BAB III METODOLOGI PENELITIAN 3.1 Objek Penelitian Penilitian ini meneliti faktor-faktor yang mempengaruhi return saham pada perusahan dengan menggunakan laporan keuangan tahunan (annual report) pada tahun 2009-2013 perusahaan-perusahaan yang masuk dalam daftar LQ45 Bursa Efek Indonesia (BEI). Perusahaan yang dimaksud ialah perusahaan yang konsisten membayarkan dividen setiap tahun penelitian dan terdaftar di LQ45 serta memiliki laporan yang dibutuhkan. 3.2 Desain Penelitian Desain penelitian yang digunakan dalam penelitian ini adalah penelitian kausal. Penelitian kausal merupakan penelitian yang bertujuan untuk mengetahui pengaruh antara dua variabel atau lebih. Alasan menggunakan jenis desain penelitian ini adalah untuk mengetahui pengaruh variabel bebas laporan arus kas dan ukuran perusahaan terhadap variabel terikat return saham. 3.3 Definisi Variabel Penelitian Berdasarkan masalah yang akan diteliti, maka variabel-variabel yang digunakan adalah : 1) Variabel bebas (independent variable = X) Variabel bebas merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen (terikat).
28
29
Dalam penelitian ini variabel bebasnya yaitu arus kas dan ukuran perusahaan. a. Arus kas dalam penelitian ini yaitu laporan arus kas bersih yang diperoleh dari aktivitas operasi yang dipublikasikan dalam laporan keuangan tahunan perusahaan yang masuk dalam daftar LQ45 Bursa Efek Indonesia periode tahun 2009 sampai tahun 2013. b. Ukuran perusahaan dalam penelitian ini dapat dilihat pada laporan keuangan yaitu total aset perusahaan periode tahun 2009 sampai tahun 2013. 2) Variabel terikat (dependent variable = Y) Variabel terikat merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas. Dalam penelitian ini yang menjadi variabel terikat yaitu return saham yang tergabung dalam LQ45 Bursa Efek Indonesia. Return saham perusahaan didapat dari perhitungan Pit - Pit-1 Rit = Pit-1
Dimana dalam penelitian ini : Rit
= Return saham pada tahun t
Pit
= Harga saham akhir tahun t
Pit-1
= Harga saham akhir tahun sebelumnya
30
3.4 Pengukuran Variabel Penelitian Dalam penelitian ini variabel bebas dan terikat akan diukur menggunakan skala ra sio dan beberapa indikator sebagai berikut Tabel 3.1 Pengukuran Variabel No.
Variabel
Indikator 1) Harga
Skala Pengukuran
saham
akhir
Skala Rasio
tahun lalu 2) Harga
1.
saham
tahun
Return Saham
yang
akhir sedang
berjalan
Pit - Pit-1 Rit = Pit-1 1) Total arus kas berdih yang
diperoleh
Skala Rasio
dari
aktivitas operasi tahun yang sedang berjalan 2) Perubahan
2.
Arus Kas Operasi
arus
kas
dari aktivitas operasi berupa
pendapatan
perusahaan aktivitas
dan selain
aktivitas investasi dan pendanaan 1) Total aset perusahaan
3.
Ukuran Perusahaan
tahun berjalan
Sumber : Harmono (2009)
yang
sedang
Skala rasio
31
3.5 Metode Pengumpulan Data Metode pengumpulan data yang digunakan dalam penelitian adalah library research (penelitian kepustakaan) yaitu dengan mengumpulkan data dari literatur dan beberapa sumber lain termasuk data yang dipublikasikan pada website Bursa Efek Indonesia yaitu www.idx.co.id Jenis data yang digunakan dalam penelitian ini adalah data sekunder ( data yang telah dioleh dan disajikan oleh pihak lain) yaitu 1. Data Arus kas Diambil dari laporan Financial Data and Rasios tahun 2009-2013 diunduh dari www.idx.co.id 2. Data Ukuran Perusahaan Diambil dari laporan keuangan tahunan yang diunduh dari www.idx.co.id tahun 2009-2013. 3. Data Return Saham Data return saham diambil dari hasil perhitungan harga saham yang diolah untuk mendapatkan return saham pada tahun 2009-2013. Sumber data www.investing.com
3.6 Populasi dan Sampel Populasi penelitian adalah seluruh perusahaan yang masuk dalam daftar LQ 45 Bursa Efek Indonesia pada tahun penelitian yaitu 2009-2013. Pemilihan sampel menggunakan teknik sampling purposive yaitu teknik penentuan sampel dengan pertimbangan tertentu. Hal ini dimaksudkan agar sampel yang digunakan
32
memiliki kriteria yang telah ditentukan. Kriteria sampel yang digunakan adalah sebagai berikut : 1. Perusahaan yang dijadikan sampel konsisten listing dalam daftar LQ 45 serta membagikan dividen selama tahun penelitian. 2. Perusahaan memiliki data lengkap yang dibutuhkan dalam penelitian yaitu laporan keuangan yang memiliki arus kas dan aset perusahaan selama periode penelitian tahun 2009-2013. 3. Perusahaan memiliki laba positif selama tahun penelitian.
