analisis pengaruh harga saham dan earning per share terhadap struktur modal
TRANSCRIPT
ANALISIS PENGARUH HARGA SAHAM DAN EARNING
PER SHARE TERHADAP STRUKTUR MODAL PADA SEPULUH PERUSAHAAN TEKSTIL DI BURSA EFEK JAKARTA
PAPER STATISTIC II
Disusun Untuk Memenuhi Syarat Penilaian Ujian Akhir Semester Pada Mata Kuliah Statistic II
Dengan Dosen Dr. Nadratuzzaman Hosen Di Jurusan Muamalat Perbankan Syariah
Oleh
Saumi Rizqiyanto
105046101570
FAKULTAS SYARIAH DAN HUKUM UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH JAKARTA 2007
1
ABSTRAKSI
Salah satu indikator penting dalam menilai performa suatu perusahaan adalah struktur modal
yang dimiliki perusahaan itu sendiri. Struktur modal adalah perimbangan antara hutang perusahaan
dengan ekuitas. Ketika struktur modal perusahaan baik maka akan sangat memungkinkan bagi banyak
investor untuk membeli saham, yang berarti akan semakin banyaknya dana segar bagi perusahaan itu.
Mengingat pentingnya performa struktur modal sebagai indikator baiknya perusahaan sekaligus panduan
bagi penanam modal, diperlukan indentifikasi variabel-variabel terkait yang berpengaruh terhadap
struktur modal itu sendiri.
Paper ini terfokus pada identifikasi variabel-variabel penentu besarnya struktur modal tersebut,
serta pengujian model untuk prakiraan besarnya struktur modal dimasa yang akan datang. Pengujian atas
beberapa model menghasilkan model terbaik bahwa variable-variable yang mempengaruhi besaran nilai
struktur modal adalah besaran harga saham, dan earning per share. Sebenarnya ada banyak variable lain
yang mempengaruhi sruktur modal, namun penulis memfokuskannya pada dua variable ini karena harga
saham dan earning per share merupakan angka yang paling sering digunakan ketika perusahaan menjual
saham kepada investor. Dengan model tersebut, diharapkan dapat diambil kesimpulan sekaligus bahan
estimasi bagi perusahaan yang ingin memperbaiki struktur modal kerjanya.
2
BAB I
PENDAHULUAN
A. LATAR BELAKANG
Seiring dengan derasnya capital inflow yang masuk ke Indonesia, maka diharapkan
perkembangan dunia usaha semakin berkembang. Karena capital inflow atau masuknya dana-
dana asing memungkinkan setiap perusahaan mendapatkan kesempatan menyerap dana-dana
itu. Bentuknya bisa berbentuk hutang melalui bank, namun bisa juga menerbitkan saham baru
atau right issue kepada para investor. Dalam teori modal kerja, hutang digunakan dalam
pembiayaan aktiva lancar, sedangkan ekuitas digunakan untuk membiayai aktiva permanen. Nah,
sebagian besar perusahaan menggunakan ekuitas atau modal sendiri untuk membiayai aktiva
permanen. Sedangkan untuk membiayai operasionalnya perusahan sangat tergantung pada
hutang, baik jangka pendek maupun hutang jangka panjang.
Dengan demikian masuknya dana-dana asing itu menjadi entry point bagi perusahaan
untuk menyerapnya dan menggunakannya sebagai biaya operasional atau aktiva lancar. Yang jadi
permasalahan adalah bagaimana cara menarik investor-investor untuk mau berinvestasi pada
perusahanan tersebut. Salah satunya adalah perusahaan menginformasikan earning per share
yang biasanya dijadikan prediksi besarnya deviden yang akan dibagikan kepada pemilik saham.
Perusahaan juga harus menginformasikan kepada para investor berapa harga per lembar saham,
semakin mahal harga per lembar saham, maka semakin sedikit pihak-pihak yang memiliki saham.
Yang berarti porsi pembagian dividen akan semakin besar karena hanya dibagikan kepada
pemilik saham yang terbatas. Dengan adanya dua informasi ini, akan sangat mudah bagi
perusahaan untuk memperoleh modal kerjanya. Hal ini bukannya variable-variabel lain tidak
penting, hanya saja dalam paper ini, hal-hal lain dianggap catteries paribus. Selain itu paper ini
juga untuk menguji signifikansi maupun korelasi harga saham dan earning per share terhadap
kondisi struktur modal.
B. RUMUSAN MASALAH
1. Apakah terdapat pengaruh signifikan harga saham dan earning per share secara simultan
terhadap struktur modal pada perusahaan tekstil dan garmen yang terdaftar di BEJ?
2. Apakah terdapat pengaruh signifikan harga saham dan earning per share secara parsial
terhadap struktur modal?
3
3. Apakah terdapat pengaruh signifikan harga saham dan earning per share baik secara simultan
maupun parsial terhadap struktur modal pada perusahaan tekstil dan garmen setelah melalui
perubahan data kedalam bentuk log?
4. Apakah terdapat pengaruh signifikan harga saham dan earning per share baik secara simultan
maupun parsial terhadap struktur modal pada perusahaan tekstil dan garmen setelah melalui
perubahan data kedalam bentuk lon?
C. TUJUAN PENELITIAN
1. Mengetahui apakah terdapat pengaruh signifikan harga saham dan earning per share secara
simultan terhadap struktur modal pada perusahaan tekstil dan garmen yang terdaftar di BEJ?
2. Mengetahui apakah terdapat pengaruh signifikan harga saham dan earning per share secara
parsial terhadap struktur modal pada perusahaan tekstil dan garmen yang etrdaftar di BEJ?
3. Mengetahui apakah terdapat pengaruh signifikan harga saham dan earning per share baik
secara simultan maupun parsial terhadap struktur modal pada perusahaan tekstil dan garmen
setelah melalui perubahan data kedalam bentuk log?
4. Mengetahui apakah terdapat pengaruh signifikan harga saham dan earning per share baik
secara simultan maupun parsial terhadap struktur modal pada perusahaan tekstil dan garmen
setelah melalui perubahan data kedalam bentuk lon?
D. MANFAAT PENELITIAN
Penulis berharap, aplikasi dari disiplin ilmu statistic II dapat terus dipakai dalam penelitian
maupun penulisan karya tulis lainnya terutama yang berhubungan dengan data-data parametric.
4
BAB II
METODE ANALISIS DAN PEMBAHASAN
A. Metode Analisis
Analisis yang dilakukan dalam paper ini meliputi
1. Uji Asumsi Klasik
Menurut Damodar Gujarati (1995) ada beberapa jenis asumsi klasik regresi berganda yaitu
a. Multikolinearitas
Multikolinearitas digunakan untuk menunjukkan adanya hubungan linear antara variable-
variable bebas dalam model regresi. Jika variable bebas berkorelasi sempurna maka
dapat disebut dengan multikolinearitas sempurna.
Untuk mengetahui ada tidaknya multikolinearitas didalam model regresi adalah sebagai
berikut
1. Menganalisis matrik korelasi variable-variable bebas, jika antar variable bebas ada
korelasi yang cukup tinggi (umumnya diatas 90%) maka ini diindikasikan adanya
multikolinearitas.
2. Dilihat dari nilai tolerance dan Varian Inflation Factor (VIF). Model regresi yang bebas
multikolinearitas mempunyai nilai VIF berkisar angka 1 hingga 8 dan mempunyai
angka tolerance mendekati 1.
b. Autokorelasi
Salah satu masalah penyimpanagn asumsi penitng dalam regresi berganda adalah
autokorelasi. Autokorelasi adalah korelasi yang terjadi diantara anggota-anggota dari
serangkaian pengamatan yang tersusun dalam rangkaian waktu. Salah satu pengujian
yang digunakan untuk mengetahui autokorelasi adalah dengan uji Durbin Watson.
Rumus uji Durbin Watson adalah sebagai berikut
Hipotesis :
1) Ho : tidak ada autokorelasi
Ha : ada autokorelasi positif/negative
2) Menentukan nilai d hitung atau nilai Durbin Watson Test untuk tiap-tiap periode
penelitian.
