BAB III METODE PENELITIAN
3.1.
Gambaran Umum Objek Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder berupa data
publikasi dalam bentuk yang sudah jadi. Data tersebut sudah dikumpulkan oleh pihak lain dan sumber data diperoleh dari Indonesian Capital Market Directory (ICMD), laporan keuangan audit akhir tahun Perusahaan Semen tahun 2003 - 2012 dan harga serta volume perdagangan saham setelah 3 (tiga) bulan berdasarkan surat keputusan BAPEPAM Nomor: Kep-36/PM/2003, selambat-lambatnya pada akhir bulan ketiga yaitu 90 (sembilan puluh) hari setelah tanggal penutupan laporan keuangan tahunan. Pembaruan keputusan tersebut untuk memberikan informasi yang lebih cepat dan akurat kepada investor mengenai kondisi Emiten atau Perusahaan publik serta dalam rangka mengikuti Pasar modal global. Oleh karena itu tepat waktu merupakan suatu keharusan dalam publikasi laporan keuangan sehingga ada jaminan tentang relevansi informasi yang bersangkutan. Kemudian data harga dan volume perdagangan saham diambil dari awal bulan April sampai akhir bulan Mei tahun 2004- 2013 sebelum publikasi laporan keuangan triwulan I tahun selanjutnya.
56
57
3.2.
Lokasi Penelitian Lokasi penelitian yang digunakan sebagai tempat penulis mengadakan
penelitian untuk mengumpulkan data dalam penyusunan skripsi ini adalah di Galeri Investasi Fakultas Ekonomi dan Bisnis Universitas Mercu Buana yang bekerjasama dengan PT. Bursa Efek Indonesia (BEI), PT. Valbury Asia Securities (VAS) dan PT. Indonesian Market Quotes (IMQ), berlokasi di Gedung A Lt.2 Universitas Mercu Buana, Jl. Raya Meruya Selatan, Kembangan Jakarta Barat 11650.
3.3.
Desain Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah metode
penelitian deskriptif kausal (descriptive causal research). Metode secara deskriptif ini digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku umum atau generalisasi. (Sugiyono, 2008: 206). Adapun penelitian ini menggunakan deskriptif dengan diagram batang, agar dapat mengetahui perkembangan baik kenaikan maupun penurunan pada setiap variabel. Sedangkan secara klausal ini berguna untuk mengetahui pengaruh variabel bebas (independent variable) yaitu Total asset Turn Over (TATO), Return On Asset (ROA) dan Return On Equity (ROE) terhadap variabel terikat (dependent variable) yaitu Accumulation Distribution Line (ACDL). Dalam penelitian ini menggunakan data panel yang mengabungkan data time series dan cross section dengan analisa regresi linear berganda serta pengujiannya menggunakan analisis ekonometrika dan statistika.
58
3.4.
Hipotesis Penelitian Berdasarkan kerangka pemikiran pada bab II yaitu Landasan teori, maka
Hipotesis yang diteliti oleh penulis adalah sebagai berikut : Ha1 : Terdapat pengaruh yang signifikan Total asset Turn Over (TATO, Return On Asset (ROA) dan Return On Equity (ROE) terhadap Accumulation Distribution Line (ACDL). Ha2 : Terdapat pengaruh yang signifikan Total asset Turn Over (TATO) terhadap Accumulation Distribution Line (ACDL). Ha3 : Terdapat pengaruh yang signifikan Return On Asset (ROA) terhadap Accumulation Distribution Line (ACDL). Ha4 : Terdapat pengaruh yang signifikan Return On Equity (ROE) terhadap Accumulation Distribution Line (ACDL). 3.5.
Variabel dan Skala Pengukuran Berdasarkan masalah yang akan dianalisis pada penelitian ini, terdapat dua
jenis variabel, yaitu variabel bebas (independent variable) dan variabel terikat (dependent variable). Variabel bebas adalah variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel terikat. Sedangkan variabel terikat adalah variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel bebas. (Sugiyono, 2006). Berdasarkan hipotesis, variabel penelitian dapat dikelompokkan sebagai berikut:
59
a.
