BAB IV DESAIN DAN METODE PENELITIAN
A. Jenis Penelitian Jenis penelitian yang digunakan adalah dengan penelitian asosiatif kausal. Penelitian asosiatif kausal berguna untuk menganalisis hubungan antara satu variabel dengan variabel lainnya atau bagaimana suatu variabel. Penelitian ini adalah penelitian untuk mengetahui pengaruh satu variabel atau lebih (variabel bebas) terhadap variabel tertentu (variabel terikat) dengan memerlukan pengujian hipotesis dengan uji statistik. Dalam hal ini untuk mengetahui pengaruh return on equity (ROE), debt to equity ratio (DER), dividend payout ratio (DPR) dan earnings per share (EPS) terhadap nilai perusahaan atau price to book value (PBV) pada perusahaan sektor industri dasar dan kimia dengan pengujian statistik guna mengetahui apakah keempat variabel tersebut mempunyai pengaruh yang signifikan terhadap nilai perusahaan (PBV). B. Definisi dan Operasionalisasi Variabel Variabel adalah suatu konsep yang dapat diasumsikan sebagai suatu kisaran nilai. Operasional adalah suatu informasi ilmiah yang sangat membantu penelitian yang ingin menggunakan variabel yang sama. Operasional merupakan penentuan konstruk sehingga menjadi variabel yang dapat diukur. Dapat juga menjelaskan
cara
tertentu
yang
digunakan
oleh
peneliti
dalam
mengoperasionalisasikan konstruk sehingga memungkinkan peneliti lain untuk melakukan replikasi pengukuran dengan cara yang sama atau mengembangkan pengukuran konstruk yang lebih baik. 48
49
Pengukuran operasional merupakan penjelasan pengertian teoritis variabel sehingga dapat diamati dan diukur dalam menganalisis data yang telah dikumpulkan oleh penulis. Dalam melakukan analisis dibutuhkan beberapa variabel penelitian. Variabel merupakan segala sesuatu yang menjadi objek pengamatan dalam penelitian yang merupakan suatu konsep yang mempunyai variasi nilai, sesuai dengan identifikasi yang akan dikaji dan model yang disusun dalam tinjauan literatur maka opersional variabel digunakan yaitu : 1. Variabel
bebas
(Independent
Variable)
merupakan
variabel
yang
mempengaruhi variabel lainnya (variabel yang tidak tergantung pada variabel lain). Variabel bebas berfungsi menerangkan variabel lainnya. Variabel yang digunakan dalam penelitian ini mencangkup : a Variabel Return on Equity (ROE) Menurut Rahardjo (2009:141), return on equity (ROE) mengukur presentase laba yang diperoleh atas modal atau ekuitas yang dilakukan pemegang saham, angka tersebut menunjukkan seberapa baik manajemen memanfaatkan modal
atau ekuitas
para pemilik saham.
Menurut
Rahardjo (2009:141), rumus return on equity (ROE) adalah sebagai berikut: Laba Bersih Return on Equity (ROE) = Jumlah Modal Sendiri
50
b. Variabel Debt to Equity Ratio (DER) Menurut Rahardjo (2009:140), debt to equity ratio (DER), adalah perbandingan antara jumlah seluruh hutang (baik jangka pendek maupun jangka panjang) dengan jumlah modal
sendiri perusahaan. Menurut
Rahardjo (2009:140), rumus debt to equity ratio (DER) adalah sebagai berikut: Jumlah Seluruh Hutang Debt to Equity Ratio (DER)
= Jumlah Modal Sendiri
c.
Variabel Dividend Payout Ratio (DPR) Menurut Rahardjo (2009:151), rasio pembayaran dividen (dividend payout ratio) mengukur porsi penghasilan yang dibayarkan dalam dividen. Menurut Rahardjo (2009:151), rumus rasio pembayaran dividen atau dividend payout ratio (DPR) adalah sebagai berikut: Dividen Untuk Saham Biasa Dividend PayoutRratio (DPR) = Jumlah Lembar Saham
d. Variabel Earnings per Share (EPS) Menurut Sugiono dan Untung (2008:74) penghasilan per lembar saham biasa atau earnings per share (EPS) menunjukkan kemampuan perusahaan untuk memberikan imbalan pada setiap lembar saham biasa.