5
3) Jumlah observasi (n) dan jumlah variable independent (k) ditentukan nilai batas atas
(dU) dan batas bawah (dL)
4) Mengambil keputusan dengan criteria sebagai berikut
A = d<dL, Ho ditolak, berarti ada autokorelasi positif
B = dU<d<dL, daerah tanpa keputusan, berarti uji tidak menghasilkan kesimpulan
C = dU<d<(4-dU), Ho diterima, tidak ada autokorelasi
D = (4-dU)<d<(4-dL) daerah tanpa keputusan, berarti uji tidak menghasilkan
kesimpulan
E = d>(4-dL) Ho ditolak, berarti aa autokorelasi negative
c. Heterokedasitas
Heterokedasitas menunjukkan bahwa variasi variable tidak sama untuk semua
pengamatan, pada heterookedasitas kesalahan yang terjadi tidak random, tetapi
menunjukkan hubugan yang sistematis sesuai dengan besarnya satu atau lebih variable.
Heterokedasitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan varian dari residual atau pengamatan ke pengamatn lainnya tetap maka
disebut homokedasitas dan jika berbeda disebut heterokedasitas. Model regresi yang
baik regresi yang baik adalah yang homokedasitas.
Untuk mengetahui ada atau tidaknya heterokedasits ada beberapa cara yaitu
1) Melihat grafik plot antara nilai prediksi variable terikat (ZPRED) dengan residual
(SRESID). Mendeteksinya dapat dilakukan dengan melihat ada tidaknya pola tertentu
pada grafik scatter plot antara SRESID dan ZPRED dimana sumbu y adalah y yang
telah diprediksi dan sumbu x adalah residualnya ( y prediksi – y sesungguhnya)
2) Dasar analisis, jika ada pola tertentu seperti titik-titik yang membentuk pola yang
teratur. Maka dapat diindikasikan telah terjadi heterokedasitas. Sebaliknya jika
ditemui titik-titik yang tidak berpola maka disebut tidak terjadi heterokedasitas.
2. Fungsi Regresi
Dalam analisis ini digunakan regresi berganda baik secara parsial maupun simultan dengan
formula sebagai berikut
Keterangan
SM=b0+b1x1+b2x2+e
6
SM = Struktur Modal
b0 = sebagai konstanta
b1, b2, = koefisien perubahan nilai
X1 = harga saham
X2 = earning per share
E = disturbance error
Dalam paper ini model regresi ini juga akan dijelaskan dalam bentuk transformasi Log dan
Lon
a. Uji F
Pengujian hipotesis secara simultan menggunakan uji statistic F dengan langkah-langkah
sebagai berikut
1) Merumuskan hipotesis
Ho ; b1, b2 = 0 (tidak ada pengaruh antara harga saham dan earning per share
dengan struktur modal
Ha ; b1, b2 ≠ 0 (ada pengaruh antara harga saham dan earning per share terhadap
struktur modal)
2) Memilih uji statistic memilih uji f karena akan menetukan pengaruh dua variable
bebas secara bersama-sama tehadap variable terikat.
3) Menentukan tingkat signifikansi yaitu α = 5%, df = k/n-k-1 guna menetukan F table
4) Menghitung f hitung atau f statistic dengan bantuan paket program somputer SPSS
15 for Windows
5) Membuat kesimpulan
b. Uji T
Pengujian hipotesis secara parsial menggunakan uji statistic t dengan langkah-langkah
berikut
1) Merumuskan hipotesis
Ho = b1 = 0 (tidak ada pengaruh signifikan antara variable x1 terhadap variable y)
SM=b0+b1logx1+b2logx2+e
SM=b0+b1lonx1+b2lonx2+e
7
Ha = b1 ≠ 0 (ada pengaruh yang signifikan antara variable x1 terhadap variable y)
2) Menentukan tingkat signifikansi, yaitu α = 5%, df = n-k-1 guna menentukan nilai t
table
3) Menghitung nilai t hitung dengan bantuan paket program computer SPSS 15 for
Windows
4) Membandingkan nilai t-hitung dengan t-tabel dengan ketentuan apabila
T hitung > t table berarti ha diterima dan ho ditolak
T hitung < t table berarti ha ditolak dan ho diterima
3. Uji secara substansi
Uji secara substansi dimaksudkan disini sebagai pengujian data terhadap contoh nyata
dilapangan. Mengaitkan hasil data dengan contoh-contoh yang telah terjadi di dunia usaha.
4. Uji Pearson Correlation
Maksud dari pengujian ini adalah mengetahui ada tidaknya korelasi antara masing-masing
variabel bebas, terhadap variabel tak bebasnya. Hal ini dapat dilihat melalui nilai signifikan
pearson yang terdapat dalam tabel correlation dan membandingkannya dengan nilai α yang
digunakan. Bila masing-masing nilai signifikan pearson-nya lebih kecil daripada nilai α-nya,
maka masing-masing variabel bebasnya mempunyai korelasi terhadap Struktur Modal. Bila
masing-masing nilai signifikan pearson-nya lebih besar daripada nilai α-nya, maka masing-
masing variabel bebasnya tidak mempunyai korelasi terhadap Return On Asset-nya.
5. Uji R
R merupakan symbol dari koefisien korelasi, dalam ekonometrika atau statistic digunakan
untuk mengukur kuat lemahnya hubungan antara variable-varabel bebas/independen dengan
variable terikat atau dependent variable.
Cara mendeteksi nilai r atau koefisien korelasi dengan menggunakan program bantu SPSS 15
for Windows.
6. Uji
7. adalah nama lain dari coefficient determinant / penentu. Dalam ekonometrika atau
statistic digunakan untuk mengukur seberapa besar kontribusi variable independent / bebas
terhadap variable dependent / terikat-nya.
8. Cara mendeteksi nilai r atau koefisien korelasi dengan menggunakan program bantu SPSS 15
for Windows.
9.
8
B. MODEL REGRESI BERGANDA DENGAN DATA AWAL
1. ASUMSI KLASIK
a. Heterokedasitas
Berdasarkan hasil print out ternyata dari gambar scatter plot, plot-plotnya tidak membentuk pola.
Hal itu berarti, model regresi data awal terbebas dari asumsi klasik heterokedasitas.
b. Autokorelasi
Berdasarkan print out pada model summary, dapat diketahui nilai Durbin Watson- dari data
adalah 2.105. untuk mendeteksi ada tidaknya masalah autokorelasi dilakukan uji Durbin
Watson. Disini akan diperbandingkan nilai Durbin Watson yang ada pada print out dengan
nilai Durbin Watson pada table. Untuk memperoleh nilai table diperlukan data sebagai berikut
: nilai α yang digunakan adalah sebesar 5%, banyak k-nya (variabel bebas) adalah 2, jumlah
Regression Standardized Predicted Value
43210-1-2
Reg
ress
ion
Stu
de
nti
ze
d R
es
idu
al
0
-2
-4
-6
Scatterplot
Dependent Variable: strukturmodal
Model Summ aryb
.083a .007 -.067 72.71603 2.105
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), earningpershare, hargasahama.
Dependent Variable: s trukturmodalb.
9
sampelnya adalah sebanyak 30, dan diketahui nilai Durbin lower (dL) sebesar 1.28 dan nilai
Durbin upper (dU) 1.57. Dari sini kita dapat menguji apakah data awal tersebut mengalami
masalah autokorelasi atau tidak dengan cara sebagai berikut.
1.28 1.57 2.105
Dari sini dapat ditarik kesimpulan bahwasannya data tidak memiliki masalah pada
autokorelasi. Karena nilai Durbin Watson pada print out terletak diantara nilai Durbin Upper
dan nilai 4-du yakni sebesar 2.105 yang berarti tidak ada korelasi.
c. Multikolinearitas
Cara mendeteksi ada atau tidaknya masalah multikolinearitas, adalah dengan melihat nilai
Tolerance dan Varian Inflation Factor (VIF). Model regresi yang bebas multikolinearitas
mempunyai nilai VIF berkisar angka 1 hingga 8 dan mempunyai angka tolerance mendekati 1.