Variabel bebas (independent variable = X) yang digunakan dalam penelitian
ini terdiri dari : 1. Total asset Turn Over (TATO) Total asset Turn Over yang dimaksud pada penelitian ini adalah penjualan dibagi dengan total aktiva yang nantinya akan dijadikan data dalam melakukan regresi yang diukur dengan skala rasio. 2. Return On Asset (ROA) Return On Asset yang dimaksud pada penelitian ini adalah laba bersih dibagi dengan total aktiva yang nantinya akan dijadikan data dalam melakukan regresi yang diukur dengan skala rasio. 3. Return On Equity (ROE) Return On Equity yang dimaksud pada penelitian ini adalah laba bersih dibagi dengan total modal/ ekuitas yang nantinya akan dijadikan data dalam melakukan regresi yang diukur dengan skala rasio
b. Variabel terikat (Dependent Variable = Y) Variabel dependen adalah variabel yang tidak bisa berdiri sendiri, dalam penelitian ini variabel dependen adalah Accumulation Distribution Line (ACDL) dengan mengakumulasi harga dan volume perdagangan saham PT. Indocement Tunggal Prakasa Tbk, PT. Holcim Indonesia Tbk, dan PT. Semen Gresik (Persero) Tbk.
60
1.
Accumulation Distribution Line (ACDL). Accumulation Distribution Line yang digunakan dalam penelitian ini adalah
menentukan dengan harga close, low dan high yang digunakan data harian. Price action adalah posisi harga close terhadap waktu harga yang terjadi selama periode pengamatan. Posisi harga close dalam range harga yang terjadi kemungkinan itu dinamakan Close Location Value (CLV). Nilai CLV akan berkisar antara 1 dan -1 dengan titik tengah 0. CLV dihitung menggunakan formulasi menurut Syamsir (2004 :308) dibawah ini:
CLV
Dimana :
(C L) ( H C ) ( H L)
H
= Harga High pada periode pengamatan
L
= Harga Low pada periode pengamatan
C
= Harga Close pada periode pengamatan
CLV = Close Location Value
Kemudian untuk mengetahui jumlah total aliran dana pada sebuah saham, maka nilai-nilai CLV dan volume transaksi dijumlahkan secara kumulatif. Jumlah total aliran dana ini disebut Accumulation Distribution Line (ACDL). Untuk mendapat gambaran lebih jelas mengenai proses perhitungan pada suatu saham. Accumulation Distribution Line (ACDL) dihitung menggunakan formulasi menurut Syamsir (2004 : 311) dinyatakan dengan persamaan sebagai berikut :
61
ACDL = CLV t X Volume t Dimana :
ACDL
= Accumulation Distribution Line saat ini
CLV t
= CLV pada periode saat ini
Volume t
= Volume pada periode saat ini
Dalam menggunakan formulasi akumulatif menurut Syamsir (2004 : 311) sebagai berikut: ACDL t = Yesterdays ACDL + (CLV t X Volume t) Dimana :
Yesterday ACDL
= ACDL pada periode yang lalu
CLV t
= CLV pada periode saat ini
Volume t
= Volume pada periode saat ini
ACDL t
= Accumulation Distribution Line saat ini
Skala yang digunakan adalah skala rasio untuk variabel independen dan skala interval variabel dependen. Skala rasio mencakup semua ukuran skala nominal, ordinal dan interval ditambah dengan sifat lain dimana ukuran ini mempunyai titik nol. Angka pada skala rasio menunjukkan nilai sebenarnya dari objek yang diukur.
3.6.
