BAB III DESAIN PENELITIAN

BAB III DESAIN PENELITIAN III.1

Populasi dan Sampel Data Penelitian Populasi dalam penelitian ini adalah perusahaan kuartil terbawah dalam hal total aset yang tercatat (go public) di Bursa Efek Indonesia (BEI) seperti yang tercantum dalam ringkasan JSX Watch 2008-2009. Perusahaan yang tercatat di BEI digunakan sebagai populasi, karena perusahaan tersebut mempunyai kewajiban untuk menyampaikan annual report kepada pihak luar perusahaan, sehingga memungkinkan data annual report tersebut diperoleh dalam penelitian ini. Didalam ringkasan JSX Watch 2008-2009 diketahui bahwa jumlah perusahaan yang tercatat (go public) di BEI pada tahun 2007 adalah 383 perusahaan yang terbagi dalam 11 sektor industri. Dengan demikian terdapat 96 perusahaan kuartil terbawah dalam hal total aset yang menjadi populasi dalam penelitian ini. Adapun kriteria-kriteria perusahaan yang menjadi sampel penelitian adalah sebagai berikut: 1. Merupakan perusahaan yang berada kuartil terbawah dalam hal total asset dari 383 perusahaaan yang terdaftar di BEI per 31 Desember 2007. 2. Perusahaan bukan dari sektor industri keuangan dan asuransi. Hal ini dikarenakan struktur laporan keuangan kedua industri ini berbeda dibandingkan struktur laporan keuangan industri lainnya sehingga untuk perhitungan modal kerja sedikit berbeda.

31

3. Perusahaan mempublikasikan secara lengkap laporan keuangan tahunan untuk periode 31 Desember 2005-2007 dan memiliki data tahun 2004 (guna perhitungan sales growth) yang dinyatakan dalam rupiah (Rp). Berdasarkan kriteria diatas, maka didapat 50 perusahaan yang menjadi sampel penelitian. Jenis industri didalam penelitian berbeda-beda. Terdapat 8 jenis industri yang menjadi sampel penelitian. Kedelapan jenis industri tersebut adalah industri pertanian; industri mining; industri dasar dan kimia; aneka industri; industri barang konsumsi; industri properti dan real estate; industri infrastruktur, utilitas dan transportasi;

dan industri perdagangan, jasa dan

investasi. Berikut ini adalah nama-nama perusahaan yang menjadi sampel dalam penelitian ini: Tabel III.1 Nama Perusahaan & Jenis Industri

NO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Nama Perusahaan Indoexchange Tbk Dyviacom Intrabumi Tbk Inter Delta Tbk Integrasi Teknologi Tbk Cipendawa Agroindustri Tbk Sanex Qianjiang Motor International Tbk Akbar Indo Makmur Stimec Tbk Betonjaya Manunggal Tbk Aneka Kemasindo Utama Tbk Sugi Samapersada Tbk Leyand International Tbk Citra Kebun Raya Agri Tbk Lion Mesh P Tbk Perdana Bangun Pusaka Tbk Rimo Catur Lestari Tbk

Ticker

Total Asset (dalam Milyaran Rupiah)

Jenis Industri

INDX DNET INTD ITTG CPDW

0,57 22,87 24,29 29,2 33,18

Perdagangan, Jasa & Investasi Perdagangan, Jasa & Investasi Perdagangan, Jasa & Investasi Perdagangan, Jasa & Investasi Pertanian

SQMI

38,47

Aneka Industri

AIMS BTON AKKU SUGI LAPD CKRA LMSH KONI RIMO

38,5 46,47 53,88 56,03 56,52 58,59 62,81 62,92 63,42

Perdagangan, Jasa & Investasi Industri Dasar & Kimia Industri Dasar & Kimia Aneka Industri Industri Dasar & Kimia Properti dan Estat Real Industri Dasar & Kimia Perdagangan, Jasa & Investasi Perdagangan, Jasa & Investasi

32

16 17

ASIA RODA

69,85 73,81

Aneka Industri Properti dan Estat Real

PTSP

74,01

Perdagangan, Jasa & Investasi

19 20 21 22 23 24

Asia Grain International Tbk Royal Oak Development Tbk Pioneerindo Gourmet International Tbk Siwani Makmur Tbk Rukun Raharja Tbk Arona Binasejati Tbk Kedaung Indah Can Tbk Ekadharma International Tbk Toko Gunung Agung Tbk

