BAB III METODE PENELITIAN

Transkripsi

1 39 BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini adalah penelitian kuantitatif dengan menggunakan data sekunder yang diperoleh dari data yang berada diperusahaan yang terdaftar dalam Jakarta Islamic Index (JII) pada tahun 2012 sampai tahun B. Populasi dan Teknik Pengambilan Sampel Populasi yang digunakan dalam penelitian ini adalah seluruh saham perusahaan go public yang terdaftar dalam kelompok saham di JII selama periode penelitian yaitu Metode pengambilan sampel dalam penelitian ini menggunakan metode purposive sampling, yaitu pengambilan sampel dari suatu populasi berdasarkan kriteria tertentu yang sesuai dengan penelitian. Sampel dalam penelitian diambil dengan kriteria yaitu saham perusahaan yang selalu masuk dalam Jakarta Islamic Indeks (JII) selama 3 periode pengamatan yaitu 2012 sampai dengan Jumlah sampel data dalam 3 periode pengamatan pada tahun 2012 sampai 2014 yang masuk dalam Jakarta Islamic Indeks(JII)yang bisa dilihat dalam tabel sebagai berikut. 1 diakses tanggal 15 maret 2015 pukul wib 39

2 40 Tabel 3.1. Daftar Saham yang Selalu Masuk dalam Jakarta Islamic Indeks (JII) Selama 2012 sampai 2014 NO KODE NAMA SAHAM 1. AALI Astra Agro Lestari Tbk. 2. ASII Astra International Tbk. 3. ASRI Alam Sutera Realty Tbk. 4. CPIN Charoen Pokphand Indonesia Tbk. 5. INTP Indocement Tunggal Prakarsa Tbk. 6. ITMG Indo Tambangraya Megah Tbk. 7. KLBF Kalbe Farma Tbk. 8. LPKR Lippo Karawaci Tbk. 9. LSIP PP London Sumatra Indonesia Tbk. 10. PTBA Tambang Batubara Bukit Asam (Persero) Tbk. 11. SMGR Semen Indonesia (Persero) Tbk.

3 TLKM Telekomunikasi Indonesia (Persero) Tbk. 13. UNTR United Tractors Tbk. 14. UNVR Unilever Indonesia Tbk. Sumber: (Data sekunder diolah) C. Variabel Penelitian dan Definisi Operasional Variabel Berdasarkan konsep yang ada yaitu analisis portofolio dan investasi saham, maka variabel-variabel yang perlu diteliti yaitu sebagai berikut. 1) Keputusan Investasi Dasar keputusan investasi terdiri dari tingkat return harapan, tingkat risiko serta hubungan antara return dan risiko. Hubungan antara risiko dan return harapan merupakan hubungan yang bersifat searah dan linier. Artinya, semakin besar risiko aset, semakin besar pula return harapan atas suatu asset tersebut. 2 Keputusan Investasi adalah suatu kebijakan atau keputusan yang diambil untuk menanamkan modal pada satu atau lebih aset untuk mendapatkan keuntungan di masa yang akan datang atau permasalahan bagaimana manajer keuangan harus mengalokasikan dana kedalam bentuk bentuk investasi yang akan dapat mendatangkan keuntungan di 2 Eduardus Tandelilin, Portofolio dan Investasi (Yogyakarta : Kanisius, 2010), hlm. 9

4 42 masa yang akan datang. Secara singkat keputusan investasi yaitu penggunaan dana yang bersifat jangka panjang. Bentuk, macam dan komposisi dari investasi akan mempengaruhi dan menunjang tingkat keuntungan di masa depan yang diharapkan dari investasi tersebut tidak dapat diperkirakan secara pasti. Oleh karena itu investasi akan mengandung risiko atau ketidakpastian. Risiko dan hasil yang diharapkan dari investasi itu akan mempengaruhi pencapaian tujuan, kebijakan, maupun nilai perusahaan. 3 Dalam pengambilan keputusan investasi, opportunity cost merupakan pendapatan atau penghematan biaya yang di korbankan sebagai akibat dipilihnya alternatif tertentu. Keputusan investasi yang di definisikan sebagai kombinasi antara aktiva yang dimiliki (assets in place) dan pilihan investasi di masa yang akan datang dengan net present value positif. Keputusan investasi dalam penelitian ini di proksikan dengan PER (Price Earning Ratio), dimana PER menunjukkan perbandingan antara closing price dengan laba per lembar saham (earning per share). PER dirumuskan dengan : 4 PER = 3 Eduardus Tandelilin, Portofolio dan Investasi (Yogyakarta : Kanisius,2010),hlm.17 4 Arie Afzal, Pengaruh Keputusan Investasi, Keputusan Pendanaan, Dan Kebijakan Deviden Terhadap Nilai Perusahaan, Skripsi, (Semarang : Universitas Diponegoro, 2012)