Metode Pengumpulan Data Metode pengumpulan data yang digunakan adalah dengan cara penelitian
kepustakaan (library research). Penelitian kepustakaan dilakukan dengan cara mengumpulkan data yang diperlukan melalui sumber-sumber tertulis seperti jurnal,
62
skripsi, buku dan mempelajari modul perkuliahan yang berhubungan dengan masalah yang diteliti. Selain itu penulis menggunakan data sekunder adalah Indonesian Capital Market Directory (ICMD), laporan keuangan audit akhir tahun dan harga serta volume perdagangan saham yang diperoleh di Galeri Investasi Universitas Mercu Buana dan Valbury Asia Securities.
3.7.
Jenis Data Jenis data yang digunakan dalam penelitian ini merupakan data sekunder
berupa data publikasi dalam bentuk yang sudah jadi karena data tersebut sudah dikumpulkan oleh pihak lain dan sumber data diperoleh dari Indonesian Capital Market Directory (ICMD), laporan keuangan audit akhir tahun Perusahaan Semen. Data yang dipergunakan adalah: 1. Data rasio keuangan diperoleh dari Indonesian Capital Market Directory (ICMD) dan laporan keuangan audit akhir tahun. Sumber data : Indonesia Capital Market Directory tahun 2003-2012 dan website: www.idx.co.id 2. Data harga dan volume perdagangan saham setiap hari selama 2 (dua) bulan dari awal bulan April sampai akhir bulan Mei, setelah publikasi laporan keuangan audit akhir tahun Sumber data : Indonesian Market Quotes (IMQ) tahun 2004-2013.
63
3.8.
Populasi dan Sampel Populasi adalah wilayah generalisasi yang terdiri atas objek atau subjek
yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. (Sugiyono, 2008 : 115). Populasi menurut Siagian dan Sugiarto (2006 : 9) adalah keseluruhan unit atau individu dalam ruang lingkup yang ingin diteliti. Sedangkan populasi sampel adalah keseluruhan individu yang akan menjadi unit analisis dan merupakan populasi yang layak serta sesuai dengan kerangka sampelnya untuk dijadikan atau ditarik sebagai sampel penelitian. Adapun kerangka sampel adalah seluruh daftar individu yang berada dalam populasi dan akan diambil sampelnya untuk menjadi unit analisis. Dalam rangka penelitian ini maka yang akan menjadi populasi adalah sekumpulan objek yang akan diteliti oleh peneliti ditujukan pada Perusahaan semen yang tercatat di Bursa Efek Indonesia (BEI) diantaranya PT. Indocement Tunggal Prakasa Tbk, PT. Holcim Indonesia Tbk, PT. Semen Gresik (Persero) Tbk dan PT. Semen Baturaja (Persero) Tbk. Teknik pengambilan sampel dalam penelitian ini adalah judgment sampling yang merupakan bentuk dari convenience sampling (sampling kemudahan), bila ditinjau dari cara-cara pengambilan sampelnya hampir sama dengan purposive sampling dalam teknik yang berdasarkan kreteria yang telah dirumuskan terlebih dahulu oleh peneliti. (Siagian dan Sugiarto, 2006 : 120).
64
Dalam penelitian ini data yang digunakan adalah semua data yang memenuhi kriteria yang telah ditetapkan sebagai berikut: 1. Perusahaan semen diantaranya PT. Indocement Tunggal Prakasa Tbk, PT. Holcim Indonesia Tbk, dan PT. Semen Gresik (Persero) Tbk. Syarat untuk dapat terpilih adalah perusahaan semen yang telah tercatat di Bursa Efek Indonesia (BEI) secara konsisten selama periode penelitian berlangsung tetap tercatat dan termasuk saham aktif diperdagangkan dari tahun 2003 – 2012. 2. Data tentang harga saham dan volume perdagangan saham perusahaan selama masa penelitian tersedia diambil selama 2 (dua) bulan setelah laporan keuangan diaudit dari tahun 2004 – 2013.
Berdasarkan kriteria tersebut diperoleh 3 (tiga) Perusahaan maka daftar perusahaan dalam sampel penelitian dapat dilihat pada Tabel 3.1 Tabel 3.1 Sampel Penelitian NO. 1. 2. 3.
