BAB IV

HASIL DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

Data pada penelitian ini menggunakan data sekunder, yaitu data yang

diambil dari database laporan keuangan dan laporan tahunan perusahaan yang

terdapat di Bursa Efek Indonesia (BEI) yang tersedia pada situs

www.idx.co.id dan website masing-masing perusahaan. Populasi dalam

penelitian ini adalah perusahaan pertambangan yang terdaftar di Bursa Efek

Indonesia periode 2014-2018. Berdasarkan kriteria yang sudah dipilih

menggunakan purposive sampling terdapat 17 perusahaan sampel dengan data

obserbasi sebanyak 85. Dalam penelitian ini, variabel yang digunakan antara

lain: Return on asset, Return on equity, Earning per share, dan Harga Saham.

B. Hasil Uji Statistik Deskriptif

Deskriptif variabel dalam penelitian ini meliputi nilai minimum, nilai

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

menjelaskan statistik deskriptif dari masing-masing variabel yang diteliti:

 TABEL 4.1

HASIL UJI STATISTIK DESKRIPTIF

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Harga Saham 85 50.00 30500.00 3585.4941 5165.30495

ROA 85 -.26 .53 .0683 .11932
ROE 85 -2.23 1.44 .1074 .39689
EPS 85 -69.45 733.67 124.3243 194.68190
Valid N (listwise) 85

Sumber : Data diolah peneliti

Berdasarkan tabel 4.1 untuk variable dependen yaitu harga saham,

memiliki nilai rata-rata sebesar 3585,49, dengan standar deviasi 5165,30 dengan

demikian perusahaan sample mampu menghasilkan harga saham sebesar 5165,30,

harga saham terbesar dengan nilai 30500.

Berdasarkan tabel 4.1 dapat dilihat bahwa selama periode pengamatan,

variabel ROA yang merupakan kemampuan perusahaan untuk menghasilkan laba

menunjukkan nilai rata-rata sebesar 0,0683 dengan standar deviasi sebesar

0,11932. Hal ini berarti bahwa rata-rata perusahaan sampel memiliki kemampuan

meningkatkan laba sebesar 0,11932. Profitabilitas tertinggi dengan nilai 0,5267

yaitu dimiliki oleh PT. Multi Bintang Indonesi Tbk pada periode 2017.

Berdasarkan tabel 4.1 untuk ROE nilai rata-rata sebesar 0,1074 dengan

standar deviasi sebesar 0,39689, hal ini menunjukan bahwa kemampuan

perusahaan sample membiayai aktiva atau asset nya dengan hutang sebesar

0,39689. ROE tertinggi dengan nilai 1,2414 dimiliki oleh Multi Bintang Indonesi

Tbk pada periode 2017.

 Berdasarkan tabel 4.1 untuk variable EPS memiliki nilai rata rata sebesar

124,3243 dengan standar deviasi 194,68190, hal ini menunjukan bahwa

kemampuan perusahaan sample membayar devidend tunai adalah sebesar

194,68190. Pembayaran deviden tunai tertinggi dengan nilai 679,693 dimiliki oleh

PT. Multi Bintang Indonesi Tbk pada periode 2018.

C. Hasil Uji Asumsi Klasik

Uji normalitas dilakukan untuk melihat apakah data berdistribusi normal

atau tidak. Pengujian normalitas pada penelitian ini menggunakan uji

Kolmogorof-Smirnov dengan tingkat signifikan 5% atau 0,05. Kriteria

pengujiannya yaitu jika signifikan > 0,05 maka data berdistribusi normal dan jika

signifikan < 0,05 maka data tidak berdistribusi normal.

Hasil perhitungan uji normalitas Kolmogorov-Smirnov menggunakan SPSS

23 dapat dilihat dalam tabel berikut ini:

1. Uji Normalitas
Tabel 4.2

Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

 Unstandardized Predicted Value
N 85
Normal Mean 8127.8470588
Parametersa,b Std.
15781.90674587
Deviation
Most Extreme Absolute .149
Differences Positive .149
Negative -.062
Test Statistic .149
Asymp. Sig. (2-tailed) .000c

One-Sample Kolmogorov-Smirnov Test

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

Berdasarkan table output diatas, diketahui bahwa nilai signifikan

Asymp.Sig (2-tailed) sebesar 0,000 lebih kecil dari 0,05. Maka sesuai

dengan dasar pengambilan keputusan dalam uji normalitas Kolmogorov-

Smirnov di atas, dapat disimpulkan bahwa data berdistribusi tidak normal.

