BAB III METODE PENELITIAN
A. Jenis dan Sumber data Penelitian ini menggunakan data sekunder, yaitu dengan menganalisis data laporan tahunan perusahaan yang terdapat di Bursa Efek Indonesia melalui website www.idx.com atau dari web resmi perusahaan. Data yang digunakan yaitu tahun 2006-2007 dan 2009-2014
B. Populasi Populasi yang digunakan dalam penelitian ini adalah perusahaan manufaktur sub sektor garmen dan tekstil yang terdaftar di Bursa Efek Indonesia. Alasan peneliti memilih perusahaan manufaktur sub sektor garmen dan tekstil karena hasil pemantauan pemberitaan di berbagai media massa sampai awal Agustus 2009 memperlihatkan bahwa yang terdampak oleh krisis keuangan global 2008/2009 adalah perusahaan manufaktur sub sector garmen dan tekstil (Isdijoso, 2009: 4).
C. Sampel Penelitian Pengambilan sampel dilakukan dengan menggunakan purposive sampling, purposive sampling adalah teknik sampling yang diambil berdasarkan pertimbangan atau kriteria tertentu. Kriteria-kriteria yang
30
31
ditetapkan untuk memilih perusahaan yang dijadikan sampel adalah berikut ini. a. Perusahaan manufaktur sub sektor garmen dan tekstil yang terdaftar di BEI periode 2006-2007 dan 2009-2014 b. Perusahaan yang menerbitkan laporan tahunan per 31 Desember untuk tahun buku 2006-2007 dan 2009-2014 dan laporan tahunannya dapat diakses c. Pada laporan tahunan perusahaan terdapat data yang dibutuhkan dalam penelitian
D. Definisi Operasional dan Pengukurannya 1. Harga saham merupakan harga yang dibentuk dari interaksi para penjual dan pembeli saham yang dilatarbelakangi oleh harapan terhadap profit perusahaan (Susilawati, 2012). Harga saham di sebuah perusahaan publik ditentukan oleh penawaran dan permintaan pasar (Menaje, 2012). Dalam penelitian ini, harga saham yang digunakan adalah harga saham penutupan yang merupakan harga yang diminta oleh penjual atau harga perdagangan terakhir untuk suatu periode. 2. Return on Asset (ROA) dianggap sebagai salah satu variabel yang paling banyak digunakan dalam menentukan profitabilitas perusahaan (Menaje, 2012). ROA adalah rasio antara laba bersih setelah pajak terhadap total aktiva. Rasio ini biasa dipakai sebagai indikator akan profitabilitas perusahaan dengan membandingkan antara laba bersih dengan keseluruhan
32
total aktiva pada perusahaan. Semakin tinggi rasio ini, maka akan semakin tinggi pula kepercayaan dan minat investor untuk berinvestasi (Diaz dan Jufrizen, 2014). Ukuran rasio ini untuk efisiensi operasi perusahaan berdasarkan laba yang dihasilkan perusahaan dari total aset. ROA memberikan informasi kepada investor seberapa baik suatu perusahaan menggunakan asetnya untuk menghasilkan pendapatan. ROA yang lebih tinggi menunjukkan tingkat manajemen kinerja yang lebih tinggi. ROA dapat dihitung dengan menggunakan rumus : ROA =
3. Return on Equity (ROE) adalah rasio antara laba bersih setelah pajak terhadap ekuitas. Rasio ini mengukur tingkat pengembalian atas investasi pemegang saham di perusahaan (Kabajeh, AL Nu’aimat, dan Dahmash, 2012). ROE menggambarkan sejauh mana kemampuan perusahaan menghasilkan laba yang bisa diperoleh pemegang saham (Tandelilin, 2010: 372). ROE yang lebih tinggi juga menunjukkan tingkat kinerja manajemen yang lebih tinggi. ROE dapat dihitung dengan menggunakan rumus : ROE =
4. Earning Per Share (EPS) mencerminkan bagian dari pendapatan perusahaan setelah dikurangi pajak dan dividen saham preferen yang dialokasikan untuk setiap saham dari saham biasa. Angka tersebut dapat dihitung hanya dengan membagi laba bersih yang diperoleh dalam periode pelaporan tertentu (biasanya kuartalan, atau tahunan) dengan jumlah
33
saham beredar (Islam et al., 2014). EPS menunjukkan berapa besar kemampuan perusahaan dalam membuat keuntungan untuk setiap saham yang dimiliki oleh stakeholder (Hatta dan Dwiyanto, 2012). EPS dapat dihitung dengan menggunakan rumus : EPS =
y
5. Gross Profit Margin adalah perbandingan antara laba kotor dengan penjualan bersih (Meythi, 2013).
Rasio ini menggambarkan efisiensi
perusahaan dalam menghasilkan laba kotor yang dapat dicapai dalam setiap rupiah penjualan (Asyik, 2009). Gross Profit Margin dapat dihitung dengan menggunakan rumus : Gross Profit Margin =
� �
� � �
���
6. Krisis Ekonomi Global diukur dengan menggunakan variabel dummy dengan 1 untuk periode sesudah krisis ekonomi global dan 0 untuk periode sebelum krisis ekonomi global 7. Produk Domestik Bruto (PDB) mengukur nilai barang dan jasa yang diproduksi di wilayah suatu Negara tanpa membedakan kewarganegaraan pada suatu tahun waktu tertentu (Mankiw, 2007:17). PDB diukur melalui laju pertumbuhan PDB yang diperoleh dari Badan Pusat Statistik. Laju pertumbuhan PDB dapat dihitung dengan menggunakan rumus : ∆ PDB =
���ₓ – ��� ₓ₋₁ ���ₓ₋₁
8. Inflasi adalah kenaikan harga barang-barang yang bersifat umum dan terus-menerus (Rahardja dan Manurung, 2005:165). Adapun data Inflasi
34
yang digunakan dalam penelitian ini adalah Inflasi Indonesia Menurut Kelompok Pengeluaran yang dikeluarkan oleh BPS dari tahun 2006 sampai dengan 2016.