Rumus
earnings per share (EPS) yang digunakan diambil dari buku Sugiono dan Untung (2008:74) adalah:
51
Laba Bersih Earnings per Share (EPS)
= Jumlah Lembar Saham
2. Variabel terikat (Dependent Variable) merupakan variabel yang saling berhubungan dengan data yang berada pada variabel lain atau variabel yang tergantung pada variabel lain. Variabel terikat berfungsi diterangkan oleh variabel lainnya. Variabel terikat yang gunakan dalam penelitian ini adalah nilai perusahaan yang diproksi melalui price to book value (PBV). Rasio harga saham terhadap nilai buku perusahaan atau price to book value (PBV), menunjukkan tingkat kemampuan perusahaan menciptakan nilai relatif terhadap jumlah modal yang diinvestasikan. Menurut Tryfino (2009:10), rasio price to book value (PBV) adalah perhitungan
atau perbandingan antara
market value dengan book value saham. Makin tinggi rasio ini berarti pasar percaya akan prospek perusahaan tersebut: Harga Saham Price to Book Value (PBV) = Book Value
C. Populasi dan Sampel Populasi dalam penelitian ini adalah perusahaan sektor industri dasar dan kimia yang terdaftar di Bursa Efek Indonesia (BEI) sampai dengan sekarang, populasi dalam penelitian ini adalah
enam puluh empat perusahaan sektor
52
industri dasar dan kimia yang terdaftar di Bursa Efek Indonesia (BEI) sampai dengan tahun 2014. Sampel merupakan wakil populasi yang diteliti, teknik pemilihan sampel (sampling) pada penelitian ini adalah purposive sampling
di mana peneliti
memilih sampel berdasarkan karakteristik anggota sampel yang disesuaikan dengan maksud penelitian. Purposive sampling adalah pemilihan sampel berdasarkan pada karakteristik tertentu yang dianggap mempunyai sangkut paut dengan karakteristik populasi yang sudah diketahui sebelumnya. Perusahaan sampel dalam penelitian ini adalah perusahaan yang memiliki kriteria antara lain sebagai berikut : a. Perusahaan sektor industri dasar dan kimia yang terdaftar di Bursa Efek Indonesia (BEI). b. Perusahaan masih terdaftar di Bursa Efek Indonesia pada periode pengamatan. c. Data laporan keuangan lengkap untuk periode 2010 sampai 2014 dan periode laporan keuangan berakhir 31 Desember serta dipublikasikan. d. Perusahaan sektor industri dasar dan kimia yang harga sahamnya dipublikasikan dan juga membagikan dividen untuk periode 2010 sampai 2014. Dari kriteria-kriteria tersebut di atas maka penulis mengambil atau mendapatkan sampel sebanyak sepuluh perusahaan sektor industri dasar dan kimia yang terdaftar di Bursa Efek Indonesia (BEI).
53
Tabel 4.1. Daftar Nama Perusahaan yang Dijadikan Sampel Penelitian No.
Nama Perusahaan
Kode Emiten
1.
PT. ASAHIMAS FLAT GLASS Tbk
AMFG
2.
PT. BERLINA Tbk
BRNA
3.
PT CITRA TUBINDO Tbk
CTBN
4.
PT. EKADHARMA INTERNATIONAL Tbk
EKAD
5.
PT. CHAMPION PASIFIC INDONESIA TBK
IGAR
6.
PT. INDOCEMENT TUNGGAL PRAKASA Tbk
INTP
7.
PT. LION METAL WORKS Tbk
LION
8.
PT. SEMEN GRESIK Tbk
SMGR
9.
PT. TRIAS SENTOSA Tbk
TRST
10.
PT. UNGGUL INDAH CAHAYA Tbk
UNIC
Sumber: Bursa Efek Indonesia yang telah diolah D. Teknik Pengumpulan Data Teknik pengumpulan data yang digunakan adalah studi pustaka. Dengan menggunakan buku-buku panduan, makalah, majalah, koran, jurnal atau artikel dan sumber-sumber dari media internet yang berkaitan dengan penelitian yang dilakukan dan Pusat Referensi Pasar Modal (PRPM) di Bursa Efek Indonesia (BEI) dan juga dengan mendownload situs di internet yaitu www.idx.co.id dan www.finance.yahoo.com. Data yang dikumpulkan adalah data laporan keuangan yang digunakan adalah neraca, laba rugi dan laporan perubahan modal, periode Desember 2010 - Desember 2014. E. Metode Analisis Data 1. Uji Asumsi Klasik Menurut Sudarmanto (2010:102) beberapa hal yang mendasari tentang perlunya melakukan uji asumsi klasik atau uji persyaratan regresi linear berganda adalah agar besaran atau koefisien statistik yang diperoleh benar-
54
benar
merupakan
penduga
parameter
yang
memang
dapat
dipertanggungjawabkan atau akurat. Pengujian terhadap penyimpangan asumsi klasik dalam penelitian ini terdiri dari uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. a. Uji Normalitas Salah satu uji persyaratan yang harus dipenuhi dalam penggunaan analisis parametrik yaitu uji normalitas data populasi. Hal ini dapat ditegaskan, bahwa suatu penelitian yang melakukan pengujian hipotesis dengan menggunakan one- sample kolmogorof-smirnov test menuntut suatu asumsi yang harus diuji, yaitu populasi harus berdistribusi normal, menurut Sudarmanto (2010:105). Dalam penelitian ini menggunakan dua cara yaitu : pertama nilai Asymp. Sig (2-tailed), menurut Sudarmanto (2010:108), apabila menggunakan ukuran ini maka harus dibandingkan dengan tingkat alpha yang kita tetapkan sebelumnya apakah 10%, 5% atau 1%. Kriteria yang digunakan yaitu Ho diterima apabila nilai Asymp. Sig (2-tailed) > dari tingkat alpha yang ditetapkan (5%), karenanya dapat dinyatakan bahwa data
berasal
dari
populasi
yang
berdistribusi
normal.