Dari sini bisa dilihat nilai VIF pada hasil print out model regresi data awal adalah 2.059 yang
berarti data tidak memiliki masalah multikolinearitas.
Coefficientsa
-11.469 17.163 -.668 .510 -46.684 23.746
-.002 .012 -.053 -.192 .849 -.026 .022 .027 -.037 -.037 .486 2.059
.004 .010 .112 .406 .688 -.016 .024 .074 .078 .078 .486 2.059
(Constant)
hargasaham
earningpershare
Model
1
B Std. Error
Unstandardized
Coeff icients
Beta
Standardized
Coeff icients
t Sig. Low er Bound Upper Bound
95% Conf idence Interval for B
Zero-order Partial Part
Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: s trukturmodala.
10
2. FUNGSI REGRESI
Berdasarkan Fungsi Regresi di atas kita dapat mengintrepetasikan beberapa hal sebagai berikut:
Jika nilai dari Harga Saham dan Earning Per Share mendekati nol, maka nilai struktur modalnya
adalah sebesar -11.469
Jika nilai dari Harga Sahamnya naik satu satuan, sedangkan nilai variabel bebas lainnya
diasumsikan tetap, maka nilai struktur modalnya akan turun sebesar 0.012 kali
Jika nilai dari Earning Per Share-nya naik satu satuan, sedangkan nilai variabel bebas lainnya
diasumsikan tetap, maka nilai Struktur Modalnya-nya akan naik sebesar 0.010 kali.
a. Uji F (Uji Secara Simultan)
Pengujian hipotesis secara simultan, apakah harga saham dan earning per share secara bersama-sama
memiliki pengaruh terhadap besaran struktur modal. Uji F dapat dilakukan dengan langkah-langkah
sebagai berikut
a) Merumuskan hipotesis
Ho ; b1, b2 = 0 (tidak ada pengaruh antara harga saham dan earning per share dengan
struktur modal
Ha ; b1, b2 ≠ 0 (ada pengaruh antara harga saham dan earning per share terhadap struktur
modal)
b) Memilih uji f karena akan menentukan pengaruh dua variable bebas secara bersama-sama
tehadap variable terikat.
c) Membandingkan tingkat signifikansi yaitu α = 5% = 0.005 dengan nilai f pada hasil
penghitungan SPSS 15 for Windows.
SM=-11.469-002X1+004X2
(17.163) (012) (010)
11
d) Membuat kesimpulan
Dari table hasil penghitungan SPSS dapat diketahui nilai F sebesar 0.093 hal ini berarti nilai F
lebih besar dari nilai α 0.005 sehingga bisa diartikan bahwa berdasarkan statistik, hipotesa Ho
diterima dan tidak signifikan. Harga saham dan earning per share tidak signifikan terhadap
performa struktur modal.
b. Uji T (Uji Secara Parsial)
1. Uji terhadap harga saham
Ho = b1 = 0 (tidak ada pengaruh antara harga saham terhadap struktur modal)
Ha = b1 ≠ 0 (ada pengaruh antara harga saham terhadap struktur modal)
Dari table diatas dapat ditarik kesimpulan bahwa nilai signifikan sebesar 0.912 lebih besar
dibanding α = 0.05. hal ini berarti Ho diterima. Secara statistic harga saham tidak
berpengaruh terhadap struktur modal.
2. Uji terhadap earning per share
Ho = b1 = 0 (tidak ada pengaruh antara earning per share terhadap struktur modal)
Ha = b1 ≠ 0 (ada pengaruh antara earning per share terhadap struktur modal)
ANOVAb
981.323 2 490.661 .093 .912a
142765.8 27 5287.621
143747.1 29
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), earningpershare, hargasahama.
Dependent Variable: s trukturmodalb.
ANOVAb
981.323 2 490.661 .093 .912a
142765.8 27 5287.621
143747.1 29
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), earningpershare, hargasahama.
Dependent Variable: s trukturmodalb.
12
Dari table diatas dapat ditarik kesimpulan bahwa nilai signifikan sebesar 0.912 lebih besar
dibanding nilai α = 0.05. hal ini berarti Ho diterima. Secara statistic earning per share tidak
berpengaruh terhadap struktur modal.
3. Uji secara substansi
- 002X1 harga saham = jika harga saham turun maka struktur modal dalam keadaan tetap
+ 004X2 earning per share = jika earning per share naik maka struktur modal dalam keadaan tetap.
4. Uji Pearson Correlation
a. Korelasi harga saham dengan struktur modal = 0.027 hal ini berarti korelasi lemah namun posiitif
jika harga saham naik maka struktur modal akan tetap
uji korelasi nilai significant nilai α 0.443
α = 0.05 ho diterima dan tidak signifikan
b. Korelasi earning per share dengan struktur modal
Nilai korelasi pearson = 0.074 hal ini berarti korelasi lemah namun positif jika earning per share
naik maka struktur modal akan tetap
ANOVAb
981.323 2 490.661 .093 .912a
142765.8 27 5287.621
143747.1 29
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), earningpershare, hargasahama.
Dependent Variable: s trukturmodalb.
Cor relations
1.000 .027 .074
.027 1.000 .717
.074 .717 1.000
. .443 .349
.443 . .000
.349 .000 .
30 30 30
30 30 30
30 30 30
strukturmodal
hargasaham
earningpershare
strukturmodal
hargasaham
earningpershare
strukturmodal
hargasaham
earningpershare
Pearson Correlation
Sig. (1-tailed)
N
strukturmodal hargasaham
earningp
ershare
13
Uji korelasi nilai significant nilai α 0.349
α= 0.05 ho diterima tidak significant
5. Uji R (Koefisien korelasi)
Dalam ekonometrika atau statistic, r atau koefisien korelasi digunakan untuk mengukur kuat
lemahnya hubungan antara variable-varabel bebas/independen dengan variable terikat atau dependent
variable. Dari hasil print out diketahui nilai r = 0.083
Menurut Dr Boediono dan Dr. Wayan Koster, menggunakan pendekatan untuk menilai besaran r
dengan arti berikut
1) Bila 0.90 < r < 1.00 atau -1.00 < r < -0.90 artinya hubungannya yang sangat kuat
2) Bila 0.70 < r < 0.90 atau -0.90 < r < -0.70 artinya hubungannya yang kuat
3) Bila 0.50 < r < 0.70 atau -0.70 < r < -0.50 artinya hubungannya yang moderat
4) Bila 0.30 < r < 0.50 atau -0.50 < r < -0.30 artinya hubungannya yang lemah
5) Bila 0.00 < r < 0.30 atau -0.30 < r < -0.00 artinya hubungannya yang sangat lemah
Dari table hasil penghitungan SPSS diketahui nilai r = 0.083 yang berarti hubungan antara harga saham
dan eraning per share terhadap struktur modal positif namun sangat lemah.
6. Uji R2
(koefisien determinan)
Dalam ekonometrika atau statistic digunakan untuk mengukur seberapa besar kontribusi variable
independent / bebas terhadap variable dependent / terikat-nya. dari hasil print out diketahui nilai R2 =
0.007 atau 0.7 %. Angka ini dapat dibaca bahwasannya variasi struktur modal yang dapat dijelakan
Model Summ aryb
.083a .007 -.067 72.71603 2.105
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), earningpershare, hargasahama.
Dependent Variable: s trukturmodalb.
Model Summ aryb
.083a .007 -.067 72.71603 2.105
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), earningpershare, hargasahama.
Dependent Variable: s trukturmodalb.
14
oleh variasi harga saham dan earning per share adalh sebesar 0.7 %. Sisanya sebesar 99.3 % dijelaskan
oleh factor lain diluar variable pada persamaan regresi tersebut.
C. PEMBAHASAN MODEL REGRESI TRANSFORMASI LOG
1. ASUMSI KLASIK
a. Heterokedasitas
Berdasarkan hasil print out ternyata dari gambar scatter plot, plot-plotnya tidak membentuk
pola. Hal itu berarti, data awal terbebas dari asumsi klasik heterokedasitas.
b. Autokorelasi
Regression Standardized Predicted Value
210-1-2-3
Reg
ressio
n S
tud
en
tized
Resid
ual
2
1
0
-1
-2
-3
Scatterplot
Dependent Variable: lgstrukturmodal
Model Summ aryb
.726a .527 .482 .34991 1.128
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), lgearningpershare, lghargasahana.
