BAB 3 OBJEK DAN DESAIN PENELITIAN 3.1 Objek Penelitian Objek dalam penelitian ini adalah perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) yang bergerak dalam bidang pertambangan. Perusahaan yang terdaftar di BEI digunakan sebagai objek penelitian karena perusahaan tersebut mempunyai kewajiban untuk menyampaikan laporan keuangan tahunan kepada pihak luar perusahaan sehingga memungkinkan data tersebut dapat diperoleh dalam penelitian ini 3.2 Desain Penelitian 3.2.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang diperoleh penulis secara tidak langsung atau diperoleh dari pihak ketiga. Data tersebut diperoleh dengan cara mengunduh (mendownload) melalui website Bursa Efek Indonesia www.idx.co.id yang berupa laporan keuangan, laporan tahunan, ataupun laporan keberlanjutan (sustainability report) pada perusahaan industri pertambangan yang terdaftar di BEI dalam periode tahun 2009-2011. 3.2.2. Penentuan Jumlah Sampel Penulis akan mengambil sampel dari populasi perusahaan industri pertambangan yang terdaftar di Bursa Efek Indonesia periode tahun 2009-2011. 25
3.2.3. Metode Pengumpulan Sampel Dalam penelitian ini metode pengumpulan sampel yang digunakan adalah purposive sampling method dimana penulis akan memilih sampel dari suatu populasi didasarkan pada kriteria – kriteria tertetu. Terdapat 37 perusahaan publik sektor pertambangan yang menjadi objek penelitian.
3.2.4. Metode Analisis Data 3.2.4.1 Analisis Deskriptif Statistik deskriptif adalah analisis yang mejelaskan secara terperinci atas datadata yang didapat dari penelitian yang dilakukan dan terwujud dalam bentuk daftar tabel yang berisi angka-angka matematis seperti nilai rata-rata (mean), standar deviasi, varian, maksimum, dan minimum. Dalam program SPSS digunakan juga ukuran skewness dan kurtosis untuk menggambarkan distribusi data apakah normal atau tidak, selain ada beberapa pengujian untuk mengetahui normalitas data dengan uji KolmogorovSmirnov dan Shapiro-Wilk.
1) Uji Normalitas Screening terhadap normalitas data merupakan langkah awal yang harus dilakukan untuk setiap analisis multivariate, khususnya jika tujuannya adalah inferensi. 26
Jika terdapat normalitas, maka residual akan terdistribusi secara normal dan independen, yaitu perbedaan antara nilai prediksi dengan nilai yang sesungguhnya atau error akan terdistribusi secara simetri di sekitar nilai means sama dengan nol. Jadi salah satu cara mendeteksi normalitas adalah lewat pengamatan nilai residual. Uji normalitas data dilakukan untuk membuktikan bahwa data yang diambil dapat mewakili populasi yang diteliti. Secara statistik ada dua komponen normalitas Skewness berhubungan dengan simetri distribusi. Skewed variabel adalah variabel yang nilai mean-nya tidak di tengahtengah distribusi. Jika variabel distribusi secara normal maka nilai skewness sama dengan nol (Ghozali, 2006: 27-28). a. Analisis Grafik Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan data observasi dengan distribusi yang mendekati distribusi normal. b. Uji Statistik Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengansumsikan bahwa nilai residual mengikuti distribusi normal. Jadi salah satu cara mendeteksi normalitas adalah lewat pengamatan nilai residual.