Kedua
menggunakan gambar atau grafik normal P-P Plot, menurut Priyatno (2012:60-61), normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik. Dasar pengambilan keputusan adalah:
55
1) Jika data menyebar disekitar garis diagonal dan mengikuti arah diagonal grafik, hal ini menunjukkan pola distribusi normal. Model persamaan regresi memenuhi asumsi normalitas. 2) Jika ada data menyebar menjahui garis diagonal dan tidak mengikuti arah garis diagonal grafik, hal ini menunjukan pola distribusi normal. Model persamaan regresi tidak memenuhi asumsi normalitas. 3) Apabila data tidak berdistribusi normal, tidak perlu dilakukan pengujian dengan menggunakan statistik parametrik seperti uji t, uji f atau ANOVA dan sebagainya. b. Uji Multikolinearitas Menurut Priyatno (2012:39), uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolenearitas,
yaitu
adanya
hubungan
linear
antar
variabel
independent dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolenearitas. Ada beberapa metode pengujian yang bisa digunakan untuk mengetahui ada tidaknya multikolinearitas yaitu : 1) Dengan melihat nilai Varians Inflaction Factor (VIF) pada model regresi, 2) Dengan membandingkan nilai koefisien determinasi individual (r2) dengan nilai determinasi secara serentak (R2) dan 3) Dengan melihat nilai eigenvalue dan condition index.
56
Pada penelitian ini akan dilakukan uji multikolinearitas dengan melihat nilai VIF pada model regresi. Menurut Nugroho (2010 : 58) jika nilai VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas. c. Uji Autokorelasi Menurut Priyatno (2012:47) uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi, yaitu korelasi yang terjadi antara residual pada suatu pengamatan dengan pengamatan lain pada model regresi. Persyaratan yang harus dipenuhi adalah tidak adanya autokorelasi dalam model regresi. Metode pengujian yang sering digunakan adalah dengan Uji Durbin-Watson (Uji DW) dengan ketentuan sebagai berikut: 1) Jika d lebih kecil dari dL dari atau lebih besar dari (4-dL) maka hipotesis nol ditolak, yang berarti terdapat autokorelasi. 2) Jika d terletak antara dU dan (4-dL), maka hipotesis nol diterima, yang berarti tidak ada autokorelasi. 3) Jika d terletak antara dL dan dU atau diantara (4-dL), maka tidak menghasilkan kesimpulan yang pasti. Oleh karena hasil durbin watson 1,193 yang artinya dW < dL (1,193 < 1.378) maka terjadi autokorelasi. Oleh karena itu dapat dilakukan alternatif dengan uji statistik runs test menurut Ghozali (2009:58) dengan pengambilan keputusan bahwa runs test menunjukan nilai asymp.sig.(2tailed) > 0.05 yang artinya tidak adanya autokorelasi dalam model regresi.
57
d. Uji Heterokedastisitas Menurut Priyatno (2012:41) uji heteroskedastisitas digunakan untuk mengetahui
ada
atau
tidaknya
penyimpangan
asumsi
klasik
heteroskedastisitas, yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya heteroskedastisitas. Ada beberapa metode pengujian yang dilakukan diantaranya Uji Park, Uji Glesjer, melihat Pola Grafik Regresi dan uji Koefisien Korelasi Spearman. Menurut Priyatno (2012:31), heteroskedastisitas adalah varian setiap disturbance term yang dibatasi oleh nilai tertentu mengenai variabel bebas adalah berbentuk suatu nilai konstanta yang sama dengan a². Selain itu Priyatno (2012:33) menjelaskan bahwa keadaan heteroskedastisitas menyebabkan penaksiran koefisien regesi tidak efisien dan hasil taksiran dapat menyesatkan. Pada akhirnya kesimpulan yang diambil menjadi salah. Salah satu cara untuk mendeteksi heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat (ZPRED) dengan residual (SRESID). Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu
(bergelombang,
melebar
kemudian
menyempit),
maka
mengidentifikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas.