Dependent Variable: lgstrukturmodalb.
15
Berdasarkan print out data setelah tranformasi kedalam log pada model summary, dapat
diketahui nilai Durbin Watson - dari data adalah 1.128. Untuk mendeteksi ada tidaknya
masalah autokorelasi dilakukan uji Durbin Watson. Disini akan diperbandingkan nilai Durbin
Watson yang ada pada print out data log dengan nilai Durbin Watson pada table. Untuk
memperoleh nilai table diperlukan data sebagai berikut : nilai α yang digunakan adalah
sebesar 5%, banyak k-nya (variabel bebas) adalah 2, jumlah sampelnya adalah sebanyak 30,
dan diketahui nilai Durbin lower (dL) sebesar 1.28 dan nilai Durbin upper (dU) 1.57. Dari sini
kita dapat menguji apakah data awal tersebut mengalami masalah autokorelasi atau tidak
dengan cara sebagai berikut.
1.128 1.28 1.57
Dari hasil indentifikasi data setelah transformasi log, dapat diketahui data memiliki masalah
autokorelasi. Karena nilai Durbin Watson pada print out terletak diantara nilai Durbin Lower
dan nilai Durbin Upper yakni sebesar 1.128 yang berarti tidak tahu.
c. Multikolinearitas
Coefficientsa
2.179 .607 3.591 .002 .917 3.441
-.588 .218 -.534 -2.701 .013 -1.041 -.135 -.700 -.508 -.405 .577 1.734
-5.8E-005 .000 -.255 -1.290 .211 .000 .000 -.602 -.271 -.194 .577 1.734
(Constant)
lghargasahan
lgearningpershare
Model
1
B Std. Error
Unstandardized
Coeff icients
Beta
Standardized
Coeff icients
t Sig. Low er Bound Upper Bound
95% Conf idence Interval for B
Zero-order Partial Part
Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: lgstrukturmodala.
16
Cara mendeteksi ada atau tidaknya masalah multikolinearitas, adalah dengan melihat nilai
tolerance dan Varian Inflation Factor (VIF). Model regresi yang bebas multikolinearitas
mempunyai nilai VIF berkisar angka 1 hingga 8 dan mempunyai angka tolerance mendekati 1.
Dari sini bisa dilihat nilai VIF pada hasil print out adalah 1.734 yang berarti data tidak memiliki
masalah multikolinearitas.
2. FUNGSI REGRESI DATA LOG
Dari hasil penghitungan SPSS ditemukan fungsi regresi sebagai berikut
Berdasarkan hasil penghitungan spss dapat diketahui fungsi regresi data transformasi log. Ini
dapat diartikan bahwa
Jika nilai harga saham dan earning per share mendekati 0 maka struktur modal akan
bernilai sebesar 2.176
Jika nilai harga saham naik satu satuan sedangkan earning per share diasumsikan tetap
maka struktur modal akan turun (-) sebesar 0.588 PERSEN
Jika nilai earning per share naik satu satuan sedangkan harga saham diaumsikan tetap
maka struktur modal akan naik (+) sebesar 5.8 PERSEN .
a. Uji F (uji secara simultan)
Pengujian hipotesis secara simultan menggunakan uji statistic F dengan langkah-langkah
sebagai berikut
a) Merumuskan hipotesis
b) Ho ; b1, b2 = 0 (tidak ada pengaruh antara harga saham dan earning per share dengan
struktur modal
Coefficientsa
2.179 .607 3.591 .002 .917 3.441
-.588 .218 -.534 -2.701 .013 -1.041 -.135 -.700 -.508 -.405 .577 1.734
-5.8E-005 .000 -.255 -1.290 .211 .000 .000 -.602 -.271 -.194 .577 1.734
(Constant)
lghargasahan
lgearningpershare
Model
1
B Std. Error
Unstandardized
Coeff icients
Beta
Standardized
Coeff icients
t Sig. Low er Bound Upper Bound
95% Conf idence Interval for B
Zero-order Partial Part
Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: lgstrukturmodala.
LogSM=2.176-0.5888LogX1+5.8LogX2
(0.607) (0.218) (0.000)
17
c) Ha ; b1, b2 ≠ 0 (ada pengaruh antara harga saham dan earning per share terhadap
struktur modal)
d) Memilih uji statistic memilih uji f karena akan menentukan pengaruh dua variable bebas
secara bersama-sama tehadap variable terikat.
e) Menentukan tingkat signifikansi yaitu α = 5%, df = k/n-k-1 guna menetukan F table
f) Menghitung f statistic dengan bantuan paket program somputer SPSS 15 for Windows
g) Membuat Kesimpulan
Dari table hasil penghitungan SPSS dapat diketahui nilai F sebesar 11.690 hal ini berarti
hipotesa Ho ditolak dan signifikan. Harga saham dan earning per share secara
bersama-sama signifikan terhadap performa struktur modal.
b. Uji T uji secara parsial
1. Uji terhadap harga saham
Ho = b1 = 0 (tidak ada pengaruh antara harga saham terhadap struktur modal)
Ha = b1 ≠ 0 (ada pengaruh antara harga saham terhadap struktur modal)
Dari table diatas dapat ditarik kesimpulan bahwa nilai signifikan sebesar 0.000 lebih kecil
dibanding nilai α = 0.05. hal ini berarti Ho ditolak. Secara statistic harga saham
berpengaruh terhadap struktur modal.
ANOVAb
2.863 2 1.431 11.690 .000a
2.571 21 .122
5.434 23
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), lgearningpershare, lghargasahana.
Dependent Variable: lgstrukturmodalb.
ANOVAb
2.863 2 1.431 11.690 .000a
2.571 21 .122
5.434 23
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), lgearningpershare, lghargasahana.
Dependent Variable: lgstrukturmodalb.
18
2. Uji terhadap earning per share
Ho = b1 = 0 (tidak ada pengaruh antara earning per share terhadap struktur modal)
Ha = b1 ≠ 0 (ada pengaruh antara earning per share terhadap struktur modal)
Dari table diatas dapat ditarik kesimpulan bahwa nilai signifikan sebesar 0.000 lebih kecil
dibanding nilai α = 0.05. hal ini berarti Ho ditolak. Secara statistic earning per share
berpengaruh terhadap struktur modal.
C. Uji secara substansi
a. -0.588X1 harga saham = jika harga saham turun maka struktur modal akan turun
b. +5.8 E-005X2 earning per share = jika earning per share naik maka struktur modal akan
naik.
D. Uji Pearson Correlation
a. Korelasi harga saham dengan struktur modal dalam data log = -0.700 hal ini berarti
korelasi kuat namun negatif jika harga saham naik maka struktur modal akan turun
uji korelasi nilai significant nilai α 0.000
α = 0.05 ho ditolak dan signifikan
ANOVAb
2.863 2 1.431 11.690 .000a
2.571 21 .122
5.434 23
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), lgearningpershare, lghargasahana.
Dependent Variable: lgstrukturmodalb.
Cor relations
1.000 -.700 -.602
-.700 1.000 .650
-.602 .650 1.000
. .000 .001
.000 . .000
.001 .000 .
24 24 24
24 24 24
24 24 24
lgstrukturmodal
lghargasahan
lgearningpershare
lgstrukturmodal
lghargasahan
lgearningpershare
lgstrukturmodal
lghargasahan
lgearningpershare
Pearson Correlation
Sig. (1-tailed)
N
lgstruktur
modal lghargasahan
lgearning
pershare
19
b. Korelasi earning per share dengan struktur modal dalam data log = -0.602 hal ini berarti
korelasi negative kuat jika earning per share naik maka struktur modal akan turun.
