BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

A. Pengujian dan Hasil Analisis Data

1. Hasil Uji Statistik Deskriptif

Analisis deskiptif digunakan untuk menunjukan jumlah data yang

digunakan dalam penelitian ini serta dapat menunjukan nilai maksismum,

nilai minimum, nilai rata-rata serta standar deviasi dari masing-masing

varibel. Variabel dalam penelitian ini meliputi, Likuiditas (CR)

Profitabilitas (NPM) dan Harga Saham. Hasil olah data deskriptif dapat

dilihat pada tabel sebagai berikut:

Tabel 4.1
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Likuiditas 40 ,580 8,640 2,64550 1,994890
Profitabilitas 40 -,047 ,390 ,11575 ,116481
Harga Saham 40 122 15992 4345,55 4341,395
Valid N (listwise) 40
Sumber : Hasil Olahan Data SPSS V 25 (2019)

Dari tabel di atas menunjukkan bahwa jumlah pengamatan pada

perusahaan makanan dan minuman yang terdaftar di Bursa Efek Indonesia

tahun 2015-2018 dalam penelitian ini sebanyak 40 data. Variabel Likuiditas

yang menggunakan pengukuran Current Ratio menunjukkan nilai minimum

sebesar 0,580 dan dengan nilai maksimum sebesar 8,640 dengan rata-rata

2,64550 dan standar deviasi sebesar 1,994890. Hal ini berarti rata-rata

perusahaan sampel mampu memenuhi kewajiban jangka pendeknya sebesar

2,64550 kali dari total aset yang dimiliki perusahaan dalam satu periode.

61
 Pada variabel profitabilitas atau Net Profit Margin (NPM) memiliki

nilai terendah (minimum) sebesar -0,047 dan nilai tertinggi (maximum)

sebesar 0,390. Pada tabel tersebut menunjukkan bahwa nilai rata-rata Net

Profit Margin (NPM) sebesar 0,11575 dengan standar deviasi sebesar

0,116481. Nilai standar deviasi lebih besar dibandingkan dengan nilai rata-

rata NPM menunjukkan bahwa variabel ini mempunyai data yang berbeda

antara data satu dengan yang lainnya. Nilai harga saham terendah

(minimum) adalah sebesar 122 dan nilai harga saham tertinggi (maximum)

yaitu sebesar 15992. Dan diketahui bahwa harga saham secara rata-rata

(mean) sebesar 4345,55 dengan standar deviasi sebesar 4341,395.

2. Hasil Uji Asumsi Klasik

Dalam penelitian ini, analisa data menggunakan model regresi linear

berganda. Selama melakukan regresi, untuk mendapatkan nilai yang baik

maka harus dilakukan uji normalitas dan terbebas dari asumsi klasik, baik

itu multikolinearitas, autokorelasi, dan heteroskedastisitas.

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam sebuah regresi,

variabel dependen, variabel independen atau keduanya mempunyai

distribusi normal ataukah tidak mempunyai distribusi normal. Model

regresi yang baik adalah memiliki distribusi data normal atau mendekati

normal. Salah satu metode untuk mengetahui normalitas adalah dengan

menggunakan metode analisis grafik histogram, kologmorov-smirnov

62
 test, dan normal probability plot. Berikut ini merupakan hasil pengujian

normalitas data yang dapat dilihat sebagai berikut:

Tabel 4.2
One-Sample Kolmogorov-Smirnov Test
Likuiditas Profitabilitas Harga Saham
N 40 40 40
a,b
Normal Parameters Mean 2,64550 ,11575 4345,55
Std. Deviation 1,994890 ,116481 4341,395
Most Extreme Differences Absolute ,243 ,183 ,233
Positive ,243 ,183 ,233
Negative -,150 -,138 -,165
Test Statistic ,243 ,183 ,233
Asymp. Sig. (2-tailed) ,000c ,002c ,000c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber : Hasil Olahan Data SPSS V 25 (2019)

Berdasarkan pada tabel tersebut dapat diketahui bahwa nilai Asymp. Sig.

(2-tailed) lebih kecil dari 0,05 sehingga dapat disimpulkan bahwa asumsi

data berdistribusi normal tidak terpenuhi.

