30
BAB III METODE PENELITIAN
A.
Waktu dan Tempat Penelitian Penelitian ini dilakukan dengan menggunakan data laporan keuangan dan
laporan tahunan perusahaan-perusahaan lembaga pembiayaan yang terdaftar di Bursa Efek Indonesia (BEI) yang didapat dari www.idx.co.id . Periode laporan keuangan dan laporan tahunan yang digunakan dalam penelitian ini adalah tahun 2010 – 2013.
B.
Desain Penelitian Penelitian menggunakan desain penelitian kausal karena penelitian ini
bertujuan untuk menguji hipotesis tentang pengaruh satu atau beberapa variabel (variabel independen) terhadap variabel lainnya (variabel dependen). Tujuan penelitian ini adalah pengujian hipotesis dan menjelaskan pengaruh variabel-variabel yang diteliti yaitu operating profit margin, return on equity dan return on assets sebagai variabel independen dan perubahan laba sebagai variabel dependen.
C.
Variabel dan Skala Pengukuran Variabel yang digunakan dalam penelitian ini terdiri dari dua jenis yaitu
variabel bebas (variabel independen) dan variabel terikat (variable dependen).
30
31
Pengukuran yang digunakan dalam penelitian ini adalah dengan menggunakan skala rasio. a.
Variabel Independen Dalam bahasa Indonesia sering disebut sebagai variabel bebas. Variabel bebas adalah merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahan atau timbulnya variabel dependen (Sugiyono:2008). Variabel independen dalam penelitian ini adalah operating profit margin, return on equity dan return on assets
b.
Variabel Dependen Dalam bahasa Indonesia sering disebut sebagai variabel terikat. Variabel terikat merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas (Sugiyono:2008). Variabel dependen dalam penelitian ini adalah perubahan laba.
32
Tabel 3.1 Variabel dan Skala Pengukuran Variabel
Definisi
Rumus
Skala
Laba operasi
Rasio
Independen Operating
Rasio ini mengukur
Profit Margin
efisiensi operasi
(OPM)
perusahaan dihitung dari
OPM =
x 100% Penjualan
operasi profit atau laba operasi dibagi dengan penjualan. Return On
Rasio ini mengukur
Equity (ROE)
tingkat keuntungan atas
Laba bersih ROE=
investasi modal sendiri
Rasio x 100%
Modal sendiri
atau pemegang saham. Return On
Rasio yang menunjukkan
Assets (ROA)
hasil atas jumlah aktiva yang digunakan dalam
Laba bersih ROA =
Rasio x 100%
Total aktiva
perusahaan. Dependen Perubahan
Peningkatan dan
Laba
penurunan laba yang diperoleh perusahaan dibandingkan dengan tahun sebelumnya
Rasio
33
D.
Populasi dan Sampel Penelitian Menurut Sugiyono (2008), populasi adalah wilayah generalisasi yang terdiri
atas obyek atau subyek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi dalam penelitian ini adalah seluruh perusahaan jasa sektor keuangan subsektor lembaga pembiayaan yang terdaftar di Bursa Efek Indonesia. Pengambilan sampel dalam penelitian ini menggunakan teknik purposive sampling yang berarti sampel perusahaan yang diambil berdasarkan kriteria sebagai berikut: 1.
Perusahaan lembaga pembiayaan yang tercatat di BEI periode tahun 2010-2013
2.
Perusahaaan lembaga pembiayaan yang mempublikasikan laporan keuangan lengkap selama periode 2010-2013.
3.
Perusahaan yang dipilih adalah yang menghasilkan laba bersih pada periode tahun 2010-2013.
