BAB III METODE PENELITIAN

36

BAB III METODE PENELITIAN

A. Waktu dan Tempat Penelitian Penelitian dilakukan pada laporan keuangan perusahaan pertambangan yang terdaftar pada BEI (Bursa Efek Indonesia) dan diperoleh dari Pusat Riset Pasar Modal PT BEI. Penelitian dilakukan secara tidak langsung untuk mendapatkan laporan keuangan tahunan selama tiga periode yaitu dari tahun 2013 hingga tahun 2015.

B. Desain Penelitian Metode penelitian yang digunakan adalah penelitian klausal. Analisis klausal menjelaskan suatu variabel berpengaruh terhadap perubahan pada variable lainnya. Analisis ini menggambarkan bagaimana variabel independen yang terdiri dari Working Capital to Total Asset, Current Liability to Inventory, Operating Income to Total Liability, Total Asset Turnover, Net Profit Margin dan Gross Profit

Margin

memiliki

pengaruh

terhadap

variabel

dependen

berupa

Pertumbuhan Laba.

C. Definisi dan Operasionalisasi Variabel 1. Variabel Dependen Variabel dependen dalam penelitian ini adalah pertumbuhan laba. Pertumbuhan laba merupakan rasio yang menunjukkan kemampuan

http://digilib.mercubuana.ac.id/z

37

perusahaan meningkatkan laba bersih dibanding tahun sebelumnya. Laba yang digunakan adalah laba setelah pajak (earning after tax). Pertumbuhan laba dirumuskan sebagai berikut (Harahap, 2011) (Yit - Yit-1) ∆Yi

= Yit-1

t

∆Yit

= pertumbuhan laba pada periode t

Yit

= laba perusahaan i pada periode t

Yit-1

= laba perusahaan i pada periode t-1

2. Variabel Independen a. Working Capital to Total Asset (WCTA) WCTA merupakan salah satu rasio likuiditas yang menunjukkan kemampuan perusahaan dalam menggunakan asset lancar perusahaan, sehingga dapat membayar utang jangka pendeknya tepat waktu (Hapsari 2007). Working Capital to Total Asset (WCTA) adalah perbandingan antara asset lancar dikurangi utang lancar terhadap total asset. WCTA dapat dirumuskan sebagai berikut:

b. Current Liabilities to Inventory (CLI) CLI

merupakan

salah

satu

rasio

solvabilitas/leverage

yang

menunjukkan kemampuan perusahaan untuk memenuhi kewajiban


38

jangka panjangnya (Hapsari, 2007). CLI dapat dirumuskan sebagai berikut:

c. Operating Income to Total Liabilities (OITL) Hapsari (2007) menyatakan bahwa OITL merupakan rasio solvabilitas / leverage. OITL dapat dirumuskan sebagai berikut:

d. Total Asset Turnover (TAT) Menurut Cahyaningrum (2012), TAT adalah salah satu rasio profitabilitas yang menunjukkan efisiensi penggunaan seluruh asset (total assets) perusahaan untuk menunjang penjualan (sales). TAT dapat dirumuskan sebagai berikut:

e. Net Profit Margin (NPM) Menurut Sholiha (2014), NPM menunjukkan kemampuan perusahaan dalam menghasilkan pendapatan bersihnya terhadap total penjualan bersih. NPM dapat dirumuskan sebagai berikut:


39

f. Gross Profit Margin (GPM) Haikal (2014) menyatakan bahwa GPM rasio profitabilitas yang menunjukkan tingkat kembalian pendapatan kotor terhadap penjualan bersih. GPM dapat dirumuskan sebagai berikut:

3. Operasional Variabel dan Skala Pengukuran Ringkasan definisi dan operasional variabel dari penelitian ini dapat dilihat pada tabel 3.1 sebagai berikut :


40

Tabel 3.1 Operasional Variabel dan Skala Pengukuran No 1

Variabel Pertumbuhan Laba (∆Y)

Indikator (Yit - Yit-1) ∆Yi t

2

3

4

5

6

7

Skala Rasio

= Yit-1

Working Capital to Total Asset (X1)

Rasio

Current Liabilities to Inventory (X2)

Rasio

Operating Income to Total Liabilities (X3)

Rasio

Total Asset Turnover (X4)

Rasio

Net Profit Margin (X5)

Rasio

Gross Profit Margin (X6)

Rasio

Sumber : Data Sekunder Diolah (2016)

D. Populasi dan Sampel Penelitian 1. Populasi Populasi yang digunakan untuk penelitian ini adalah seluruh perusahaan pertambangan yang terdaftar di BEJ sejak tahun 2013 sampai dengan 2015.