SIMA RAJA ARTI KICI EKAD TKGA

75,45 77,77 80,24 80,26 84,93 89,39

25

Zebra Nusantara Tbk

ZBRA

93,25

26 27 28 29 30 31

Bumi Teknokultura Unggul Tbk Pyridam Farma Tbk Jasuindo Tiga Perkasa Tbk Primarindo Asia Infrastructure Tbk Centrin Online Tbk Metro Supermarket Realty Tbk

BTEK PYFA JTPE BIMA CENT MTSM

94,8 95,16 96,62 97,18 98,71 98,98

32

Centris Multi Persada P Tbk

CMPP

115,31

33 34 35 36 37 38

Surya Intrindo Makmur Tbk Tempo Inti Media Tbk Mitra Investindo Tbk Schering Plough Indonesia Tbk Pool Advista Indonesia Tbk Multi Prima Sejahtera Tbk Dayaindo Resources International Tbk Alakasa Industrindo Tbk Duta Pertiwi Nusantara Tbk Abdi Bangsa Tbk Colorpak Indonesia Tbk Jaka Inti Realtindo Tbk Resource Alam Indonesia Tbk Ades Waters Indonesia Tbk Bayu Buana Indonesia Tbk Intanwijaya International Tbk Citatah Industri Marmer Tbk Sekar Laut Tbk

SIMM TMPO MITI SCPI POOL LPIN

117,68 118,52 124,36 128,57 136,76 139,25

Industri Dasar & Kimia Perdagangan, Jasa & Investasi Aneka Industri Industri Barang Konsumsi Industri Dasar & Kimia Perdagangan, Jasa & Investasi Infrastruktur, Utilitas & Transportasi Pertanian Industri Barang Konsumsi Perdagangan, Jasa & Investasi Aneka Industri Perdagangan, Jasa & Investasi Perdagangan, Jasa & Investasi Infrastruktur, Utilitas & Transportasi Aneka Industri Perdagangan, Jasa & Investasi Perdagangan, Jasa & Investasi Industri Barang Konsumsi Perdagangan, Jasa & Investasi Aneka Industri

KARK

149,83

Properti dan Estat Real

ALKA DPNS ABBA CLPI JAKA KKGI ADES BAYU INCI CTTH SKLT

150,96 156,05 159,18 167,58 171,21 173,81 178,76 179,59 179,76 180,57 182,7

Perdagangan, Jasa & Investasi Industri Dasar & Kimia Perdagangan, Jasa & Investasi Industri Dasar & Kimia Properti dan Estat Real Industri Dasar & Kimia Industri Barang Konsumsi Perdagangan, Jasa & Investasi Industri Dasar & Kimia Mining Industri Barang Konsumsi

18

39 40 41 42 43 44 45 46 47 48 49 50

III.2

Teknik Pengambilan Sampel Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah sampel berbasis non probabilitas (non probability sampling) yaitu berdasarkan

33

purposive sampling. Menurut Indriantoro dan Supomo (2002) berpendapat mengenai purposive sampling bahwa peneliti kemungkinan mempunyai tujuan tertentu dalam memilih sampel tidak secara acak. Ada dua jenis metode pemilihan sampel ini, yaitu: pemilihan sampel berdasarkan pertimbangan (judgement sampling) dan kuota (quota sampling) (h. 131). Indriantoro

et

al.

Menyatakan

“Pemilihan

sampel

berdasarkan

pertimbangan (judgement sampling), merupakan tipe pemilihan sampel secara tidak acak yang informasinya diperoleh dengan menggunakan pertimbangan tertentu (umumnya disesuaikan dengan tujuan atau masalah penelitian). Pemilihan sampel berdasarkan kuota (quota sampling) adalah pemilihan sampel secara tidak acak dapat dilakukan berdasarkan kuota (jumlah tertinggi) untuk setiap kategori dalam suatu populasi target” (h. 131). Dalam penelitian ini sampel yang diambil sebagai observasi harus bebas dari outliers. Outliers adalah data observasi yang muncul dengan nilai-nilai ekstrim baik secara univariate maupun multivariate. Data ekstrim tersebut muncul

karena

berbagai

kemungkinan:

