METODA PENELITIAN. Penelitian ini merupakan studi empiris yang mengkaji pengaruh brand value

38

METODA PENELITIAN

Penelitian ini merupakan studi empiris yang mengkaji pengaruh brand value terhadap performansi saham. Performasi saham ini didekati dengan analisis event study untuk menguji pengaruh kandungan informasi pengumuman brand value terhadap reaksi pasar dan analisi regresi untuk menguji pengaruh brand value terhadap harga saham.

4.1. Desain Penelitian Desain penelitian untuk mengkaji pengaruh brand value terhadap performansi saham ini terbagi dalam 2 bagian yaitu penelitian event study pengaruh pengumuman brand value terhadap respon pasar serta pengujian pengaruh sebab akibat brand value terhadap harga saham. Penelitian ini diawali dengan analisis deskriptif untuk menggambarkan data yang telah terkumpul sebagaimana adanya dan diikuti dengan pengujian hipotesis selanjutnya yang dibagi dalam 2 bagian yaitu pengujian kandungan informasi brand value dengan menggunakan penelitian event study dengan mengamati perubahan abnormal return sebelum dan sesudah pengumuman brand value serta penelitian pengaruh besar brand value terhadap harga saham. Langkah berikutnya untuk penelitian event study dimulai dari penghitungan return saham harian dan return pasar harian pada periode estimasi. Kemudian dilanjutkan dengan melakukan penghitungan abnormal return pada periode kejadian, yang dilanjutkan dengan pengujian one-sample T.

39

Analisis regresi untuk menjelaskan hubungan sebab akibat dari pengaruh brand value terhadap harga saham. Analisis regresi ini merupakan pengujian pengaruh variabel bebas terhadap variabel terikatnya. Pada penelitian ini pengaruh variabel bebas terhadap terikat dikontrol oleh beberapa variabel lain yang diduga juga mempengaruhi variabel terikatnya. Penelitian yang berdasarkan analisis kausalitas dilakukan dengan model data panel.

4.2. Penelitian Pengaruh Brand Value terhadap Respon Pasar Penelitian ini didekati dengan melihat keberadaan abnormal return di sekitar tanggal pengumuman brand value. Kemudian hasil observasi abnormal return ini di analisa dengan pendekatan statistik untuk melihat signifikansi abnormal return pada tanggal di sekitar pengumuman brand value. 4.2.1. Variabel Penelitian dan Pengumpulan Data Dalam penelitian ini variabel penelitian yang digunakan adalah return harian yang dihitung dari selisih harga saham sebagaimana rumus 3.1. Data harga saham harian dapat diperoleh dari data sekunder yaitu data historis dari yahoo finance selama rentang waktu penelitian yaitu periode estimasi dan periode pengamatan. 4.2.2. Periode Pengamatan Periode pengamatan untuk analisis event study, langkah pertama yang sangat kritikal adalah mengidentifikasi waktu peristiwa yang tepat. Pada penelitian ini, waktu peristiwa adalah waktu pada saat majalah SWA mengumumkan estimasi brand value ke publik. Brand value diumumkan oleh majalah SWA melalui majalah yang terbit

40

pada edisi 25/2013 tanggal 28 Nopember 2013 dan edisi 15/2014 tanggal 10 Juli 2014. Tanggal penerbitan majalah yang memuat informasi Top 100 Most Valuable Brand ini yang dijadikan acuan hari ke-0 (H0). Menurut Hartono (2013), periode pengamatan tergantung dengan jenis event. Untuk peristiwa yang nilai ekonomisnya sulit dicerna oleh investor maka invetor akan membutuhkan waktu yang cukup lama untuk bereaksi. Beberapa penelitian menggunakan periode pengamatan yang cukup lama untuk peristiwa pengumuman brand value yaitu 46 hari menjelang pengumuman brand value (Dutordoir et al., 2014) dan 7 bulan (Hsu et al., 2013). Dengan asumsi bahwa pengumuman brand value di Indonesia merupakan hal yang baru dan penelitian yang pernah dilakukan, maka event ini diasumsikan merupakan event yang tidak dengan mudah dicerna oleh investor. Oleh karena itu, periode pengamatan dipilih dalam rentang waktu 11 hari perdagangan yaitu 5 hari menjelang pengumuman brand value, 1 hari pada saat pengumuman brand value dan 5 hari setelah pengumuman brand value. Sedangkan periode estimasi ditentukan sebanyak 155 hari perdagangan sebelum pengumuman brand value.