41

2. Sampel Penelitian Pemilihan sampel ditentukan secara purposive sampling dengan tujuan untuk mendapatkan sampel yang representatif sesuai dengan kriteria yang ditentukan. Kriteria untuk dipilih menjadi sampel adalah : a. Perusahaan pertambangan yang terdaftar di BEJ dan konsisten ada selama periode penelitian (tahun 2013 sampai dengan 2015). b. Perusahaan yang menghasilkan laba selama periode 2013 sampai dengan 2015. Sampel yang terpilih berdasarkan kriteria pemilihan dapat dilihat pada tabel berikut: Tabel 3.2 Proses Pemilihan Sample Penelitian No

Keterangan

Jumlah Perusahaan

1

Perusahaan Pertambangan yang terdaftar di Bursa Efek Indonesia (BEI) dan bertahan selama periode penelitian.

2

Perusahaan yang baru IPO tahun 2015

3

Perusahaan yang mengalami kerugian selama periode penelitian. Jumlah Sampel Penelitian Sumber : Indonesia Capital Market Directory (ICMD) 2013-2015


43 (1) (26)

16

42

E. Teknik Pengumpulan data Data dalam penelitian ini

diperoleh dengan

menggunakan metode

dokumentasi yaitu pengumpulan data dengan cara mengumpulkan data sekunder dari laporan keuangan yang telah dipublikasikan di BEJ. Laporan keuangan perusahaan tercantum dalam ICMD 2013, ICMD 2014, dan ICMD 2015.

F. Metode Analisis 1. Metode Analisis Regresi Berganda Penelitian ini menggunakan analisis regresi berganda (Multiple Regression Analysis). Analisis regresi linier berganda ini digunakan untuk menguji pengaruh rasio keuangan terhadap pertumbuhan laba. Model dalam penelitian ini adalah : Yt = a + b1 X1 + b2 X2 + b3 X3 + b4 X4 + b5 X5 + b6 X6 + e Dimana : Yt = Pertumbuhan laba a

= Koefisien konstanta

b

= Koefisien regresi dari masing-masing variabel

X1 = WCTA X2 = CLI X3 = OITL X4 = TAT X5 = NPM X6 = GPM


43

e

= koefisien error (variabel pengganggu)

2. Uji Asumsi Klasik a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen mempunyai distribusi normal atau tidak. Model regresi yang baik, memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi normalitas dapat dilakukan dengan uji statistik. Test statistik yang digunakan antara lain: analisis grafik histogram, normal probability plots dan Kolmogorov Smirnov test (Ghozali, 2013). Pengujian normalitas ini dapat dilakukan melalui analisis grafik dan analisis statistik. 1) Analisis Grafik Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal. Namun demikian, hanya dengan melihat histogram, hal ini dapat membingungkan, khususnya untuk jumlah sampel yang kecil. Metode lain yang dapat digunakan adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Dasar pengambilan keputusan dari analisis normal probability plot adalah sebagai berikut:


44

a) Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. b) Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. 2) Analisis Statistik Untuk mendeteksi normalitas data dapat dilakukan pula melalui analisis statistik yang salah satunya dapat dilihat melalui KolmogorovSmirnov test (K-S). Uji K-S dilakukan dengan membuat hipotesis: Ho = Data residual terdistribusi normal Ha = Data residual tidak terdistribusi normal Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut: a) Apabila probabilitas nilai Z uji K-S signifikan secara statistik maka Ho ditolak, yang berarti data terdistibusi tidak normal. b) Apabila probabilitas nilai Z uji K-S tidak signifikan statistik maka Ho diterima, yang berarti data terdistibusi normal.

b. Uji Multikolinearitas Menurut Ghozali (2013), uji ini digunakan untuk mengetahui apakah terdapat korelasi di antara variabel-variabel independen dalam model regresi tersebut. Model regresi yang baik seharusnya tidak terjadi korelasi


45

diantara variabel independen. Jika terdapat korelasi antara variabel independen, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen adalah nol. Untuk mendeteksi ada tidaknya multikoliniearitas dalam model regresi dapat dilihat dari tolerance value atau variance inflation factor (VIF). Sebagai dasar acuannya dapat disimpulkan: 1) Jika nilai tolerance > 0,1 dan nilai VIF < 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi. 2) Jika nilai tolerance < 0,1 dan nilai VIF > 10, maka dapat disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.

c. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka ada masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu dengan yang lain. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya, biasanya dijumpai pada data deret waktu (time series). Konsekuensi adanya autokorelasi dalam model regresi adalah

variance

sample

tidak

dapat


menggambarkan

variance

46

populasinya, sehingga model regresi yang dihasilkan tidak dapat digunakan untuk menaksir nilai variabel dependen pada nilai independen tertentu (Ghozali, 2013). Untuk mendeteksi autokorelasi, dapat dilakukan uji statistik melalui uji Durbin-Watson (DW test) (Algifari, 2000). Dasar pengambilan keputusan ada tidaknya autokorelasi adalah: Tabel 3.3 Autokorelasi Hipotesis Nol Tidak ada autokorelasi positif

Keputusan Tolak

Jika 0 < d < dl

Tidak ada autokorelasi positif

No decision

dl ≤ d ≤ du

Tidak ada korelasi negatif

Tolak

4 – dl < d< 4

Tidak ada korelasi korelasi

No decision

4 – du ≤ d ≤ 4 – dl

Tidak ada autokorelasi, positif atau negatif Tidak ditolak du < d < 4-dl Sumber : Ghozali (2013)

d. Uji Heteroskedastisitas Uji ini bertujuan untuk 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

homokedastisitas dan jika berbeda disebut

Heteroskedastisitas. Model regresi yang baik adalah yang homokedasitas atau

tidak

terjadi

heteroskedastisitas.