Sumber : Hasil Olahan Data SPSS V 25 (2019)

Gambar 4.1
Hasil Uji Normalitas Histogram

63
 Dengan melihat tampilan grafik histogram pada gambar 4.1 diatas dapat

disimpulkan bahwa grafik histogram memberikan pola distribusi yang

medekati normal yaitu berbentuk lonceng sehingga data dapat digunakan

dalam pengolahan data selanjutnya.

Sumber : Hasil Olahan Data SPSS V 25 (2019)

Gambar 4.2
Hasil Uji Normal Probability Plot

Untuk grafik Normal P-Plot pada gambar di atas juga terlihat bahwa titik-

titik itu mengikuti garis diagonal meskipun sedikit menyebar tetapi

penyebarannya tidak terlalu jauh dari garis diagonalnya. Hal ini

menunjukkan bahwa grafik menunjukkan pola distribusi normal. Maka

model regresi memenuhi asumsi normalitas.

b. Uji Multikolinearitas

Pengujian multikolinieritas bertujuan untuk menguji apakah model

regresi ditemukan adanya korelasi antar variabel bebas (independen),

Jika variabel independen saling berkorelasi, maka variabel variabel ini

tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai

korelasi antar sesama variabel independen sama dengan nol (Ghozali,

64
 2016). Gejala multikolinearitas dapat dilihat dari nilai Varian Inflation

Faktor (VIF), Jika nilai VIF tidak lebih dari 10 dan nilai tolerance lebih

besar 0,10, maka model tidak terdapat multikolinearitas.

Tabel 4.3
Uji Multikolinearitas
Coefficientsa
Collinearity Statistics
Model
Tolerance VIF
1 (Constant)    
Likuiditas 0,747 1,338
Profitabilitas 0,747 1,338
a. Dependent Variable: Harga Saham
Sumber : Hasil Olahan Data SPSS V 25 (2019)

Pada tabel di atas terlihat bahwa nilai tolerance pada variabel likuiditas

(CR) dan profitabilitas (NPM) lebih besar dari 0.10, dan nilai VIF pada

variabel likuiditas (CR) dan profitabilitas (NPM) kurang dari 10. Maka

dapat disimpulkan pada model regresi yang terbentuk tidak terjadi gejala

multikolinearitas.

c. Uji Heterokesdatisitas

Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model

regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke

pengamatan yang lain, Jika varian dari residual satu pengamatan ke

pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika

berbeda akan disebut heteroskedastisitas. Model regresi yang baik adalah

model yang tidak terjadi heterokedastisitas (Ghozali, 2016). Berikut

hasil pengujian heterokedastisitas dengan menggunakan uji Glejser

65
 dengan cara meregresikan variabel bebas dengan nilai absolute dari

unstandardized residuals, dengan hasil sebagai berikut:

Tabel 4.4
Uji Heteroskedastisitas Dengan Glejser

Coep;fficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 2534,941 465,823 5,442 ,000
Likuiditas -154,530 159,240 -,181 -,970 ,338
Profitabilitas -363,652 2727,199 -,025 -,133 ,895
a. Dependent Variable: Abs_Res
Sumber : data diolah dengan SPSS V 25 (2019)

Hasil uji heteroskedastisitas dengan menggunakan uji Glejser pada tabel

4.6 menunjukkan nilai probabilitas signifikansi likuiditas dan

profitabilitas diatas 0,05. Jadi, dapat disimpulkan bahwa model regresi

yang digunakan tidak terdapat adanya heteroskedastisitas.

66
d. Uji Autokorelasi

Uji Autokorelasi bertujuan untuk melihat apakah ada tidaknya

autokorelasi dalam suatu model regresi. Jika terjadi korelasi maka

dinamakan ada problem autokorelasi. Model regresi yang baik adalah

yang bebas dari autokorelasi. Model regresi dinyatakan bebas

autokorelasi jika harga DW memenuhi kriteria DU<DW<4-DU (Ghozali,

2016).

