BAB III METODE PENELITIAN

Transkripsi

1 BAB III METODE PENELITIAN A. Rancangan Penelitian Rancangan penelitian yang digunakan adalah metode uji hipotesis ( Testing Hypothesis ) yakni metode yang menjelaskan sifat hubungan tertentu, atau menentukan perbedaan antarkelompok atau kebebasan dua atau lebih faktor dalam suatu situasi. Unit analisa dan data yang digunakan adalah panel. Objek penelitian yang diteliti adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia selama periode B. Variabel dan Pengukuran Dalam penelitian ini terdapat tiga macam variabel, yaitu variabel bebas ( independent variable ), variabel terikat ( dependent variable ) dan variabel control ( control variable ). 1. Variabel Terikat ( Dependent Variable ) Dalam penelitian ini, yang menjadi variabel terikat adalah kinerja perusahaan yang diukur dengan efisiensi perusahaan. efisiensi = Jumlah output yang dibobot jumlah input yang dibobot 32

2 33 Dimana input yang digunakan adalah karyawan dan modal yang diukur dengan fixed asset perusahaan. Dan ourput yang digunakan adalah Return on Asset (ROA) dan Return on Equity (ROE). Struktur input dan output yang digunakan dalam penelitian ini akan digambarkan dalam tabel dibawah ini: 2. Variabel Bebas ( Independent Variable ) 1.1. Capital Structure (struktur modal) Struktur modal diukur melalui leverage yang merupakan rasio dari hutang pada total aset. Debt LEV = Total Assets Sumber: Margaritis dan Psillaki, Equity Ownership (struktur kepemilikan). Ownership Concentration (OWNC) diukur dengan menggunakan Herfindahl Index. Dimana Si adalah persentase kepemilikan saham non-publik. H = Si Sumber : Margaritis dan Psillaki, 2010

3 34 3. Variabel Kontrol ( Control Variable ) Variabel kontrol dalam variabel ini antara lain adalah: 3.1. Profitability Profitabilitas diukur dengan rasio dari profit pada total aset. PR = Earning Before Interest and Taxes (EBIT) Total Assets Sumber: Margaritis dan Psillaki, Firm Size Size dapat diukur dengan menggunakan rumus berikut: SIZE = Ln (Net Sales) Dimana : Ln Total assets adalah natural logarithma dari total assets. Sumber: Margaritis dan Psillaki, Sales Growth GROWTH = Sales Sales Sales Sumber: Teruel dan Solano, 2009

4 35 C. Metoda Penarikan Sampel Penelitian ini menggunakan metode purposive sampling, yaitu metoda penarikan sampel yang didasarkan pada kriteria-kriteria tertentu. Adapun kriteriakriteria yang digunakan adalah sebagai berikut : 1) Perusahaan yang telah go public dan telah mengumpulkan laporan keuangan secara rutin dan lengkap selama empat tahun periode penelitian Untuk memenuhi perhitungan dalam penelitian ini, maka kriteria dalam laporan keuangan harus dilengkapi data-data sebagai berikut: fixed tangible assets, debt, total assets, total liabilities, equity, net sales, Earning Before Interest and Tax (EBIT), dan employee. 2) Industri yang diteliti merupakan empat sektor industri yang bergerak di bidang manufaktur yang meliputi sektor apparel and other textile products, chemical and allied products, electronics and office equipment, dan textile mill products. D. Metoda Pengumpulan Data Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Bursa Efek Indonesia (BEI) yang telah dikumpulkan serta dipublikasikan secara elektronik database, buku, maupun dalam bentuk dokumen berupa laporan keuangan tahunan yang berisi Income statement dan Balance sheet perusahaan yang diperoleh dari buku Indonesia Capital Market Directory (ICMD) di Pojok Bursa dan Ruang Metodologi Fakultas Ekonomi Universitas Trisakti Gedung I