Uji korelasi nilai significant nilai α 0.001
α= 0.05 ho ditolak dan significant
E. Uji R (koefisien korelasi)
Dalam ekonometrika atau statistic, r atau koefisien korelasi digunakan untuk mengukur kuat
lemahnya hubungan antara variable-varabel bebas/independen dengan variable terikat atau
dependent variable. Dari hasil print out diketahui nilai r = 0.083
Menurut Dr Boediono dan Dr. Wayan Koster, menggunakan pendekatan untuk menilai besaan r
dengan arti berikut
1) Bila 0.90 < r < 1.00 atau -1.00 < r < -0.90 artinya hubungannya yang sangat kuat
2) Bila 0.70 < r < 0.90 atau -0.90 < r < -0.70 artinya hubungannya yang kuat
3) Bila 0.50 < r < 0.70 atau -0.70 < r < -0.50 artinya hubungannya yang moderat
4) Bila 0.30 < r < 0.50 atau -0.50 < r < -0.30 artinya hubungannya yang lemah
5) Bila 0.00 < r < 0.30 atau -0.30 < r < -0.00 artinya hubungannya yang sangat lemah
Dari table hasil penghitungan SPSS pada data transformasi log diketahui nilai r = 0.762 yang
berarti hubungan antara harga saham dan eraning per share terhadap struktur modal positif dan
kuat. Artinya jika harga saham dan earning per share naik maka struktur modal juga naik.
F. Uji F (koefisien determinan)
Model Summ aryb
.726a .527 .482 .34991 1.128
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), lgearningpershare, lghargasahana.
Dependent Variable: lgstrukturmodalb.
20
Dalam ekonometrika atau statistic, koefisien determinan atau R2 digunakan untuk mengukur
seberapa besar kontribusi variable independent / bebas terhadap variable dependent / terikat-
nya. Dan berdasarkan hasil print out output data log, diketahui nilai R2 = 0.527 atau 52.7 %. Angka
ini dapat dibaca bahwasannya variasi struktur modal yang dapat dijelakan oleh variasi harga
saham dan earning per share adalah sebesar 52.7 %. Sisanya sebesar 47.3 % dijelaskan oleh factor
lain diluar variable pada persamaan regresi tersebut.
D. PEMBAHASAN MODEL REGRESI TRANSFORMASI LON
2. ASUMSI KLASIK
d. Heterokedasitas
Model Summ aryb
.726a .527 .482 .34991 1.128
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), lgearningpershare, lghargasahana.
Dependent Variable: lgstrukturmodalb.
Regression Standardized Predicted Value
210-1-2-3
Reg
ress
ion
Stu
de
nti
ze
d R
es
idu
al
2
1
0
-1
-2
-3
Scatterplot
Dependent Variable: lnstrukturmodal
21
Berdasarkan hasil print out pada output data lon didapat gambar scatter plot seperti diatas,
plot-plotnya tidak membentuk pola. Hal itu berarti, data lon terbebas dari asumsi klasik
heterokedasitas.
e. Autokorelasi
Berdasarkan print out data setelah tranformasi ke dalam lon pada model summary, dapat
diketahui nilai Durbin Watson adalah 1.928 untuk mendeteksi ada tidaknya masalah
autokorelasi dilakukan uji Durbin Watson. Disini akan diperbandingkan nilai Durbin Watson
yang ada pada print out data lon dengan nilai Durbin Watson pada table. Untuk memperoleh
nilai table diperlukan data sebagai berikut : nilai α yang digunakan adalah sebesar 5%, banyak
k-nya (variabel bebas) adalah 2, jumlah sampelnya adalah sebanyak 30, dan diketahui nilai
Durbin lower (dL) sebesar 1.28 dan nilai Durbin upper (dU) 1.57. Dari sini kita dapat menguji
apakah data awal tersebut mengalami masalah autokorelasi atau tidak dengan cara sebagai
berikut.
1.28 1.57 1.929
Model Summ aryb
.749a .560 .498 .70831 1.929
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), lnearningpershare, lnhargasahama.
Dependent Variable: lnstrukturmodalb.
22
Dari hasil indentifikasi data setelah transformasi lon, dapat diketahui data tidak memiliki
masalah autokorelasi. Karena nilai Durbin Watson pada print out terletak diantara nilai Durbin
Upper dan nilai 4-dU yakni sebesar 1.929 yang berarti tidak ada korelasi.
f. Multikolinearitas
Cara mendeteksi ada atau tidaknya masalah multikolinearitas, adalah dengan melihat nilai
tolerance dan Varian Inflation Factor (VIF). Model regresi yang bebas multikolinearitas
mempunyai nilai VIF berkisar angka 1 hingga 8 dan mempunyai angka tolerance mendekati 1.
Dari sini bisa dilihat nilai VIF pada hasil print out adalah 2.787 yang berarti data tidak memiliki
masalah multikolinearitas.
3. FUNGSI REGRESI DATA LON
Dari hasil penghitungan SPSS ditemukan fungsi regresi sebagai berikut
SM =6.446 -0.980lonX1 +0.170lonX2
(1.470) (0.227) (0.118)
Jika nilai harga saham dan earning per share mendekati 0 maka struktur modal akan bernilai
sebesar 6.446
Jika nilai harga saham naik satu satuan sedangkan earning per share tetap maka struktur modal
akan turun (-) sebesar 0.980 PERSEN
Coefficientsa
6.446 1.470 4.384 .001 3.293 9.599
-.980 .277 -1.043 -3.537 .003 -1.574 -.386 -.704 -.687 -.627 .361 2.767
.170 .118 .424 1.438 .173 -.084 .423 -.409 .359 .255 .361 2.767
(Constant)
lnhargasaham
lnearningpershare
Model
1
B Std. Error
Unstandardized
Coeff icients
Beta
Standardized
Coeff icients
t Sig. Low er Bound Upper Bound
95% Conf idence Interval for B
Zero-order Partial Part
Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: lnstrukturmodala.
Coefficientsa
6.446 1.470 4.384 .001 3.293 9.599
-.980 .277 -1.043 -3.537 .003 -1.574 -.386 -.704 -.687 -.627 .361 2.767
.170 .118 .424 1.438 .173 -.084 .423 -.409 .359 .255 .361 2.767
(Constant)
lnhargasaham
lnearningpershare
Model
1
B Std. Error
Unstandardized
Coeff icients
Beta
Standardized
Coeff icients
t Sig. Low er Bound Upper Bound
95% Conf idence Interval for B
Zero-order Partial Part
Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: lnstrukturmodala.
LonSM=6.446-0.980LonX1+0.17LonX2
(0.607) (0.218) (0.000)
23
Jika nilai earning per share naik satu satuan sedangkan harga saham diasumsikan+ tetap maka
struktur modal akan naik (+) sebesar 0.17 PERSEN .
c. Uji F (uji secara simultan)
Pengujian hipotesis secara simultan menggunakan uji statistic F dengan langkah-langkah
sebagai berikut
h) Merumuskan hipotesis
i) Ho ; b1, b2 = 0 (tidak ada pengaruh antara harga saham dan earning per share dengan
struktur modal
j) Ha ; b1, b2 ≠ 0 (ada pengaruh antara harga saham dan earning per share terhadap
struktur modal)
k) Memilih uji f karena akan menentukan pengaruh dua variable bebas secara bersama-
sama tehadap variable terikat.
l) Menentukan tingkat signifikansi yaitu α = 5%, df = k/n-k-1 guna menetukan F table
m) Menghitung f statistic dengan bantuan paket program somputer SPSS 15 for Windows
n) Membuat Kesimpulan
Dari table hasil penghitungan SPSS dapat diketahui nilai F sebesar 8.926 hal ini berarti
hipotesa Ho ditolak dan signifikan. Harga saham dan earning per share secara
bersama-sama signifikan terhadap performa struktur modal.
d. Uji T uji secara parsial
1. Uji terhadap harga saham
Ho = b1 = 0 (tidak ada pengaruh antara harga saham terhadap struktur modal)
Ha = b1 ≠ 0 (ada pengaruh antara harga saham terhadap struktur modal)
ANOVAb
8.956 2 4.478 8.926 .003a
7.024 14 .502
15.980 16
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), lnearningpershare, lnhargasahama.
Dependent Variable: lnstrukturmodalb.
