BAB III METODE PENELITIAN
A. Waktu Penelitian Penelitian dilakukan pada bulan Maret 2015 sampai dengan 30 Juni 2015. B. Objek Penelitian Objek studi penelitian adalah laporan keuangan periode 2010 – 2014 perusahaan swasta nasional yang bergerak di bidang asuransi umum yaitu PT. Berdikari Insurance yang terdaftar di Otoritas Jasa Keuangan (OJK). C. Desain Penelitian Desain Penelitian dari penelitian ini merupakan penelitian kausal yang bertujuan untuk menguji hipotesis tentang pengaruh satu atau beberapa variabel bebas (independent variable) terhadap variabel terikat (dependent variable). D. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat kuantitatif diperoleh dari perusahaan yang menjadi objek penelitian. E. Definisi dan Operasionalis Variabel Menurut Sugiyono (2013:3) Variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Ada dua variabel yang digunakan dalam penelitian ini, yaitu variabel independen atau variabel bebas yang selanjutnya dinyatakan dengan simbol X dan variabel dependen atau variabel tidak bebas yang selanjutnya dinyatakan dengan simbol Y.
29
30
1. Variabel Bebas (X) Variabel bebas merupakan variabel yang diduga mempengaruhi variabel terikat. Variabel bebas yang digunakan dalam penelitian ini meliputi: a. Perputaran Modal Kerja (X1) Variabel perputaran modal kerja dalam penelitian ini diukur berdasarkan perbandingan penjualan dengan modal kerja bersih. Rasio ini merupakan salah satu rasio untuk mengukur atau menilai keefektifan modal kerja perusahaan selama periode tertentu. Artinya seberapa banyak modal kerja berputar selama suatu periode atau dalam suatu periode. Untuk mengukur besarnya perputaran modal kerja menggunakan formula : Penjualan WCT = ------------------------------------Aktiva Lancar – Utang Lancar
(10)
b. Likuiditas (X2) Variabel likuiditas dalam penelitian ini diukur berdasarkan perbandingan kekayaan lancar dengan kewajiban lancar dengan current ratio Rasio ini menunjukkan kemampuan perusahaan memenuhi kewajiban jangka pendeknya dengan menggunakan kekayaan lancarnya. Indikatorindikator dari likuiditas adalah sebagai berikut : 1) Kekayaan Lancar Kekayaan lancar bersumber dari semua kegiatan perusahaan termasuk kegiatan usaha dengan prinsip syariah dan produk asuransi yang dikaitkan dengan investasi. Pos-pos neraca yang masuk ke dalam
31
perkiraan kekayaan lancar adalah investasi , pinjaman, kas dan bank, dan tagihan – tagihan, dimana jangka waktu kekayaan lancar paling lama adalah satu tahun. 2) Kewajiban Lancar Kewajiban lancar adalah kewajiban keuangan perusahaan yang pelunasannya atau pembayarannya akan dilakukan dalam jangka pendek (satu tahun sejak tanggal neraca). Pos-pos neraca yang masuk ke dalam perkiraan kewajiban lancar adalah cadangan teknis yang terdiri dari cadangan premi, cadangan atas premi yang belum merupakan pendapatan dan cadangan klaim. Untuk mengukur besarnya likuiditas digunakan formula : Current Ratio =
Aktiva Lancar --------------------- x 100% Utang Lancar)
(11)
c. Solvabilitas (X3) Variabel solvabilitas dalam penelitian ini diukur dengan Risk Based Capital (RBC) merupakan salah satu metode yang digunakan untuk menentukan besarnya Batas Tingkat Solvabilitas (BTS) yang dicapai oleh suatu Perusahaan. Formula Risk Based Capital adalah sebagai berikut : 1. Tingkat Solvabilitas = Kekayaan yang diperkenankan – Liabilitas (12) 2. Rasio Pencapaian Solvabilitas = Tingkat Solvabilitas ------------------------ x 100% MMBR dimana : MMBR = Modal Minimum Berbasis Risiko
(13)
32
Berdasarkan Peraturan Ketua BAPEPAM dan LK Nomor PER08/LB/2012 tentang perhitungan Modal Minimum Berbasis Risiko (MMBR) terdiri dari tujuh schedule, yaitu : 1. Schedule A – Kegagalan pengelolaan aset 2. Schedule B – Ketidakseimbangan antara proyeksi arus kas dan liabilitas 3. Schedule C – Ketidakseimbangan antara nilai aset dan liabilitas dalam setiap jenis mata uang asing 4. Schedule D – Perbedaan antara Beban Klaim yang terjadi dan Beban Klaim yang diperkirakan 5. Schedule E – Ketidakcukupan Premi akibat perbedaan hasil investasi 6. Schedule F – Risiko Reasuransi 7. Schedule G – Risiko Operasional 2. Variabel Terikat (Y) Variabel terikat merupakan variabel yang dipengaruhi oleh variabel bebas. Variabel terikat dalam penelitian ini adalah profitabilitas yang diwakili oleh Net Profit Margin (NPM), Return On Investment (ROI) dan Return On Equity (ROE). Return On Investment merupakan rasio yang digunakan untuk membandingkan hasil usaha yang diperoleh dari operasi perusahaan (Net Operating Income) dengan jumlah investasi atau aktiva yang digunakan untuk menghasilkan keuntungan tersebut. a. Indikator-indokator Net Profit Margin adalah sebagai berikut : 1) Laba setelah pajak 2) Penjualan