Selain itu peneliti melakukan tranform data dan diketahui nilai signifikan

Asymp. Sig (2-tailed) sebesar 0,073 lebih besar dari 0,05. maka sesuai

dengan dasar pengambilan keputusan dalam uji normalitas Kolmogorov-

Smirnov di atas, dapat disimpulkan bahwa data berdistribusi normal.

Selain menggunakan uji Kolmogorov-Smirnov, normalitas data juga

dapat dilihat melalui Normal Probability Plot. Kriteria pengujiannya yaitu

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:

Sumber : data diolah peneliti

Gambar 4.1

Output Uji Normalitas dengan Normal Probabillity Plot

Berdasarkan gambar di atas, dapat diketahui bahwa data menyebar

di sekitar garis diagonal dan mengikuti arah diagonal, maka dapat

 disimpulkan bahwa data berdistribusi normal dan model regresi telah

memenuhi asumsi normalitas.

2. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi

ditemukana adanya korelasi antar variabel bebas (independen). Untuk

mendeteksi ada atau tidaknya multikolinearitas yaitu dilihat dari nilai

Tolerance dan Variance Inflation Factor (VIF). Kriteria pengujiannya

dengan melihat nilai Tolerance yaitu jika nilai Tolerance < 0,1, maka

artinya terjadi multikolinearitas dan jika nilai Tolerance > 0,1, maka artinya

tidak terjadi multikolinearitas. Sedangkan kriteria pengujian dengan melihat

nilai VIF yaitu jika VIF > 10, maka artinya terjadi multikolinearitas dan jika

VIF < 10, maka artinya tidak terjadi multikolinearitas. Berikut adalah tabel

yang bisa membantu melihat gejala multikolinieritas dengan menggunakan

SPSS 23 :

Tabel 4.3

Uji Multikolinieritas

Coefficientsa

Model Unstandardized Co Standar t Sig. Collinearity Statistics

efficients dized C
oefficien
ts
 Std. Er
B ror Beta Tolerance VIF

1 (Consta
6.347 .164 38.813 .000
nt)

ROA 5.747 2.293 .405 2.506 .014 .233 4.292

ROE .197 .611 .047 .322 .749 .286 3.500

EPS .003 .001 .348 3.457 .001 .601 1.665

Sumber : data diolah peneliti

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

disimpulkan bahwa dalam model regresi tidak terjadi multikolinearitas.

3. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi

terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan

yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap,

maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas.

untuk dapat mendeteksi ada tidaknya heteroskedastisitas dapat

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

gejala Heteroskedastisitas atau tidak menggunakan SPSS 23:

Tabel 4.4
Uji Heteroskedastisitas (Uji Glejser)

Coefficientsa

Standardized Co
Unstandardized Coefficients efficients

Model B Std. Error Beta t Sig.

1 (Constant) .946 .097 9.755 .000

ROA .374 1.361 .063 .275 .784

ROE .145 .363 .083 .401 .690

EPS .000 .001 -.132 -.921 .360

a. Dependent Variable: Absolut Residual

Sumber : data diolah peneliti

Berdasarkan tabel diatas diketahui nilai signifikasni (Sig) untuk variabel

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

disimpulkan bahwa tidak terjadi gejala heteroskedastisitas dalam model regresi.

Selain mengggunakan uji Glejser, uji heteroskedastisitas juga dapat dilihat

melalui Scatterplot. Kriteria pengujiannya yaitu jika adanya pola tertentu seperti

titik-titik yang membentuk pola tertentu yang teratur maka mengidentifikasikan

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

berupa plot uji heteroskedastisitas menggunakan SPSS 23 dapat dilihat pada

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

maka mengidentifikasikan tidak terjadinya heteroskedastisitas.

4. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear

ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan

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

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson
a
1 .717 .514 .495 1.18523 1.997
Sumber : data diolah peneliti

Berdasarkan tabel diatas, dapat dilihat nilai Durbin-Watson sebesar 1.997,

dan telah diketahui Du untuk k=3 dan N=84 adalah 1.7198. Berikut untuk

pembuktiannya :

Du(1,7198) < Dw(1,997) < 4 – Du(1,7198)= 2,2802

Dari pembuktian tersebut mengidentifikasikan bahwa tidak terjadi gejala

Autokorelasi dengan tingkat kepercayaan 95%.