27
Cara lain adalah dengan melihat distribusi dari variabel-variabel yang akan diteliti. Normalitas suatu variabel umumnya dideteksi dengan grafik atau uji statistik sedangkan normalitas nilai residual dideteksi dengan metode grafik. Untuk mengetahui distribusi data penelitian ini, salah satu alat yang digunakan adalah menggunakan Skewness. Skewness merupakan alat ukur data rasio. Menurut Gozhali (2005), Secara statistik ada dua komponen normalitas yaitu skewness dan kurtosis. Skewness berhubungan dengan simetri distribusi kewed variabel adalah variabel yang nilai mean-nya tidak ditengah–tengah distribusi. Jika variabel terdistribusi secara normal maka nilai skewness sama dengan 0. Uji signifikan skewness dengan cara sebagai berikut :
Zskew =
S-0 √6/N
Dimana: S : nilai skewness N : jumlah kasus Nilai Z dari dari proksi diatas kita bandingkan dengan nilai kritisnya yaitu untuk alpha 0.01 nilai kritisnya ±2.58 sedangkan untuk alpha 0.05 nilai kritisnya ±1.96.
28
Uji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai, terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik. Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal. 2) Uji Asumsi Klasik a. Uji Multikolinieritas Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variable independen saling 29
berkorelasi, maka variabel-variabel tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolinieritas adalah dengan melihat besaran korelasi antar variable independen dan besarnya tingkat kolinieritas yang masih dapat ditolerir, yaitu:Tolerance > 0.10 dan Variance Inflation Factor (VIF) < 2. Pengujian multikolinearitas juga dapat dilakukan dengan melihat korelasi di antara variable independen. Suatu model dikatakan terdapat gejala multikolinearitas jika korelasi di antara variabel independen lebih besar dari 0,9 atau 90% (Ghozali,2005 : 91). Berikut disajikan tabel hasil perhitungan nilai Tolerance dan VIF serta matrik korelasi antar variabel independen. b. Uji Heterokedastisitas Tujuan dari uji heteroskedastisitas adalah untuk menguji apakah factor pengganggu mempunyai variasi sama atau tidak. Jika varians residual dari satu pengamatan ke pengamatan lain tetap maka disebut homoskedastisitas, jika varians berbeda maka disebut heteroskedastisitas. Model regresi dikatakan baik jika homoskedastisitas. Pengujian ini dilakukan dengan tujuan untuk melihat jarak kuadrat titik-titik sebaran terhadap garis regresi. Untuk mendeteksi gejala heteroskedastisitas dalam persamaan regresi digunakan metode dengan menggunakan plot pada regresi. Metode grafik dengan 30
menggunakan nilai prediksi variabel bebas (ZPRED) dengan residualnya (SRESID) untuk melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED jika ada pola tertentu sepert titik-titik (pointpoint) yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit) maka telah terjadi heteroskedastisitas, jika tidak ada pola yang jelas serta titik-titik menyebar diatas dan dibawah angka nol pada sumbu Y maka tidak terjadi heteroskedastisitas. Uji glejser juga dapat mendeteksi ada atau tidaknya heteroskedastisitas. Seperti halnya Uji park, Glejser mengusulkan untuk meregres nilai absolute residual terhadap variabel independen (Gujarati,2003). Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedatisitas. c. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penggangu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan problem autokorelasi. Model regresi yang baik adalah yang bebas autokorelasi, dapat dilakukan dengan uji statistik Uji Durbin-Watson (DW test) (Ghozali,2006). Dengan pengambilan keputusan apabila nilai du < d < 4–du atau DW hitung > du, maka dapat disimpulkan tidak terdapat autokorelasi antar residual. 3.2.4.2 Uji Model Penelitian a. Uji Koefisien Determinasi (Adjusted R2) 31