33
b. Indikator-indikator Return On Investment sebagai berikut : 1) Laba setelah pajak 2) Total Aktiva c. Indikator-indikator Return On Equity sebagai berikut : 1) Laba setelah pajak 2) Modal (Equity) F. Teknik Pengumpulan Data Data yang diperlukan dalam penelitian ini dikumpulkan dengan menggunakan teknik dokumentasi atau arsip. G. Metode Analisis 1. Statistik Deskriptif Penelitian ini menggunakan statistik deskriptif dimana data yang diperoleh dilapangan diolah sedemikian rupa sehingga memberikan data yang sistematis, faktual dan akurat mengenai permasalahan yang akan diteliti. Teknik analisis deskriptif yang digunakan untuk menganalisa data yaitu dengan cara : a. Rasio Perputaran Modal Kerja b. Rasio Likuiditas c. Rasio Solvabilitas d. Rasio Profitabilitas Statistik deskriptif memberikan gambaran atau untuk menjelaskan kelompok data yang didasarkan atas :
34
1) Ukuran pemusatan data (mean) Mean merupakan teknik penjelasan kelompok yang didasarkan atas nilai rata-rata dari kelompok tersebut. Rata-rata (mean) ini didapat dengan menjumlahkan data seluruh individu kelompok itu, kemudian dibagi dengan jumlah individu yang ada pada kelompok tersebut. Formulasi mean menurut Suharyadi dan Purwanto (2012 : 55) adalah sebagai berikut :
__ Ʃ Xi X = ------n
(14)
2) Ukuran penyebaran data (standar deviasi, range,minimum, maksimum) Standar deviasi adalah sebuah ukuran penyebaran yang menunjukkan standar penyimpangan atau deviasi data terhadap nilai rata-ratanya. Formulasi standar deviasi populasi menurut Suharyadi dan Purwanto (2012 : 108) adalah sebagai berikut:
(15) Range atau jarak adalah perbedaan antara nilai tertinggi (maksimum) dengan nilai terendah (minimum) dalam suatu kelompok data baik data populasi atau sampel. Semakin kecil ukuran jarak menunjukkan karakter yang lebih baik, karena berarti data mendekati nilai pusat dan kompak.
35
2. Uji Analisis Regresi Linier Berganda Penelitian ini menggunakan metode regresi linier berganda untuk mengetahui hubungan antara satu variabel terikat (Y) dengan beberapa variabel bebas (X). Dengan analisa regresi linier berganda, akan diketahui variabel bebas yang benar-benar signifikan memengaruhi variabel terikat. Dengan demikian, akan diketahui pengaruh variabel perputaran modal kerja, likuiditas, solvabilitas dan ketiga variabel tersebut secara simultan terhadap profitabilitas pada PT. Berdikari Insurance periode waktu 2010 sampai dengan 2014. Formulasi persamaan regresi berganda menurut Sugiyono (2013 : 275) adalah sebagai berikut : Y = a + b1 X1 + b2X2 + b3 X3+ e dimana : Y : Net Profit Margin / Return on Investment / Return on Equity a : Intersep b1 : Koefisien regresi X1 terhadap Y b2 : Koefisien regresi X2 terhadap Y b3 : Koefisien regresi X3 terhadap Y X1 : Perputaran Modal Kerja X2 : Likuiditas X3 : Solvabilitas e
: error / residu
(16)
36
a. Koefisien Determinasi (R²) Koefisien Determinasi adalah perangkat yang mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat (Ghozali, 2011:97). Formula menghitung koefisien determinasi menurut Suharyadi dan Purwanto (2013 : 163) adalah sebagai berikut:
R
2
[nƩ XY – (Ʃ X) (Ʃ Y)]2 = -------------------------------------------------[n(Ʃ X2) - (Ʃ X)2 ] [n (Ʃ Y2) – (Ʃ Y)2]
(17)
Nilai koefisien determinasi adalah di antara nol (0) dan satu (1). Nilai R² yang kecil berarti kemampuan variabel-variabel bebas dalam menjelaskan variasi variabel terikat amat terbatas. Nilai yang mendekati satu berarti variabel-variabel bebas memberikan hampir semua informasi dibutuhkan untuk memprediksi variasi variabel bebas. Secara umum koefisien determinasi untuk data silang (crossection) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan data runtun waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi. b. Uji Hipotesis Menurut Kuncoro (2013:59), hipotesis adalah penjelasan sementara tentang perilaku, fenomena atau keadaan tertentu yang telah terjadi atau akan terjadi. Hipotesis merupakan pernyataan peneliti tentang hubungan antara variabel-variabel dalam penelitian, serta merupakan pernyataan yang paling spesifik.