3.7 Metode Analisis Data Metode analisis yang digunakan dalam penelitian ini adalah analisis data panel. Analisis data panel merupakan gabungan dari kedua jenis data time sries dan cross section, sehingga data yang dimiliki tidak hanya berdasarkan satu periode saja tetapi data tersebut mencakup beberapa periode. Sehingga, jumlah pengamatannya lebih banyak. Penggunaan data panel ini sangatlah penting, karena penelitian ini bermaksud untuk mengetahui bagaimana pengaruh aruh kas dan ukuran perusahaan terhadap return saham perusahaan tersebut dari waktu ke waktu. Karena kondisi keuangan perusahaan dari tahun ke tahun tidak selalu sama. Penggunaan data panel diperlukan untuk melihat perbedaan keuntungan suatu perusahaan dan melihak fluktuasi keuntungan suatu perusahaan dari beberapa periode waktu. Pengujian dalam penelitian ini menggunakan program eviews.
33
3.7.1 Analisis Data Panel Data panel adalah gabungan antara data runtut waktu (time series) dan data silang (cross section). Data runtut waktu biasanya meliputi satu objek atau individu meliputi beberapa periode. Data silang (cross section) terdiri atas beberapa atau banyak objek dengan beberapa jenis data dalam suatu periode tertentu. Regresi dengan menggunakan data panel disebut model regresi data panel. Data panel diperkenalkan oleh Holwes pada tahun 1950. Dalam panel data, persamaan dengan menggunakan data cross section dapat ditulis sebagai berikut : Yi = α + β Xi + εi ; i = 1,2,....,N
(Persamaan 1)
N adalah banyaknya data cross sestion Sedangkan persamaan model dengan time series adalah : Yit = α + β Xit + εit ; i = 1,2,....,N; t = 1,2,….., T
(Persamaan 2)
T adalah banyaknya data time series Dikarenakan data panel adalah gabungan antara cross section dan time seies makan persamaannya dapat dituliskan dengan : Yit = α + β Xit + εit ; i = 1,2,....,N; t = 1,2,….., T Dimana : N
: banyaknya observasi
T
: banyaknya waktu
NxT
: banyaknya data panel
(Persamaan 3)
34
Analisis model data panel terdapat tiga macam pendekatan yang terdiri dari pendekatan efek tetap (fixed effect), common effect, dan pendekatan efek acak (random effect). a.
Model pendekatan efek tetap (fixed effects) Metode dengan menggunakan variabel dummy untuk menangkap adanya
perbedaan intersep. Metode ini mengasumsikan bahwa koefisien regresi (slope) tetap antar perusahaan dan antar waktu, namun intersepnya berbeda antar perusahaan namun sama antar waktu (time invariant). Namun metode ini membawa kelemahan yaitu berkurangnya derajat kebebasan (degree of freedom) yang pada akhirnya mengurangi efisiensi parameter. Model ini dapat dituliskan sebagai berikut: Yti = xtiβ + ci + dt + εti
(Persamaan 4)
Dengan ci adalah konstanta yang bergantung kepada unit ke-i, tetapi tidak kepada waktu t dt adalah konstanta yang bergantung kepada waktu t, tapi tidak kepada unit i. Disini apabila model memuat komponen ci dan dt, maka model disebut model two-ways fixed-effect (efek tetap dua arah), sedangkan apabila dt=0 atau ci=0, maka model disebut model one-ways fixed effect (efek tetap satu arah). Apabila banyaknya observasi sama untuk semua kategori cross-section, dikatakan model bersifat balance (seimbang), dan yang sebaliknya disebut unbalance (tidak seimbang).
35
Untuk model fexed effect satu arah, sering diasumsikan bahwa komponen dt = 0, yakni dimiliki model : Yti = xtiβ + ci + εti
(Persamaan 5)
Secara umum model fixed effect satu arah dapat diestimasi dengan dua metode yang berbeda : 1.