Koefisien determinasi (Adjusted R2 ) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabelvariabel independen dalam menjelaskan variasi variable dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang (crossection) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi (Ghozali, 2006: 87). Menurut Gujarati (2003), nilai adjusted negatif dianggap bernilai nol. Secara sistematis jika nilai R2 = 1, maka adjusted R2 = R2 = 1, sedangkan jika Nilai R2 = 0, maka adjusted R2 = (1- k) / (n - k). Jika k > 1, maka adjusted R2 akan bernilai negatif (Ghozali, 2006: 87). b. Uji Signifikan Simultan (Uji Statistik F) Uji statistik F pada dasarnya digunakan untuk menyatakan kelayakan pengaruh antara kebijakan leverage (X1), kebijakan dividen (X2) dan skala perusahaan (X3) secara bersama-sama terhadap nilai perusahaan (Y). Sehingga model tersebut dikatakan fit atau memenuhi fit model. 3.2.4.3 Uji Linier Berganda 32
Pada penelitian ini teknis analisis data dilakukan dengan teknik analisis regresi berganda untuk mengolah data, membahas data yang telah diperoleh dan menguji hipotesis yang telah diajukan. Teknik analisis regresi berganda digunakan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat. Persamaan regresi yang diintepretasikan dalam penelitian ini adalah: Y = a + b1XI + b2X2 + b3X2 + ε Dimana : Y = PBV = Nilai Perusahaan a = Konstanta b = Koefisien Regresi ε = Residual X1 = DER = Kebijakan Leverage X2 = DPR = Kebijakan Dividen X3 = Skala = Skala Perusahaan
3.2.4.4 Uji Hipotesis a. Uji t
33
Uji statistik parsial pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individu menerangkan variabel dependen (Ghozali, 2003). Uji parsial dilakukan dengan membandingkan nilai t hitung dengan nilai t tabel, bila t hitung lebih besar dari t tabel maka hipotesis diterima, demikian pula sebaliknya. Atau dengan melihat signifikansi yang terbentuk di bawah 5%, maka hipotesis diterima.
3.2.5 Metode Penyajian Data Hasil dari data yang sudah dikumpulkan dan diolah menggunakan SPSS dapat disajikan dalam bentuk tabel ataupun grafik berikut dengan penjelasannya dengan keuntungan bahwa data tersebut akan lebih cepat ditangkap dan dimengerti. Tabel merupakan kumpulan angka – angka yang disusun menurut kategori – kategori sehingga memudahkan untuk pembuatan analisis data. Grafik merupakan gambar – gambar yang menunjukkan secara visual data berupa angka yang biasanya juga berasal dari tabel – tabel yang telah dibuat.
3.2.6 Operasionalisasi Variabel 3. 2.6.1. Variabel Dependen Variabel dependen merupakan tipe variabel yang dijelaskan atau dapat dipengaruhi oleh variabel lain. Dalam penelitian ini, yang menjadi variabel dependen 34
adalah nilai perusahaan. Nilai perusahaan merupakan nilai yang mencerminkan berapa harga yang bersedia dibayar investor untuk suatu perusahaan, dalam penelitian ini diukur dengan menggunakan : PBV = Closing Price Equity Per Share 3. 2.6.2. Variabel Independen Variabel independen merupakan tipe variabel yang menjelaskan atau mempengaruhi. Dalam penelitian ini yang menjadi variabel independen adalah kebijakan leverage, kebijakan dividen, dan skala perusahaan a. Kebijakan leverage Merupakan rasio yang digunakan untuk mengukur kemampuan perusahaan dalam memenuhi kewajibannya. Dalam hal ini kebijakan hutang diukur dengan menggunakan rasio leverage yaitu rasio Debt Equity Ratio (DER). Dirumuskan : DER = Total Debt Total Equity b. Kebijakan dividen Rasio pendistribusian laba yang dibagikan kepada pembagian saham. Baskin (dalam Yuniningsih 2002), menyatakan dalam pembayaran dividen yang besar pada periode lalu akan meningkatkan kebutuhan kas dimasa yang akan datang. DPR dirumuskan sebagai berikut : 35
DPR = Dividen Per Share Earning Per Share c. Skala Perusahaan Skala perusahaan diukur dengan menggunakan Logaritma Natural total asset, dimana besarnya skala perusahaan dapat mempengaruhi kemudahan perusahaan dalam memperoleh sumber pendanaan baik eksternal maupun internal.
36