5 43 Keterangan : PER EPS : Price Earning Ratio : Earning Per Share 2) Return Realized Return adalah persentase perubahan harga penutupan saham A pada bulan ke t dikurangi harga penutupan saham A pada bulan ke t-1 kemudian hasilnya dibagi dengan harga penutupan saham A pada bulan ke t-1. R i = (P t P t-1 ) / P t-1 Keterangan : R i P t = Return saham = Harga saham pada saat t P t-1 = Harga saham untuk waktu sebelumnya Tingkat keuntungan yang diharapkan atau expected return tiap saham individual merupakan rata-rata tertimbang realized return saham i. Dihitung dengan program Excel menggunakan rumus Average atau menggunakan rumus 5 : E(Ri) = / N Keterangan: E(Ri ) = expected return Ri = return realisasi saham i 5 Eduardus Tandelilin, Portofolio dan Investasi (Yogyakarta : Kanisius, 2010),hlm. 178

6 44 n b. Risiko = jumlah realized return saham Standar Deviasi (SD) digunakan untuk mengukur risiko dari realized return, yang dapat dihitung dengan program Excel menggunakan rumus STDEV. 6 2 = Keterangan: 2 = standar deviasi (SD) Xi =realized return ke-i saham i X = rata-rata realized return saham n = jumlah realized return saham i c. Excess Return To Beta (ERB) merupakan kelebihan pengembalian antara pengembalian yang diperkirakan dengan tingkat pengembalian bebas risiko dengan rumus: ERB = Keterangan: 7 ERB : Excess Return to Beta (kelebihan pengembalian) sekuritas ke-i E(Ri) : Pengembalian yang diperkirakan (expected return) berdasarkan model indeks tunggal untuk sekuritas ke- i Rf : Tingkat pengembalian bebas risiko 6 Jogiyanto, Teori Portofolio dan Analisis Investasi (Yogyakarta : Cetakan Ketiga BPFE, 2003), hlm Jogiyanto, Teori Portofolio dan Analisis Investasi (Yogyakarta : Cetakan Ketiga BPFE, 2003), hlm. 362

7 45 βi :Perubahan tingkat pengembalian yang diperkirakan dari sekuritas ke- i d. Cut-Off Rate (Ci) hasil bagi varian pasar dan return premium terhadap variance error saham dengan varian pasar dan sensitivitas saham individual terhadap variance error saham. Yang mempunyai rumus sebagai berikut. 8 Ci = Keterangan: Ci : Cut-Off Rate (pembatas pada tingkat tertentu) E(Ri) : pengembalian yang diperkirakan atas saham i Rf σm 2 σ ei 2 : tingkat pengembalian bebas risiko : Varians pasar : Varian ei (Unsystematic risk) 2003), hlm Jogiyanto, Teori Portofolio dan Analisis Investasi (Yogyakarta : Cetakan Ketiga BPFE,

8 46 Tabel 3.2 Ringkasan Variabel Penelitian dan Definisi Operasional No Variabel Keterangan Rumus perhitungan Skala pengukuran 1 Keputusan Diukur dengan PER PER= investasi Rasio 2 E(Ri) rata-rata tertimbang E(Ri) = / N (Expected Return Saham) realized return saham i Rasio 3 Risiko seberapa besar nilai 2 = tiap-tiap item menyimpang dari rataratanya Rasio 4 ERB (Excess return to Beta) merupakan kelebihan pengembalian antara pengembalian yang diperkirakan dengan ERB =