24
Dari table diatas dapat ditarik kesimpulan bahwa nilai signifikan sebesar 0.003 lebih kecil
dibanding nilai α = 0.005. hal ini berarti Ho ditolak. Secara statistic harga saham
berpengaruh terhadap struktur modal.
3. Uji terhadap earning per share
Ho = b1 = 0 (tidak ada pengaruh antara earning per share terhadap struktur modal)
Ha = b1 ≠ 0 (ada pengaruh antara earning per share terhadap struktur modal)
Dari table diatas dapat ditarik kesimpulan bahwa nilai signifikan sebesar 0.003 lebih besar
dibanding nilai α = 0.05. hal ini berarti Ho ditolak. Secara statistic earning per share
berpengaruh terhadap struktur modal.
D. Uji secara substansi
a. -0.980lonX1 harga saham = jika harga saham turun maka struktur modal akan turun
b. +0.170lonX2 earning per share = jika earning per share naik maka struktur modal akan
naik.
G. Uji Pearson Correlation
ANOVAb
8.956 2 4.478 8.926 .003a
7.024 14 .502
15.980 16
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), lnearningpershare, lnhargasahama.
Dependent Variable: lnstrukturmodalb.
ANOVAb
8.956 2 4.478 8.926 .003a
7.024 14 .502
15.980 16
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), lnearningpershare, lnhargasahama.
Dependent Variable: lnstrukturmodalb.
25
c. Korelasi harga saham dengan struktur modal dalam data lon = -0.704 hal ini berarti
korelasi kuat namun negatif jika x1 naik maka y akan turun
uji korelasi nilai significant nilai α 0.001
α = 0.05 ho ditolak dan signifikan
d. Korelasi earning per share dengan struktur modal dalam data lon = -0.409 hal ini berarti
korelasi negative kuat jika x2 naik maka y akan turun.
Uji korelasi nilai significant nilai α 0.051
α= 0.05 ho diterima dan tidak significant
H. Uji R (koefisien korelasi)
Dalam ekonometrika atau statistic, r atau koefisien korelasi digunakan untuk mengukur kuat
lemahnya hubungan antara variable-varabel bebas/independen dengan variable terikat atau
dependent variable. Dari hasil print out diketahui nilai r = 0.749
Menurut Dr Boediono dan Dr. Wayan Koster, menggunakan pendekatan untuk menilai besaran r
dengan arti berikut
Cor relations
1.000 -.704 -.409
-.704 1.000 .799
-.409 .799 1.000
. .001 .051
.001 . .000
.051 .000 .
17 17 17
17 17 17
17 17 17
lnstrukturmodal
lnhargasaham
lnearningpershare
lnstrukturmodal
lnhargasaham
lnearningpershare
lnstrukturmodal
lnhargasaham
lnearningpershare
Pearson Correlation
Sig. (1-tailed)
N
lnstruktur
modal
lnhargas
aham
lnearning
pershare
Model Summ aryb
.749a .560 .498 .70831 1.929
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), lnearningpershare, lnhargasahama.
Dependent Variable: lnstrukturmodalb.
26
6) Bila 0.90 < r < 1.00 atau -1.00 < r < -0.90 artinya hubungannya yang sangat kuat
7) Bila 0.70 < r < 0.90 atau -0.90 < r < -0.70 artinya hubungannya yang kuat
8) Bila 0.50 < r < 0.70 atau -0.70 < r < -0.50 artinya hubungannya yang moderat
9) Bila 0.30 < r < 0.50 atau -0.50 < r < -0.30 artinya hubungannya yang lemah
10) Bila 0.00 < r < 0.30 atau -0.30 < r < -0.00 artinya hubungannya yang sangat lemah
Dari table hasil penghitungan SPSS pada data transformasi lon diketahui nilai r = 0.749 yang
berarti hubungan antara harga saham dan earning per share terhadap struktur modal positif dan
kuat. Artinya jika harga saham dan earning per share naik maka struktur modal juga naik.
I. Uji F (koefisien determinan)
Dalam ekonometrika atau statistic, koefisien determinan atau R2 digunakan untuk mengukur
seberapa besar kontribusi variable independent / bebas terhadap variable dependent / terikat-
nya. Dan berdasarkan hasil print out output data lon, diketahui nilai R2
= 0.560 atau 56 %. Angka
ini dapat dibaca bahwasannya variasi struktur modal yang dapat dijelakan oleh variasi harga
saham dan earning per share adalah sebesar 46 %. Sisanya sebesar 44 % dijelaskan oleh factor
lain diluar variable pada persamaan regresi tersebut.
Model Summ aryb
.749a .560 .498 .70831 1.929
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), lnearningpershare, lnhargasahama.
Dependent Variable: lnstrukturmodalb.
27
BAB III
KESIMPULAN
N
O
ASPEK UJI DATA DALAM
BENTUK AWAL
DATA DALAM BENTUK LOG DATA DALAM BENTUK
LON
1. Asumsi Klasik
a. Heterokedositas
b. Autokolerasi
c. Multikolinearitas
Tidak ada masalah
Tidak ada masalah
Tidak ada masalah
Tidak ada masalah
Ada Masalah
Tidak ada masalah
Tidak ada masalah
Tidak ada masalah
Tidak ada masalah
2. Fungsi Regresi Y=-11.469-002X1+004X2 (17.163) (012) (010)
Y=2.176-0.588logX1+5.8 E-005logX2 (0.607) (0.218) (0.000)
Y=6.446-0.980lonX1 +0.170lonX (1.470) (0.227) (0.118)
3 Uji F Tidak Signifikan Signifikan Signifikan
4 Uji T
Uji Terhadap Harga Saham
Uji Terhadap EPS
Tidak Berpengaruh
Tidak Berpengaruh
Berpengaruh
Berpengaruh
Berpengaruh
Berpengaruh
5. Uji secara substansi 1. -002x1 Jika harga
saham turun maka
struktur modal
dalam keadaan
tetap.
2. +004x2 Jika
earning per share
naik maka struktur
modal dalam
keadaan tetap.
-0.588logx1 jika harga saham
turun maka struktur modal
akan turun
+5.8 E-005LogX2 jika EPS naik
maka struktur modal akan
naik.
-0.980lonx1 jika harga
saham turun maka
struktur modal akan turun
+0.170lonx1 jika earning
per share naik maka
struktur modal akan naik
6. Uji Pearson Correlation
1. Harga Saham terhadap
Struktur modal
2. EPS terhadap Struktur
Modal
Korelasi lemah-
positif
Korelasi Lemah
Positif
Korelasi kuat-negatif
Korelasi Kuat negatif
Korelasi kuat negatif
Korelasi kuat negatif
7. R 0.083 (Lemah-Positif) 0.726 (kuat-positif) 0.749 (kuat positif)
8. 0.7% nilai struktur
modal yang dapat
dijelaskan oleh
harga saham dan
earning per share.
52.7% nilai struktur modal
yang dapat dijelaskan oleh
harga saham dan earning per
share
46% nilai struktur modal
dapat dijelaskan oleh
harga saham dan earning
per share.
