BAB III METODE PENELITIAN

Transkripsi

1 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

2 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. Dalam 18

3 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 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

4 Perputaran persediaan merupakan rasio yang digunakan untuk mengukur kecepatan perputaran persediaan menjadi kas. Semakin cepat inventory terjual, semakin cepat investasi perusahaan berubah dan persediaan menjadi kas. Pada penelitian ini untuk melihat rasio inventory turrnover menggunakan rumus sebagai berikut : Perputaran persediaan sit = Harga pokok penjualan (HPP) sit-depresiasi(depr) sit persediaan sit 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 kotor sit = Penjualan sit -Harga pokok penjualan (HPP) sit Penjualan sit 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 tetap sit Aset tetap sit +Persediaan sit 20

5 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 : Penjualan sit -penjualan si,t-1 Peramalan penjualan = penjualan si,t-1 D. Instrument Penelitian Instrumen penelelian yang digunakan dalam penelitian ini adalah data panel perusahaan ritel yang berada di Indonesia selama periode 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

6 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

7 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 Kolmogorov- Smimov (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

8 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 tidak terjadi heteroskedastisitas dalam model regresi ini. 24

9 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 Durbin- Watson. 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 dan slope koefisien yang 25

10 berbeda pada setiap perusahaan dan setiap periode waktu. Adapun persamaan regresinya adalah sebagai berikut : log PP sit = β 0 + β 1 log LK sit + β 2 log IM sit + β 3 log Pp sit u sit Keterangan : log it sit = Perputaran Persediaan (PP) β 0 β 1-3 log gm sit = Konstanta = Koefisien regresi = nilai log variabel Laba kotor (LK) dalam unit ke I pada periode waktu t log ci sit = nilai log variabel Intensitas modal (IM) dalam unit ke I pada periode waktu t log ss sit = nilai log variabel Peramalan penjualan (Pp) dalam unit ke I pada periode waktu t u sit = 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

11 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 yang dipakai dalam Random Effect mengasumsikan setiap perusahaan mempunyai 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

12 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 p- value 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

13 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 p- value 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 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

14 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 p- value < 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 (R 2 ) 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

15 variabel dependent (Ghozali, 2011). Nilai R 2 berkisar antara 0-1, nilai R 2 yang lebih kecil atau mendekati nol berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependent sangat terbatas. Sebaliknya jika nilai R 2 lebih besar atau mendekati 1, maka variabel-variabel independen menjelaskan hampir seluruh informasi mengenai variabel dependen. 31