Gambar 4.1. Periode Estimasi dan Periode Pengamatan

4.2.3. Metoda Analisis Untuk menjawab pertanyaan penelitian terkait

dengan pengaruh

41

pengumuman brand value, maka digunakan analisis event study dengan melakukan penelitian terhadap besaran dan signifikansi abnormal return pada perioda kejadian. 4.2.3.1. Analisis Deskriptif Analisis deskriptif ini untuk menggambarkan sampel yang digunakan dalam penelitian event study ini. Sampel yang digunakan harus memenuhi kriteria metoda sampling sehingga layak digunakan dalam penelitian event study. Analisis deskriptif ini hanya untuk menjelaskan situasi, jumlah sampel dan gambaran umum perusahaan yang digunakan sampel. Analisa ini tidak digunakan untuk mengambil kesimpulan. 4.2.3.2. Analisis Abnormal Return Metode penelitian event study umumnya mengikuti prosedur sebagai berikut (Elton et al. 2014): a. Mengumpulkan sampel perusahaan yang masuk dalam daftar Top 100 Most Valuable Brands. b. Menentukan dengan tepat hari atau tanggal pengumuman dan menentukan sebagai hari ke-0 yaitu dengan menetapkan tanggal 28 Nopember 2013 dan 10 Juli 2014. c. Menentukan periode penelitian atau event window yaitu periode estimasi selama 150 hari dan periode pengamatan selama 5 hari sebelum dan sesudah pengumuman. d. Untuk setiap sampel perusahaan dihitung return pada masing-masing satuan periode (hari, minggu atau bulan). e. Menghitung abnormal return dari return yang sudah didapatkan untuk tiap

42

perusahaan. Penghitungan estimasi return menggunakan model yang sering digunakan yaitu market model (Dutordoir et al., 2014). f. Menghitung rata-rata abnormal return untuk masing-masing satuan periode (hari, minggu atau bulan) untuk keseluruhan sampel dan g. Menghitung cumulative abnormal return (CAR) dari awal periode. h. Melakukan uji statistik t-test untuk mengetahui level signifikansi abnormal return di masing-masing tanggal periode pengamatan.

4.3. Penelitian Pengaruh Brand Value terhadap Harga Saham Penelitian ini dilakukan untuk mengetahui seberapa besar brand value dan signifikansi dalam memengaruhi harga saham. Adapun hal-hal yang dilakukan dalam penelitian ini dijabarkan dalam sub bab berikut ini. 4.3.1. Variabel Penelitian dan Pengumpulan Data Variabel yang digunakan dalam penelitian adalah market value per share (MVPS) atau sama dengan variabel harga saham, brand value dan variabel lainnya sebagai variabel kontrol yaitu ukuran perusahaan yang didekati dengan besarnya aset yang dimiliki. Data masing-masing variabel menggunakan data sekunder yaitu data yang diperoleh dari laporan keuangan dari masing-masing perusahaan yang dipublikasikan oleh BEI maupun hasil laporan riset brand value terhadap brand perusahaan di Indonesia. Data yang didapat tersebut, disesuaikan dengan periode penelitian yang menggunakan data tri-wulanan. Berikut ini adalah variabel yang digunakan dalam penelitian ini serta penggunaan dan sumber data.