PERUSAHAAN PT. Indocement Tunggal Prakasa Tbk PT. Holcim Indonesia Tbk PT. Semen Gresik (Persero) Tbk
KODE INTP SMCB SMGR
Dalam mengemukakan syarat menetapkan jumlah sampel menurut Roscoe (1975) yang dikutip oleh Sekaran (2006 : 160) yaitu ukuran sampel yang tepat untuk penelitian lebih dari 30 dan kurang dari 500. Adapun yang dikembangkan
65
para ahli secara umum untuk penelitian korelasional agar memperoleh hasil yang baik berjumlah sampel minimal 30, sedangkan penelitian eksperimen minimal 15. 3.9.
Metode Analisis Data Dalam melakukan analisis ekonometrika dan statistika terdapat 3 (tiga) jenis
data yang dapat digunakan yaitu time series, cross section dan panel. Data time series, satu atau lebih variabel akan diamati pada satu unit observasi dalam kurun waktu tertentu, jika memilki periode waktu (t=1,2,..T), sedangkan cross section merupakan amatan dari beberapa unit observasi pada satu titik tertentu (i=1,2,..N). Metode analisis data yang digunakan dalam penelitian ini adalah analisis regresi berganda dengan data panel yang merupakan gabungan data time series dan cross section, dikumpulkan dalam rentang waktu terhadap banyak individu. Penggunaan data panel dalam regresi memiliki beberapa keuntungan menurut Baltagi (2005), diantaranya : 1. Dengan menggabungkan data time series dan cross section, panel penyedian data yang lebih banyak dan informasi yang lebih lengkap serta bervariasi. Dengan demikian akan dihasilkan degree of freedom yang lebih besar dan mampu meningkatkan presisi dari estimasi yang dilakukan. 2. Data panel mampu mengakomodasi tingkat heterogenitas individu-individu yang tidak diobservasi namun dapat mempengaruhi hasil dari permodelan (individual heterogeneity). Hal ini tidak dapat dilakukan oleh studi time series maupun cross section sehingga dapat menyebabkan hasil yang diperoleh melalui kedua studi ini akan menjadi bias.
66
3. Data panel dapat digunakan untuk mempelajari kedinamisan data, artinya dapat digunakan untuk memperoleh informasi bagaimana kondisi individuindividu pada waktu tertentu dibandingkan pada kondisinya pada waktu lainnya. 4. Data panel dapat mengidentifikasikan dan mengukur efek yang tidak dapat ditangkap oleh data cross section murni maupun data time series murni. 5. Data panel memungkinkan untuk membangun dan menguji model yang bersifat lebih rumit dibandingkan data cross section murni maupun data time series murni. 6. Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu karena unit observasi terlalu banyak.
Dalam menganalisis regresi linear berganda memerlukan dipenuhinya berbagai asumsi agar model dapat digunakan sebagai alat prediksi yang baik, namun tidak jarang dari asumsi yang digunakan terjadi masalah dalam modelnya yang
sering
dijumpai
dalam
analisis
regresi
adalah
Multikolineritas,
Heteroskedasitas dan Otokorelasi. (Nachrowi, 2006) Dengan masalah asumsi yang selalu terjadi dalam model, jika menggunakan data panel karena keunggulannya mempelajari lebih kompleks mengenai perilaku yang ada dalam model sehingga pengujian ini tidak memerlukan uji asumsi klasik. (Gujarati, 2006).
67
Ada tiga pendekatan dalam mennganalisis regresi linear berganda dalam data panel menurut Gujarati (2006), diantaranya: 1.