28
Lampiran 1
DATA STRUKTUR MODAL PERIODE 1999-2001
SEPULUH PERUSAHAAN TEKSTIL YANG TERCATAT DI BURSA EFEK JAKARTA
No Tahun Perusahaan Struktur
Modal
Harga
Saham
Earning Per
Share
1 1999 Argo Pantes Tbk -36.58 1225 -354
2 Apac Citra Centertex 6.45 650 -176
3 Centex 0.48 7500 1636
4 Eratex Djaja Limited Tbk 4.72 850 133
5 Ever Shine Textile Tbk 2.13 1000 196
6 Indorama Syntetics 1.33 1625 55
7 Pan Brother Tex 1.77 975 396
8 Panasia Filament Inti Tbk 5.48 400 -145
9 Panasia Indosyntec Tbk -65.79 675 -627
10 Polysindo Eka Perkasa Tbk 9.48 425 55
11 2000 Argo Pantes Tbk 9.9 1400 -1696
12 Apac Citra Centertex 6.34 500 -207
13 Centex 0.43 5000 6897
14 Eratex Djaja Limited Tbk 6.34 425 6
15 Ever Shine Textile Tbk 1.2 250 0.3
16 Indorama Syntetics 1.26 750 291
17 Pan Brother Tex 1.35 1300 550
18 Panasia Filament Inti Tbk 4.95 400 -125
19 Panasia Indosyntec Tbk -375.97 825 -234
20 Polysindo Eka Perkasa Tbk -.35 225 -896
21 2001 Argo Pantes Tbk -5.83 900 -714
22 Apac Citra Centertex 23.29 200 -262
23 Centex 0.55 5000 7747
24 Eratex Djaja Limited Tbk 4.94 420 269
25 Ever Shine Textile Tbk 0.95 320 24
26 Indorama Syntetics 1.38 425 17
27 Pan Brother Tex 1.77 950 249
28 Panasia Filament Inti Tbk 10.95 175 -40
29 Panasia Indosyntec Tbk 12.38 205 58
30 Polysindo Eka Perkasa Tbk -2.02 25 -280
29
Lampiran 2
TABEL DURBIN WATSON
(taraf nyata 5%)
n
k’ = 1 k’ = 2 k’ = 3 k’ = 4 k’ = 5
dL dU dL dU dL dU dL dU dL dU
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
45
50
55
1.08
1.10
1.13
1.16
1.18
1.20
1.22
1.24
1.26
1.27
1.29
1.30
1.32
1.33
1.34
1.35
1.36
1.37
1.38
1.39
1.40
1.41
1.42
1.43
1.43
1.44
1.48
1.50
1.53
1.36
1.37
1.38
1.39
1.40
1.41
1.42
1.43
1.44
1.45
1.45
1.46
1.47
1.48
1.48
1.49
1.50
1.50
1.51
1.51
1.52
1.52
1.53
1.54
1.54
1.54
1.57
1.59
1.60
0.95
0.98
1.02
1.05
1.08
1.10
1.13
1.15
1.17
1.19
1.21
1.22
1.24
1.26
1.27
1.28
1.30
1.31
1.32
1.33
1.34
1.35
1.36
1.37
1.38
1.39
1.43
1.46
1.49
1.54
1.54
1.54
1.53
1.53
1.54
1.54
1.54
1.54
1.55
1.55
1.55
1.56
1.56
1.56
1.57
1.57
1.57
1.58
1.58
1.58
1.59
1.59
1.59
1.60
1.60
1.62
1.63
1.64
0.82
0.86
0.90
0.93
0.97
1.00
1.03
1.05
1.08
1.10
1.12
1.14
1.16
1.18
1.20
1.21
1.23
1.24
1.26
1.27
1.28
1.29
1.31
1.32
1.33
1.34
1.38
1.42
1.45
1.75
1.73
1.71
1.69
1.68
1.68
1.67
1.66
1.66
1.66
1.66
1.65
1.65
1.65
1.65
1.65
1.65
1.65
1.65
1.65
1.65
1.65
1.66
1.66
1.66
1.66
1.67
1.67
1.68
0.69
0.74
0.78
0.82
0.86
0.90
0.93
0.96
0.99
1.01
1.04
1.06
1.08
1.10
1.12
1.14
1.16
1.18
1.19
1.21
1.22
1.24
1.25
1.26
1.27
1.29
1.34
1.28
1.41
1.97
1.93
1.90
1.87
1.85
1.83
1.81
1.80
1.79
1.78
1.77
1.76
1.76
1.75
1.74
1.74
1.74
1.73
1.73
1.73
1.73
1.73
1.72
1.72
1.72
1.72
1.72
1.72
1.72
0.56
0.62
0.67
0.71
0.75
0.79
0.83
0.86
0.90
0.93
0.95
0.98
1.01
1.03
1.05
1.07
1.09
1.11
1.13
1.15
1.16
1.18
1.19
1.21
1.22
1.23
1.29
1.34
1.38
2.21
2.15
2.10
2.06
2.02
1.99
1.96
1.94
1.92
1.90
1.89
1.88
1.86
1.85
1.84
1.83
1.83
1.82
1.81
1.81
1.80
1.80
1.80
1.79
1.79
1.79
1.78
1.77
1.77
30
60
65
70
75
80
85
90
95
100
1.55
1.57
1.58
1.60
1.61
1.62
1.63
1.64
1.65
1.62
1.63
1.64
1.65
1.66
1.67
1.68
1.69
1.69
1.51
1.54
1.55
1.57
1.59
1.60
1.61
1.62
1.63
1.65
1.66
1.67
1.68
1.69
1.70
1.70
1.71
1.72
1.48
1.50
1.52
1.54
1.56
1.57
1.59
1.60
1.61
1.69
1.70
1.70
1.71
1.72
1.72
1.73
1.73
1.74
1.44
1.47
1.49
1.51
1.53
1.55
1.57
1.58
1.59
1.73
1.73
1.74
1.74
1.74
1.75
1.75
1.75
1.76
1.41
1.44
1.46
1.49
1.51
1.52
1.54
1.56
1.57
1.77
1.77
1.77
1.77
1.77
1.77
1.78
1.78
1.78
31
Lampiran 3
Print Out Data Awal
Descriptive Statis tics
-12.3373 70.40452 30
1167.33 1674.198 30
427.44 1952.417 30
strukturmodal
hargasaham
earningpershare
Mean Std. Deviation N
Cor relations
1.000 .027 .074
.027 1.000 .717
.074 .717 1.000
. .443 .349
.443 . .000
.349 .000 .
30 30 30
30 30 30
30 30 30
strukturmodal
hargasaham
earningpershare
strukturmodal
hargasaham
earningpershare
strukturmodal
hargasaham
earningpershare
Pearson Correlation
Sig. (1-tailed)
N
strukturmodal hargasaham
earningp
ershare
Variables Enter ed/Removedb
earningper
share,
hargasaha
ma
. Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entered.a.
Dependent Variable: s trukturmodalb.
Model Summ aryb
.083a .007 -.067 72.71603 2.105
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), earningpershare, hargasahama.
Dependent Variable: s trukturmodalb.
32
ANOVAb
981.323 2 490.661 .093 .912a
142765.8 27 5287.621
143747.1 29
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), earningpershare, hargasahama.
Dependent Variable: s trukturmodalb.
Coefficientsa
-11.469 17.163 -.668 .510 -46.684 23.746
-.002 .012 -.053 -.192 .849 -.026 .022 .027 -.037 -.037 .486 2.059
.004 .010 .112 .406 .688 -.016 .024 .074 .078 .078 .486 2.059
(Constant)
hargasaham
earningpershare
Model
1
B Std. Error
Unstandardized
Coeff icients
Beta
Standardized
Coeff icients
t Sig. Low er Bound Upper Bound
95% Conf idence Interval for B
Zero-order Partial Part
Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: s trukturmodala.
Collinearity Diagnosticsa
2.019 1.000 .07 .07 .07
.787 1.602 .46 .00 .23
.194 3.228 .47 .93 .70
Dimension
1
2
3
Model
1
Eigenvalue
Condition
Index (Constant) hargasaham
earningp
ershare
Variance Proportions
Dependent Variable: s trukturmodala.
Res iduals Statisticsa
-21.5261 8.6724 -12.3373 5.81711 30
-1.580 3.612 .000 1.000 30
13.320 66.561 19.281 12.745 30
-135.2517 17.8060 -15.8649 23.85340 30
-361.725 36.25980 .00000 70.16379 30
-4.974 .499 .000 .965 30
-5.070 .752 .014 .992 30
-375.778 135.73172 3.52753 77.06867 30
-22.735 .745 -.578 4.192 30
.006 23.332 1.933 5.155 30
.000 .973 .045 .185 30
.000 .805 .067 .178 30
Predicted Value
Std. Predicted Value
Standard Error of
Predicted Value
Adjusted Predic ted Value
Residual
Std. Residual
Stud. Res idual
Deleted Residual
Stud. Deleted Res idual
Mahal. Distance
Cook's Dis tance
Centered Leverage Value
Minimum Maximum Mean Std. Deviation N
Dependent Variable: s trukturmodala.
