BAB III METODE PENELITIAN
A. Desain Penelitian Penelitian ini menggunakan data panel sebagai acuan sumber data yang digunakan. Dimana penelitian ini berfokus pada bagaimana peforma perusahaan ritel di Indonesia. Tujuannya adalah untuk mengetahui bagaimana hubungan variabel Independen pada penelitian ini, yaitu Laba kotor, Intensitas modal, Peramalan penjualan terhadap variabel dependennya yaitu Perputaran persediaan. Penelitian ini bersifat asosiatif kausal, karena penelitian ini bertujuan untuk melihat sebabakibat dari variabel independen terhadap variabel dependen. 1.
Tujuan Studi Penelitian ini merupakan pengujian hipotesis, untuk mengetahui bagaimana pengaruh antar variabelnya. Sehingga penelitian ini dapat membuktikan bagaimana pengaruh variabel independen terhadap variabel dependen seperti yang telah dijelaskan sebelumnya.
2. Tipe Hubungan Variabel Tipe hubungan dalam penelitian ini adalah hubungan sebab – akibat (kausalitas), yaitu penelitian yang menunjukkan pengaruh antara variabel independen terhadap variabel dependen. Dalam penelitian ini Laba kotor, Intensitas modal, Peramalan penjualan berperan sebagai variabel independen dan Perputaran persediaan berperan sebagai variabel depeden.
17
3. Unit Analisis Pada penelitian ini unit analisis adalah perusahaan ritel yang ada di Indonesia. Pemilihan perusahaan ritel karena memiliki tingkat persediaan yang besar dan memiliki laporan keuangan tahunan sehingga penelitian ini dapat dilakukan untuk mengetahui pengaruh Laba kotor, Intensitas modal, dan Peramalan penjualan terhadap Perputaran persediaan. 4. Horizon waktu Penelitian ini termasuk
dalam
kategori penelitian ex post
facto, yaitu penelitian yang dilakukan untuk meneliti peristiwa yang
telah
terjadi dan kemudian
meruntut kebelakang
untuk
mengetahui faktor-faktor yang menyebabkan timbulnya kejadian tersebut. Berdasarkan
jenis data
yang digunakan penelitian ini
tergolong sebagai penelitian kuantitatif. B. Populasi, Sampel, dan Teknik Pengambilan Sampel 1. Populasi
merupakan wilayah
generalisasi
yang
terdiri
atas:
objek/subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2013). Populasi tidak hanya orang, namun bisa juga objek lain yang dapat dijadikan sebagai bahan penelitian. Dalam penelitian ini populasi yang digunakan adalah perusahaan retail yang terdapat dalam bank data orbis. 2. Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi
tersebut
(Sugiyono,
2013).
Dapat dikatakan bahwa
sampel merupakan perwakilan untuk populasi tersebut.