34
Tabel 3.2 Prosedur Pengambilan Sampel Kriteria
Jumlah
Total Populasi
14
Perusahaan lembaga pembiayaan yang tidak
(4)
tercatat di BEI periode tahun 2010-2013 Perusahaaan lembaga pembiayaan yang
0
tidak mempublikasikan laporan keuangan lengkap selama periode 2010-2013. Perusahaan yang tidak menghasilkan laba
0
bersih pada periode tahun 2010-2013. Jumlah sampel dipilih
10
Berdasarkan kriteria pemilihan sampel tersebut, maka perusahaan yang dapat diambil terdiri dari 10 perusahaan lembaga pembiayaan sebagai sampel pada penelitian ini selama 4 periode dari tahun 2010-2013. Daftar perusahaan dapat dilihat pada tabel berikut:
35
Tabel 3.3 Sampel Perusahaan Lembaga Pembiayaan No.
Kode Perusahaan
1.
ADMF
Adira Dinamika Multi Finance Tbk.
2.
BBLD
Buana Finance Tbk.
3.
BFIN
BFI Finance Indonesia Tbk.
4.
BPFI
Batavia Prosperindo Finance Tbk.
5.
CFIN
Clipan Finance Indonesia Tbk.
6.
DEFI
Danasupra Erapacific Tbk.
7.
MFIN
Mandala Multi Finance Tbk.
8.
TRUS
Trust Finance Indonesia Tbk.
9.
VRNA
Verena Multi Finance Tbk.
10.
WOMF
Wahana Ottomitra Multiartha Tbk.
E.
Nama Perusahaan
Teknik Pengumpulan Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu
data yang diperoleh dari dokumen-dokumen perusahaan dan pencatatan yang erat kaitannya dengan masalah yang akan dibahas. Data sekunder diperoleh secara tidak langsung dari perusahaan. Oleh karena data yang digunakan dalam penelitian ini adalah data sekunder maka teknik pengumpulan data yang digunakan adalah teknik dokumentasi. Teknik dokumentasi yang dilakukan dalam penelitian ini yaitu pengambilan data dengan cara mencari dan mengumpulkan data yang diperoleh dari laporan keuangan dan laporan tahunan yang dipublikasikan.
36
F.
Metode Analisis Data yang digunakan dalam penelitian ini adalah data panel. Data panel
adalah gabungan antara data runtut waktu (time series) dan data silang (cross section). Menurut Widarjono (2013) penggunaan data panel dalam sebuah observasi mempunyai beberapa keuntungan yang diperoleh. Pertama, data panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan lebih menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (omitted-variabel). Dalam melakukan analisis dan pengujian hipotesis digunakan alat bantu program komputer EViews 7.2. Metode analisis dalam penelitian ini menggunakan regresi data panel. Model regresi panel dari penelitian ini adalah sebagai berikut : Yit = βo + β1X1it + β2X2it + β3X3it + eit Keterangan: Y
= Variabel dependen (Perubahan Laba)
βo
= Konstanta
X1
= Variabel independen 1 (OPM)
X2
= Variabel independen 2 (ROE)
X3
= Variabel independen 3 (ROA)
β1, β2, β3
= Koefisien regresi masing-masing variabel independen
37
e
= Error term
t
= Waktu
i
= Perusahaan
1.
Statistik Deskriptif Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data
dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi (Sugiyono:2008). Alat analisis yang digunakan adalah ratarata (mean), standar deviasi, maksimum dan minimum. 2.
Estimasi Regresi Data Panel Tidak seperti regresi biasanya, regresi data panel melalui tahapan penentuan
model estimasi yang tepat. Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan, antara lain: a. Common Effect Model Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. Pada model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel. Model persamaan regresinya adalah : Yit = βo + β1X1it + β2X2it + β3X3it + eit
38
b. Fixed Effect Model Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel model Fixed Effects menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan, perbedaan intersep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif. Namun demikian slopnya sama antar perusahaan. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV). Model persamaan regresinya adalah sebagai berikut : Yit = βo + β1X1it + β2X2it + β3X3it + β4X4it + β5X5it +...+ βnXnit + eit c. Random Effect Model Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Pada model Random Effect perbedaan intersep diakomodasi oleh error terms masing-masing perusahaan. Keuntungan menggunkan model Random Effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS). Model regresi ditulis dengan persamaan sebagai berikut : Yit = βo + β1X1it + β2X2it + β3X3it + eit + μit
3.
