BAB III METODOLOGI PENELITIAN
A. Obyek/Subyek Penelitian Obyek dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI). Periode penelitian yang digunakan yaitu tahun 2011-2015. Subyek pada penelitian ini adalah laporan keuangan tahunan perusahaan B. Jenis Data dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder yang digunakan dalam penelitian ini laporan keuangan dari perusahaan-perusahaan Manufaktur yang terdaftar di Bursa Efek Indonesia tahun 2011 sampai dengan 2015. Semua sumber data yang digunakan untuk menghitung tiap-tiap faktor dalam studi ini diperoleh dari Annual Report dari Indonesian Stock Exchange (IDX) periode 2011 - 2015.
C. Teknik Pengambilan Sampel Teknik pengambilan sampel secara nonprobabilitas atau pemilihan non random dan metode pengambilan sampel purposive sampling. Purposive Sampling adalah pengambilan sampel berdasarkan kriteria-kriteria.
36
37
Kriteria - kriteria yang digunakan dalam penelitian ini adalah sebagai berikut: Kriteria Perusahaan Perusahaan Manufaktur Yang Listing Di Bursa Efek Indonesia Selama Periode 2011-2015. Perusahaan Yang Tidak Memiliki Kepemilikan Institusional Selama Periode Penelitian. Perusahaan Yang Tidak Memiliki Laba Positif Selama Periode Penelitian Selama 2011-2015
Perusahaan 143
(3)
(46)
Perusahaaan Yang Tidak Konsisten Menerbitkan Laporan Tahunan Perusahaan Selama 2011-
(50)
2015 Jumlah Sampel Perusahaan
42
Data Sebelum Outlier Selama 2011-2015
210
Data Outlier
(32)
Data Setelah Outlier
178
Jumlah Sampel Perusahaan
42
Jumlah Observasi
178
Sumber Data: Lampiran 3 dan 4
D. Teknik Pengumpulan Data Data Penelitian yang digunakan dalam penelitian ini adalah data perusahaan yang secara konsisten terdaftar pada Bursa Efek Indonesia pada tahun 2011 sampai dengan 2015. Data diperoleh dari website PT Bursa Efek Indonesia www.idx.co.id.
38
E. Definisi Operasional dan Pengukuran Variabel Penelitian ini menggunakan satu variabel dependen yaitu, Struktur Modal dan lima variabel independen yaitu, Likuiditas, Profitabilitas, Kepemilikan Institusional, Business Risk dan Pajak. 1. Variabel Independen Penelitian ini menggunakan lima variabel independen yaitu Likuiditas, Profitabilitas, Kepemilikan Institusional, Business Risk dan Pajak. Sedangkan variabel dependen yang digunakan Struktur Modal. a. Likuiditas (LIK) Likuiditas mengukur kemampuan likuiditas jangka pendek perusahaan dengan melihat aktiva lancar perusahaan relatif terhadap utang lancarnya utang dalam hal ini merupakan kewajiban perusahaan. Dalam
penelitian
ini
menggunakan
rasio
lancar
dengan
membandingkan aset lancar dan kewajiban lancar. (Hanafi dan Halim 2009:75)
b. Profitabilitas (ROA) Profitabilitas mengukur kemampuan perusahaan menghasilkan keuntungan
(profitabilitas).
Kemampuan
perusahaan
dalam
memperoleh laba, dengan menggunakan pengukuran ROA rasio ini mengukur kemampuan perusahaan dalam menghasilkan laba bersih berdasarkan tingkat asset yang tertentu, rasio yang tinggi menunjukkan
39
efisien manajemen aset yang baik. Hanafi dan Halim (2009). Dalam penelitian ini menggunakan Return On Asset (ROA).