33
Regression Standardized Residual
10-1-2-3-4-5
Fre
qu
en
cy
25
20
15
10
5
0
Histogram
Dependent Variable: strukturmodal
Mean =-1.56E-17Std. Dev. =0.965
N =30
Observed Cum Prob
1.00.80.60.40.20.0
Exp
ecte
d C
um
Pro
b
1.0
0.8
0.6
0.4
0.2
0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: strukturmodal
34
Regression Standardized Predicted Value
43210-1-2
Reg
ress
ion
Stu
de
nti
ze
d R
es
idu
al
0
-2
-4
-6
Scatterplot
Dependent Variable: strukturmodal
35
Lampiran 4
PRINT OUT DATA TRANSFORMASI LOG
Descriptive Statistics
.4615 .48606 24
2.8541 .44100 24
663.6792 2121.23577 24
lgstrukturmodal
lghargasahan
lgearningpershare
Mean Std. Deviation N
Cor relations
1.000 -.700 -.602
-.700 1.000 .650
-.602 .650 1.000
. .000 .001
.000 . .000
.001 .000 .
24 24 24
24 24 24
24 24 24
lgstrukturmodal
lghargasahan
lgearningpershare
lgstrukturmodal
lghargasahan
lgearningpershare
lgstrukturmodal
lghargasahan
lgearningpershare
Pearson Correlation
Sig. (1-tailed)
N
lgstruktur
modal lghargasahan
lgearning
pershare
Variables Enter ed/Removedb
lgearningp
ershare,
lghargasa
hana
. Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entered.a.
Dependent Variable: lgs trukturmodalb.
Model Summ aryb
.726a .527 .482 .34991 1.128
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), lgearningpershare, lghargasahana.
Dependent Variable: lgstrukturmodalb.
36
ANOVAb
2.863 2 1.431 11.690 .000a
2.571 21 .122
5.434 23
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), lgearningpershare, lghargasahana.
Dependent Variable: lgstrukturmodalb.
Coefficientsa
2.179 .607 3.591 .002 .917 3.441
-.588 .218 -.534 -2.701 .013 -1.041 -.135 -.700 -.508 -.405 .577 1.734
-5.8E-005 .000 -.255 -1.290 .211 .000 .000 -.602 -.271 -.194 .577 1.734
(Constant)
lghargasahan
lgearningpershare
Model
1
B Std. Error
Unstandardized
Coeff icients
Beta
Standardized
Coeff icients
t Sig. Low er Bound Upper Bound
95% Conf idence Interval for B
Zero-order Partial Part
Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: lgstrukturmodala.
Collinearity Diagnosticsa
2.193 1.000 .00 .00 .03
.800 1.656 .00 .00 .55
.007 18.131 1.00 1.00 .41
Dimension
1
2
3
Model
1
Eigenvalue
Condition
Index (Constant) lghargasahan
lgearning
pershare
Variance Proportions
Dependent Variable: lgs trukturmodala.
Res iduals Statisticsa
-.4492 .8621 .4615 .35279 24
-2.581 1.135 .000 1.000 24
.074 .255 .113 .051 24
-.6641 .8435 .4477 .37632 24
-.72646 .56805 .00000 .33435 24
-2.076 1.623 .000 .956 24
-2.156 1.862 .017 1.018 24
-.78308 .74764 .01389 .38234 24
-2.384 1.989 .004 1.072 24
.076 11.264 1.917 3.001 24
.000 .366 .051 .090 24
.003 .490 .083 .130 24
Predicted Value
Std. Predicted Value
Standard Error of
Predicted Value
Adjusted Predic ted Value
Residual
Std. Residual
Stud. Res idual
Deleted Residual
Stud. Deleted Res idual
Mahal. Distance
Cook's Dis tance
Centered Leverage Value
Minimum Maximum Mean Std. Deviation N
Dependent Variable: lgs trukturmodala.
37
Regression Standardized Residual
210-1-2-3
Fre
qu
en
cy
6
4
2
0
Histogram
Dependent Variable: lgstrukturmodal
Mean =8.67E-16Std. Dev. =0.956
N =24
Observed Cum Prob
1.00.80.60.40.20.0
Exp
ecte
d C
um
Pro
b
1.0
0.8
0.6
0.4
0.2
0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: lgstrukturmodal
38
Regression Standardized Predicted Value
210-1-2-3
Reg
ress
ion
Stu
de
nti
ze
d R
es
idu
al
2
1
0
-1
-2
-3
Scatterplot
Dependent Variable: lgstrukturmodal
39
Lampiran 5
PRINT OUT DATA TRANSFORMASI LON
Descriptive Statistics
.6266 .99938 17
6.7848 1.06304 17
4.8890 2.49278 17
lnstrukturmodal
lnhargasaham
lnearningpershare
Mean Std. Deviation N
Cor relations
1.000 -.704 -.409
-.704 1.000 .799
-.409 .799 1.000
. .001 .051
.001 . .000
.051 .000 .
17 17 17
17 17 17
17 17 17
lnstrukturmodal
lnhargasaham
lnearningpershare
lnstrukturmodal
lnhargasaham
lnearningpershare
lnstrukturmodal
lnhargasaham
lnearningpershare
Pearson Correlation
Sig. (1-tailed)
N
lnstruktur
modal
lnhargas
aham
lnearning
pershare
Variables Enter ed/Removedb
lnearningp
ershare,
lnhargasa
hama
. Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entered.a.
Dependent Variable: lns trukturmodalb.
Model Summ aryb
.749a .560 .498 .70831 1.929
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), lnearningpershare, lnhargasahama.
Dependent Variable: lnstrukturmodalb.
40
ANOVAb
8.956 2 4.478 8.926 .003a
7.024 14 .502
15.980 16
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), lnearningpershare, lnhargasahama.
Dependent Variable: lnstrukturmodalb.
Coefficientsa
6.446 1.470 4.384 .001 3.293 9.599
-.980 .277 -1.043 -3.537 .003 -1.574 -.386 -.704 -.687 -.627 .361 2.767
.170 .118 .424 1.438 .173 -.084 .423 -.409 .359 .255 .361 2.767
(Constant)
lnhargasaham
lnearningpershare
Model
1
B Std. Error
Unstandardized
Coeff icients
Beta
Standardized
Coeff icients
t Sig. Low er Bound Upper Bound
95% Conf idence Interval for B
Zero-order Partial Part
Correlations
Tolerance VIF
Collinearity Statistics
Dependent Variable: lnstrukturmodala.
Collinearity Diagnosticsa
2.883 1.000 .00 .00 .01
.112 5.083 .04 .00 .41
.005 24.045 .96 1.00 .59
Dimension
1
2
3
Model
1
Eigenvalue
Condition
Index (Constant)
lnhargas
aham
lnearning
pershare
Variance Proportions
Dependent Variable: lnstrukturmodala.
Res iduals Statisticsa
-1.0421 1.9186 .6266 .74818 17
-2.230 1.727 .000 1.000 17
.172 .517 .282 .099 17
-1.2261 1.6879 .6494 .78455 17
-1.38357 1.05417 .00000 .66256 17
-1.953 1.488 .000 .935 17
-2.079 1.595 -.012 1.032 17
-1.56692 1.24063 -.02278 .82346 17
-2.409 1.698 -.021 1.097 17
.004 7.592 1.882 2.066 17
.000 .682 .090 .164 17
.000 .475 .118 .129 17
Predicted Value
Std. Predicted Value
Standard Error of
Predicted Value
Adjusted Predic ted Value
Residual
Std. Residual
Stud. Res idual
Deleted Residual
Stud. Deleted Res idual
Mahal. Distance
Cook's Dis tance
Centered Leverage Value
Minimum Maximum Mean Std. Deviation N
Dependent Variable: lns trukturmodala.
41
Regression Standardized Residual
210-1-2
Fre
qu
en
cy
4
3
2
1
0
Histogram
Dependent Variable: lnstrukturmodal
Mean =9.02E-16Std. Dev. =0.935
N =17
Observed Cum Prob
1.00.80.60.40.20.0
Exp
ecte
d C
um
Pro
b
1.0
0.8
0.6
0.4
0.2
0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: lnstrukturmodal