E. Metode Analisis Uji Asumsi Klasik 1. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil (Ghozali, 2012: 110). Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak. Pertama adalah analisis grafik, yaitu dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Ke dua adalah dengan menggunakan Uji Kolomgorov-Smirnov (K-S). Uji K-S dilakukan dengan membuat hipotesis berikut ini. H0
: Data residual berdistribusi normal
HA
: Data residual tidak berdistribusi normal
35
Data penelitian dikatakan memenuhi uji normalitas apabila nilai Asymp.Sig (2-tailed) variabel residual berada di atas 0,05 atau 5%. Sebaliknya, jika nilai Asymp.Sig (2-tailed) variabel residual berada dibawah 0,05 atau 5% maka data tersebut tidak berdistribusi normal atau data tidak memenuhi uji normalitas. 2. Uji Multikolonieritas Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel
independen.
Untuk
mendeteksi
ada
atau
tidaknya
multikolonieritas di dalam model regresi dalam penelitian ini, yaitu dengan melihat nilai tolerance dan Variance Inflation Factor (VIF). Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Apabila tidak terdapat variabel bebas yang memiliki nilai tolerance ≤ 0.10 atau VIF ≥ 10, maka dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel bebas dalam regresi (Ghozali, 2012: 92). 3. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan kesalahan pengganggu pada periode t-1 (Ghozali, 2012: 95). Untuk menguji ada tidaknya autokorelasi, dalam penelitian ini yaitu dengan Run test. Run test digunakan untuk melihat apakah data residual terjadi secara
36
random atau tidak. Deteksi ada atau tidaknya autokorelasi dapat dilakukan dengan melihat nilai Asymp.Sig (2-tailed). Data penelitian dikatakan memenuhi uji autokorelasi apabila nilai Asymp.Sig (2-tailed) variabel residual berada di atas 0,05 atau 5%. Sebaliknya, jika nilai Asymp.Sig (2tailed) variabel residual berada dibawah 0,05 atau 5% maka data tersebut tidak memenuhi uji autokorelasi. 4. Uji Heterokedastisitas Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas (Ghozali, 2012: 105). Ada beberapa cara untuk mendeteksi ada atau tidaknya heterokedastisitas. Salah satunya adalah dengan melihat grafik plot antara nilai prediksi variabel terikat (dependen), yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang telah di-studentized. Jika ada pola tertentu, seperti titik – titik yang ada membentuk pola tertentu yang teratur
(bergelombang,
melebar
kemudian
menyempit)
maka
mengindikasikan telah terjadi heterokedastisitas. Jika tidak ada pola yang
37
jelas, serta titik – titik menyebar di atas dan di bawah 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
F. Pengujian Hipotesis 1. Analisis Regresi Berganda Metode
analisis
data
yang
digunakan
dalam
penelitian
menggunakan model regresi linier berganda sebagai berikut: Y = α + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7+ e Keterangan: Y = Harga Saham α = Konstanta β1 – β7 = Koefisien Regresi X1 = Return on Asset (ROA) X2 = Return on Equity (ROE) X3 = Earning Per Share (EPS) X4 = Gross Profit Margin X5 = Krisis Ekonomi Global X6 = Produk Domestik Bruto (PDB) X7 = Inflasi e = error
adalah
38
2. Uji Signifikansi F Uji signifikansi F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimaksudkan dalam model mempunyai pengaruh secara bersama – sama terhadap variabel dependen/terikat (Ghozali, 2012: 84). Pengujian dilakukan dengan menggunakan signifikansi level 0,05 (α = 5%) dengan hipotesis berikut ini. Ho
: Variabel independen tidak berpengaruh signifikan terhadap variabel dependen
Ha
: Variabel independen berpengaruh signifikan terhadap variabel dependen.
Dengan ketentuan sebagai berikut ini. Sig F > α 0,05 maka Ho diterima atau Ha ditolak yang berarti variabel independen tidak berpengaruh signifikan terhadap variabel dependen. Sig.F ≤ α 0,05 maka Ha diterima atau Ho ditolak yang berarti variabel independen berpengaruh signifikan terhadap variabel dependen. 3. Uji Signifikansi t Uji signifikansi t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen (Ghozali, 2012: 84). Tingkat signifikansi yang digunakan dalam penelitian ini adalah 0,05 (α=5%) dengan hipotesis berikut ini. Ho
: Variabel independen (X) tidak berpengaruh signifikan terhadap
39
variabel dependen. Ha
: Variabel independen (X) berpengaruh signifikan terhadap variabel
dependen.
Dengan ketentuan sebagai berikut ini. Sig.t > α 0,05 maka Ho diterima atau Ha ditolak yang berarti variabel independen (X) tidak berpengaruh signifikan terhadap variabel dependen. Sig.t ≤ α 0,05 maka Ha diterima atau Ho ditolak yang berarti variabel independen (X) berpengaruh signifikan terhadap variabel dependen. 4. Uji Koefisien Determinasi (R2) Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel – variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel – variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap penambahan satu variabel independen, maka R2 pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu, banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R2 pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R2, nilai Adjusted R2 dapat naik atau turun
40
apabila satu variabel independen ditambahkan ke dalam model (Ghozali, 2012: 83).