Pengujian Hipotesis Untuk memilih model data panel yang akan digunakan terlebih dahulu
dilakukan uji stasioner. Uji stasioner dilakukan untuk menentukan data stationer atau
39
tidak. Selanjutnya akan dilakukan uji Chow , uji Hausman dan uji Lagrange Multiplier untuk menentukan model regresi data panel yang digunakan. a. Uji Stasioner Uji stasioner dilakukan untuk melihat apakah data yang diuji bersifat stasioner atau tidak. Data yang stasioner merupakan data yang bersifat flat, tidak mengandung komponen trend, dengan keragaman yang konstan serta tidak terdapat fluktuasi periodik. Menurut Ariefianto (2012), pengujian stasioneritas data adalah hal yang penting dalam analisis regresi data urut waktu. Pengujian yang tidak memadai dapat menyebabkan pemodelan yang tidak tepat sehingga hasil/kesimpulan yang diberikan dapat bersifat spurious (palsu). Regresi palsu adalah suatu fenomena dimana suatu persamaan regresi yang diestimasi memiliki signifikansi yang cukup baik, namun demikian secara esensi tidak memiliki arti. Uji stasioner dapat dilakukan dengan menggunakan uji akar-akar unit (Unit Root Test). Untuk memperoleh data yang stasioner uji akar-akar unit dapat dilakukan dengan tiga cara yaitu Augmented Dickey-Fuller (ADF), Dickey-Fuller (DF) dan Philip-Pheron. b. Pemilihan Model Menurut Sekaran dan Bougie dalam Utomo (2013) terdapat tiga model statistik panel berdasarkan persebaran unobserved variable dan error, yaitu model fixed effect (FE), random effect (RE) dan pooled least square (PLS). Sebuah model statistik panel harus diuji apakah terdapat permasalahan multikolinieritas, heteroskedastisitas, dan autokorelasi untuk memenuhi asumsi best linear unbiased
40
estimator (BLUE). Sementara pengujian asumsi BLUE berbeda untuk model panel FE, RE, dan PLS. Berikut adalah pengujian yang dilakukan untuk mengetahui jenis model panel yang lebih tepat untuk model penelitian : 1.
Uji Chow Chow test yakni pengujian untuk menentukan model Fixed Effet atau Random Effect yang paling tepat digunakan dalam mengestimasi data panel. Hipotesis dalam uji chow adalah: H0 : Common Effect Model atau Pooled Least Square H1 : Fixed Effect Model Dasar penolakan terhadap hipotesis diatas 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, 2013). Perhitungan F statistik didapat dari Uji Chow dengan rumus (Baltagi, 2005):
Dimana: SSE1
: Sum Square Error dari model Common Effect
SSE2
: Sum Square Error dari model Fixed Effect
41
n
: Jumlah perusahaan (cross section)
nt : Jumlah cross section x jumlah time series k
: Jumlah variabel independen
Sedangkan F tabel didapat dari: F-tabel = { α : df (n-1, nt – n – k)} Dimana:
α n
: Jumlah perusahaan (cross section)
nt
: Jumlah cross section x jumlah time series
k
: Jumlah variabel independen
: Tingkat signifikasi yang dipakai (alfa)
2. Uji Hausman Uji Hausman dapat didefinisikan sebagai pengujian statistik untuk memilih apakah model Fixed Effect atau Random Effect yang paling tepat digunakan. Pengujian uji Hausman dilakukan dengan hipotesis berikut: H0
: Random Effect Model
H1
: Fixed Effect Model
Uji Hausman akan mengikuti distribusi chi-squares sebagai berikut:
Statistik Uji Hausman ini mengikuti distribusi statistic Chi Square dengan degree of freedom sebanyak k, dimana k adalah jumlah variabel independen. Jika
