BAB III METODE PENELITIAN
3.1
Objek Penelitian Adapun yang menjadi objek pada penelitian ini adalah neraca dan laporan
laba/rugi Perusahaan makanan yang terdaftar di BEI (PT. Indofood Sukses Makmur, Tbk, PT. Mayora Indah, Tbk, PT. Tiga Pilar Sejahtera Food, Tbk tahun 2006 sampai dengan tahun 2011. 3.2
Jenis Dan Sumber Data
3.2.1
Jenis Data
Jenis data yang digunakan dalam penelitian ini adalah data time series (tahun 2006–2010) yang merupakan laporan keuangan dari perusahaan makanan (consumer goods) yang terdiri dari tiga perusahaan seperti PT. Indofood Sukses Makmur, Tbk, PT. Mayora Indah, Tbk dan PT. Tiga Pilar Sejahtera Food, Tbk. 3.2.2
Sumber Data
Dalam penelitian ini data yang digunakan adalah data sekunder. Data sekunder yaitu sumber data penelitian yang diperoleh peneliti dari lokasi penelitian secara tidak langsung, melalui media perantara (diperoleh dan dicatat orang lain atau yang telah dipublikasikan).
31
3.3 Operasionalisasi Variabel Berdasarkan perumusan masalah dan model, analisis, maka variabel yang digunakan dalam penelitian ini adalah sebagai berikut: 1. Current ratio, yaitu kemampuan untuk membayar hutang yang segera harus dipenuhi dengan aktiva lancar. Semakin besar perbandingan aktiva lancar dengan hutang lancar semakin tinggi kemampuan perusahaan menutupi kewajiban jangka pendeknya. 2. Cash Ratio (Rasio Kas) merupakan alat yang digunakan untuk mengukur seberapa besar uang kas yang tersedia untuk melunasi kewajiban atau utang. Ketersediaan uang kas dapat ditunjukkan dari tersedianya dana kas atau yang setara dengan kas. 3. Return on Equity (ROE) adalah rasio antara laba bersih setelah pajak terhadap total modal sendiri (ekuitas) yang berasal dari setoran milik pemodal, laba tak dibagi dan cadangan lain yang dikumpulkan oleh perusahaan. rasio ini adalah untuk mengukur daya dan menghasilkan laba pada investasi nilai buku pemegang saham. Semakin timggi ROE maka kinerja perusahaan semakin efektif.
3.4
Teknik Analisa Data Untuk mengidentifikasi pengaruh variabel bebas terhadap variabel terikat
digunakan persamaan regresi linear berganda dengan menggunakan variabel dummy. Variabel terikat (dependent variabel) dalam penelitian ini adalah harga
32
saham dan sebagai variabel bebas (independent variable) adalah Current Ratio dan Cash Ratio. Nama lain Regresi Dummy adalah Regresi Kategori. Re-gresi ini menggunakan prediktor kualitatif (yang bukan dummy dinamai prediktor kuantitatif). Pembahasan pada regresi ini hanya untuk satu macam variabel dummy dan dikhususkan pada penaksiran parameter dan kemaknaan pengaruh prediktor. Regresi Linier tidak hanya terbatas digunakan untuk memodelkan hubungan dimana variabel bebas (X) bertipe data interval atau rasio saja. Regresi linier juga memungkinkan bila digunakan untuk melakukan analisis data bila variabel bebasnya (X) bertipe data nominal. Teknik semacam ini dikenal dengan nama regresi variabel dummy (Forum Statistik: 2007). Yi = 0 + 1D1 + 2D1 + ,……..(Forum Statistik: 2007) Keterangan: Yi
= Variabel terikat (Return On Equity)
0
= Intersep
1 & 2
= Koefisien regresi
D1
= Current Ratio
D1
= Cash Ratio
= Standar Error.
33
3.5
Hipotesis Statistik
Berdasarkan
penelitian
yang
direncanakan,
maka
hipotesis
statistik
penelitiannya adalah sebagai berikut : H1
= Terdapat pengaruh Current ratio dan Cash ratio terhadap Harga Saham Pada Perusahaan Makanan Terdaftar di BEI (PT. Indofood Sukses Makmur, Tbk, PT. Mayora Indah, Tbk, PT. Tiga Pilar Sejahtera Food, Tbk).