18
Dalam
penelitian ini sampel ditentukan dengan metode purposive sampling, yaitu sampel ditentukan berdasarkan pertimbangan tertentu sesuai dengan tujuan penelitian. Teknik ini digunakan untuk memperoleh sampel yang representatif (mewakili). Untuk itu, dalam penelitian ini memilih kriteriakriteria yang sesuai dengan tujuan penelitian. Kriteriakriteria sampel yang digunakan dalam penelitian ini adalah: a. Perusahaan ritel di Indonesia yang terdaftar dalam bank data orbis. b. Menerbitkan laporan keuangan tahunan periode yang berakhir 31 Desember periode pengamatan 2010-2014. c. Laporan yang diperlukan pada penelitian mencangkup harga pokok penjualan, depresiasi, persediaan, penjualan, dan total aset terlaporkan secara lengkap tanpa ada yang memiliki laporan bernilai 0. Berdasarkan kriteria yang ditentukan, diperoleh sampel sebanyak 22 perusahaan. 3. Teknik pengumpulan sampel ini menggunakan metode dokumentasi dari sumber-sumber data sekunder. Data sekunder merupakan sumber data yang secara tidak langsung didapat oleh peneliti dengan kata lain peneliti mendapat data melalui pihak kedua dan seterusnya. Data yang digunakan dalam penalitian ini berdasarkan laporan keuangan yang berasal dari bank data orbis. C. Devinisi Operasional Pengukuran Variabel
1. Variabel dependen
19
Perputaran persediaan merupakan rasio yang digunakan untuk mengukur kecepatan perputaran persediaan menjadi kas. Semakin cepat inventory terjual, berubah
dan
semakin
cepat
investasi
perusahaan
persediaan menjadi kas. Pada penelitian ini untuk
melihat rasio inventory turrnover menggunakan rumus sebagai berikut : Perputaran persediaansit =
Harga pokok penjualan (HPP)sit -Depresiasi(Depr)sit persediaansit
2. Variabel Independen a. Laba kotor Laba kotor
atau margin laba kotor
digunakan untuk
mengetahui keuntungan kotor perusahaan yang berasal dari penjualan setiap produknya. Untuk mengetahui nilai dari Laba kotor digunakan rumus sebagai berikut :
Laba kotorsit=
Penjualansit -Harga pokok penjualan (HPP)sit Penjualansit
b. Intensitas modal Intensitas modal adalah jumlah modal perusahaan yang diinvestasikan pada aktiva tetap perusahaan yang biasanya diukur dengan menggunakan rasio aktiva tetap dibagi dengan penjualan. Intensitas modal=
Aset tetapsit Aset tetapsit +Persediaansit
20
c. Peramalan penjualan Peramalan penjualan adalah ratio antara penjualan aktual dengan penjualan yang diharapkan pada tahun tersebut. Rumus untuk mengetahui nilai tesebut adalah sebagai berikut :
Peramalan penjualan =
Penjualansit -penjualansi,t-1 penjualansi,t-1
D. Instrument Penelitian Instrumen penelelian yang digunakan dalam penelitian ini adalah data panel perusahaan ritel yang berada di Indonesia selama periode 2010-2014. Data perusahaan yang digunakan adalah harga pokok penjualan, depresiasi, persediaan, penjualan, dan total aset yang diolah sehingga menghasilkan ratio berupa Laba kotor, Intensitas modal, dan Peramalan penjualan. E. Jenis Data Dalam penelitian yang mengukur bagaimana peforma pesediaan perusahaan ritel di Indonesia dengan pengukuran Perputaran persediaan ini menggunakan laporan keuangan perusahaan. Data diperoleh melalui bank data orbis. F. Metode Analisis Data 1.
Statistik Deskriptif Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), nilai standar deviasi, nilai maksimum, dan nilai minimum. Data yang telah diteliti dikelompokkan
21
menjadi empat, yaitu Perputaran persediaan, Laba kotor, Intensitas modal, dan Peramalan penjualan. Statistik deskriptif mendeskripsikan data menjadi sebuah informasi yang lebih jelas dan mudah dipahami. Statistik deskriptif digunkan untuk mengembangkan profil
perusahaan
yang menjadi sampel statistik deskriptif
berhubungan dengan pengumpulan dan peningkatan data, serta penyajian hasil peningkatan tersebut (Ghozali, 2006). Peneliti menggolongkan sampel berdasarkan variabel Perputaran persediaan, Laba kotor, Intensitas modal, dan Peramalan penjualan masing-masing ke dalam tiga kelompok (rendah-sedang-tinggi). Penggolongan diamati melalui hasil mean pada hasil olah data dengan kategori sebagai berikut :
Range Interval = _______ 3 Range dihitung dengan rumus: Range = Xn-Xi Keterngan: Xn: Nilai pengamatan tertinggi (jumlah item pertanyaan dikalikan skala tertinggi setiap item pertanyaan) Xi: Nilai pengamatan tertendah (jumlah item pertanyaan dikalikan skala terendah setiap item pertanyaan) 2.
