lebih kecil dari 0,05. Maka sesuai
Selain itu peneliti melakukan tranform data dan diketahui nilai signifikan
Asymp. Sig (2-tailed) sebesar 0,073 lebih besar dari 0,05. maka sesuai
jika data menyebar di sekitar garis diagonal dan mengikuti arah diagonal,
maka data berdistribusi normal. Sebaliknya jika data menyebar jauh dari
garis diagonal, maka data tidak berdistribusi normal. Hasil output yang
berupa plot uji normalitas menggunakan SPSS 23 dapat dilihat pada gambar
berikut ini:
Gambar 4.1
2. Uji Multikolinieritas
dengan melihat nilai Tolerance yaitu jika nilai Tolerance < 0,1, maka
artinya terjadi multikolinearitas dan jika nilai Tolerance > 0,1, maka artinya
nilai VIF yaitu jika VIF > 10, maka artinya terjadi multikolinearitas dan jika
VIF < 10, maka artinya tidak terjadi multikolinearitas. Berikut adalah tabel
SPSS 23 :
Tabel 4.3
Uji Multikolinieritas
Coefficientsa
1 (Consta
6.347 .164 38.813 .000
nt)
Dari tabel diatas, dapat diketahui bahwa nilai Tolerance dari Return on
asset (X1) sebesar 0,233, Return on equity (X2) sebesar 0,286, dan Earning per
share (X3) adalah sebesar 0,601. Dari pembuktian tabel diatas menunjukann nilai
variable independen lebih dari 0,1. Nilai VIF dari Return on asset (X1) sebesar
4,292, Return on equity (X2) sebesar 3,500, dan Earning per share (X3) adalah
sebesar 1,665 yang berarti lebih kecil dari 10. Dengan demikian dapat
3. Uji Heteroskedastisitas
yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap,
menggunakan uji Glejser yaitu dengan meregresi nilai absolut residual terhadap
variabel independen. Kriteria pengujiannya yaitu jika signifikansi > 0,05, maka
artinya tidak terjadi heteroskedastisitas dan jika signifikansi < 0,05, maka artinya
terjadi heteroskedastisitas. Berikut adalah tabel untuk membuktikan apakah ada
Tabel 4.4
Uji Heteroskedastisitas (Uji Glejser)
Coefficientsa
Standardized Co
Unstandardized Coefficients efficients
Return on asset (X1) sebesar 0,784, Return on equity (X2) sebesar 0,690, dan
Earning per share (X3) adalah sebesar 0,360. Dari pembuktian tabel diatas
menunjukann nilai variable independen lebih besar dari 0,05, hal ini dapat
melalui Scatterplot. Kriteria pengujiannya yaitu jika adanya pola tertentu seperti
terjadi heteroskedastisitas. Sedangkan jika tidak ada pola yang jelas, serta titik-
titik yang menyebar diatas dan di bawah angka 0 pada sumbu Y maka
mengidentifikasikan bahwa tidak terjadi heteroskedastisitas. Hasil output yang
gambar berikut :
Gambar 4.2
Sumber : data diolah peneliti
Berdasarkan gambar di atas, dapat diketahui bahwa tidak ada pola yang
jelas, serta titik-titik yang menyebar diatas dan dibawah angka 0 pada sumbu Y
4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear
pengganggu periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada
problem autokorelasi. Ada beberapa cara untuk mendeteksi ada atau tidaknya
gejala autokorelasi, salah satunya dengan uji Durbin – Watson (DW test), dalam
uji ini memiliki asumsi jika Du<Dw<4-Du maka tidak terjadi gejalan autokorelasi
dan jika tidak memeuhi asusmsi tersebut, bisa dikatakan bahwa dalam penelitian
ini ada gejala autokorelasi, berikut adalah tabel model summary bisa dilihat pada
kolom Durbin-Watson :
Tabel 4.5
Uji Autokorelasi
dan telah diketahui Du untuk k=3 dan N=84 adalah 1.7198. Berikut untuk
pembuktiannya :
koefisien determinasi adalah antara nol dan satu. Nilai R 2 yang kecil berarti
kemampuan variabel-variabel independen dalam menjelaskan variasi variabel
di bawah ini :
Tabel 4.6
(R2) adalah 0,514. Jadi dapat disimpulkan kemampuan dari variabel Return on
asset, Return on dan Earning per share untuk menjelaskan harga saham
secara simultan yaitu 51,4 % sedangkan sisanya yaitu 48,5% dijelaskan oleh
Uji F
ANOVAa
Sum of
Model Squares df Mean Square F Sig.
