BAB III DESAIN PENELITIAN
III.1. Jenis dan Sumber Data Populasi dalam penelitian ini adalah seluruh perusahaan sektor industri manufaktur yang terdaftar di Bursa Efek Indonesia. Dalam penelitian ini, peneliti menggunakan data sekunder berupa laporan keuangan perusahaan go public untuk tahun buku 2008 sampai dengan tahun 2010. Data yang digunakan dalam penelitian ini adalah data sekunder yang terdiri dari : 1. Data perusahaan yang diperoleh dari Pusat Referensi Pasar Modal (PRPM) di Bursa Efek Indonesia. 2. Profitabilitas, kesempatan investasi, tingkat pertumbuhan, kepemilikan manajerial, ukuran perusahaan, dan struktur aktiva yang diperoleh dari Indonesian Capital Market Directory. 3. Data lainnya yang mendukung penelitian ini, diperoleh dari website www.idx.co.id . III.2. Penentuan Jumlah Sampel Sampel yang dipilih adalah perusahaan manufaktur yang terdaftar di BEI. Pemilihan sampel menggunakan metode purposive Sampling. Purposive sampling yaitu pengambilan dengan pemilihan anggota sample berdasarkan kriteria-kriteria tertentu. Adapun ciri-ciri dan sifat-sifat dari perusahaan yang dijadikan sebagai sample penelitian adalah sebagai berikut: 1. Perusahaan manufaktur yang telah terdaftar di BEI sejak Desember 2006 dan tidak mengalami delisting selama periode penelitian.
24
2. Perusahaan manufaktur yang memiliki kepemilikan manajerial selama tahun 2008 sampai dengan tahun 2010. 3. Perusahaan manufaktur yang menerbitkan laporan keuangan dalam mata uang Rupiah. 4. Memiliki earning before interest and tax (EBIT) positif. III.3. Metode Analisis Data Penelitian ini menggunakan multiple linier regression. Sebelum melakukan analisis regresi, terlebih dahulu dilakukan pengujian asumsi klasik terhadap data yang digunakan dalam penelitian. III.3.1. Statistik Deskriptif Statistik deskriptif adalah teknik statistik yang bertujuan memberikan penjelasan atau informasi mengenai karakteristik dari suatu kelompok data atau lebih sehingga pemahaman akan ciri-ciri yang unik atau khusus dari kelompok data tersebut diketahui. Statistik deskriptif memberikan gambaran atau deskripsi suatu data dilihat dari nilai ratarata (mean), nilai tertinggi (maksimum), nilai terendah (minimum), dan deviasi standar (Ghozali 2006, 19). III.3.2. Pengujian Asumsi Klasik Dalam menggunakan model regresi berganda, pengujian hipotesis harus menghindari adanya kemungkinan penyimpangan asumsi-asumsi klasik yang dianggap penting,yaitu
uji
normalitas,uji
multikolinieritas,
uji
autokorelasi,
dan
uji
heteroskedastisitas. Sebelum dilakukan pengujian hipotesis maka terlebih dahulu dilakukan uji asumsi klasik. Pengujian dilakukan dengan tujuan untuk menghindari terjadinya penyimpangan terhadap asumsi klasik yaitu,
25
III.3.2.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Apabila asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil (Ghozali 2006: 110). Salah satu uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolomogorov-Smirnov. Apabila besarnya nilai Kolomogorov-Smirnov adalah lebih besar dibandingkan dengan nilai asymp. Sig, maka Ho ditolak yang berarti data residual terdistribusi normal (Ghozali 2006: 115). III.3.2.2. Uji Multikolinieritas Multikolinearitas adalah keadaan dimana variabel-variabel independen dalam persamaan regresi mempunyai korelasi ( hubungan yang erat satu sama lain ). Multikolinearitas menyebabkan informasi yang dihasilkan sangat mirip, sehingga sulit memisahkan pengaruh masing-masing variabel independen terhadap sesama variabel independen. Uji Multikolinieritas bertujuan untuk mengetahui apakah ada hubungan antara variabel independen. Skala pengukurannya dapat dilihat dari nilai variance inflation factor (VIF), dimana jika tolerance dan VIF mendekati 1 maka tidak terjadi multikoliniertas yang berarti data tersebut bias digunakan, sedangkan jika tolerance dan VIF menjauhi 1 maka terjadi multikoliniearitas yang berarti datanya tidak layak digunakan (Ghozali 2006: 91).