Tabel 4.5
Uji Durbin Watson
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
a
1 ,839 ,704 ,678 2480,878 1,916
a. Predictors: (Constant), Lag_Y, Likuiditas, Profitabilitas
b. Dependent Variable: Harga Saham
Sumber : data diolah dengan SPSS V 25 (2019)

Berdasarkan tabel tersebut diketahui bahwa nilai durbin watson sebesar

1,916 yang artinya 1,600 < 1,916 < 2,400. Pembanding menggunakan

nilai signifikansi 5%, jumlah sampel 40 (n), dan jumlah variabel

independen 2 (k=2), maka di tabel Durbin Watson akan didapat nilai du

sebesar 1,600. Karena nilai DW 1,916 lebih besar dari batas atas (du)

1,600 dan kurang dari 4 - (1,600) = 2,400, maka dapat disimpulkan

bahwa tidak terdapat autokorelasi pada data yang digunakan pada

penelitian ini.

67
B. Hasil Uji Analisis Regresi Linier Berganda

Berdasarkan hasil uji asumsi klasik yang telah dilakukan dapat

diketahui bahwa data dalam penelitian ini terdistribusi dengan normal dan tidak

terdapat heteroskedatisitas. Oleh karena itu data yang tersedia telah memenuhi

syarat untuk menggunakan model regresi berganda. Analisis regresi linier

berganda digunakan untuk menguji pengaruh Likuiditas dan Profitabilitas

terhadap Harga saham. Estimasi model regresi linier berganda ini

menggunakan software SPSS versi 25 dan diperoleh hasil output sebagai

berikut :

Tabel 4.6
Regresi Linier Berganda
Coefficientsa
Standardize
d
Unstandardized Coefficients Coefficients t Sig.
Model B Std. Error Beta
1 (Constant) 3699,106 756,245   4,891 0,000
Likuiditas -1214,293 258,520 -0,558 -4,697 0,000
Profitabilitas 33337,859 4427,493 0,894 7,530 0,000
a. Dependent Variable: Harga Saham
Sumber: data diolah dengan SPSS V 25 (2019)

Berdasarkan Hasil regresi linier berganda dapat dimasukkan dalam

persamaan menjadi:

Y = 3699,106 - 1214,293X1 + 33337,859X2

-1214,293(1) = -1214,293

1. Konstanta sebesar 3699,106 hal ini menunjukkan bahwa apabila semua

variabel independent (likuiditas dan profitabilitas) bernilai 0, maka harga

saham akan tetap bernilai Rp. 3699,106

68
 2. Variabel likuiditas (X1) mempunyai koefisien regresi bernilai negatif sebesar

-1214,293, Hal ini menunjukkan bahwa setiap penambahan satu kali

likuiditas maka akan menurunkan harga saham sebesar Rp -1214,293 dengan

asumsi variabel profitabiitas tetap.

3. Variabel profitabilitas (X1) mempunyai koefisien regresi bernilai positif

sebesar 33337,859, Hal ini menunjukkan bahwa setiap penambahan satu kali

profitabilitas maka akan meningkatkan harga saham sebesar Rp 33337,859

dengan asumsi variabel likuiditas tetap.

C. Hasil Uji t Parsial

1. APAKAH RASIO LIKUIDITAS BERPENGARUH TERHADAP

HARGA SAHAM?

2. APAKAH RASIO PROFITABILITAS BERPENGARUH

TERHADAP HARGA SAHAM?

3. APAKAH RASIO LIKUIDITAS DAN PROFITABILITAS SECARA

SIMULTAN BERPENGARUH TERHADAP HARGA SAHAM?

HIPOTESIS

Ha Ada pengaruh X1 Terhadap Y

Pembuktian hipotesis parsial yang diajukan dalam penelitian ini akan

dilakukan dengan menggunakan uji-t, apabila nilai thitung lebih besar dari ttabel

menunjukkan diterimanya hipotesis yang diajukan. Nilai thitung dapat dilihat

pada hasil regresi dan nilai ttabel didapat melalui sig. α = 0,05 (5%). Untuk

69
menguji pengaruh secara parsial maka dilakukan langkah-langkah sebagai

berikut:

Df =n-k

n = jumlah sampel penelitian

k = jumlah variabel bebas .