Uji Asumsi Klasik Secara
teoritis
model
OLS
menghasilkan
estimasi
nilai
parameter model penduga yang baik bila dipenuhi asumsi data tidak
22
ada multikolinearitas, tidak ada heteroskedastisitas, tidak adanya autokorelasi. Untuk itu peneliti perlu melakukan pengujiaan guna mengetahui terpenuhi atau tidaknya asumsi tersebut atau yang biasa disebut uji asumsi klasik. a. Uji Normalitas Uji normalitas ini dilakukan sebagai syarat untuk melakukan uji beda independen sample T-test. Uji normalitas ini dapat dilakukan dengan analisis statistik non-parametik KolmogorovSmimov (K-S). Uji K-S dilakukan dengan membuat hipotesis (Ghozali, 2006). Jika hasil uji menunjukan sampel berdistribusi normal maka uji beda yang akan digunakan dalam penelitian ini adalah uji parametric (paired sampel t-test). Tetapi apabila sampel tidak berdistribusi normal maka uji beda yang akan digunakan dalam penelitian ini adalah uji non parametric (Wilcoxon Rank-Sum Test) H0: Data residual berdistribusi normal Jika hasil Uji K-S menunjukkan nilai probabilitas tidak signifikan pada 0,01 (p>0,01) maka hipotesis nol diterima yang berarti data residual terdistribusi normal. H1: Data residual tidak berdistribusi normal JIka hasil Uji K-S menunjukkan nilai probabilitas signifikan pada 0,01 (p<0,01) maka hipotesis nol ditolak yang berarti data residual terdistribusi tidak normal. b. Uji multikolinieritas
23
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan
adanya
korelasi
antar
variabel
bebas
(variabel independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara
variabel
bebas,
karena
jika
hal
tersebut terjadi maka variabel-variabel tersebut tidak ortogonal atau
terjadi
kemiripan. Terjadinya multikolinearitas akan
menimbulkan estimasi unik dari setiap variabel tidak
muncul.
Sehingga tidak dapat menarik kesimpulan dari hasil pengujian hipotesis. Pengujian
ada
tidaknya
multikolinearitas
dapat
dilakukan dengan melihat nilai koefisien korelasinya. Apabila nilai koefisien korelasinya lebih kecil dari 0,80 maka dapat disimpulkan tidak ada multikolenieritas. c) Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian tetap maka disebut homoskedastisitas
dan
jika
berbeda
maka
terjadi
problem heteroskedastisitas. Untuk itu perlu adanya deteksi mengenai ada tidaknya sifat heteroskedastisitas dalam data. Uji yang biasa digunakan untuk mendeteksi ada tidaknya sifat tersebut
adalah
dengan uji Glejser. Dalam uji Glejser akan
didapat nilai probabilitas, jika besarnya nilai probabilitasnya > nilai
α
(0,01)
bisa
dikatakan
bahwa
heteroskedastisitas dalam model regresi ini.
24
tidak
terjadi
d) Uji Autokorelasi Autokorelasi bisa didefinisikan sebagai korelasi diantara anggota observasi yang diurut menurut waktu (seperti kata deret berskala) atau ruang (seperti data lintas sektoral) (Gujarati, 2006). Secara sederhana autokorelasi
adalah
keadaan
dimana
variabel gangguan pada periode tertentu berkorelasi dengan variabel
gangguan
pada
periode
lain. Untuk menguji ada
tidaknya autokorelasi tersebut biasanya digunakan uji DurbinWatson. Dalam uji DW diperoleh dua nilai kritis sebagai batasan yaitu dL batas bawah dan dU batas atas. Sehingga dapat diperoleh suatu aturan dalam
menentukan
diterima
atau
ditolaknya hipotesis nol jika nilai dw lebih kecil dari dl tau lebih besar dari (4-dl) maka hipotesis nol ditolak yang berarti terdapat autokorelasi. 3.