1)

kesalahan

prosedur

dalam

memasukkan data atau mengkoding, 2) karena keadaan yang benar-benar khusus, seperti pandangan responden terhadap sesuatu yang menyimpang, 3) karena ada sesuatu alasan yang tidak diketahui penyebabnya oleh peneliti, 4) muncul dalam range nilai yang ada, tetapi bila dikombinasi dengan variabel lain menjadi ekstrim (disebut multivariate outliers).Outliers sangat penting karena dapat mengubah hasil analisis data yang telah dilakukan, sehingga outliers yang ada sebaiknya dikeluarkan dari data observasi, sehingga hasil dari analisis data dapat lebih terpercaya. 34

Terdapat 2 jenis outliers yaitu Univariate Outliers dan Multivariate Outliers. Univariate outliers adalah data observasi yang memiliki nilai ekstrim dari variabel tunggal. Di dalam analisis data penelitian ini, univariate outliers yang ingin ditekankan adalah untuk variabel dependen. Sedangkan multivariate outliers

adalah

data

observasi

yang

memiliki

nilai

ekstrim

setelah

dikombinasikan dengan variabel lain. Di dalam analisis data penelitian ini, multivariate outliers yang ingin ditekankan adalah semua variabel independen yang digunakan dalam model penelitian. Dibawah ini akan dijelaskan metode yang digunakan dalam penelitian ini untuk mengidentifikasi outliers yang ada, antara lain: 1. Menggunakan Standardized Score Metode ini digunakan untuk mengidentifikasi univariate outliers yaitu dengan mengkonversi nilai data penelitian ke dalam standard score atau Zscore (Ferdinand, 2002). Batas nilai z-score menurut Hair dkk (1998) berada pada rentang 3-4. Jika ukuran sampel kecil (80 observasi atau kurang), maka dikatakan terjadi outliers apabila Z-score bernilai ±2.5 atau lebih. Jika ukuran sampel lebih besar (diatas 80 observasi), maka dikatakan terjadi outliers apabila Z-score bernilai ±3 atau lebih. Penghitungan uiivariate outliers dilakukan dengan program SPSS versi 12.0. 2. Menggunakan Mahalanobi’s Distance Statistics Jarak Mahalanobis (the Mahalanobis Distance) untuk tiap-tiap observasi dapat dihitung dan akan menunjukkan jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional (Hair, dkk, 1995). Uji terhadap multivariate outliers dilakukan dengan menggunakan kriteria jarak 35

Mahalanobis pada tingkat p < 0,001. Jarak Mahalanobis ini dievaluasikan dengan menggunakan χ² pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian (Ferdinand, 2002). Data memiliki multivariate outliers apabila χ² lebih kecil atau sama dengan 0,001. Penghitungan multivariate outliers dilakukan dengan program SPSS versi 12.0. 3. Menggunakan Casewise Diagnostics Setelah 2 metode sebelumnya dijalankan, maka akan teridentifikasi data observasi mana saja yang mengalami univariate dan multivariate outliers. Outliers tersebut dikeluarkan dari data observasi penelitian. Kemudian, menggunakan casewise diagnostics untuk mengidentifikasi data observasi yang standard deviation (SD) lebih besar dari 3. Setelah teridentifikasi, data observasi yang terdeteksi outliers SD diatas 3 dikeluarkan dari sampel penelitian.

III.3

Teknik Pengumpulan Data Pada penelitian ini menggunakan data sekunder berupa laporan keuangan perusahaan go public tahun 2005-2007 dan ringkasan yang terdapat di dalam JSX Watch 2008-2009. Indriantoro et al. Menyatakan “Data sekunder merupakan sumber data penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara (diperoleh dan dicatat oleh pihak lain)” (h. 147). Data sekunder yang berupa laporan keuangan perusahaan go public adalah data-data mengenai number of days accounts receivable (NDAR), number of days inventory (NDI), number of days accounts payable (NDAP), cash conversion cycle (CCC), size perusahaan, sales growth, debt serta return on asset 36

(ROA) pada masing-masing perusahaan selama 3 tahun (2005-2007). Perhitungan rasio-rasio tersebut dihitung secara manual (hand-collected) dari laporan keuangan perusahaan. Data penelitian akan dikumpulkan menggunakan metode dokumentasi dengan tipe pooled data. Dengan tipe pooled data, jumlah observasi dalam penelitian ini diperoleh dari jumlah tahun penelitian dikalikan jumlah perusahaan sampel. Dalam penelitian ini laporan keuangan perusahaan diperoleh melalui database laporan keuangan perusahaan JSX yang tersedia di perpustakaan BINUS University sementara data mengenai 50 perusahaan yang digunakan sebagai sampel diperoleh melalui ringkasan yang terdapat dalam JSX Watch 2008-2009 yang juga tersedia di BINUS University.