9 47 tingkat pengembalian bebas risiko Rasio 5 Cut-Off Rate (Ci) hasil bagi varian pasar dan return premium Ci = terhadap variance error saham dengan varian pasar dan Rasio sensitivitas saham individual terhadap variance error saham. D. Metode Pengumpulan Data Teknik yang digunakan dalam mengumpulkan data adalah teknik dokumentasi, yaitu mencari data mengenai hal-hal atau variabel yang berupa catatan, buku, surat kabar, majalah, atau data-data yang berkaitan dengan obyek penelitian. Data yang dikumpulkan dalam penelitian ini dengan melakukan teknik dokumentasi yaitu dengan mencatat atau mengkopi data yang tercantum dalam Bursa Efek Indonesia (BEI), JII, SBI serta berbagai literatur untuk penggunaan hasil penelitian dan konsep-konsep yang dibutuhkan. 9 h Sutrisno Hadi, Metodologi Reseach 1 (Yogyakarta: Fakultas Psikologi UGM, 1980),

10 48 E. Metode Analisis Data Analisis data dilakukan dengan menggunakan regresi linier berganda dan perhitungannya dilakukan dengan menggunakan program MS Excel. a. Uji Asumsi Klasik Sebelum melakukan analisis regresi, terlebih dahulu dilakukan uji asumsi klasik yaitu uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas. a. Uji Normalitas Tujuan uji normalitas bertujuan untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Terdapat dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak. Menggunakan analisis grafik dan uji statistik. 10 Uji normalitas dalam penelitian ini menggunakan uji statistik non-parametrik Kolmogorov-Smirnov (K- S). Jika signifikasi hasil uji K-S nilainya lebih besar dari 0,05 berarti data terdistribusi normal. b. Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut 10 Imam Ghozali, Aplikasi analisis Multivariate dengan Program IBM SPSS 19 (Semarang: Badan Penerbit Undip, 2011), hlm. 160

11 49 Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Dalam penelitian ini, uji heteroskedastisitas dilakukan dengan melihat Grafik Plot antara nilai prediksi variabel terikat (dependen) dengan residualnya. Dasar analisisnya, sebagai berikut : 1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas. 2) Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. 11 c. Uji Multikolinieritas Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. 12 Hasil pengujian ini menggunakan nilai Collinearity Statistics Tolerance (T) dan Variance Inflation Factor (VIF). Nilai cutoff yang umum dipakai untuk menunjukkan adanya 11 Imam Ghozali, Aplikasi analisis Multivariate dengan Program IBM SPSS 19 (Semarang: Badan Penerbit Undip, 2011), hlm Imam Ghozali, Aplikasi analisis Multivariate dengan Program IBM SPSS 19 (Semarang: Badan Penerbit Undip, 2011), hlm. 105

12 50 multikolinieritas adalah nilai Tolerance 0,10 atau sama dengan nilai VIF d. Uji Autokorelasi Uji Autokorelasi bertujuan menguji apakah dalam model regresi linier ada kolerasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Dalam penelitian ini uji autokorelasi menggunakan uji Durbin-Watson (DW test). Hipotesis yang diuji adalah: 14 H 0 :R = 0 : tidak ada autokorelasi H a :R 0 : ada autokorelasi Nilai signifikansi penelitian ini adalah 5%, jumlah pengamatan 42 (n) dan jumlah variabel independen 5 (k = 5) sehingga nilai d u dan d L berturut-turut adalah 1,7202 dan 1,3064. Penenetuan hasil analisisnya sebagai berikut: 13 Imam Ghozali, Aplikasi analisis Multivariate dengan Program IBM SPSS 19 (Semarang: Badan Penerbit Undip, 2011), hlm Imam Ghozali, Aplikasi analisis Multivariate dengan Program IBM SPSS 19 (Semarang: Badan Penerbit Undip, 2011) hlm.110