43

4.3.1.1. Variabel Terikat Variabel terikat yang dipengaruhi atau yang dijadikan akibat adalah market value per share atau sama dengan harga saham pada saat penutupan di akhir triwulan. Penelitian ini bertujuan untuk mengetahui sejauh mana variabel bebas memengaruhi variabel terikat tersebut. Untuk mengontrol model estimasi maka ditambahkan variabel control yang diduga akan memengaruhi cukup kuat terhadap variabel terikat tersebut. Oleh karena market value per share sama dengan harga saham maka data yang diambil cukup data harga saham penutupan pada akhir triwulan yang bersangkutan. Dalam penelitian ini harga saham di kodekan dengan nama MVPS (market value per share). 4.3.1.2. Variabel Bebas Brand value merupakan variabel bebas yang akan diteliti pengaruh yang ditimbulkan terhadap harga saham. Kebutuhan data brand value diperoleh dari hasil survei dan penghitungan brand value yang dilakukan oleh Brand Finance. Oleh karena satuan yang disajikan adalah dalam jutaan dollar US, maka untuk penelitian ini dikonversikan ke dalam Rupiah dengan dikalikan kurs tengah BI yang berlaku pada saat pengumuman brand value. Untuk menyamakan dengan variabel terikat dimana market value dibagi dengan jumlah saham maka penggunaan variabel brand value di dekati dengan brand value per share (Brand_PS) yang dihitung dengan rumus: 𝐵𝑟𝑎𝑛𝑑_𝑃𝑆 =

𝐵𝑟𝑎𝑛𝑑 𝑉𝑎𝑙𝑢𝑒 𝑇𝑜𝑡𝑎𝑙 𝑆𝑎ℎ𝑎𝑚 𝐵𝑒𝑟𝑒𝑑𝑎𝑟

.......................................................... (4.1)

dimana Brand_PS adalah brand value per share, Brand Value adalah besar brand

44

value dalam satuan Rupiah dan Total Saham Beredar adalah jumlah total saham beredar pada laporan triwulanan pada saat pengumuman brand value. 4.3.1.3. Variabel Kontrol Variabel kontrol (controlled variabel) adalah variabel asing yang dapat memengaruhi hubungan sebab-akibat, tetapi efeknya dapat dikontrol melalui proses yang tepat atau random (Sekaran dan Bougie., 2013). Demikian pula menurut Sugiyono (2012), variabel kontrol adalah variabel yang dikendalikan atau dibuat konstan sehingga pengaruh variabel bebas terhadap variabel terikat tidak dipengaruhi oleh faktor luar yang tidak diteliti. Variabel ini secara teori maupun empiris cenderung atau cukup kuat mempengaruhi variabel terikat. Variabel kontrol yang digunakan dalam penelitian ini adalah ukuran perusahaan yang diproxikan dengan besarnya aset perusahaan. Untuk menyamakan dengan variabel terikat maka variabel kontrol ini juga dibagi dengan jumlah saham beredar. Variabel asset per share (Asset_PS) yang digunakan sebagai variabel menggunakan rumus: 𝐴𝑠𝑠𝑒𝑡_𝑃𝑆 =

𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡 𝑇𝑜𝑡𝑎𝑙 𝑆𝑎ℎ𝑎𝑚 𝐵𝑒𝑟𝑒𝑑𝑎𝑟

........................................................... (4.2)

dimana Aset_PS adalah asset per share, data total aset diambil dari laporan triwulanan dan Total Saham Beredar adalah jumlah total saham beredar pada laporan triwulanan. 4.3.2. Periode Pengamatan Periode pengamatan dalam penelitian ini menggunakan 2 periode waktu yaitu tahun 2013 dan tahun 2014. Hal ini dikarenakan pengumuman brand value ini baru dilakukan 2 kali di Indonesia. Oleh karena waktu pengumuman brand value tahun 2013 dan 2014 tidak