Ho
= Tidak Terdapat pengaruh Current ratio dan Cash ratio terhadap Harga Saham Pada Perusahaan Makanan Terdaftar di BEI (PT. Indofood Sukses Makmur, Tbk, PT. Mayora Indah, Tbk, PT. Tiga Pilar Sejahtera Food, Tbk).
atau, H1
: β1, β2 ≠ 0
Ho
: β1, β2 = 0
3.6
Uji Asumsi Klasik Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada
analisis regresi linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dilakukan pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data cross sectional. Uji asumsi klasik 34
yang sering digunakan yaitu uji multikolinearitas, uji heteroskedasitas, uji normalitas, uji autokorelasi. 3.6.1
Uji Normalitas Data Uji normalitas juga bertujuan untuk mengetahui apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak. Pengujian normalitas yang digunakan adalah uji One Sample Kolmogorov Smirnov (K-S). Menurut Priyatno (2011: 77), data dinyatakan berdistribusi normal jika signifikansi lebih besar dari 0,05. 3.6.2
Uji Multikorelasi Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi
ditemukan adanya korelasi antar variabel bebas (independen). Dalam model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Uji Multikolinearitas dilakukan dengan melihat nilai tolerance dan variance inflation factor (VIF) dari hasil analisis dengan menggunakan SPSS. Apabila nilai tolerance value lebih tinggi daripada 0,10 atau VIF lebih kecil daripada 10 maka dapat disimpulkan tidak terjadi multikolinearitas (Santoso. 2002 : 206). 3.6.3
Uji Heteroskedasitas
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
gejala
heteroskedastisitas. Ada beberapa metode pengujian yang bisa digunakan
35
diantaranya yaitu Uji Park, Uji Glesjer, Melihat pola grafik regresi, dan uji koefisien korelasi Spearman. a.
Uji Park Metode uji Park yaitu dengan meregresikan nilai residual (Lnei2) dengan
masing-masing variabel dependen (LnX1 dan LnX2). Kriteria pengujian adalah sebagai berikut: Ho : tidak ada gejala heteroskedastisitas Ha : ada gejala heteroskedastisitas Ho diterima bila –t tabel < t hitung < t tabel berarti tidak terdapat heteroskedastisitas dan Ho ditolak bila t hitung > t tabel atau -t hitung < -t tabel yang berarti terdapat heteroskedastisitas. Asumsi homoskedasticity adalah pusat untuk model regresi linier. Homoskedasticity menggambarkan situasi di mana istilah kesalahan (yaitu, “error” atau gangguan acak dalam hubungan antara variabel independen dan variabel dependen) adalah sama di semua nilai dari variabel independen. Heteroskedasticity (pelanggaran homoskedasticity) hadir ketika ukuran jangka kesalahan berbeda antar nilai-nilai variabel independen. Pelanggaran homoscedasticity membuat sulit untuk mengukur deviasi standar benar dari kesalahan perkiraan, biasanya menghasilkan interval keyakinan yang terlalu lebar atau terlalu sempit. Secara khusus, jika varians dari kesalahan meningkat dari waktu ke waktu, interval kepercayaan untuk out-of-sampel prediksi akan cenderung menjadi tidak realistis.
36
3.6.4
Uji Autokorelasi Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji autokorelasi dilakukan dengan menggunakan uji = 5%. Apabila D-WDurbinWatson (D-W), dengan tingkat kepercayaan terletak antara -2 sampai +2 maka tidak ada autokorelasi (Santoso. 2002 : 219)
3.7 Pengujian Hipotesis 3.7.1
Uji – F (Uji Signifikansi secara Simultan)
Pengujian secara simultan adalah untuk mengetahui apakah secara serempak variable bebas (independen) mempunyai pengaruh terhadap variable terikat (dependen), yaitu dengan membandingkan nilai F
hitung
dengan F
tabel.
Jika Fhit >
Ftab maka variable bebas (X1 dan X2) berpengaruh secara simultan terhadap variable terikat (Y).
3.7.2
Uji – t (Uji Signifikansi secara Parsial)
Pengujian secara parsial adalah masing-masing menguji setiap variabel bebas X1 dan variabel X2 terhadap variable terikat (Y), yaitu dengan membandingkan nilai t
hitung
dengan t
tabel.
Jika thit > ttab maka variable bebas (X1 ataupun X2)
masing-masing berpengaruh terhadap variable terikat (Y).
37
3.7.3
Koefisien Determinan (R Square)
Menurut Setiaji (2004 : 20) koefisien determinasi (R2) pada intinya digunakan untuk mengukur seberapa jauh kemampuan variabel bebas dalam menerangkan variabel yang terikat. Rumus R2 yang digunakan adalah : ∑ (ŷ – y)2 R2 = ∑ (y – y)2
38