5 36 lantai dua serta website Indonesia Stock Exchanges (IDX) di selama empat tahun terakhir periode E. Metoda Analisis Data Penelitian ini menggunakan metode statistik panel. Analisis digunakan untuk melihat pengaruh antara struktur modal yang diukur dengan leverage dan struktur kepemilikan terhadap kinerja perusahaan. 1. Model Persamaan Regresi Model yang digunakan terbagi dua, model pertama digunakan untuk melihat bagaimana pengaruh leverage terhadap efisiensi perusahaan. Sedangkan model kedua digunakan untuk melihat hubungan sebaliknya, yakni bagaimana pengaruh efisiensi terhadap leverage. Model persamaan regresi: 1) Firm performance model EFF i.t = a 0 + a 1 LEV i,t-1 + a 2 LEV 2 i.t-1 + a 3 Z 1i,t + u i.t Dimana EFF adalah ukuran dari efisiensi perusahaan; LEV adalah rasio hutang pada total aset; Z 1 menunjukan variabel kontrol yang mempengaruhi efisiensi perusahaan (profitability, size, asset structure, growth oppurtunities, ownership structure dan ownership type); u untuk tingkat error. 2) The Leverage Model LEV i,t = β 0 + β 1 EFF i.t-1 + β 2 Z 2i,t + v i.t

6 37 Dimana Z 2 menunjukkan faktor lain selain efisiensi yang berhubungan dengan leverage; v untuk tingkat error. 2. Estimasi Menggunakan Data Panel Data Panel adalah sebuah data yang digunakan untuk melihat perilaku umum suatu variabel dari berbagai unit (individu) dan antar waktu (lintas individu dan lintas waktu). Kelebihan menggunakan data panel adalah kita dapat mendalami efek ekonomi yang tidak dapat diperoleh dengan menggunakan data lintas waktu (time series) maupun data lintas individu (cross section). Latar belakang digunakannnya data panel antara lain untuk mengatasi permasalahan kekruangan jumlah observasi dalam analisis cross section dan analisis time series karena akan meningkatkan degree of freedom. Kemudian jika kita dapat mengakomodasi informasi baik yang terkait dengan variabel-variabel cross section maupun time series, data panel secara substansial mampu menurunkan masalah omitted variabel (model yang mengabaikan variabel yang relevan). Dalam analisis model data panel dikenal demgan tiga macam pendekatan estimasi yaitu pendekatan kuadrat terkecil (pooled least square), pendekatan efek tetap (fixed effect), dan pendekatan efek acak (random effect). Ketiga pendekatan yang dilakukan dalam analisa data panel ini akan dijelaskan pada bagian berikut ini: a. Pendekatan Kuadrat Terkecil (Pooled Least Square) Pendekatan yang paling sederhana dalam pengolahan data panel adalah dengan menggunakan metode kuadrat terkecil biasa yang diterapkan dalam data yang berbentuk pool. Misalkan terdapat persamaan berikut ini:

7 38 Y it = + X it + it untuk i = 1, 2,..., N dan t = 1, 2,..., T Dimana N adalah jumlah unit cross section (individu) dan T adalah jumlah periode waktunya. Dengan mengasumsi komponen error dalam pengolahan kuadrat terkecil biasa, kita dapat melakukan proses estimasi secara terpisah untuk setiap unit cross section. Untuk periode t = 1, akan diperoleh persamaan regresi cross section sebagai berikut: Y i1 = + X i1 + i1 untuk i = 1, 2,..., N yang akan berimplikasi diperolehnya persamaan sebanyak T persamaan yang sama. Begitu juga sebaliknya, kita juga akan dapat memperoleh persamaan deret waktu (time series) sebanyak N persamaan untuk setiap T observasi. Namun, untuk mendapatkan parameter dan yang konstan dan efisien, akan dapat diperoleh dalam bentuk regresi yang lebih besar dengan melibatkan sebanyak NT observasi. Namun dengan asumsi bahwa parameter dan yang konstan apakah realistis? Misalnya kita mengamati pengaruh iklam terhadap omset pada 10 perusahaan. Apakah realistis jika dibuat suatu model, dimana sebuah perusahaan yang bergerak dibidang industry makanan mempunyai intersep yang sama dengan perusahaan yang bergerak di sector jasa? Untuk mengatasi permasalahan tersebut, ada dua buah teknik yang biasanya digunakan untuk membuat model data panel yaitu metode Efek Tetap (Fixed Effect) dan metode Efek Acak (Random Effect) (Nachrowi, 2006). b. Pendekatan Efek Tetap (Fixed Effect)