45

dalam interval yang sama, maka pengamatan ini dilakukan dalam waktu triwulanan agar mendapatkan data yang seimbang. 4.3.3. Metoda Analisis Metoda analisis yang digunakan dalam penelitian besar pengaruh brand value terhadap harga saham ini menggunakan teknik regresi data panel. Adapun analisis yang dilakukan adalah dimulai dengan analisis statistik deskriptif yang kemudian diikuti dengan analisis inferensia untuk menjawab hipotesis. 4.3.3.1. Analisis Statistik Deskriptif Analisis deskriptif (descriptive study) ini digunakan untuk menggambarkan data dari masing-masing variabel yang digunakan. Menurut Sekaran dan Bougie. (2013), analisis deskriptif ini berguna untuk membantu: a. Memahami karakteristik data dari situasi b. Berfikir secara sistematik dari kondisi data yang didapat. c. Memberikan ide untuk penelitian selanjutnya. d. Membantu memberikan keputusan yang tepat. Analisis statistik deskriptif ini untuk mendeskripsikan data sampel dan tidak ingin membuat kesimpulan yang berlaku untuk populasi dimana sampel diambil. Termasuk dalam analisis deskriptif ini adalah penyajian data melalui tabel, grafik, diagram lingkaran, pictogram, perhitungan modus, median, mean (pengukuran tendensi sentral), perhitungan desil, persentil, perhitungan penyebaran data melalui perhitungan rata-rata dan standar deviasi maupun perhitungan prosentase. 4.3.3.2. Model Penelitian Untuk menjawab pertanyaan penelitian terkait dengan pengaruh besar brand value terhadap harga saham maka digunakan analisis regresi. Tujuan

46

dilakukannya analisis regresi ini adalah untuk menyatakan bagaimana variabel bebas (X) memengaruhi variabel terikat (Y). Untuk menganalisis model di atas akan digunakan regresi. Oleh karena model di atas memiliki data time series dan cross section sehingga dilakukan teknik regresi data panel. Adapun analisis regresi data panel yang akan dilakukan adalah: a. Penentuan model pendekatan estimasi data panel yang tepat. b. Pengujian hipotesis (Koefisien Determinasi (𝑅 2 ), uji-F dan uji-t). Model umum yang digunakan adalah analisis regresi data panel sebagai berikut: 𝑀𝑉𝑃𝑆𝑖𝑡 = 𝛼 + 𝛽1 𝐵𝑟𝑎𝑛𝑑_𝑃𝑆𝑖𝑡 + 𝛽2 𝐴𝑠𝑒𝑡_𝑃𝑆𝑖𝑡 + 𝜀𝑖𝑡 ...................... (4.3) dimana 𝑀𝑉𝑃𝑆𝑖𝑡 adalah market value per share atau harga saham perusahaan ke-i dan pada waktu t (dalam periode pengamatan), 𝐵𝑟𝑎𝑛𝑑_𝑃𝑆𝑖𝑡 adalah besar brand value per saham pada perusahaan ke-i pada waktu t dan 𝐴𝑠𝑠𝑒𝑡_𝑃𝑆𝑖𝑡 adalah nilai total aset per saham perusahaan ke-i pada waktu t. 4.3.3.3. Uji Normalitas Uji normalitas digunakan untuk menguji apakah variabel pengganggu atau residual dalam model regresi memiliki distribusi normal yaitu perbedaan antara nilai prediksi dengan skore yang sesungguhnya akan terdistribusi secara simetri disekitar nilai means sama dengan nol (Ghozali, 2013). Persyaratan uji F dan uji t mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik OLS menjadi tidak valid untuk jumlah sample kecil. Ada dua cara yaitu dengan cara analisis grafik atau uji statistik. Salah satu cara yang termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang

47

mendekati distribusi normal. Untuk melihat normalitas dengan melihat grafik, pengambilan keputusan mengikuti petunjuk sebagai berikut: a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal. b. Jika data menyebar jauh dari diagonalnya dan/atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal. Uji statistik normalitas yang dapat digunakan pada aplikasi eviews adalah uji Jarque-Bera. Uji Jarque-Bera ini menggunakan ukuran skewness dan curtosis. Statistik Jarque-Bera mengikuti sebaran Chi-Square dengan derajat bebas 2 untuk sampel besar. Uji Jarque-Bera dapat dirumuskan sebagai berikut: 𝐽𝐵 =