(Hanafi dan
Halim 2009)
c. Kepemilikan institusional (INST) Kepemilikan institusional merupakan proporsi kepemilikan saham yang dimiliki institusional pada akhir tahun yang diukur dalam presentase saham yang dimiliki oleh investor institusional dalam suatu perusahaan seperti perusahaan asuransi, bank, dana pensiun, dan investment banking. (Sukirni (2012) dalam Fauman). Kepemilikan Institusional diukur sebagai berikut:
d. Business Risk (RISK) Business
Risk
merupakan
ketidakpastian
yang
dihadapi
perusahaan ketika menjalankan kegiatan bisnisnya. Perusahaan yang memiliki risiko bisnis yang tinggi cenderung menggunakan utang yang lebih sedikit karena kreditur akan meminta biaya yang tinggi. Business risk diukur menurut (Hidayati dalam Amiriyah, 2014) sebagai berikut:
Dimana :
40
: Standar Deviasi e. Pajak (TAX) Bunga merupakan beban yang dikurangkan untuk tujuan perpajakan dan pengurangan tersebut bernilai bagi perusahaan yang terkena tarif pajak yang tinggi karena itu makin tinggi tarif pajak perusahaan , makin besar menfaat penggunaan utang. Brigham dan Houston (2001). Pajak adalah jumlah pajak yang dibebankan kepada masingmasing perusahaan berdasarkan tarif pajak yang ditentukan pemerintah atas penghasilan kena pajak yang diperoleh. Menurut (Waluyo dalam Santhi, 2000) pajak diukur sebagai berikut:
2. Variabel Dependen Struktur Modal Struktur modal merupakan sumber pendanaan yang terdiri dari modal sendiri dan modal eksternal dengan tujuan untuk memaksimumkan nilai perusahaan. (Syamsudin 2009:54 dalam Arini). Proksi yang digunakan dalam pengukuran struktur modal:
41
F. Uji Hipotesis dan Analisis Data 1. Statistik Deskriptif Statistik deskriptif digunakan untuk mendeskripsikan data yang telah diperoleh untuk masing-masing variabel penelitian. Statistik deskriptif menggambarkan atau menjelaskan berbagai karakteristik data, seperti mean, median, minimum, maksimum, standar deviasi, skewness, kurtosis, jarque-bere, probabilitas. 2. Regresi Linear Berganda Teknik analisis data dalam penelitian ini dilakukan dengan menggunakan metode analisis regresi linier berganda. Analisis regresi linier berganda adalah teknik statistik mengukur variabel bebas lebih dari satu dengan pengaruh variable bebas akan dikenakan kepada variable tergantung. Model analisis yang digunakan dalam penelitian ini untuk menganalisis pengaruh variabel independen terhadap variabel dependen adalah model regresi linier berganda didasarkan pada analisa regresi berganda dengan pengolahan data menggunakan program E-views7.0 dan SPSS
16
untuk
menyederhanakan
perhitungan
dengan
metode
ekonometrika, variable independen yaitu Likuiditas, Profitabilitas, Kepemilikan Institusional, Business Risk, dan Pajak Terhadap Struktur Modal regresi linear berganda diperoleh persamaan:
Dimana :
42
Yit
= Struktur Modal
β0
= Konstanta
β12345
= Koefisien variabel 1,2,3,4,5
LIKit
= Likuiditas
ROAit
= Profitabilitas
INSTit
= Kepemilikan Institusional
RISKit
= Business Risk
TAXit
= Pajak
i
= Perusahaan Manufaktur
t
= Periode Waktu ke-t
ε
= Error Term
3. Uji Asumsi Klasik Dalam melakukan estimasi persamaan linier dengan menggunakan metode OLS, maka asumsi-asumsi dari OLS harus dipenuhi. Apabila asumsi tidak terpenuhi, maka tidak akan dapat menghasilkan nilai parameter yang BLUE (Best Linier Unbiased Estimator) Untuk mengetahui apakah model tersebut memenuhi asumsi BLUE atau tidak, perlu dilakukan beberapa pengujian yaitu
43