Pooled Least Square (PLS) Pendekatan yang paling sederhana dalam pengolahan data panel adalah dengan menggunakan metode kuadrat terkecil biasa atau sering disebut Pooled Least Square (PLS) yang diterapkan dalam data yang berbentuk pool dengan persamaan sebagai berikut ini: Yit = a + bXit + eit untuk i = 1, 2, . . . , N dan t = 1, 2, . . ., T Dimana :
Yit = variabel endogen Xit = variabel eksogen a = intersep ß = slope i = individu ke-i t = periode waktu ke-t є = error Dari persamaan diatas akan di peroleh parameter a dan ß yang
konstan dan efisien yang melibatkan sebanyak N x T observasi, dimana N menunjukkan jumlah data cross section dan T menunjukkan jumlah data time series. Pada metode ini asumsi yang digunakan menjadi terbatas karena model tersebut mengasumsikan bahwa intersep dan koefisien dari setiap variabel sama untuk setiap individu yang diobservasi.
68
2. Metode Efek Tetap (Fixed Effect) Pendekatan metode kuadrat terkecil adalah adanya asumsi intersep dan slope dari persamaan regresi yang dianggap konstan, baik antar daerah maupun antar waktu yang kurang sesuai dengan tujuan penggunaan data panel. Untuk mengatasi hal ini kita dapat menggunakan pendekatan model efek tetap (fixed effect). Model fixed effect atau Least Square Dummy Variable atau disebut juga Covarians Model adalah model yang dapat digunakan dengan mempertimbangkan bahwa peubah-peubah yang dihilangkan dapat mengakibatkan perubahan dalam intersep-intersep cross section dan time series. Untuk memungkinkan perubahan-perubahan intersep ini, dapat ditambahkan variabel dummy ke dalam model yang selanjutnya akan diduga dengan model OLS (Ordinary Least Square) dengan persamaan sebagai berikut: Yit = ∑ aiDi + ß X it + є it Dimana :
Yit = variabel endogen Xit = variabel eksogen ai = intersep ß = slope D = variabel boneka (dummy) i = individu ke-i t = periode waktu ke-t є = error
69
Pada metode fixed effect estimasi dapat dilakukan dengan tanpa pembobot (no weighted) atau Least Square Dummy (LSD) dan dengan pembobot (cross ection weight) atau General Least Square (GLS). Tujuan dilakukan pembobotan ini adalah untuk mengurangi heterogenitas antar unit cross section. (Gujarati, 2006). 3. Metode Efek Acak (Random Effect) Dalam pendekatan ini perbedaan antar waktu dan antar individu diakomodasi melalui error. Error dalam pendekatan ini terbagi menjadi error untuk komponen individu dan error, error komponen waktu, error gabungan. Pendekatan ini menggunakan metode Generalized Least Square (GLS). Keuntungan random effect model dibandingkan fixed effect model adalah dalam hal derajat kebebasan sehingga tidak perlu dilakukan estimasi terhadap intersept N cross section sebagai berikut:
Yit = a + ß X it + є it ;є it =u i + vi + wit Dimana :
Yit = variabel endogen Xit = variabel eksogen a = intersep ß = slope є = error ui = error cross section vi = error time series wit = error gabungan
70
Peneliti mencoba merepresentasikan beberapa implikasi yang diperoleh dari pengaruh Total asset Turn Over (TATO), Return On Asset (ROA) dan Return On Equity (ROE) terhadap harga dan volume perdagangan saham yang diakumulasi untuk mendapatkan Accumulation Distribution Line (ACDL). Penelitian ini bertujuan mengetahui dan mengevaluasi pengaruh antara beberapa variabel independen dengan variabel dependen serta menguji hipotesis menggunakan analisis regresi linear berganda (multiple regression) yang didalam pengujiannya digunakan ekonometrika dan statistika. Hasil analisis ini akan digunakan sebagai dasar untuk melakukan diskusi hasil penelitian. Metode analisis yang digunakan adalah sebagai berikut :
3.9.1. Uji Statistik Deskriptif Statistik
Deskriptif
membahas
cara-
cara
pengumpulan
data,