𝑛 6

[𝑆 2 +

(𝐾−3)2 4

].......................................................................... (4.4)

Dimana n merupakan ukuran sampel, S menyatakan kemencengan (skewness) dan K menyatakan peruncingan (curtosis). Jika nilai Chi-square yang dihitung dari persamaan 4.3 di atas lebih besar dari nilai chi-square kritis untuk derajat kebebasan 2 pada tingkat signifikansi yang dipilih maka hipotesis nol ditolak yang menyatakan distribusi normal. Data dapat dinyatakan normal jika JB < 𝑋 2 tabel, sebaliknya jika JB > 𝑋 2 tabel maka residual tidak berdistribusi secara normal. Selain itu residual berdistribusi normal jika tingkat probabilitas > 0.05. Jika ternyata data yang terkumpul tidak menunjukkan normalitas maka akan dilakukan transformasi agar menjadi normal atau mendekati normal. 4.3.3.4. Penentuan Pendekatan Estimasi Data Panel Penggunaan data panel pada penelitian ini dikarenakan data yang didapat

48

adalah data yang terdiri dari cross-section dan time series. Dengan data tersebut maka penggunaan data panel lebih menguntungkan karena dapat memperhitungkan heterogenitas individu secara explisit, memberikan data yang lebih informatif karena merupakan gabungan data cross-section dan time-series, dapat untuk melakukan analisis dinamika perubahan, dapat mengidentifikasi dan mengukur dampak yang tidak dapat dilakukan dengan cross-section murni atau time-series murni, serta mampu digunakan untuk mengevaluasi model perilaku yang kompleks serta dapat meminimalisasi bias yang mungkin terjadi dibandingkan jika dievaluasi secara agregat (Gujarati dan Porter, 2009). Penentuan model data panel, tersedia 3 model yaitu dengan pendekatan Commont Effect Model (CEM), Fixed Effect Model (FEM) dan Random Effect Model (REM). Dalam analisa data panel ada dua metoda estimasi yang dapat digunakan yaitu Ordinary Least Square (OLS) atau Generalized Least Square (GLS). Untuk model CEM dan FEM menggunakan metode OLS sedangkan REM menggunakan metode GLS. 4.3.3.4.1. Pendekatan Common Effect Model (CEM) Pendekatan CEM merupakan pendekatan yang paling sederhana untuk mengestimasi data panel. Pada pendekatan ini diasumsikan bahwa intercept masing-masing variabel adalah sama, begitu pula dengan slope koefisien untuk semua unit cross-section dan time series. Model ini menggabungkan kedua data cross-section dan time series tanpa melihat perbedaan antar waktu dan individu sehingga dapat dikatakan bahwa model ini sama halnya dengan OLS (Ordinary Least Square) karena menggunakan kuadrat terkecil biasa. Pada penelitian data panel, model ini seringkali tidak pernah digunakan sebagai estimasi utama karena

49

sifat dari model ini tidak membedakan perilaku data sehingga memungkinkan terjadinya bias, namun model ini digunakan sebagai pembanding dari kedua model lainnya. 4.3.3.4.2. Pendekatan Fixed Effect Model (FEM) Pendekatan FEM merupakan teknik pendekatan untuk mengestimasi data panel dengan menggunakan variabel dummy untuk menangkap adanya perbedaan intercept masing-masing cross-section tapi masih mengasumsikan slope koefisien tetap. Model ini dikenal dengan sebutan model efek tetap (fixed effect) atau Least Square Dummy Variabel atau Covariance Model. Pada metode fixed effect, estimasi dapat dilakukan tanpa pembobotan (no weighted) atau Least Square Dummy Variabel (LSDV) dan dengan pembobotan (cross-section weight) atau General Least Square (GLS). Untuk menentukan model terbaik diantara CEM dan FEM maka digunakan uji Chow pada hasil estimasi FEM. Model FEM diterima jika hasil probabilitas cross-section F < 0,05. 4.3.3.4.3. Pendekatan Random Effect Model (REM) Pendekatan REM merupakan teknik pendekatan untuk mengestimasi data panel yang bertujuan memperbaiki kekurangan dari pendekatan FEM yaitu berkurangnya derajat kebebasan (degree of freedom) sehingga pada akhirnya mengurangi efisiensi parameter. Untuk mengatasi masalah tersebut, dapat digunakan variabel gangguan (error term) yang dikenal dengan random effect. Model ini mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Metode estimasi yang digunakan pada pendekatan ini adalah dengan Generalized Least Square (GLS). Untuk menentukan model terbaik antara FEM dan REM ini dapat digunakan