III.4

Model Empiris Analisis Multiple Linier Regression digunakan untuk membuat model penelitian, yaitu model matematika antara variabel dependen (Y: profitabilitas yang diukur dengan ROA) dengan variabel independen (variabel eksperimental antara lain: NDAR, NDI, NDAP dan CCC; sementara variabel kontrolnya antara lain: sales growth (SGROW), size perusahaan, dan the leverage (DEBT)). Model yang digunakan konsisten dengan penelitian sebelumnya oleh Deloof (2003), Lazaridis dan Tryfonidis (2006), Garcia-Terul dan MartinezSolano (2007) adalah sebagai berikut:

ROAit = ß0+ß1NDARit+ß2SGROWit+ß3SIZEit+ß4DEBTiti+εit

(1)

ROAit = ß0+ß1NDIit+ß2SGROWit+ß3SIZEit+ß4DEBTit+εit

(2) 37

ROAit = ß0+ß1NDAPit+ß2SGROWit+ß3SIZEit+ß4DEBTit+εit

(3)

ROAit = ß0+ß1CCCit+ß2SGROWit+ß3SIZEit+ß4DEBTit+εit

(4)

Keterangan: ROA = Return on Asset NDAR = Numbers of days accounts receivable NDI = Numbers of days inventory NDAP = Numbers of days accounts payable CCC = Cash conversion cycle SGROW = Pertumbuhan penjualan (sales growth) SIZE = Ukuran perusahaan DEBT = Rasio ungkitan (leverage), yang dilihat dari hutang jangka panjang dibagi dengan total hutang ß0 – ß4 = Koefisien yang diestimasi ε = error term i = 1,2,..., N t = 1,2,..., T dimana: N= banyaknya observasi dan T= banyaknya waktu

Secara lebih terperinci skala pengukuran dan indikator masing-masing variabel adalah seperti dalam tabel berikut ini:

38

Tabel III.2 Operasionalisasi Variabel Jenis Variabel Variabel Dependen

Variabel Independen (Variabel Eksperimental)

Variabel

Skala Data Rasio

Sumber Data Laporan keuangan perusahaan

Kemampuan perusahaan dalam menghasilkan laba dari keseluruhan investasi yang ditanamkan dalam bentuk asset

Laba bersih setelah pajak / Total aktiva

Number of days accounts receivable (NDAR)

Periode rata-rata yang diperlukan untuk mengumpulkan piutang Periode menahan sediaan barang berada di gudang

(Rata-rata piutang X 365) / Penjualan

Rasio

Laporan keuangan perusahaan

(Rata-rata sediaan X 365) / Kos Barang Terjual (Rata-rata hutang X 365) / Kos Barang Terjual

Rasio


Rasio


NDAR+NDINDAP

Rasio


(Sales1 – Sales0) / Sales 0

Rasio

Natural log dari total aset perusahaan Long Term Debt / Total Asset

Rasio

Laporan keuangan perusahaan Laporan keuangan perusahaan Laporan keuangan perusahaan

Number of days accounts payable (NDAP) Cash conversion cycle (CCC)

III.5

Pengukuran

Profitabilitas (ROA)

Number of days inventory (NDI)

Variabel Independen (Variabel Kontrol)

Definisi

Sales Growth (SGROW)

Periode rata-rata pembayaran hutang Jangka waktu ratarata sejak dilakukannya pengeluaran tunai untuk sumber dana produksi (bahan baku dan tenaga kerja) hingga diterimanya uang hasil penjualan produksi Pertumbuhan penjualan

Size perusahaan (SIZE)

Ukuran perusahaan

The Leverage (DEBT)

Rasio ungkitan

Rasio

Metode Analisis Data Untuk menjawab masalah-masalah penelitian maka berdasarkan data-data yang dikumpulkan atau diperoleh digunakan suatu pengujian statistik dengan

39

bantuan program SPSS v12. Adapun prosedur-prosedur yang harus dilakukan dalam menganalisis data-data yang ada adalah sebagai berikut:

III.5.1 Pengujian Statistik Deskriptif Statistik deskriptif memberikan gambaran atau deskriptif suatu data yang disajikan melalui tabel, perhitungan, median, nilai rata-rata (mean), nilai maksimal dan nilai minimum, nilai standar deviasi, dan nilai kuartil.