37
Menurut Sunyoto (2009:93) bahwa hipotesis pada dasarnya merupakan suatu proporsi atau tanggapan yang sering digunakan sebagai dasar pembuatan keputusan/solusi persoalan dan juga untuk dasar penelitian lebih lanjut. Anggapan/asumsi dari suatu hipotesis dapat merupakan data, tetapi kemungkinan dapat salah. Untuk dapat diuji, satu hipotesis haruslah dinyatakan secara kuantitatif.
Hipotesis statistik adalah suatu pernyataan mengenai
bentuk fungsi suatu variabel (binomial, poisson atau normal) atau tentang nilai sebenarnya suatu parameter. Pengujian hipotesis statistik adalah prosedur yang memungkinkan keputusan dapat dibuat, yaitu keputusan untuk menolak atau menerima hipotesis, digunakan data yang sedang diuji. Dalam menerima / menolak suatu hipotesis yang diuji, ada satu hal yang harus dipahami, bahwa penolakan suatu hipotesis berarti menyimpulkan bahwa hipotesis itu salah, sedangkan menerima hipotesis
semata-mata
mengimplikasikan
bahwa
kita
tidak
mempunyai bukti untuk memercayai. Hipotesis yang dirumuskan dengan harapan akan ditolak, membawa pengguna istilah hipotesis nihil (H0), yang mengakibatkan penerimaan suatu hipotesis alternatif (Ha, H1, atau Hi). Hipotesis yang dinyatakan dengan formulasi yang baik, akan dapat diuji melalui uji hipotesis. Berdasarkan data yang dikumpulkan, dapat dilakukan uji hipotesis sehingga dapat diketahui apakah
38
hipotesis yang telah disusun dapat diterima atau ditolak. Menurut Neuman yang dikutip oleh Kuncoro (2013:62) bahwa terdapat dua macam cara pengujian hipotesis : cara langsung dan cara hipotesis nol. Dalam penelitian ini menggunakan cara hipotesis nol yang diuji dengan menggunakan Uji Signifikansi Simultan (uji F) dan Uji Signifikansi Individual (uji t). 1) Uji Signifikansi Simultan (Uji F) Menurut Ghozali (2011:98), bahwa Uji F adalah uji yang menunjukkan apakah semua variabel independen atau variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat. Hipotesis nol (H0) yang hendak apakah semua parameter dalam model sama dengan nol, atau : H0 : b1= b2 = 0
(18)
Artinya, apakah semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya (Hₐ) tidak semua parameter secara simultan sama dengan nol, atau : Ha : b 1 ≠ b 2 ≠ 0
(19)
Artinya, merupakan penjelas yang signifikan terhadap variabel bebas. Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusan sebagai berikut :
39
a) Quick look : bila nilai lebih besar F maka H0 dapat ditolak pada derajat kepercayaan 5%. Dengan kata lain kita menerima hipotesis alternatif, yang menyatakan bahwa semua variabel bebas secara serentak dan signifikan mempengaruhi variabel terikat. b) Membandingkan nilai F hasil perhitungan dengan F menurut tabel. Bila nilai F hitung lebih besar daripada nilai F tabel, maka H0 ditolak dan menerima Hₐ. Formula yang digunakan untuk uji F menurut Riduwan dan Sunarto (2009 : 110) adalah sebagai berikut : R2 (n – m -1) F = -----------------------m (1 – R2 )
(20)
dimana : F = Besarnya hasil uji koefisien secara simultan; R² = Koefisien determinasi K = Jumlah variabel bebas n
= Banyaknya data
2) Uji Signifikansi Individual (Uji t) Menurut Ghozali (2011:98), bahwa Uji t adalah uji yang menunjukkan seberapa jauh pengaruh satu variabel penjelas/ independen secara individual dalam menerangkan variasi apakah suatu parameter (bi) sama dengan nol, atau : H0 : b i = 0
(21)
40
Artinya, apakah suatu variabel bebas bukan merupakan penjelas yang signifikan terhadap variabel terikat. Hipotesis alternatifnya (Hₐ) paremeter suatu variabel tidak sama dengan nol, atau : Ha : b i ≠ 0
(22)