50

uji Hausman. Model REM diterima jika hasil probabilitas cross-section random > 0,05. 4.3.3.4.4. Penentuan Model FEM atau REM Menurut Nachrowi dan Usman (2006), pemilihan model FEM atau REM dapat dilakukan dengan pertimbangan tujuan analisis atau ada pula kemungkinan data yang digunakan sebagai dasar pembuatan model, hanya dapat diolah oleh salah satu metode saja akibat dari berbagai alasan matematis yang melandasi perhitungan. Jalan tengah dikemukakan pula oleh beberapa ahli ekonometri, dimana dikatakan bahwa: a. Jika data panel yang dimiliki mempunyai jumlah waktu (time-series) yang lebih besar dari jumlah individu (cross-section) maka disarankan menggunakan FEM. b. Jika data panel yang dimiliki mempunyai jumlah waktu (time-series) yang lebih kecil dari jumlah individu (cross-section) maka disarankan menggunakan REM. Uji Hausman dapat digunakan untuk melihat konsistensi pendugaan dengan OLS. Mengingat FEM diduga dengan metode tersebut maka dalam pemodelan data panel, uji tersebut dapat digunakan untuk melihat kelayakan penggunaan data panel. 4.3.3.4.5. Penentuan Struktur Weight untuk Data Panel Dalam data panel, pengujian heterokedastisitas dapat dilakukan dengan menggunakan statistik uji Lagrange Multiplier (LM) dengan rumus: 𝐿𝑀 =

𝑇 2

∑𝑛𝑖=1 [

̂𝑖2 𝜎 ̂2 𝜎

2

− 1] ...................................................................... (4.5)

51

dimana T adalah jumlah observasi, n adalah jumlah cross-section, 𝜎̂𝑖2 adalahh varian residual ke-i dan 𝜎̂ 2 adalah sum square residual persamaan sistem. Uji ini untuk menentukan estimator data panel yang tepat sesuai dengan kondisi matriks varian coavarian residual. Jika hasil uji LM lebih besar dari chisquare tabel dengan derajat kebebasan n-1 (dimana n adalah jumlah cross-section), maka estimator lebih baik menggunakan struktur heterokedastik. Demikian pula sebaliknya, maka estimator lebih baik menggunakan struktur homokedastik. Langkah berikutnya adalah pengujian struktur autokorelasi antar crosssection dapat dilakukan uji LR dengan rumus: 𝜆𝐿𝑅 = 𝑇 [∑𝑛𝑖=1(𝑙𝑜𝑔 𝜎̂𝑖2 ) − 𝑙𝑜𝑔 |𝛴̂ |] .................................................... (4.6) dimana T adalah jumlah observasi, n adalah jumlah individu, |Σ̂| adalah determinan residual dan 𝜎̂𝑖2 adalahh varian residual ke-i pada kondisi persamaan homokedastik. Dalam Uji LR, struktur dikatakan mengalami autokorelasi jika hasil perhitungan di atas lebih besar dari nilai chi-square tabel dengan derajat kebebasan (n x (n-1)/2) dimana n adalah jumlah cross-section. Dari hasil uraian di atas, maka langkah yang harus dilakukan adalah: a. Jika hasil uji LM menunjukkan estimasi menggunakan struktur homokedastik maka weighting yang dipilih adalah no-weighting. b. Jika hasil uji LM menunjukkan estimasi menggunakan struktur heterokedastik, maka perlu dilakukan uji LR terlebih dahulu. Apabila hasil uji LR menunjukkan estimasi tidak autokorelasi maka weighting yang dipilih adalah cross-section weighting. c. Namun apabila uji LR yang dilakukan di atas menunjukkan estimasi mengalami autokorelasi maka weighting yang digunakan adalah SUR weighting.