penyederhanaan angka- angka pengamatan yang diperoleh (meringkas dan menyajikan) serta melakukan pengukuran pemusatan dan penyebaran untuk memperoleh informasi yang lebih menarik, berguna dan lebih mudah dipahami. Data dapat disajikan mulai dari nilai minimum, maksimum, rata-rata (mean) hingga standar deviasi. (Siagian dan Sugiarto, 2006 : 5). Adapun peneliti juga menyajikan deskriptif dengan grafik batang untuk mengetahui perkembangan dari setiap variabel. Uji rata-rata digunakan untuk menguji apakah mean µ dari data variabel independen dan dependen yang hipotesisnya sebagai berikut:
71
H0 : µ = m H1 : µ ≠ m Bila menentukan deviasi standar, maka EViews akan menghitung nilai t statistik dengan rumus: t= X-m s VN Dimana : X = rata-rata sampel s = deviasi standar sampel N = banyaknya data observasi m = rata-rata Bila data yang dianalisis berdistribusi normal, maka nilai statistik t mengikuti distribusi t dengan derajat kebebasan N- 1. (Winarno, 2009 : 3.14)
3.9.2. Uji Normalitas Uji Normalitas digunakan untuk menguji apakah sebuah model regresi dengan korelogram yang menunjukan distribusi normal dan nilai statistik memiliki statistik Jarque- Bera yang memiliki probabilitas lebih besar daripada 5%. Dengan demikian, model ini dapat digunakan untuk memprediksi variabel independen dan dependen karena menunjukan model cukup baik. Jarque- Bera adalah uji statistik untuk mengetahui apakah data berdistribusi normal. Uji ini mengukur perbedaan skewness dan kurtosis data dibandingkan dengan apabila datanya bersifat normal. Rumus yang digunakan sebagai berikut:
72
Jarque- Bera = N – k 6
S+
(k – 3)2 4
Dimana: S = Skewness k = Kurtosis N = banyaknya data observasi Nilai statistik Jarque- Bera memiliki probabilitas yang jauh lebih besar dari pada 5 %, maka peneliti tidak dapat menolak H0 bahwa data berdistribusi normal. Dengan demikian, model ini cukup baik dapat digunakan untuk memprediksi variabel independen dan dependen. (Winarno, 2009: 8.18).
3.9.3. Uji Model Uji Chow dan Hausman dalam rangka memilih Model data Panel a.
Uji Chow adalah pengujian yang dilakukan untuk mengetahui apakah model yang digunakan adalah pooled least square atau fixed effect. Rumus yang digunakan dalam test ini adalah: CHOW = RRSS – URSS)/ N – 1 URSS / (NT-N-K) Dimana : RRSS = restricted residual sum square URSS = unrestricted residual sum square N
= jumlah data cross section
T
= jumlah data time series
J
= jumlah variabel penjelas
73
H0
= Model menggunakan pendekatan Pool Least Square
H1
= Model menggunakan pendekatan fixed Effect
Dasar penolakan terhadap hipotesis yang diuraikan bahwa pengujian dengan membandingkan perhitungan F statistik dengan F tabel. Perbandingan digunakan apabila hasil Chow statistic (F hitung) > F tabel, maka H0 ditolak yang berarti model yang paling tepat digunakan adalah Fixed Effect Model. Begitupun sebaliknya, jika Chow statistic (F hitung) < F tabel, berarti H0 diterima dan model yang digunakan adalah Pooled least Square Model. Dengan kata lain jika menggunakan probabilitas > 5%, maka menggunakan
Pooled
Least Square
Model. Sebaliknya
nilai
probabilitas < 5% berarti menggunakan Fixed Effect Model. Kemudian akan dilanjutkan dengan uji Hausman. (Widarjono, 2007).
b. Uji Hausman digunakan untuk menentukan apakah menggunakan Fixed Effect Model atau Random Effect Model. Model uji hausman yang digunakan sebagai berikut : w-1
W = X2 [ K-1 ] = [ b - β ]
[ b - β]
Hipotesis yang digunakan dalam pengujian ini adalah : H0
= W memiliki distribusi chi-square yang terbatas dengan derajat kebebasan (K-1)
74
H1
= W memiliki distribusi chi square yang tidak terbatas dengan derajat kebebasan (K-1)
Uji ini menggunakan chi-square dimana jika probabilitas dari hausman lebih kecil dari α (hasil hausman test signifikan ) maka H0 ditolak dan fixed effect model yang digunakan.