uji multikolinearitas, uji autokorelasi dan uji heteroskedastisitas untuk memastikan bahwa data terdistribusi secara normal. a) Uji Multikolinearitas Menurut Ghozali (2014) uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen, model regresi yang baik adalah tidak ditemukannya multikolinearitas yang tinggin atau sempurna antar variabel independen. Untuk mendeteksi ada atau tidak multikoleniaritas didalam model regresi adalah sebagai berikut: 1. Nilai R2 tinggi, tetapi hanya sedikit (bahkan tidak ada) variabel indpenden yang signifikan. Jika nilai R2 tinggi diatas 0,80, maka uji F pada sebagian besar kasus akan menolak hipotesis yang menyatakan bahwa koefisien slope parsial secara simultan sama dengan nol. Tetapi uji t individual menunjukkan sangat sedikit koefisien slope parsial yang secara statistik berbeda dengan nol. 2. Korelasi antara dua variabel independen yang melebihi 0,80 dapat menjadi pertanda bahwa multikolinearitas merupakan masalah serius. 3. Auxilary regression. Multikolinearitas timbul karena satu atau lebih variabel independen berkorelasi secara linear dengan variabel independen lainnya. Salah satu menentukan variabel X
44
mana yang berhubungab dengan variabel X lainnya adalah dengan meregres setiap Xi terhadap variabel X sisanya dan menghitung nilai R2 . 4. Tolerance dan Variance Inflation Factor (VIF). Apabila VIF tidak disekitar 1 maka tidak terjadi gejala multikoleniaritas, tetapi jika VIF melebihi 1 maka terjadi multikoleniaritas. Kemudian melihat nilai tolerance. b) Uji Heteroskedastisitas Menurut Ghozali (2014), Uji heteroskedasitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain. Jika nilai residual atau eror dalam model regeresi adalah homoskedastisitas atau memiliki varian yang sama, maka asumsi homoskedastisitas berarti sama dan sebaran memiliki variance yang sama atau E(
2
)=
2
i= 1,2,3……, n Mendeteksi
permasalahan
heteroskedastisitas
dapat
dilakukan dengan menggunakan uji park, uji glesjer, uji korelasi spearman, uji goldfield-quandt, uji breusch-pagan-godfrey dan uji white
45
c) Uji Autokorelasi Menurut Ghozali (2014), uji autokorlasi bertujuan untuk mengetahui apakah dalam suatu model terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan problem autokorelasi. Autokorelasi muncul karena observasi yang berturut-turut sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtun waktu atau time series karena “gangguan” pada individu atau kelompok cenderung mempengaruhi “gangguan” pada individu atau kelompok yang sama pada periode berikutnya. Pada data cross-section (silang waktu), masalah autokorelasi relatif jarang terjadi karena gangguan pada observasi yang berbeda berasal dari individu atau kelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi, diantaranya adalah: 1) Uji Durbin Waston (DW test) Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya intercept (konstant) dalam model regresi dan tidak ada variabel lag diantara variabel independen.
46
Ho = tidak ada autokorelasi (p = 0) Ha = ada autokorelasi (p ≠ 0) 2) Uji Lagrange Multiple (LM test) Uji autokorelasi dengan LM test digunakan untuk sample besar diatas 100 observasi. Uji ini lebih tepat digunakan dibanding uji DW terutama apabila sampel yang digunakan relatif besar dan derajat autokorelasi lebih dari satu. Uji LM akan menghasilkan statistik Breusch-Godfrey sehingga uji LM juga kadang disebut uji Breusch-Godfrey. 4. Uji Hipotesis dan Analisis Data Menurut Ghozali (2014), Menilai ketetepatan model dalam regresi maka dilakukan dengan menggukur dati goodness of fit. Secara statitsik dapat dihitung dengan melihat nilai dari koefisen determinasi, nilai statistik F dam nilai statistik t. Apabila perhitungan statistik menghasilkan nilai yang signifikan maka secara statistik apabila nilai uji statistiknya berada di daerah kirtis (daerah H0 ditolak). a) Uji Signifikansi Parameter Individual (Uji T) Uji statistik t digunakan untuk mengetahui seberapa jauh pengaruh satu variabel independen terhadap variabel dependen dengan menganggap variabel independen lainya konstan. Jika asumsi normalitas eror yaitu μi ~ N (0,σ2) terpenuhi, maka dapat digunakan untuk menguji koefisien parsial dari regresi.