26
III.3.2.3. Uji Autokorelasi Ghozali (2006: 95) menyatakan bahwa uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Model regresi yang baik adalah model yang bebas dari autokorelasi. Dalam penelitian ini, untuk mendeteksi ada tidaknya autokorelasi dengan menggunakan uji Durbin-Watson (DW test). Menurut Ghozali (2006: 96), pengambilan keputusan ada tidaknya autokorelasi: (1) Terdapat autokorelasi positif jika 0 < DW hitung < dl. (2) Terdapat autokorelasi negatif jika (k)-dl < DW hitung < (k). (3) Daerah ragu-ragu jika dl ≤ DW hitung ≤ du atau (k)-du ≤ DW hitung ≤ (k)-dl. (4) Tidak terdapat autokorelasi jika du < DW hitung < (k)-du. III.3.2.4. Uji Heteroskedastisitas Ghozali (2006: 105) menyatakan bahwa uji heterokedastisitas 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 atau tidak terjadi heteroskedastisitas. Model penelitian yang baik adalah yang bersifat homoskedastisitas. Dalam penelitian ini, untuk mendeteksi ada tidaknya heteroskedastisitas adalah dengan uji glejser. Uji glejser mengusulkan untuk melihat keterkaitan hubungan antara nilai absolute residual terhadap variable independen. 27
Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas. Hal ini dapat dilihat dengan membandingkan probabilitas signifikansi dengan tingkat kepercayaan. Apabila probabilitas signifikansi di atas tingkat kepercayaan, dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas (Ghozali 2006: 109). III.3.3. Uji Outlier Outlier adalah kasus atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari obsevasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi. Ada empat penyebab timbulnya data outlier (Ghozali 2006: 36) : (1) Kesalahan dalam penginputan data. (2) Gagal menspesifikasikan adanya missing value dalam program computer. (3) Outlier berasal dari populasi yang diambil sebagai sampel, tetapi distribusi dari variabel dalam populasi tersebut memiliki nilai ekstrim dan tidak berdistribusi normal. Deteksi terhadap univariate outlier dapat dilakukan dengan menentukan nilai batas yang akan dikategorikan sebagai data outlier yaitu dengan cara mengkonversi nilai data ke dalam skor standardized atau yang biasa disebut z-score, yang memiliki nilai rata-rata (mean) sama dengan nol dan deviasi standar sama dengan satu. (Ghozali 2006: 36) Uji outlier dapat dilakukan dengan nilai z yang terdiri dari : 1. Lebih kecil dari -3 atau lebih besar dari 3 2. Lebih kecil dari - 2,56 atau lebih besar dari 2,56 3. Lebih kecil dari – 1,96 atau lebih besar dari 1,96
28
III.3.4. Uji Hipotesis Dalam penelitian ini metode statistik yang digunakan untuk menguji hipotesis adalah dengan menggunakan multiple linear regression model. Analisis regresi linear berganda ini bertujuan untuk mengetahui apakah ada pengaruh profitabilitas, kesempatan investasi, pertumbuhan perusahaan, kepemilikan manajerial, ukuran perusahaan, dan struktur aktiva terhadap kebijakan pendanaan perusahaan. Dimana model persamaan linear berganda yang digunakan adalah sebagai berikut: Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 + e Dimana : Y
: Leverage
X1
: Profitabilitas
X2
: Kesempatan investasi
X3
: Tingkat pertumbuhan
X4
: Kepemilikan manajerial
X5
: Ukuran perusahaan
X6
: Struktur aktiva
a
: Koefisien konstanta
bn
: Koefisien regresi
e
: Nilai residual
Uji regresi berganda semuanya digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel dependen. Dalam penelitian ini digunakan uji ttest dan uji F-test dalam rangka menguji pengaruh setiap variabel independent secara individual tehadap variabel dependent digunakan t-test dan untuk mengetahui pengaruh
29
variabel independent secara keseluruhan terhadap variabel dependent menggunakan Ftest, dengan menggunakan taraf signifikan 5% (Ghozali: 2006). III.3.4.1. Koefisien Korelasi (R) Koefisien korelasi digunakan untuk mengukur kekuatan hubungan antara variabel independen dengan variabel dependen, dimana jika nilai R di atas 0.5 maka hubungan antara variabel independen dengan variabel dependen adalah kuat. Jika R dibawah 0.5, maka hubungan antara variabel independen dengan variabel dependen adalah lemah. III.3.4.2. Koefisien Determinasi (Adjusted R2) Koefisien determinasi digunakan untuk mengukur seberapa jauh kemampuan model regresi dalam menerangkan variasi variabel dependen. Nilai adjusted R2 memiliki range antara nol hingga satu. Nilai adjusted R2 yang makin mendekati nol berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen makin terbatas. Sementara nilai adjusted R2 yang makin mendekati satu berarti variabelvariabel independen makin memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali 2006: 83). Selain itu nilai adjusted R2 dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Nilai adjusted R2 dapat naik turun apabila variabel independen di tambahkan ke model. Jika dalam uji empiris didapat nilai adjusted R2 negatif, maka nilai adjusted R2 dianggap bernilai nol (Gujarati 2003). Secara matematis 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.
30
III.3.3.3. Uji Statisktik F Ghozali (2006: 84) menyatakan bahwa uji statistik F pada dasarnya untuk melihat apakah variabel yang digunakan dalam penelitian fit dengan model regresi. Kriteria yang digunakan untuk menentukan ada atau tidaknya pengaruh yang signifikan didasari oleh: (1) Bila tingkat signifikansi lebih besar dari 5% maka data penelitian tidak dapat digunakan untuk menprediksi variabel dependen, dan (2) bila tingkat signifikansi lebih kecil sama dengan 5% maka data penelitian dapat digunakan untuk memprediksi variabel dependen.