3.9.4.
Analisa Regresi Linear Berganda Dalam persamaan regresi, peneliti mengetahui bahwa berdasarkan syarat-
syarat yang diasumsikan penaksir kuadrat kecil tanpa terkendala merupakan penaksir tak bias linear yang terbaik (BLUE). Sifat ini tetap berlaku untuk regresi berganda. Jadi setiap regresi yang ditaksir dengan metode pooled least square bersifat linear dan tak bias secara rata- rata. Koefisien yang ditaksir ini tepat sama dengan nilai yang sebenarnya. Penaksir pooled least square memiliki varians yang mungkin paling kecil sehingga parameter yang sebenarnya dapat ditaksir secara lebih akurat karena bersifat efisien. (Gujarati, 2006 – 200). Dalam persamaannya sebagai berikut: Yt = B1 + B2X2t + B3X3t + B4X4t + µt Dimana:
Yt
= accumulation distribution line
B1
= Interception point atau besarnya nilai Y apabila nilai X2t , X3t dan X4t sama dengan nol (X2t , X3t dan X4t = 0)
B2,B3,B4 = koefisien regresi dari variabel independen
75
X2t
= total asset turn over
X3t
= return on asset
X4t
= return on equity
µt
= variabel lain yang tidak dapat dijelaskan dalam fungsi (faktor kesalahan).
3.9.5. a.
Uji Hipotesis Uji Signifikansi Simultan (F) Pengujian ini dilakukan untuk melihat signifikansi pengaruh secara bersama- sama dari variabel independen dalam model terhadap variabel dependennya dengan melakukan pengujian ini nilai-nilai statistik setiap variabel independen. Uji signifikasi merupakan pendekatan alternatif, namun bersifat melengkapi dan mungkin merupakan pendekatan yang lebih singkat dalam pengujian hipotesis. Dalam persamaan sebagai berikut: F = ESS/ d.k RSS/ d.k = (b2 ∑yt x2t + b3 ∑yt x3t)/2 ∑e2t / (n – 3) Dimana: ESS = jumlah kuadrat yang dijelaskan RSS = jumlah kuadrat residu d.k
= derajat kebebasan
Dalam penerapan pada umumnya jika model regresi mempunyai variabel penjelas sebanyak
k
termasuk faktor titik potongnya, maka rasio F
76
memiliki d.k, sebesar (k – 1) dibagian pembilang dan (n – k) dibagian penyebut. Untuk menguji hipotesis ini, probabilitas dalam mendapatkan nilai F, dimana peneliti dapat mengetahui tingkat probabilitas dengan menggunakan pendekatan memperoleh statistik uji yang relevan dengan hipotesis nol dan mencari p distribusi F, seperti yang ditunjukan dibawah ini: H0 : β1 = β2 = β3 = 0 H1 : β 1 ≠ β2 ≠ β3 ≠ 0 Dalam menentukan α pada beberapa tingkatan misalnya 1 %, 5% atau 10 %. Adapun dalam penelitian ini menggunakan 5%, jika probabilitas lebih kecil dari α yang telah ditetapkan maka peneliti dapat menolak hipotesis nol. Tetapi jika probabilitas lebih besar dari α berarti peneliti tidak dapat menolak hipotesis nol. (Gujarati, 2006 : 193) Kriteria penolakan hipotesis adalah sebagai berikut : Berdasarkan pengujian yang akan dilakukan membandingkan nilai F hitung dengan F tabel distribusi 0.05 (one tailed) dengan derajat bebas (k – 1) dibagian pembilang dan (n – k) dibagian penyebut, dimana n adalah banyaknya jumlah pengamatan dan k adalah parameter serta tingkat signifikansi yang digunakan yaitu: - Bila F hitung > F tabel maka H0 ditolak - Bila F hitung < F tabel maka H0 diterima
77
Berdasarkan probabilitas: - Jika probabilitas ( p-value ) > 0,05 maka H0 diterima - Jika probabilitas ( p-value ) < 0,05 maka H0 ditolak
b.