47
H0 : β1 = 0 dan HA : β1≠0 Uji t t = Keterangan β1 adalah koefisien parameter, se (β1) adalah standar eror koefisien parameter keputusantya maka H0 ditolak yang berarti berpengaruh terhadap Y. b) Uji Signifikansi Simultan (Uji Statistik F) Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukan dalam model mempunyai pengaruh secara bersama-sama atau simultan terhadap variabel dependen. Hipotesis nol adalah joint hyphotesis bahwa β1, β2..... βk secara simultan sama dengan nol. H0 : β1 = β2 = ........= βk = 0 Pengujian hipotesis ini sering disebut pengujian signifikansi keseluruhan (overall significance) terhadap garis regresi yang ingin menguji apakah Y secara linear berhubungan dengan kedua X1 dan X2. Joint Hyphotesis dapat diuji dengan teknik analisis variance (ANOVA). Pengambilan keputusan: Dimisalkan model regresi dengan k-variabel Yi = α + β1X1 + β2X2i + β3X3i + ......... + βkXki + µi H0 : β1 = β2 =......... = βk = 0 (semua slope koefisien slope secara simultan sama dengan nol) Ha: tidak semua koefisien slope secara simultan sama dengan nol
48
Rumus nilai F statistik:
Jika F hitung > F tabel yaitu Fα (k – 1, n – k) maka hipotesis nil ditolak. Dimana Fα (k – 1, n – k) adalah nilai kritis F pada tingkat signifikansi α dan derajat bebas (df) pembilang (k – 1) serta derajat bebas (df) penyebut (n – k). Terdapat hubungan yang erat antara koefisien determinasi (R2) dan Nilai F test. Secara matematis nilai F dapat juga dinyatkan dalam rumus seperti dibawah ini:
Berdasarkan rumus ini dapat disimpulkan jika R2 = 0 maka F juga sama dengan nol. Semakin besar R2 maka nilai semakin besar nilai F namun demikian jika R2 = 1 maka F menjadi tak terhingga jadi dapat disimpulkan uji F statistik yang mengukur signifikansi secara keseluruhan dari garis regresi dapat juga digunakan untuk menguji signifikansi dari R2 dengan kata lain pengujian F statistik sama dengan pengujian terhadap nilai R2 sama dengan nol.
c) Koefisien Determinasi (R2) Uji koefisien determinasi untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang
49
kecil
berarti
kemampuan
variabel-variabel
independen
dalam
menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi data silang (cross-section) relatif rendah karena adanya variasi yang besar anatara masing-masing pengamatan sedangkan untuk data runtun waktu (time series) yang tinggi. biasanya mempunyai nilai koefisien determinasi. Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel dependen, R2 pasti meningkat, tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen atau tidak. Oleh karena itu, banyak peneliti Koefisien determinasi R2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen untuk mengukur kebaikan suatu model. Nilai koefisien determinasi diantara 0 dan 1 (0 < R2 <1), nilai (R2) yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel independen sangat terbatas. Nilai yang mendekati 1 berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi model dependen (Gujarati, 2003). Menganjurkan untuk menggunakan nilai adjusted R2 pada saat mengevaluasi model regresi terbaik. Tidak seperti nilai R2, nilai adjusted R2 dapat naik dapat turun apabila satu variabel independen
50
ditambahkan dalam model. Pengujian ini pada intinya adalah mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen.