III.5.2 Pengujian Asumsi Klasik Uji asumsi klasik dilakukan sebelum uji hipotesis, karena secara teoritis penelitian akan menghasilkan nilai parameter yang lebih sah bila terpenuhi uji asumsi klasik. Uji asumsi klasik yang digunakan dalam penelitian ini sebagai berikut: III.5.2.1 Uji Normalitas Uji normalitas bertujuan menguji apakah dalam metode regresi, variabel dependen dan variabel independen keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah data yang berdistribusi normal atau mendekati normal. Dalam penelitian ini untuk mendeteksi apakah data berdistribusi normal atau tidak dengan menggunakan analisis grafik dan analisis statistik. Mengacu pada pendapat Sulaiman (2004) mengenai uji normalitas, untuk jumlah sampel dengan ukuran besar, kebanyakan uji goodness-of-fit menghasilkan keputusan menolak Ho. Jadi hampir tidak mungkin mendapatkan data yang benar-benar normal, sehingga cukuplah diperoleh data yang berdistribusi mendekati normal. Untuk jumlah sampel 40

dengan ukuran besar perlu melihat keberangkatan (asal) data dari normalitas yang diuji dengan menggunakan Uji Kolmogorov-Smirnov. Hipotesis: H0: Sampel berasal dari populasi yang berdistribusi normal H1: Sampel bukan berasal dari populasi yang berdistribusi normal Pengambilan kesimpulan pada pengujian hipotesis dilakukan sebagai berikut: Asymp.Sig. < taraf signifikansi (α) Æ Tolak H0 Asymp.Sig. > taraf signifikansi (α) Æ Terima H0 III.5.2.2 Uji Heteroskedastisitas Mengacu pada pendapat Priyatno (2008) mengenai uji heterokedastisitas, dapat dikemukakan bahwa pengujian ini digunakan untuk mengetahui apakah suatu model regresi memiliki kesamaan atau ketidaksamaan varians. Model regresi

yang

baik

memiliki

kesamaan

varians

atau

tidak

terjadi

heteroskedastisitas. Untuk mendeteksi ada tidaknya heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antar SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu x adalah residual (Y prediksi – Y sesungguhnya) yang telah distudentized. Menurut Pratisto (2004) dasar analisisnya adalah: •

Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit) akan mengindikasikan telah terjadi heteroskedastisitas.

•

Jika tidak ada pola yang jelas, serta titik-titik penyebaran di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas

41

III.5.2.3 Uji Multikolinearitas Mengacu pada pendapat Priyatno (2008) mengenai uji multikolinearitas dapat dikemukakan bahwa pengujian ini bertujuan untuk menguji apakah model regresi ditemukan adanya hubungan linier diantara variabel independen dalam model regresi. Konsekuensi dari multikolinearitas akan menyebabkan koefisien regresi benilai kecil dan standar error regresi bernilai besar, sehingga pengujian variabel independen secara individual menjadi tidak siginifikan. Model regresi yang baik seharusnya tidak terjadi multikolinearitas. Metode pengujian multikolinearitas dalam penelitian ini dengan melihat nilai inflation factor (VIF) pada model regresi. Berdasarkan Priyatno (2008) pada umumnya jika VIF lebih besar dari 5, maka variabel tersebut memiliki masalah multikolinearitas dengan variabel independen lainnya. III.5.2.4 Uji Autokorelasi Mengacu pada pendapat Priyatno (2008) mengenai uji autokorelasi, dapat dikemukakan bahwa pengujian ini bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara residual (kesalahan pengganggu) pada suatu pengamatan dengan pengamatan lain pada model regresi. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi, autokorelasi muncul karena observasi yang berurutan panjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi yang lain. Model regresi yang baik seharusnya tidak terdapat autokorelasi. Untuk mendeteksi

42

ada tidaknya autokorelasi maka dilakukan pengujian Durbin-Watson (DW). Berdasarkan Sulaiman (2004) ketentuan pengujian DW sebagai berikut: a. Jika 1,65 < DW < 2,35, artinya tidak ada autokorelasi b. Jika 1,21 < DW < 1,65 atau 2,35 < DW < 2,79, artinya tidak dapat disimpulkan c. Jika DW < 1,21 atau DW > 2,79, artinya terjadi autokorelasi