58
2. Analisis Regresi Linier Berganda Metode analisis yang digunakan untuk menguji hipotesis adalah analisis linier berganda dengan model seperti di bawah ini : PBV = a + b (ROE) + b (DER) + b (DPR) + b (EPS) + e 1
2
3
4
Di mana: a b ,b ,b 1
e
2
3
,b
4
:
Konstanta
:
Koefisien regresi variabel independen
:
Error term
3. Analisis Regresi Ganda (Uji R2) Uji R2 atau uji determinasi merupakan suatu ukuran yang penting dalam regresi, karena dapat menginformasikan baik atau tidaknya model regresi yang terestimasi, atau dengan kata lain angka tersebut dapat mengukur seberapa dekatkah garis regresi yang terestimasi dengan data sesungguhnya. Nilai koefisien determinasi (R2) ini mencerminkan seberapa besar variasi dari variabel terikat Y dapat diterangkan oleh variabel bebas X. Bila nilai koefisien determinasi sama dengan 0 (R 2 = 0), artinya variasi dari Y tidak dapat diterangkan oleh X sama sekali. Sementara bila R2 = 1, artinya variasi dari Y secara keseluruhan dapat diterangkan oleh X. Dengan kata lain bila R2 = 1, maka semua titik pengamatan berada tepat pada garis regresi. Dengan demikian baik atau buruknya suatu persamaan regresi ditentukan oleh R2 nya yang mempunyai nilai antara nol dan satu.
59
Menurut Priyatno (2012:81), Adjusted R square adalah R square yang telah disesuaikan nilai ini selalu lebih kecil dari R square dari angka ini bisa memiliki harga negatif, bahwa untuk regresi dengan lebih dari dua variabel bebas digunakan Adjusted R2 sebagai koefisien determinasi. 4. Pengujian hipotesis Uji Hipotesis berguna untuk memeriksa atau menguji apakah koefisien regresi yang didapat signifikan (berbeda nyata). Maksud dari signifikan ini adalah suatu nilai koefisien regresi yang secara statistik tidak sama dengan nol, berarti dapat dikatakan bahwa tidak cukup bukti untuk menyatakan variabel bebas mempunyai pengaruh terhadap variabel terikat. Untuk itu maka koefisien regeresi harus diuji. Ada tiga jenis uji hipotesis terhadap koefisien regresi yang dapat dilakukan, yang disebut dengan uji-t, uji-F, dan uji R2. a. Uji-t (Uji Parsial) Uji t ini bertujuan untuk mengetahui besarnya pengaruh masingmasing variabel independent secara individual (parsial) terhadap variabel dependent. Menurut Priyatno (2012:58-59), pengujian dengan berdasarkan probabilitas:Tingkat signifikansi yang digunakan sebesar 5%, hal ini berarti tingkat kepercayaan adalah 95% (100%-5%), dengan cara pengambilan keputusan adalah : • Jika nilai probabilitas > 0.05 maka H0 diterima • Jika nilai probabilitas < 0.05 maka H0 ditolak Atau dengan cara melihat tabel t :
60
• Jika - t tabel < t hitung < t tabel, maka H0 diterima • Jika - t hitung < - t tabel atau t hitung > t tabel, maka H0 ditolak Untuk menghitung t-tabel digunakan ketentuan n-k-1 pada level significant (α) sebesar 5% (tingkat kesalahan 5% atau 0.05) atau taraf keyakinan 95% atau 0.95. b. Uji-F (Uji Simultan atau bersama) Menurut Priyatno (2012:55-56), Uji F digunakan untuk menguji pengaruh
variabel independen secara bersama–sama
terhadap variabel dependen. Dengan demikian, secara umum hipotesisnya dituliskan sebagai berikut: Ho : Tidak ada pengaruh variable independent terhadap variable dependent secara bersama-sama. Ha : Ada pengaruh variable independent terhadap variable dependent secara bersama-sama. Tingkat signifikansi adalah 5%, hal ini berarti tingkat kepercayaan adalah 95% (100%-5%), menurut Priyatno (2012:57), dengan cara pengambilan keputusan adalah : • Jika nilai probabilitas > 0.05 maka H0 diterima • Jika nilai probabilitas < 0.05 maka H0 ditolak Atau dengan cara melihat F hitung dengan F Tabel: • Jika F hitung < F tabel, maka H0 diterima • Jika F hitung > F tabel, maka H0 ditolak