8 39 Kesulitan terbesar dalam pendekatan metode kuadrat terkecil biasa tersebut adalah asumsi intersep dan slope dari persamaan regresi yang dianggap konstan baik antar daerah maupun antar waktu yang mungkin tidak beralasan. Generalisasi secara umum sering dilakukan adalah dengan memasukkan variabel boneka (dummy variable) untuk mengizinkan terjadinya perbedaan nilai parameter yang berbedabeda baik lintas unit cross section maupun antar waktu. Dalam pengujian skripsi ini, penulis akan menyoroti nilai intersep yang mungkin saja bisa berbeda-beda antar unit cross section. Pendekatan dengan memasukkan variabel boneka ini dikenal dengan sebutan model efek tetap (fixed effect) atau Least Square Dummy Variable atau disebut juga Covariance Model. Kita dapat menuliskan pendekatan tersebut dalam persaman sebagai berikut: Yit = a + bxit + g2w2t + g3w3t gnwnt + d2zi2 + d3zi dtzit + eit dimana Wit = 1 untuk individu ke-i, I = 2,..., N 0 untuk sebaliknya 1 untuk periode ke-t, t = 2,..., T Zit = 0 untuk sebaliknya

9 40 Kita telah menambahkan sebanyak (N-1) + (T-1) variabel boneka ke dalam model dan menghilangkan dua sisanya untuk menghindari kolinearitas sempurna antar variabel penjelas. Dengan menggunakan pendekatan ini akan terjadi degree of freedom sebesar NT 2 (N-1) (T-1), atau sebesar NT - N T. c. Pendekatan Efek Acak (Random Effect) Keputusan untuk memasukkan variabel boneka dalam model efek tetap tak dapat dipungkiri akan dapat menimbulkan konsekuensi (trade off). Penambahan variabel boneka ini akan dapat mengurangi banyaknya derajat kebebasan (degree of freedom) yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Berkaitan dengan hal ini, dalam model data panel dikenal pendekatan ketiga yaitu model efek acak (random effect). Dalam model efek acak, parameterparameter yang berbeda antar daerah maupun antar waktu dimasukkan ke dalam error. Karena hal ini lah, model efek acak sering juga disebut model komponen error (error component model). Bentuk model efek acak ini dijelaskan pada persamaan berikut ini: Y it = α + ßX it + it it = u i + v t + w it dimana u i N(0, u 2 ) = komponen cross section error v t N(0, v 2 ) = komponen time series error w it N(0, w 2 ) = komponen error kombinasi

10 41 Kita juga mengasumsikan bahwa error secara individual juga tidak saling berkorelasi begitu juga dengan error kombinasinya. Dengan menggunakan model efek acak ini, maka kita dapat menghemat pemakaian derajat kebebasan dan tidak mengurangi jumlahnya seperti yang dilakukan pada model efek tetap. Hal ini berimplikasi parameter yang merupakan hasil estimasi akan menjadi semakin efisien. 1) Penentuan Model Estimasi dalam Data Panel Seperti yang kita ketahui diatas bahwa dalam data panel kita dapat menggunakan tiga pendekatan dalam mengestimasi, oleh karena itu kita perlu melakukan pengujian untuk menentukan mana diantara ketiga pendekatan tersebut yang paling sesuai dengan data yang digunakan. Gambar dibawah ini akan mengalurkan proses pemilihan model yang tepat untuk digunakan : Gambar 3.1 Proses Pemilihan Model Dalam Data Panel 2) Common Effect 3) F-Test 4) Fixed Effect 5) 6) Random Effect Haussman Test