III.5.3 Pengujian Hipotesis Untuk menguji hipotesis dalam penelitian ini, digunakan metode regresi linier berganda (Multiple Linier Regression). Sulaiman, W. (2004) mendefinisikan sebagai berikut: “Analisis regresi linier berganda adalah suatu metode statistik umum yang digunakan untuk meneliti hubungan antara sebuah variabel dependen dengan beberapa variabel independen” (h. 79). Sulaiman juga menyatakan bahwa metode ini bertujuan untuk menggunakan nilai-nilai variabel independen yang diketahui, untuk meramalkan nilai variabel dependen. Terdapat 4 (empat) hipotesis alternatif dalam penelitian ini (lihat Tabel II.1). •

Hipotesis 1 (HA1 akan diterima apabila koefisien regresi pada model (1), bertanda negatif dan signifikan secara statistis pada level 10%, 5% atau 1%.

•


43

•


•


III.5.3.1 Uji Koefisien Regresi Secara Bersama-sama (Uji F) Uji F adalah uji statistik yang digunakan untuk mengetahui adanya hubungan yang signifikan antara variabel dependen dengan keseluruhan variabel. Berdasarkan Aczel (2002), rumus statistik Uji F diformulasikan dalam tabel berikut ini (p. 508): Tabel III.3 ANOVA untuk Uji F Variasi

Sum of Square

Degree of Freedom

Mean Square

F Ratio

Regression

SSR

k

MSR = SSR/k

F = MSR / MSE

Error Total

SSE SST

n-(k+1) n-1

MSE = SSE / n - (k+1)

Keterangan: SSR = sum of square regression SSE = sum of square error SST = sum of square total k = banyaknya variabel independen n = ukuran sampel MSR = mean of square regression

44

MSE = mean of square error Pada penelitian ini, Uji F digunakan untuk mengukur apakah keseluruhan variabel independen (NDAR, NDI, NDAP, CCC, SIZE, DEBT dan SGROW) berpengaruh signifikan terhadap ROA.

III.5.3.2 Uji Koefisien Regresi Secara Parsial (Uji t) Uji t dilakukan untuk mengetahui apakah koefisien regresi (slope) signifikan

antara

variabel

dependen

dengan

masing-masing

variabel

independennya. Berdasarkan Aczel (2002), rumus statistika t test di formulasikan sebagai berikut (p. 518):

t(n-(k+1)) =

(bi - 0) s.(bi)

Keterangan : t = t – test hasil perhitungan n = jumlah sampel k = jumlah variabel bebas bi = slope ke – i s(bi) = standard error variable bebas ke-i

III.5.3.3 Koefisien Determinasi Analisis koefisien determinasi digunakan untuk melihat seberapa besar variasi variabel dependen disebabkan oleh variabel independennya. 45

Berdasarkan Aczel (2002), rumus statistik perhitungan koefisien determinasi diformulasikan sebagai berikut (p. 511): R2 =

SSR = 1SST

SSE SST

SST = SSR + SSE SSR = k SSE = n – (k + 1) SST = n – 1 Keterangan: R2 = Koefisien Determinasi SST = Sum of Square Total SSE = Sum of Square Error SSR = Sum of Square Regression n = jumlah sampel k = jumlah variabel independen (7) Koefisien Determinasi dihitung jika kesimpulan dari Uji F adalah: H0 ditolak, artinya ada hubungan signifikan antara variabel dependen (Y) dengan variabel independennya (X). R2 = a%, artinya sebesar a% Y disebabkan oleh faktor-faktor X, sisanya sebesar 1 – a% ditentukan oleh faktor lain diluar model. Pada penelitian ini yang dianggap sebagai acuan adalah R2 sesuaian (adjusted). Nilai koefisien determinasi R2 dan nilai R2 adjusted berbeda, biasanya nilai R2 adjusted lebih kecil daripada nilai R2 karena besarnya nilai R2 adjusted tidak

46

dipengaruhi oleh banyaknya variabel independen. Oleh karena itu nilai R2 adjusted dipandang lebih terpercaya dibanding nilai R2 saja.

III.5.3.4 Level Signifikansi Tingkat kepercayaan yang digunakan dalam penelitian ini adalah sebesar 95% (α = 5%) untuk uji statistik. Nilai α = 5% artinya: adanya penyimpangan sebesar 5% untuk menolak Ho tetapi pada kenyataannya Ho adalah benar. Besarnya α = 5% digunakan dalam penelitian ini dengan pertimbangan bahwa α = 5% cukup signifikan digunakan untuk penelitian seperti ini.

47

BAB III DESAIN PENELITIAN

Recommend Documents