Untuk

mendeteksi

adanya

heteroskedastisitas dilakukan dengan melihat grafik plot antara nilai


47

prediksi variabel terikat (ZPRED) dengan residualnya (SRESID). Dasar analisisnya: 1) Jika ada pola tertentu ,seperti titik –titik yang membentuk suatu pola tertentu, yang teratur (bergelombang, melebar, kemudian menyempit),

maka

mengindikasikan

telah

terjadi

heteroskedastisitas. 2) Jika tidak ada pola tertentu serta titik–titik menyebar diatas dan dibawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas. Analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting. Semakin

sedikit

jumlah

pengamatan,

semakin

sulit

untuk

mengintepretasikan hasil grafik plot. Uji glejser mengusulkan untuk meregres nilai absolute residual terhadap variabel independen. Jika variabel independen signifikan secara statistic mempengaruhi variabel dependen, maka indikasi terjadi Heteroskedastisitas. Apabila probabilitas signifikansi variabel penelitian diatas tingkat 5% maka dapat disimpulkan bahwa model regresi tidak mengandung heteroskedastisitas.

G. Pengujian Hipotesis Setelah melakukan pengujian normalitas dan pengujian atas asumsi-asumsi klasik, langkah selanjutnya yaitu melakukan pengujian atas hipotesis 1 (H1)


48

sampai dengan hipotesis 6 (H6). Pengujian tingkat penting (Test of significance) ini merupakan suatu prosedur dimana hasil sampel digunakan untuk menguji kebenaran suatu hipotesis dengan alat analisis yaitu uji t, uji F dan nilai koefisien determinansi (R2). Perhitungan statistik disebut signifikan secara statistik, apabila uji nilai statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak). Sebaliknya, disebut tidak signifikan bila uji nilai statistiknya berada dalam daerah dimana Ho diterima.

1. Koefisien Determinasi (R2) Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variabel dependen. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen, terbatas. Sebaliknya, nilai R2 yang mendekati satu menandakan variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan oleh variabel dependen (Ghozali, 2013). Nilai yang digunakan adalah adjusted R2 karena variabel independen yang digunakan dalam penelitian ini lebih dari dua buah.

2. Uji Statistik F Menurut Ghozali (2013) Uji F digunakan untuk menunjukkan apakah sebuah variabel bebas yang dimaksudkan pada model memiliki pengaruh secara simultan terhadap variabel dependen.


49

Pengujian dilakukan dengan menggunakan significance level 0,05 (ɑ =5%). Hipotesis yang hendak diuji adalah (Ghozali, 2013) a. Ho : β1, β2 = 0, artinya semua variabel independen tidak mepunyai pengaruh yang dignifikan terhadap variabel dependen. b. Ha : β1, β2 > 0, artinya semua variabel independen mempunyai pengaruh yang signifikan terhadap variabel dependen. Pengujian hipotesis ini menggunakan statistik F dengan criteria pengambilan keputusan sebagai berikut: a. Jika probabilitas (sig F) > ɑ (0,05) maka Ho diterima, artinya tidak ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen. b. Jika probabilitas (sig F) < ɑ (0,05) maka Ho ditolak, artinya ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen. c. Bila F hitung < F tabel, variabel independen secara bersama-sama tidak berpengaruh terhadap variabel dependen. d. Bila F hitung > F tabel, variabel independen secara bersama-sama berpengaruh terhadap variabel dependen.

3. Uji Statistik t Menurut Ghozali (2013) uji t digunakan menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan


50

variabel dependen. Penerimaan atau penolakan hipotesis dilakukan dengan kriteria sebagai berikut: a. Apabila nilai signifikan > 0,05 maka hipotesis ditolak (koefisien regresi tidak signifikan). Ini berarti bahwa secara parsial variabel independen yang terdiri dari working capital to total asset, current liability to inventory, operating income to total liability, total asset turnover, net profit margin dan gross profit margin tidak mempunyai pengaruh yang signifikan terhadap variabel dependen (pertumbuhan laba) b. Apabila nilai signifikan ≤ 0,05 maka hipotesis diterima (koefisien regresi signifikan). Ini berarti bahwa secara parsial variabel independen yang terdiri dari working capital to total asset, current liability to inventory, operating income to total liability, total asset turnover, net profit margin dan gross profit margin mempunyai pengaruh yang signifikan terhadap variabel dependen (pertumbuhan laba) c. Jika t hitung > t tabel maka variabel independen secara individu berpengaruh terhadap variabel dependen. d. Jika t hitung < t tabel maka variabel independen secara individu tidak berpengaruh terhadap variabel dependen.


BAB III METODE PENELITIAN

Recommend Documents