Analisis Regresi Data Panel Data panel merupakan data individual yang diteliti selama rentan waktu tertentu sehingga data panel memberikan informasi observasi setiap individu dalam sampel. Analisis regresi data panel adalah analisis regresi yang didasarkan pada data panel untuk mengamati hubungan antara satu variabel terikat (dependen variabel) dengan satu atau lebih variabel bebas independen variabel (Nyoman dan Neneng, 2009). Secara umum dengan menggunakan data panel kita
akan
menghasilkan
intersep
25
dan slope
koefisien
yang
berbeda pada
setiap perusahaan dan setiap periode waktu.
Adapun persamaan regresinya adalah sebagai berikut :
log PPsit = β0 + β1 log LKsit + β2 log IMsit + β3 log Ppsit
usit
Keterangan : log itsit
= Perputaran Persediaan (PP)
β0
= Konstanta
β1-3
= Koefisien regresi
log gmsit
= nilai log variabel Laba kotor (LK) dalam unit ke I pada
periode waktu t log cisit
= nilai log variabel Intensitas modal (IM) dalam unit ke I
pada periode waktu t log sssit
= nilai log variabel Peramalan penjualan (Pp) dalam unit
ke I pada periode waktu t usit
= residu Pada model data panel dikenal tiga macam pendekatan estimasi
yaitu pooled least square (common effect), fixed effect, dan random effect. a. Pooled Least Square (common effect) Teknik ini merupakan teknik yang paling sederhana untuk mengestimasi parameter model data panel, yaitu dengan mengkombinasikan data cross section dan time series sebagai satu kesatuan tanpa melihat adanya perbedaan waktu dan entitas (individu). Dimana pendekatan yang sering dipakai adalah
26
metode Ordinary Least Square (OLS). Model Commen Effect mengabaikan adanya perbedaan dimensi
individu
maupun
waktu atau dengan kata lain perilaku data antar individu sama dalam berbagai kurun waktu. b. Fixed Effect Model Pendekatan
model Fixed
Effect mengasumsikan
bahwa
intersep dari setiap individu adalah berbeda sedangkan slope antar individu adalah tetap (sama). Teknik ini menggunakan variabel dummy untuk menangkap adanya perbedaan intersep antar individu. c. Random Effect Model Pendekatan mengasumsikan
yang
dipakai
dalam Random
setiap perusahaan mempunyai
Effect
perbedaan
intersep, yang mana intersep tersebut adalah variabel random atau stokastik. Model ini sangat berguna jika individu (entitas) yang diambil sebagai sampel adalah dipilih secara random dan merupakan wakil populasi. Teknik ini juga memperhitungkan bahwa error mungkin berkorelasi sepanjang cross section dan time series. 4.
Estimasi Regresi Data Panel Pada dasarnya ketiga teknik (model) estimasi data panel dapat dipilih sesuai dengan keadaan penelitian, namun ada beberapa cara yang dapat digunakan untuk menentukan teknik mana yang paling tepat dalam mengestimasi parameter data panel. Menurut Widarjono (2007), ada tiga uji untuk memilih teknik estimasi data
27
panel. Pertama, uji statistik F (Chow) digunakan untuk memilih antara metode Commom Effect atau metode Fixed Effect. Kedua, uji Hausman yang digunakan untuk memilih antara metode Fixed Effect atau metode Random Effect. Ketiga, uji Lagrange Multiplier (LM) digunakan untuk memilih antara metode Commom Effect atau metode Random Effect. a. Estimasi Regresi Data Panel dengan Uji Chow Uji ini digunakan salah satu untuk memilih model pada regresi data panel, yaitu antara model efek tetap ( Fixed Effect Model ) dengan model koefisien tetap (Common Effect ). Hipotesis awal dari uji adalah Fixed Effect Model sama bagusnya dengan Common Effect. Hipotesis dalam uji chow adalah: H0: Common Effect Model atau pooled OLS H1: Fixed Effect Model Dalam uji Chow, H0 dapat diterima apabila nilai p-value lebih besar dari α (taraf signifikansi). Sebaliknya apabila nila pvalue lebih kecil dari α (taraf signifikansi), maka H0 bisa ditolak dan H1 diterima yang berarti model yang lebih baik adalah Fixed Effect Model. b.