D. Uji Kelayakan Model

1) Uji Koefisien Determinasi (R2)

Koefisien determinasi (R2) pada intinya mengukur seberapa jauh

kemampuan model dalam menerangkan variasi variabel independen. Nilai

koefisien determinasi adalah antara nol dan satu. Nilai R 2 yang kecil berarti
kemampuan variabel-variabel independen dalam menjelaskan variasi variabel

dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel

independen memberikan hampir semua informasi yang dibutuhkan untuk

memprediksi variasi variabel dependen (Ghozali, 2013). Hasil perhitungan

koefisien determinasi dengan menggunakan SPSS 23 dapat dilihat pada tabel

di bawah ini :

Tabel 4.6

Uji Koefisien Determinasi

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson

1 .717a .514 .495 1.18523 1.997

Sumber : data diolah peneliti

Berdasarkan tabel di atas, dapat diketahui bahwa nilai Adjusted R Square

(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

faktor lain yang tidak diteliti.

2) Uji Simultan (Uji Statistik F)

Uji statistik F berfungsi untuk mengetahui ada tidaknya pengaruh

signifikan secara bersama-sama (simultan) variabel independen terhadap

variabel dependen. Pengujian ini dilakukan menggunakan tingkat signifikansi

0,05. Hasil perhitungan uji F dengan menggunakan SPSS 23 dapat dilihat

pada tabel di bawah ini :

 Tabel 4.7

Uji F

ANOVAa

Sum of
Model Squares df Mean Square F Sig.

1 Regression 118.626 3 39.542 28.148 .000b

Residual 112.381 80 1.405

Total 231.008 83

Sumber : data diolah peneliti

Dari tabel di atas, Fhitung sebesar 28,148 dapat dilihat pada tabel statistik

dengan taraf signifikansi 5% atau 0,05, df 1 ( jumlah variabel – 1) atau 4-1 = 3,

dan df 2 = n-k-1 (n adalah jumlah data dan k adalah jumlah variabel bebas) atau

84-3-1 = 80, maka akan didapat nilai Ftabel sebesar 2,71

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

serentak berpengaruh terhadap harga saham.

3) Uji Parameter Individual (Uji Statistik t)

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu

variabel penjelas/independen secara individual dalam menerangkan variasi

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

Model B Std. Error Beta t Sig.

1 (Constant) 6.347 .164 38.813 .000

ROA 5.747 2.293 .405 2.506 .014

ROE .197 .611 .047 .322 .749

EPS .003 .001 .348 3.457 .001

Sumber : data diolah peneliti

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

berpengaruh secara parsial terhadap harga saham.

H1 : Return on asset berpengaruhsecara parsial terhadap harga saham.

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

ROE tidak berpengaruh secara parsial terhadap harga saham.

H2 : Return on equity berpengaruh positif terhadap harga saham.

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

berpengaruh secara parsial terhadap harga saham.

H3 : Earning per share berpengaruh secara parsial terhadap harga saham.

E. Uji Regresi Linier Berganda

Hipotesis dalam penelitian ini diuji dengan menggunakan model regresi

berganda (multiple regression). Analisis ini digunakan untuk mengetahui

pengaruh positif atau negatif beberapa variabel independen (X) terhadap

variabel dependen (Y). Tabel pembuktiannya adalah sebagai berikut :

Tabel 4.9

Uji Regresi Linier Berganda

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 6.347 .164 38.813 .000

ROA 5.747 2.293 .405 2.506 .014

ROE .197 .611 .047 .322 .749

EPS .003 .001 .348 3.457 .001

Sumber : data diolah peneliti

Nilai-nilai untuk persamaan regresi dapat dilihat pada tabel di atas sehingga

dapat diperoleh persamaan regresi sebagai berikut :

Y = 0,946 + 0,374 X1 + 0,145 X2 - 0,000 X3

Dari persamaan regresi tersebut, nilai konstanta (a) sebesar 6,347.