Secara intuitif, komponen ci dapat dimodelkan dengan menggunakan variabel dummy zt,i,j , dengan zt,i,j bernilai o jika i ≠ j dan bernilai 1 jika i = j. Model selanjutnya diestimasi menggunakan metode OLS standar dan disebut sebagai Least Square Dummy Variables. Meskipun model ini relatif sederhana, estimasi akan relatif kompleks apabila banyaknya kategori untuk cross-section relatif besar.
2.
Alternatifnya, model ditransformasi untuk menghilangkan komponen ci di dalam model Yti – yi , = (xti – xi)β + εti – ε
I
(Persamaan 6)
Dan selanjutnya dilakukan pendekatan estimasi GLS (Generalized Lest Square) terhadap model hasil transformasi. Pendekatan kedua ini lebih populer di dalam literatur. Sementara itu, unutk model Fixed Effect dua arah, model memiliki kedua komponen ci dan dt . estimasi terhadap parameter-parameter dalam model dapat dilakukan menggunakan metode GLS (Generalized Lest Square), setelah model ditransformasi untuk menghilangkan komponen ci dan dt dari model.
36
b. Model pendekatan efek random (random effect) Di dalam mengestimasi data panel dengan model Fixed Effect melalui teknbik LSDV menunjukkan ketidakpastian mode yang digunakan. Untuk mengatasi masalah ini bisa menggunakan variabel residual yang dikenal sebagai model Random Effects. Pada model ini, akan dipilih estimasi data panel dimana residual mungkin saling berhubungan antar waktu dan antar individu. Oleh karena itu, pada model ini diasumsikan bahwa ada perbedaaan intersep untuk setiap individu dan intersep terseut merupakan variabel random. Sehingga dalam mode ini terdapat dua komponen esidual, yaitu residual secara menyeluruh yang merupakan kombinasi time series dan cross section, dan residual secara individu y yang merupakan karakteristik random dari observasi unit ke-i dan tetap sepanjang waktu. Adapun persamaan regresinya secara umum adalah sebagai berikut Yti = xtiβ + vti
(Persamaan 7)
Dimana vti = ci + dt + εti. Di sini ci diasumsikan bersifat independent and identically distributed (iid) normal dengan mean 0 dan variansi diasumsikan bersifat iid normal dengan mean 0 dan variansi iid normal dengan mean 0 dan variasnsi
2
ε
2
d
2
c
, dt
dan εti bersifat
(dan εti , ci dan dt diasumsikan
independen satu dengan lainnya). Jika komponen dt atau ci diasumsikan 0, maka model disebut two ways random effect (efek random satu arah), sedangkan dt dan ci keduanya tidak 0 disebut model dua arah.
37
c.
Model pendekatan Common effect Merupakan pendekatan model data panel yang paling sederhana karena
hanya dengan mengkombinasikan data time series dan cross section dalam bentuk pool, dan menggunakan teknik kuadrat terkecil atau least square untuk mengestimasikan koefisisiennya. Pada model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku individu tidak berbeda dalam berbagai kurun waktu. Persamaan regresinya dapat dituliskan sebagai berikut yit = +
+
(Persamaan 8)
Untuk i = 1,2,...., N dan t = 1,2, ...., T, dimana N adalah jumlah unit / individu cross section dan T adalah jumlah periode waktunya. Dari common effects model ini akan dapat dihasilkan N+T persamaan, yaitu sebanyak T persamaan cross section dan sebanyak N persamaan time series. 3.7.2 Pemilihan Model Regresi Data Panel Dari ketiga model di atas maka selanjutnya akan ditentukan mode yang paling tepat untuk mengestimassi parameter regresi data panel. Secara informal, ada beberapa pertimbangan untuk menentukkan model estimasi terbaik dari ketiga model estimasi data panel. Nachrowi dan Usman (2006) menyatakn bahwa jika data panel yang dimiliki mempunyai waktu (T) lebih besar dibandingkan dengan jumlah individu (N) maka disarankan untuk menggunakan model fixed effects, sedangkan apabila jumlah data panel yang dimiliki mempunyai jumlah waktu (T)
38