Estimasi Regresi Data Panel dengan Uji Hausman Uji Hausman digunakan untuk memilih model terbaik apakah Fixed Effect Model (FEM) atau Random Effect Model (REM). Jika H0 diterima maka Random Effect Model (REM) lebih efisien, sedangkan jika H0 ditolak maka Fixed Effect Model lebih
28
sesuai daripada Random Effect Model. Pengujian uji Hausman dilakukan dengan hipotesis sebagai berikut: H0: Random Effect Model H1: Fixed Effect Model Dalam uji Hausman, H0 dapat diterima apabila nilai pvalue lebih kecil dari α (taraf signifikansi). Sebaliknya apabila nila p-value lebih besar dari α (taraf signifikansi), maka H0 bisa ditolak dan H1 diterima yang berarti model yang lebih baik adalah Fixed Effect Model. 5.
Uji Hipotesis a. Uji Simultan (Uji F) Uji F dimaksudkan untuk menguji model regresi atas pengaruh seluruh variabel bebas secara simultan terhadap variabel terikat (Ghozali, 2011). Dengan kata lain, uji F melihat pengaruh seluruh variabel bebas terhadap variabel terikatnya. Hipotesis yang bisa dirumuskan sebagai berikut: H0 = β1 = β2 = β3 = β4 = 0 H1 = β1 = β2 = β3 = β4 ≠ 0 F tabel didapat dari rumus df1=k-1 dan df2=n-k dengan nilai α = 1% sehingga diperoleh nilai F tabel sebesar 26.24. Dapat ditarik kesimpulan dengan kriteria sebgai berikut: 1) Jika nilai F hitung < Ftabel , maka H0 ditolak dan H1 diterima. 2) Jika nilai F hitung > Ftabel , maka H0 diterima dan H1 ditolak.
29
b. Uji Parsial (uji statistik t) Uji-t dilakukan untuk mengetahui pengaruh variabel independen secara parsial terhadap variabel dependen. Secara sederhana uji-t digunakan untuk melihat pengaruh variabel independen secara individu terhadap variabel dependen dengan menganggap variabel lainnya bersifat tetap. Dalam pengujian ini menggunakan derajat keyakinan 99% atau α = 1%. Untuk menentukan apakah hipotesis diterima atau tidak, bisa diketahui perbandingan antara p-value dengan tingkat signifikansi. Jika pvalue < dari tingkat signifikansinya yaitu 0.01 maka H1 diterima dimana ada pengaruh positif, namun jika nilai p-value > dari tingkat signifikansinya sebesar 0.01 maka H1 ditolak dimana ada pengaruh negatif. c. Koefisien Determinasi (R2 ) Koefisien determinasi menunjukkan presentase fluktuasi atau variasi pada suatu variabel (Y) dapat dijelaskan atau disebabkan oleh variabel
lain
(X) (Lukas,
2009). Koefisien
determinasi merupakan ukuran untuk mengetahui kesesuaian atau ketepatan antara nilai dugaan atau garis regresi dengan data sampel. Jika semua data observasi terletak pada garis regresi akan diperoleh garis regresi yang sesuai atau sempurna, namun apabila data observasi tersebar jauh dari nilai dugaan atau garis regresinya, maka nilai dugaannya menjadi kurang sesuai
(Suharyadi,
2004). Koefisien
determinasi
mengukur
seberapa jauh kemampuan model dalam menerangkan variasi
30
variabel dependent (Ghozali, 2011). Nilai R2 berkisar antara 0-1, nilai R2 yang lebih
kecil
atau
mendekati
nol
berarti
kemampuan variabel-variabel independen dalam menjelaskan variabel dependent sangat terbatas. Sebaliknya jika nilai R2 lebih besar atau mendekati 1, maka variabel-variabel independen menjelaskan
hampir
seluruh
dependen.
31
informasi
mengenai
variabel