Df = 40 – 2 = 38

Jadi ttabel = 2,024 (terlampir uji t)

Pada tingkat kepercayaan 95% kriteria pengujiannya sebagai berikut:

1. Ho ditolak dan Ha diterima jika thitung > ttabel atau nilai sig < 0,05.

2. Ho diterima dan Ha ditolak jika thitung < ttabel atau nilai sig > 0,05.

Tabel 4.7
Hasil Uji t Parsial
Coefficientsa
Standardize
d
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 3699,106 756,245   4,891 0,000
Likuiditas -1214,293 258,520 -0,558 -4,697 0,000
Profitabilitas 33337,859 4427,493 0,894 7,530 0,000
a. Dependent Variable: Harga Saham
Sumber : data diolah dengan SPSS V 25 (2019)

Berdasarkan hasil pengujian tersebut maka dapat dijelaskan pengaruh

antar variabel sebagai berikut:

1. Variabel likuiditas (X1) memiliki nilai thitung sebesar -4,697 < ttabel 2,024

dengan nilai signifikan sebesar 0,000 < 0,05 maka H0 ditolak dan Ha

diterima artinya terdapat pengaruh yang negatif dan signifikan likuiditas

terhadap harga saham.

70
 2. Variabel profitabilitas (X2) memiliki nilai thitung 7,530 > ttabel 2,024 dengan

nilai signifikan sebesar 0,000 < 0,05 maka H0 ditolak dan Ha diterima

artinya terdapat pengaruh yang positif dan signifikan profitabilitas terhadap

harga saham.

D. Hasil Uji F Simultan

Pengujian secara keseluruhan digunakan untuk mengetahui apakah ada

pengaruh secara bersama-sama dari variabel likuiditas dan profitabilitas

terhadap harga saham. Pengujian ini dilakukan menggunakan distribusi F.

Untuk menentukan nilai F, maka diperlukan adanya derajat bebas pembilang

dan derajat bebas penyebut, dengan rumus sebagai berikut :

DF (pembilang) = k-1

DF (penyebut) = n-k-1

n = jumlah sampel penelitian

k = jumlah variabel bebas

1 = konstan

Degree of freedom (pembilang) = 2-1 = 1

Degree of freedom (penyebut) = 40-2-1 = 37

Jadi nilai Ftabel adalah = 4,11 (terlampir uji F)

Pada tingkat kepercayaan 95% atau α = 5% sebagai berikut:

1. Ho diterima dan Ha ditolak jika Fhitung < Ftabel

2. Ho ditolak dan Ha diterima jika Fhitung > Ftabel

Berikut ini adalah hasil pengujian hipotsis simultan dengan

71
 menggunakan uji f hitung:

Tabel 4.8
Hasil Uji F hitung
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 448206302,281 2 224103151,140 28,906 ,000b
Residual 286854329,619 37 7752819,719
Total 735060631,900 39
a. Dependent Variable: Harga Saham
b. Predictors: (Constant), Profitabilitas, Likuiditas
Sumber : data diolah dengan SPSS V 25 (2019)

Berdasarkan tabel 4.11 diperoleh nilai Fhitung 28,906 > Ftabel 4,11 dengan

siginifikan 0,000 < 0,05 dengan demikian Ho ditolak dan Ha diterima, artinya

secara simultan terdapat pe bbngaruh yang positif dan signifikan likuiditas dan

profitabilitas terhadap harga saham.

E. Hasil Uji Koefisien Determinasi

Koefisien determinasi (R²) pada intinya mengukur seberapa jauh

kemampuan model dalam menerangkan variasi variabel dependen. Nilai R²

yang kecil berarti kemampuan variabel-variabel independen dalam

menjelaskan variasi variabel dependen amat terbatas. Tabel berikut adalah hasil

dari koefisien determinasi (R²) yaitu:

Tabel 4.9
Uji Koefisien Determinasi

Model R R Square Adjusted R Square Std. Error of the Estimate

a
1 ,781 ,610 ,589 2784,389
a. Predictors: (Constant), Profitabilitas, Likuiditas
b. Dependent Variable: Harga Saham
Sumber : data diolah dengan SPSS V 25 (2019)

Berdasarkan tabel tersebut dapat diketahui bahwa nilai R Square sebesar

72
0,610 x 100% atau 61%, artinya likuiditas dan profitabilitas secara simultan

memberikan pengaruh/kontribusi terhadap harga saham sebesar 61% sedangkan

sisanya yaitu 39% merupakan faktor lain yang tidak diteliti oleh penulis.

73