42
nilai statistik Hausman lebih besar dari nilai kritisnya maka H0 ditolak dan model yang tepat adalah model Fixed Effect sedangkan sebaliknya bila nilai statistik Hausman lebih kecil dari nilai kritisnya maka model yang tepat adalah model Random Effect . 3. Lagrange Multiplier Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah model Random Effect atau model Common Effect (OLS) yang paling tepat digunakan. Uji signifikasi Random Effect ini dikembangkan oleh Breusch Pagan. Metode Breusch Pagan untuk uji signifikasi Random Effect didasarkan pada nilai residual dari metode OLS. Adapun nilai statistik LM dihitung berdasarkan formula sebagai berikut:
Dimana : n = jumlah individu T = jumlah periode waktu e = residual metode Common Effect (OLS)
43
Hipotesis yang digunakan adalah : H0 : Common Effect Model H1 : Random Effect Model Uji LM ini didasarkan pada distribusi chi-squares dengan degree of freedom sebesar jumlah variabel independen. Jika nilai LM statistik lebih besar dari nilai kritis statistik chi-squares maka kita menolak hipotesis nul, yang artinya estimasi yang tepat untuk model regresi data panel adalah metode Random Effect dari pada metode Common Effect. Sebaliknya jika nilai LM statistik lebih kecil dari nilai statistik chi-squares sebagai nilai kritis, maka kita menerima hipotesis nul, yang artinya estimasi yang digunakan dalam regresi data panel adalah metode Common Effect bukan metode Random Effect (Widarjono, 2013).
c.
Uji Hipotesis Untuk pengujian hipotesis, dalam penelitian ini menggunakan pengujian secara
bersama-sama atau simultan (uji F) dan pengujian individual atau parsial (uji t). a) Uji Simultan (Uji F) Uji ini untuk melihat secara global, apakah semua variabel independen secara bersama-sama mempengaruhi variabel dependen. Hipotesis: H0 : β0 = β1 = β2 = β3 = β4 = ….. = βk = 0 H1 : β0 ≠ β1 ≠ β2 ≠ β3 ≠ β4 ≠ ….. = βk ≠ 0
44
Pada uji Common Effect atau Pooled Least Square (PLS) dan Fixed Effects (FE) Hipotesis nol akan ditolak jika nilai F-statistik > nilai F tabel atau bila (Prob > F) < α. Jika nilai dari (Prob > F) = 0 berarti (Prob > F) < α (0.05). Pada uji Random Effects (RE) Hipotesis nol akan ditolak jika nilai wald chi2-statistik > nilai chi-square tabel atau bila (Prob > Chi2) < α. Jika nilai dari (Prob > Chi2) = 0 berarti (Prob > Chi2) < α (0.05).
b) Uji Parsial (Uji-t) Pengujian ini dilakukan untuk melihat signifikansi pengaruh individual dari variabel-variabel bebas dalam model terhadap variabel dependennya. Dengan melakukan pengujian ini nilai-nilai statistik setiap variabel bebas. H0 : βi = 0 H1 : βi ≠ 0 Nilai beta menunjukkan slope variabel bebas. Bila nilai statistik beta sama dengan nol maka variabel bebas tidak memiliki hubungan signifikan dengan variabel terikat. Kriteria penerimaan Ho adalah sebagai berikut: 1)
Berdasarkan perbandingan t-statistik dengan t-tabel. Kita membandingkan nilai t hitung dengan t tabel, dengan derajat bebas n-2, dimana n adalah banyaknya jumlah pengamatan serta tingkat signifikansi yang dipakai. -
bila t statistik > t tabel maka H0 ditolak
-
bila t statistik < t tabel maka H0 diterima
45
2) Berdasarkan probabilitas -
jika probabilitas (p-value) > 0,10, maka H0 diterima
-
jika probabilitas (p-value) < 0,10, maka H0 ditolak