11 42 2) Penentuan Model Antara Common Effect dan Individual Effect Untuk menguji model terbaik antara common effect dengan individual effect (yang diwakilkan oleh model fixed effect) kita bisa menggunakan restricted F-test untuk mendapatkan nilai F-hitung. Restricted F-test pada dasarnya menerapkan intercept yang sama untuk seluruh individu. Hal ini dikarenakan terkadang asumsi bahwa setiap unit cross section memiliki perilaku yang sama cenderung tidak realistis karena mengingat dimungkinkan saja setiap unit cross section memiliki perilaku yang berbeda. Sebelum menghitung besar nya restricted F-test terlebih dahulu membuat hipotesis: H 0 : α 1 = α 2 = α 3 =... = α i, Common Effect (Restricted) H 1 : α 1 α 2 α 3... α i, Individual Effect (Unrestricted) dimana restricted F-test dirumuskan sebagai berikut: Keterangan: F α, m, (n-k) = (R 2 UR R 2 R) / m (1- R 2 UR ) / (n-k) R 2 UR = R 2 pada Individual effect model R 2 R m n k = R 2 pada Common effect model = Jumlah linier restricted = Jumlah observasi = Jumlah parameter dalam Individual Effect Model untuk pengambilan keputusan apakah H 0 atau H 1 yang diterima maka bandingkan hasil F-test dengan F-table. F-table dicari pada α tertentu untuk m numerator df dan (n-k) deminator df. Jika F-test lebih besar daripada F-

12 43 table maka H 0 ditolak sehingga H 1 diterima yang artinya model yang digunakan adalah individual effect dan sebaliknya. 3) Penentuan Model Antara Fixed Effect dan Random Effect Terdapat beberapa pertimbangan teknis empiris yang dapat dijadikan acuan untuk memilih antara fixed effect (FE) atau random effect (RE) yaitu: 1. Bila T (jumlah unit time series) besar sedangkan N (jumlah unit crosssection) kecil, maka hasil FE dan RE tidak jauh berbeda. Dalam hal ini pilihan umumnya akan didasarkan pada kenyamanan penghitungan, yaitu FE. 2. Bila N besar dan T kecil, maka hasil estimasi kedua pendekatan dapat berbeda secara signifikan. Jadi, apabila kita meyakini bahwa unit crosssection yang kita pilih dalam penelitian diambil secara acak (random) maka RE harus digunakan. Sebaliknya, apabila kita meyakini bahwa unit cross section yang kita pilih dalam penelitian tidak diambil secara acak maka kita harus menggunakan FE. 3. Apabila cross-section error component (ε i ) berkorelasi dengan variabel bebas X maka parameter yang diperoleh dengan RE akan bias sementara parameter yang diperoleh dengan FE tidak bias. 4. Apabila N besar dan T kecil, dan apabila asumsi yang mendasari RE dapat terpenuhi, maka RE lebih efisien dibandingkan FE. Selain menggunakan cara diatas kita juga bisa mengambil keputusan apakah menggunakan fixed effect atau random effect dapat menggunakan haustman test. Penilaian akan menggunakan nilai Chi-Square Statistiks sehingga keputusan

13 44 pemilihan kedua model tersebut akan dapat ditentukan secara statistik. Sebelum melakukan pengujian yang pertama harus dilakukan adalah membuat hipotesis H 0 : Ada gangguan antar individu (random effect) H 1 : Tidak ada gangguan antar individu (fixed effect) Pengambilan keputusan didasarkan pada membandingkan hasil haussman test ini antara nilai Chi-Square Statistiks dengan df = k, dimana k adalah jumlah koefisien variabel yang diestimasi. Jika Chi-Square Statistic lebih besar dari df maka H 0 ditolak dan terima H 1 yang berarti menggunakan moedl fixed effect dan sebaliknya.