52

4.3.3.5. Uji Hipotesis Uji hipotesis ini untuk menguji apakah parameter model tersebut signifikan jika dibandingkan dengan hipotesis yang diturunkan dari suatu teori ekonomi. (Ariefianto, 2012). Terdapat tiga pengujian hipotesis yaitu uji determinasi, pengujian hipotesis berganda dan pengujian hipotesis individual. 4.3.3.5.1. Uji Determinasi (𝑹𝟐 ) Uji determinasi dilakukan dengan melihat koefisien determinasi atau biasa disebut dengan R square (𝑅 2 ) digunakan untuk mengukur “kedekatan” antara nilai prediksi dan nilai sesungguhnya dari variabel terikat. Semakin besar 𝑅 2 , maka semakin besar pula hubungan antara variabel terikat dengan satu atau banyak variabel bebas (Nachrowi dan Usman, 2006). 𝑅 2 didefinisikan

atau

dirumuskan

berdasarkan

langkah-langkah

sebagaimana dilakukan pada tabel ANOVA (Analysis of Variance). Adapun rumusannya adalah: 𝑅2 =

𝑆𝑆𝑅 𝑆𝑆𝑇

................................................................................................ (4.7)

dimana SSR adalah Sum of Squared Regression yang bersumber dari regresi, sedangkan SST adalah Sum of Squared Total yang merupakan penjumlahan dari SSR dan SSE. SSE adalah Sum of Squared Error/Residual yang bersumber dari Error (Nachrowi dan Usman, 2006). Bila titik-titik sampel tidak tepat berada pada garis regresi, hal ini dikarenakan adanya faktor-faktor lain yang mempengaruhi. Bila tidak ada penyimpangan maka tentunya tidak ada error atau SSE = 0. Dengan demikian SSR = SST atau 𝑅 2 = 1. Jadi SST sesungguhnya adalah variasi dari data, sedang SSR

53

adalah variasi dari garis regresi yang dibuat. 4.3.3.5.2. Uji Hipotesis Berganda (Uji-F) Pengujian hipotesis berganda dilakukan untuk menguji apakah sekelompok variabel bebas tidak memiliki dampak terhadap variabel terikat, dengan mengontrol dampak suatu set variabel bebas yang lain (Ariefianto, 2012). Oleh karena rumusan Uji-F mirip dengan 𝑅 2 maka formulasi Uji-F dapat dituliskan sebagai berikut: 𝐹=

𝑅2 1−𝑅 2

𝑛−𝑘−1

(

𝑘

) ................................................................................. (4.8)

dimana n adalah banyaknya observasi sedangkan k adalah banyaknya parameter yang diestimasi. Setelah didapatkan F dari hasil perhitungan (𝐹𝐻𝑖𝑡 ), maka langkah selanjutnya adalah membandingkan dengan tabel F dengan df (degree of freedom) sebesar k dan n-k-1. Jika 𝐹𝐻𝑖𝑡 > 𝐹𝛼(𝑘,𝑛−𝑘−1) maka paling tidak ada satu slope regresi yang signifikan secara statistik (Nachrowi dan Usman, 2006). Menurut Ariefianto (2012) bahwa signifikansi pengaruh variabel bebas secara bersama-sama terhadap variabel terikat dapat dilihat dari p value yang lebih kecil dari α yang biasa digunakan (1%, 5% dan 10%). Semakin kecil nilai p value dibandingkan dengan α maka semakin signifikan pengaruh variabel bebas secara bersama-sama terhadap variabel terikat (Ariefianto, 2012). 4.3.3.5.3. Uji Hipotesis Individual (Uji-t) Pengujian hipotesis individual dilakukan dimana untuk mengetahui apakah suatu parameter telah sesuai dengan hipotesis. Statistik uji yang digunakan adalah t test (Ariefianto, 2012).