Uji Signifikansi Parsial ( t ) Pengujian ini dilakukan dengan nilai- nilai statistik untuk melihat signifikansi pengaruh individual dari variabel independen dalam model terhadap variabel dependen. Uji signifikasi merupakan pendekatan alternatif, namun bersifat melengkapi dan mungkin merupakan pendekatan yang lebih singkat dalam pengujian hipotesis. Dalam pembahasan tentang pengujian hipotesis, regresi lebih dari satu variabel independen dinyatakan sebagai regresi berganda perlu diketahui bahwa penaksir b2, b3, dan b4 didistribusikan secara normal apabila peneliti bersedia mengasumsikan faktor kesalahan u yang mengikuti distribusi normal bahwa u didistribusikan secara normal dengan rata-rata sebesar nol dan varians konstan õ2 (varians pengganggu dari faktor acak µ), maka penaksir pooled least square tersebut mengikuti distribusi t dengan d.k (n - 2) dan bukan distribusi normal. Dalam persamaan sebagai berikut: t = b2 – B2 ~ tn-2 se (b2) t = b3 – B3 ~ tn-2 se (b3)
78
t = b4– B4 ~ tn-2 se (b4) Dimana : b2,b 3,b4
= varians penaksir tak bias linear
B2,B3,B4 = koefisien regresi dari variabel independen se
= kesalahan standar dari penaksir
t
= distribusi t
Metode kuadrat terkecil pooled least square mengikuti distribusi t, sehingga peneliti dapat menggunakan informasi ini untuk menentukan interval keyakinan maupun untuk menguji hipotesis statistik tentang koefisien regresi parsial sebenarnya, seperti dalam hal ini: H0 : β = 0 H1 : β ≠ 0 Berdasarkan hipotesis nol, variabel independen tidak pengaruh apapun terhadap variabel dependen, sedangkan dalam hipotesis alternatif dinyatakan bahwa variabel independen mempunyai pengaruh terhadap variabel dependen, apakah itu positif atau negatif sehingga hipotesis ini bersifat dua sisi. Disamping itu apabila nilai t hitung tersebut dapat menolak hipotesis nol, peneliti tidak dapat menjawab pertanyaan ini tanpa terlebih dahulu menentukan peluang apa yang harus diambil seandainya menolak hipotesis nol, manakala hipotesis itu benar. Dalam menjawab pertanyaan ini, peneliti harus menentukan α, yakni probabilitas melakukan kesalahan. Untuk itu ditetapkan α sebesar 5 % dan
79
hipotesis alternatifnya bersifat dua sisi karena peneliti ingin membagi risiko terjadinya kesalahan jenis secara sama besar diantara kedua sisi distribusi t pada kedua daerah kritis sehingga jika nilai t terletak disalah satu daerah penolakan, maka peneliti dapat menolak hipotesis nol. (Gujarati, 2006 : 189) Kriteria penolakan hipotesis adalah sebagai berikut : Berdasarkan pengujian yang akan dilakukan membandingkan nilai t hitung dengan t tabel distribusi 0.025 (two tailed) dengan derajat bebas dibagian pembilang sig 0.025 dan (n - 2) dibagian penyebut, dimana n adalah banyaknya jumlah pengamatan dan 2 adalah satu variabel independen dan dependen serta tingkat signifikansi yang digunakan yaitu: - Bila t hitung > t tabel maka H0 ditolak - Bila t hitung < t tabel maka H0 diterima Berdasarkan probabilitas - Jika probabilitas ( p-value ) > 0,05 maka H0 diterima - Jika probabilitas ( p-value ) < 0,05 maka H0 ditolak