13 51 Tabel 3.3 Dasar Penentuan Uji Durbin-Watson Hipotesi Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 < d <d L Tidak ada autokorelasi Positif Tidak ada Keputusan d L d d U Tidak ada autokorelasi Negatif Tolak 4 - d L < d < 4 Tidak ada autokorelasi Negatif Tidak ada autokorelasi, baik positif maupun negatif Tidak ada Keputusan Terima 4 d U d 4 d L d U < d < 4 d U b. Uji Hipotesis a. Analisis Regresi Linier Berganda Penelitian ini di analisis dengan model regresi linear berganda untuk melihat seberapa besar pengaruh risiko, expected return, excess return to beta dan cut-off rate terhadap keputusan investasi dengan model dasar sebagai berikut: Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 + e Di mana: Y : Keputusan Investasi

14 52 X 1 X 2 X 3 X 4 : Risiko : Expected return : Excess return to beta : Cut-off rate b 1 b 2 b 3 b 4 : Koefesien regresi a e : Intercept : Error b. Uji Signifikasi Uji signifikansi antara variabel bebas terhadap variabel terikat, baik secara simultan (serentak) maupun parsial dilakukan dengan menggunakan uji statistik t dan uji statistik F. 15 1) Uji t (secara parsial) Uji t yaitu pengujian yang digunakan untuk mengetahui apakah expected return, risiko, excess return to beta, cut-off rate mempengaruhi keputusan investasi secara parsial. Pengujian signifikansi yang dilakukan uji t ditetapkan dengan menggunakan taraf signifikansi 0,05. Prosedur pengujian hipotesis sebagai berikut: (1) Menentukan Level of Significance α < 0,05. (2) Jika t hitung > t tabel, maka menerima H a, yang berarti variabel bebas tersebut mampu mempengaruhi variabel terikat secara signifikan. Jika t hitung < t tabel, maka H a tidak dapat diterima, 15 Imam Ghozali, Aplikasi analisis Multivariate dengan Program IBM SPSS 19 (Semarang: Badan Penerbit Undip, 2011), hlm. 98

15 53 yang berarti variabel bebas tersebut tidak mempengaruhi variabel terikat. 2) Uji F (secara simultan) Uji F pada dasarnya digunakan untuk menguji apakah semua variabel independen yaitu expected return, risiko, excess return to beta, cut-off rate yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen yaitu keputusan investasi. Pembuktian dilakukan dengan cara membandingkan nilai F tabel dengan F hitung. Untuk menentukan nilai F, tingkat signifikan yang digunakan sebesar 5% dengan derajat kebebasan (degree of freedom) df = (n-k) dan (k-1) dimana n adalah jumlah observasi, kriteria uji yang digunakan adalah: (1) Jika F hitung < F tabel maka H 0 diterima artinya hitung tabel secara statistik dapat dibuktikan bahwa variabel independen (profitabilitas, leverage, ukuran perusahaan dan likuiditas) tidak berpengaruh terhadap variabel dependen (penyampaian laporan keuangan). (2) Jika F hitung > F tabel maka H 0 ditolak dan H a hitung tabel (Hipotesis alternative) diterima, artinya secara simultan dapat dibuktikan semua variabel independen (expected return, risiko, excess return to beta, cut-off rate) berpengaruh terhadap variabel dependen (keputusan investasi).

16 54 3) Uji Koefisien Determinasi Dalam uji regresi linear berganda ini dianalisis pula besarnya determinasi (R 2 ). Keseluruhan R 2 digunakan untuk mengukur ketepatan yang paling baik dari analisis linear berganda. Jika R 2 yang diperoleh mendekati 1 (satu), maka semakin kuat model tersebut menerangkan variabel independen terhadap variabel dependen. Sebaliknya jika R 2 mendekati 0 (nol), maka semakin lemah variabel-variabel independen menerangkan variabel dependen. 16 Selain melakukan pembuktian dengan uji t, perlu juga di cari besarnya koefisien determinasi (R 2 ) parsial untuk masingmasing variabel independen. Menghitung R 2 digunakan untuk mengetahui sejauh mana sumbangan dari masing-masing variabel independen, jika variabel lainnya konstan terhadap variabel dependen. Semakin besar nilai R 2, maka semakin besar variasi sumbangannya terhadap variabel dependen. 16 Imam Ghozali, Aplikasi analisis Multivariate dengan Program IBM SPSS 19 (Semarang: Badan Penerbit Undip, 2011), hlm. 101