54

Pengujian hipotesis individual pada regresi berganda pada prinsipnya adalah sama dengan regresi bivariate. Standard error dari masing-masing parameter diperoleh dari matriks perkalian residual yang disebut dengan matriks varian kovarian. Satu variabel bebas secara individual memiliki dampak signifikan terhadap variabel terikat jika p value variabel tersebut lebih kecil dari α yang biasa digunakan (1%, 5% dan 10%) (Ariefianto, 2012).

4.4. Populasi dan Metoda Sampling TOP 100 Most Valuable Brand mengeluarkan data 100 brand yang mempunyai nilai tinggi di Indonesia. Namun dalam 100 brand tersebut, terdiri dari corporate brand value dan product brand value. Terkait dengan penelitian ini, maka brand yang digunakan adalah corporate brand value yang berjumlah 82 perusahaan. Populasi penelitian ini adalah perusahaan yang brand perusahaannya masuk dalam TOP 100 Most Valuable Brand baik tahun 2013 maupun tahun 2014 dan laporan keuangan perusahaan tersebut tersedia lengkap. Hasil yang diperoleh adalah sebanyak 82 perusahaan yang masuk dalam TOP 100 Most Valuable Brand tersebut, semua perusahaan tersebut terdaftar sebagai emiten di Bursa Efek Indonesia. Jumlah perusahaan yang sudah diidentifikasi dapat digunakan sebagai populasi penelitian berdasarkan kelompok sektor yang ada di Bursa Efek Indonesia sebagai berikut:

55

Tabel 4.1. Jumlah Populasi Penelitian Dikelompokkan per Sektor No

1 2 3 4 5 6 7 8 9

SEKTOR

JML PERUSAHAAN 2013 3 9 6 4 9 3 10

Pertanian Pertambangan Industri Dasar dan Kimia Aneka Industri Industri Barang Konsumsi Property dan Real Estate Infrastruktur, Utilitas dan Transportasi Keuangan 22 Perdagangan, Jasa dan Investasi 14 TOTAL 80 Sumber: Data hasil olahan data mentah secara manual

JML PERUSAHAAN 2014 3 9 6 4 9 3 11 22 15 82

Profil awal perusahaan yang masuk dalam populasi penelitian dengan jumlah perusahaan terbanyak adalah sektor keuangan sebanyak 22 perusahaan kemudian sektor perdagangan, jasa dan investasi sebanyak 14 perusahaan. Banyaknya sektor keuangan yang masuk dalam daftar Top 100 Most Valuable Brand ini dikarenakan sektor keuangan memiliki aturan yang ketat sehingga data mudah didapatkan selain dari persaingan di sektor ini yang cukup ketat. Sedangkan sektor yang paling sedikit jumlah populasinya adalah pertanian serta property dan real estate masing-masing berjumlah 3 perusahaan. Pemilihan sampel penelitian dari populasi tersebut di atas dipilih perusahaan yang memenuhi persyararatan sebagai berikut: a. Terdaftar sebagai emitten di Bursa Efek Indonesia, b. Memiliki laporan lengkap di laporan keuangan triwulanan sehingga dapat memenuhi data yang dibutuhkan dalam penelitian. c. Memiliki data perdagangan saham 155 hari sebelum tanggal pengumuman

56

brand value dan sesudah pengumuman brand value. d. Masuk dalam daftar Top 100 Most Valuable Brand. e. Tidak melakukan aksi korporasi pada hari perdagangan H-5 sampai dengan H+5 pada hari pengumuman brand value (misalnya merger atau aksi korporasi lainnya).