Hal ini berarti bahwa jika ROA (X1), ROE (X2) dan EPS (X3) nilainya 0,

maka harga saham (Y) nilainya sebesar 6,347

Nilai koefisien X1 sebesar 5,747. Hal ini berarti apabila ROA (X1)

mengalami peningkatan sebesar 1 poin, maka harga saham (Y) akan

mengalami peningkatan sebesar 5,747 dengan asumsi nilai koefisien ROE

(X2) dan EPS (X3) tetap. Koefisien bernilai positif, artinya terdapat

hubungan positif antara ROA dengan harga saham, semakin baik

profitabilitas maka semakin tinggi harga saham perusahaan.

Nilai koefisien X2 sebesar 0,197. Hal ini berarti apabila ROE (X2)

mengalami penurunan, maka harga saham (Y) akan mengalami penurunan

sebesar 0,197. Dengan asumsi nilai koefisien ROA (X1) dan EPS (X3)

tetap. Koefisien bernilai negatif, artinya terdapat hubungan negatif antara

ROE dengan harga saham.

Nilai koefisien X3 sebesar 0,003. Hal ini berarti apabila EPS (X3)

mengalami penurunan, maka harga saham (Y) akan mengalami penurunan

sebesar 0,003. Dengan asumsi nilai koefisien ROA (X1) dan ROE (X2)

tetap. Koefisien bernilai negatif, artinya terdapat hubungan negatif antara

EPS dengan harga saham.

 F. Pembahasan Hasil Penelitian

1 Pengaruh Return On Asset terhadap harga saham

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

bahwa ROA berpengaruh secara parsial terhadap harga saham.

H1 : Return on asset berpengaruh secara parsial terhadap harga saham.

Hal tersebut mengindikasikan bahwa perusahaan dalam

menghasilkan keuntungan dengan memanfaatkan aktiva yang dimilikinya.

ROA merupakan rasio antara laba sesudah pajak terhadap asset. Semakin

besar ROA menunjukan kinerja perusahaan semakin baik, karena tingkat

pengembalian semakin besar. ROA juga merupakan perkalian antara

faktor net income margin dengan perputaran aktiva. Variable Return On

Asset mempunyai pengaruh signifikan terhadap harga saham.

Penelitian ini sejalan dengan penelitian yang dilakukan oleh Lidya

Agustina & Sany Noviri (2013), Yustina Wahyu Cahyaningrum & Tiara

Antikasari (2017) yang menyatakan bahwa Return On Asset (ROA)

memiliki berpengaruh positif secara parsial terhadap harga saham.

2 Pengaruh Return On Equity terhadap harga saham

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

disimpulkan bahwa ROE tidak berpengaruh secara parsial terhadap harga

saham

Hal ini mengindikasikan bahwa Return On Equity (ROE) memiliki

pengaruh positif dan signifikan terhadap harga saham. Semakin tinggi

Return On Equity (ROE) maka akan semakin tinggi Earning per Share

(EPS) sehingga tingkat deviden juga semakin tinggi dimana investor akan

cenderung memilih saham-saham yang memiliki tingkat pembagian

deviden yang tinggi yang menyebabkan permintaan terhadap saham

tersebut akan tinggi sehingga harga saham akan cenderung naik.

Penelitian ini sejalan dengan penelitian sebelumnya oleh Noer

Sasongko, Nila Wulandari (2006), Setyorini, Maria M. Minarsih dan Andi

Tri Haryono (2016) yang menyatakan bahwa Return On Equity (ROE)

tidak mempunyai pengaruh positif secara parsial terhadap harga saham.

3 Pengaruh Earning Per Share terhadap harga saham

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

dapat disimpulkan bahwa EPS berpengaruh secara parsial terhadap harga

saham.

Hal ini mengindikasikan bahwa perusahaan merupakan komponen

untuk mengukur keberhasilan perusahaan dalam mencapai keuntungan

bagi pemilik saham maupun investor. Karena jika variabel Earning per

Share (EPS) rendah berarti perusahaan tidak menghasilkan kinerja yang

baik dan sebaliknya. Earning per Share (EPS) yang besar dapat

mendorong investor menambah jumlah modal yang ditanamkan pada

perusahaan. Karena informasi Earning per Share (EPS) menunjukan

besarnya laba bersih siap dibagikan kepada investor. Dengan kata lain

menggambarkan prospek perusahaan dimasa yang akan datang.

Penelitian ini sejalan dengan penelitian Setyorini, Maria M.

Minarsih, dan Andi Tri Haryono (2016), dan Achmad Husainin (2012)

yang menyatakan bahwa Earning per Share (EPS) mempunyai pengaruh

positif secara parsial terhadap harga saham.