III.3.3.4. Uji Statistik t Ghozali (2006: 84) menyatakan bahwa uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Kriteria yang digunakan dalam menolak atau tidak berhasil menolak Ha didasari pada: (1) bila tingkat signifikansi lebih besar dari 0,05 maka Ha berhasil ditolak yang berarti bahwa variabel independen tidak mempengaruhi variabel dependen, dan (2) bila tingkat signifikansi lebih kecil dari 0,05 maka Ha diterima yang berarti bahwa variabel independen mempengaruhi variabel dependen.
III.4. Metode Penyajian Data Dalam penyajian data hasil analisis statistic yang digunakan, data akan disajikan dalam bentuk table, diagram, grafik, dan deskripsi berupa interpretasi hasil analisis yang digunakan. 31
III.5. Operasionalisasi Variabel III.5.1. Variabel Leverage (Kebijaka Hutang) Leverage adalah penggunaan aktiva dan sumber dana oleh perusahaan yang memiliki biaya tetap dengan maksud agar meningkatkan keuntungan potensial pemegang saham (Sartono 2000: 337). Rasio leverage mengukur tingkat sejauh mana aktiva perusahaan telah dibiayai oleh penggunaan hutang. Rasio ini dapat dinyatakan dengan rumus (Gitman 2000: 64),
Lev =
Total Kewajiban Total Aktiva
III.5.2. Variabel Profitability (Profitabilitas) Profitabilitas merupakan gambaran dari kinerja manajemen dalam mengelola perusahaan. Dasar pemikiran bahwa tingkat keuntungan dipakai sebagai salah satu cara untuk menilai keberhasilan efektivitas perusahaan, tentu saja berkaitan dengan hasil akhir dari berbagai kebijakan dan keputusan perusahaan yang telah dilaksanakan oleh perusahaan dalam periode berjalan (Kartamulja 2008: 5). Profitabilitas menunjukkan berapa earnings atau keuntungan yang dimilki perusahaan. Makin besar profitabilitas yang diperoleh perusahaan maka makin kecil pula pendanaan yang berasal dari hutang (eksternal). Variabel ini diukur menggunakan skala rasio. Salah satu alternatif dalam mengukur profitabilitas dengan menggunakan operating profit margin yaitu dengan menghitung persentase dari setiap penjualan setelah dikurangi oleh beban sebelum dikurangi dengan interest, pajak, dan dividen untuk saham preferen. Ini menunjukan ”pure profits” yang didapatkan dari penjualan.
32
Operating profit dikatakan ”pure” karena dihitung dari keuntungan kegiatan operasi (Gitman 2000: 67). Rasio ini dinyatakan dengan rumus sebagai berikut :
Prof
=
Operating Income Total Assets
X 100 %
III.5.3. Variabel Investment Opportunity ( Kesempatan Investasi ) Suatu perusahaan yang mempunyai kesempatan investasi tinggi, akan berusaha memenuhinya dengan laba perusahaan. Farma dan French (2000) dalam Kartamulja (2008: 3) menyatakan bahwa kesempatan investasi diukur dengan skala rasio, yaitu dengan membagi perubahan total asset dengan asset pada tahun t, atau dinyatakan dengan rumus sebagai berikut : Oppor =
TAt – TAt-1 TAt-1
X 100 %
III.5.4. Variabel Growth ( Pertumbuhan ) Variabel ini diberi simbol Growth, pertumbuhan perusahaan merupakan nilai yang menunjukan pertumbuhan penjualan selama 4 tahun (2005-2008). Rozeff (1982) dalam Kartamulja (2008: 5) menyatakan bahwa variabel growth diukur menggunakan skala rasio, dengan membagi perubahan sales dengan sales pada tahun t, dinyatakan dengan rumus :
Growth =
Net Salest – Net Salest-1 Net Salest-1
X 100%
33
III.5.5. Variabel Managerial Ownership ( Kepemilikan Manajerial ) Diukur dari jumlah persentase saham yang dimiliki oleh manajerial. Manajerial ownership adalah pemegang saham dari pihak manajemen yang secara aktif ikut dalam pengambilan keputusan perusahaan (Direktur dan Komisaris) dengan skala rasio. Variabel ini digunakan untuk mengetahui bagaimana pengaruhnya terhadap kebijakan pendanaan perusahaan (Masdupi 2005: 62).
Mo
=
Jumlah Saham yang dimiliki manajer dan dewan
Jumlah saham beredar
III.5.6. Variabel Firm Size (Ukuran Perusahaan) Potensi pertumbuhan perusahaan ditunjukkan dengan perbandingan antara nilai pasar sekarang dan tahun sebelumnya (Sa’diyah 2007: 27). Variabel ini disimbolkan SIZE, diukur dengan natural log asset, penggunaan log natural untuk menyederhanakan data (Masdupi 2005: 62). Variabel size diukur dengan :
Size
= LN Total Assets
III.5.7. Variabel Assets Structure (Struktur Aktiva) Assets Structure diberi simbol STR. Variabel ini diukur dengan membandingkan antara aktiva tetap dengan total aktiva (Rina 2008: 49). Str = Aktiva Tetap Total Aktiva
34