lebih kecil dibandingkan jumlah individu (N) maka disarankan menggunakan model random effects. 1. Uji Stasioneritas Data Uji stasioneritas data bertujuan untuk mengetahui apakah data time series bersifat stasioner atau tidak. Pengujian ini sangat penting karena akan berkaitan dengan metode estimasi yang digunakan. Jenis data yang digunakan akan menentukkan estimasi yang digunakan. Menurut Cryer (1986) ”ide dasar stasioneritas adalah hukum probabilitas mengharuskan proses tidak berubah sepanjang waktu, dengan kata lain proses dalam keadaan setimbang secara stastistik.” Menurut Nachrowi dan Haridus Usman (2006) “ Sekumpulan data dinyatakan stasioner jika nilai rata-rata dan varian dari data time series tersebut tidak mengalami perubahan secara sistematik sepanjang waktu, atau sebagian ahli menyatakan rata-rata variannya konstan.” Untuk mengetahui data time series bersifat stasioner atau tidak, digunakan metode uji akar unit (root test). Uji akar unit bertujuan untuk mengetahui apakah data time series stasioner (tidak memiliki akar-akar unit) atau tidak stasioner (memiliki akar-akar unit). Proses uji akar unit dengan persamaan sebagai berikut Yt = ρYt-1 + ut Jika
−1 ≤
≤1
(Persamaan 9)
= 1 persamaan tersebut menjadi sebuah model random walk
tanpa drift, yang mana adalah sebuah proses nonstasioner (memiliki akar unit). Di sini akan mengalami masalah di mana varian Yt tidak stasioner.
39
Dengan demikian Yt dapat disebut mempunyai unit root atau data tidak stasioner. Bila persamaan tersebut dikurangi pada sisi Yt-1 sisi kanan dan kiri makan persamaannya menjadi : Yt – Yt-1 = ρ Yt-1 - Yt-1 + ut
(Persamaan 10)
∆ Yt = (ρ – 1) Yt-1 + ut
(Persamaan 11)
Kemudian di lakukan pengujian Uji akar unit Dickey-Fuller (DF). dengan hipotesis H0 : ρ = 0 H1 = ρ ≠ 0 Kriteria uji yang di gunakan adalah critical value Dickey Fuller t table untuk di bandingkan dengan t hitung. Jika t hitung lebih negative dari t tabel,maka tolak H0 atau : p-val < α
tolak H0
2. Uji Chow Uji chow merupakan pengujian untuk menentukan model Fixed Effect atau Pool yang paling tepat digunakan dalam mengestimasi data panel. Hipotesis dalam uji chow adalah: H0 : Common Effect Model atau pooled OLS
40
H1 : Fixed Effect Model Dasar penolakan terhadap hipotesis di atas adalah dengan membandingkan perhitungan F-statistik dengan F-tabel. Perbandingan dipakai apabila hasil F hitung lebih besar (>) dari F tabel maka H0 ditolak yang berarti model yang paling tepat digunakan adalah Fixed Effect Model. Begitupun sebaliknya, jika F hitung lebih kecil (<) dari F tabel maka H0 diterima dan model yang digunakan adalah Common Effect Model (Widarjono, 2009). Perhitungan F statistik didapat dari Uji Chow dengan rumus (Baltagi, 2005):
(Persamaan 12)
Dimana: SSE1 : Sum Square Error dari model Common Effect SSE2 : Sum Square Error dari model Fixed Effect n : Jumlah perusahaan (cross section) nt : Jumlah cross section x jumlah time series k : Jumlah variabel independen Sedangkan F tabel didapat dari: Ftabel =
: df
(n – 1, nt – n – k)}
(Persamaan 13)
41
Dimana: α : Tingkat signifikasi yang dipakai (alfa) n : Jumlah perusahaan (cross section) nt : Jumlah cross section x jumlah time series k : Jumlah variabel independen
3. Uji Hausman Uji hausman bertujuan untuk mengetahui apakah model tersebut fixed effect atau random effect. Model fixed effect mengasumsikan independen variabel berkorelasi dengan errornya sedangkan random effect sebaliknya. Model data panel dengan fixed effect diestimasi dengan OLS, sedangkan random effect diestimassi dengan GLS (generalized least square). Untuk melihat apakah model mengitkuti random effect atau fixed effect digunakan uji hausman : H0 : random effect H1 : fixed effect Statistik Uji : X2hit = (b – )′
( −
)-1 (b-− )
(Persamaan 14)
Dimana : b
= koefisien random effect
β = koefisien fixed effect Keputusan : Tolak H0 jika X2hit > X2(k, α) (k
=
jumlah
koef
slope)
atau
p-value
<
α
.