Artinya, variabel bebas merupakan penjelas yang signifikan terhadap variabel terikat apakah suatu variabel bebas bukan merupakan penjelas yang signifikan terhadap variabel terikat. Cara melakukan uji t adalah sebagai berikut : a) Quick look : bila jumlah degree of freedom (df) adalah 20 atau lebih, dan derajat kepercayaan 5%, maka H0 yang menyatakan bi = 0 dapat ditolak bila nilai t lebih besar dari 2 (dalam nilai absolut). Dengan kata lain kita menerima hipotesis alternatif, yang menyatakan bahwa suatu variabel bebas secara individual mempengaruhi variabel bebas. b) Membandingkan nilai-nilai statistik t dengan titik kritis menurut tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan nilai t tabel, kita menerima hipotesis alternatif yang menyatakan bahwa suatu variabel bebas secara individual mempengaruhi variabel terikat. Formulasi yang digunakan untuk uji t menurut adalah sebagai berikut : bn t = -----Sbn dimana :
(23)
41
bn = koefiesien regresi ke-n Sbn = Standard error dari koefisien regresi ke-n 3. Uji Asumsi Klasik a. Uji Multikolinieritas Menurut Ghozali (2011:105) bahwa uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independent). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Jika variabel indenpenden saling berkorelasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel bebas sama dengan nol. Untuk mendetekasi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut : 1) Nilai R² yang dihasilkan oleh suatu estimasi model empiris sangat tinggi, tetapi secara individual variabel-variabel bebas banyak yang tidak signifikan mempengaruhi variabel terikat. 2) Menganalisis matrik korelasi variabel-variabel yang cukup tinggi (umumnya di atas 0,09), maka hal ini merupakan indikasi adanya multikolinieritas. Tidak adanya korelasi yang tinggi antar variabel bebas tidak berarti bebas dari multikolinieritas. Multikolinieritas dapat disebabkan karena adanya efek kombinasi duda atau lebih variabel bebas. 3) Multikolinieritas dapat juga dilihat dari (1) nilai tolerance dan lawannya; (2) Variance Inflation Factor (VIF). Kedua ukuran ini
42
menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/Tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai Tolerance < 0.10 atau sama dengan nilai VIF > 10. b. Uji Heteroskedastisitas Menurut Ghozali (2011:139) bahwa uji Heteroskedastisitas bertujuan menguji dalam modal regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan
ke
pengamatan
lainnya
tetap,
maka
disebut Homoskedastisitas dan jika berbeda Heteroskedastisitas atau tidak terjadi Heteroskedastisitas. Jika residualnya mempunyai varians yang sama disebut terjadi Homoskedastisitas, dan jika variansnya tidak sama / berbeda disebut terjadi heteroskedastisitas. Analisis uji asumsi heteroskedastisitas hasil output SPSS dengan melihat
grafik scatterplot antara nilai prediksi variabel terikat
Zprediction (ZPRED) yang merupakan variabel bebas (sumbu X = Y hasil prediksi) dan nilai residualnya (SRESID) merupakan variabel terikat (Y = Y prediksi – Y sesungguhnya). Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED.
43
Homoskedastisitas terjadi jika pada scatterplot titik-titik hasil pengolahan data antara ZPRED dan SRESID menyebar di bawah ataupun di atas titik origin (angka 0) pada sumbu Y dan tidak mempunyai pola yang teratur. Heteroskedastitsitas terjadi jika pada scatterplot titiktitiknya mempunyai pola teratur, baik menyempit, melebar maupun bergelombang. c. Uji Autokorelasi Menurut (Ghozali 2011:110) uji autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi linier 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. Salah satu ukuran dalam menentukan ada tidaknya masalah autokorelasi dengan uji Durbin-Watson (DW). Pengambilan keputusan ada tidaknya korelasi adalah sebagai berikut : TABEL 3.1 PENGAMBILAN KEPUTUSAN DURBIN WATSON Hipotesis nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 < d < dl Tidak ada autokorelasi positif No Decision dl ≤ d ≤ du Tidak ada korelasi negatif Tolak 4 – dl < d < 4 Tidak ada korelasi negatif No Decision 4-du ≤ d ≤ 4 - dl Tidak ada autokorelasi, positif Tidak ditolak du < d < 4-du atau negatif Sumber : Aplikasi Analisis Multivariate dengan program IBM SPSS 19