Total 231.008 83
Dari tabel di atas, Fhitung sebesar 28,148 dapat dilihat pada tabel statistik
dan df 2 = n-k-1 (n adalah jumlah data dan k adalah jumlah variabel bebas) atau
Dapat diketahui bahwa Fhitung 28,148 lebih besar dari Ftabel 2,71 (Fhitung > Ftabel)
dan signifikansi lebih kecil dari 0,05 sebesar 0,000. Dengan demikian dapat
disimpulkan bahwa return on asset, return on equity dan earning per share secara
variabel dependen. Adapun cara untuk mengetahui besarnya t tabel yaitu dengan
melihat pada tabel statistik dengan taraf signifikansi 5% atau 0,05/2 = 0,025
(uji dua sisi) df = n-k-1 (n adalah jumlah data dan k adalah jumlah variabel
bebas) atau 84-3-1 = 80, maka akan didapat nilai ttabel sebesar 1,990
Tabel 4.8
Uji T
Unstandardized Standardized
Coefficients Coefficients
Berdasarkan tabel di atas, dapat diketahui bahwa hasil uji t adalah sebagai
berikut:
1. Berdasarkan tabel diatas dapat diketahui bahwa thitung dari ROA 2,506 lebih
besar dari ttabel 1,990 (thitung > ttabel), dan dapat dilihat dari nilai Sig 0,014 yang
berarti lebih kecil dari 0,05. Dengan demikian dapat disimpulkan bahwa ROA
2. Berdasarkan tabel diatas dapat diketahui bahwa thitung dari ROE yaitu sebesar
0,322 lebih kecil dari ttabel 1,990 (thitung < ttabel), dan dapat dilihat dari nilai Sig 0,749
yang berarti lebih besar dari 0,05. Dengan demikian dapat disimpulkan bahwa
3. Berdasarkan tabel diatas dapat diketahui bahwa t hitung dari EPS yaitu sebesar
3,457 lebih besar dari ttabel 1,990 (thitung > ttabel), dan dapat dilihat dari nilai Sig 0,001
yang berarti lebih kecil dari 0,05 Dengan demikian dapat disimpulkan bahwa EPS
Tabel 4.9
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Hal ini berarti bahwa jika ROA (X1), ROE (X2) dan EPS (X3) nilainya 0,
Nilai koefisien X1 sebesar 5,747. Hal ini berarti apabila ROA (X1)
(X2) dan EPS (X3) tetap. Koefisien bernilai positif, artinya terdapat
Nilai koefisien X2 sebesar 0,197. Hal ini berarti apabila ROE (X2)
sebesar 0,197. Dengan asumsi nilai koefisien ROA (X1) dan EPS (X3)
Nilai koefisien X3 sebesar 0,003. Hal ini berarti apabila EPS (X3)
sebesar 0,003. Dengan asumsi nilai koefisien ROA (X1) dan ROE (X2)
Berdasarkan hasil uji t atau uji parsial bahwa t hitung dari ROA 2,506
lebih besar dari ttabel 1,990 (thitung > ttabel), dan dapat dilihat dari nilai Sig
0,014 yang berarti lebih kecil dari 0,05. Dengan demikian dapat disimpulkan
ROA merupakan rasio antara laba sesudah pajak terhadap asset. Semakin
Agustina & Sany Noviri (2013), Yustina Wahyu Cahyaningrum & Tiara
Berdasarkan hasil uji t atau uji parsial bahwa t hitung dari ROE yaitu
sebesar 0,322 lebih kecil dari ttabel 1,990 (thitung < ttabel), dan dapat dilihat dari
nilai Sig 0,749 yang berarti lebih besar dari 0,05. Dengan demikian dapat
saham
Return On Equity (ROE) maka akan semakin tinggi Earning per Share
(EPS) sehingga tingkat deviden juga semakin tinggi dimana investor akan
Berdasarkan hasil uji t atau uji parsial bahwa tt hitung dari EPS yaitu
sebesar 3,457 lebih besar dari ttabel 1,990 (thitung > ttabel), dan dapat dilihat
dari nilai Sig 0,001 yang berarti lebih kecil dari 0,05 Dengan demikian
saham.
baik dan sebaliknya. Earning per Share (EPS) yang besar dapat
besarnya laba bersih siap dibagikan kepada investor. Dengan kata lain
Minarsih, dan Andi Tri Haryono (2016), dan Achmad Husainin (2012)