BAB III METODE PENELITIAN 3.1. Metode Penelitian Penelitian ini akan menggunakan metode riset deskriptif (descriptive research). Metode ini digunakan karena penelitian ini berusaha menguji hipotesis, melakukan prediksi, menjelaskan hubungan, serta medapatkan makna dan implikasi dari suatu pemecahan masalah pada suatu populasi. Sugiyono (2005: 21) menyatakan riset deskriptif merupakan metode untuk menganalisis atau menggambarkan hasil dari sebuah penelitian, dan bukan untuk memberi perluasan kesimpulan. Metode deskriptif di penelitian ini berfungsi sebagai penggambaran suatu data melalui beberapa prosedur. Di samping descriptive research, penelitian ini akan bersifat verifikatif. Metode verifikatif digunakan untuk pengujian matematis mengenai dugaan hubungan antara variabel-variabel, melalui sebuah hipotesis berdasarkan permasalahan yang akan diselidiki. Penelitian ini bertujuan untuk menguji tingkat kebenaran dalam suatu hipotesis, yang mana hipotesis tesebut adalah pengaruh sumber pendanaan terhadap profitabilitas. 3.2. Operasionalisasi Variabel Penelitian akan menggunakan 2 jenis variabel, yaitu bebas (variabel independen) yang dilambangkan dengan X, dan terikat (variabel dependen) yang dilambangkan dengan Y. Variabel independen berupa struktur pendanaan yang
38 diwakilkan oleh long-term debt-to-assets ratio (LDAR) sebagai X1, debt-to-assets ratio (DAR) sebagai X2, dan debt-to-equity ratio (DER) sebagai X3. Kemudian, variabel dependen berupa profitabilitas melalui return on equity (ROE) sebagai Y. Di bawah ini adalah tabel mengenai operasionalisasi yang akan dijalankan pada variabel-variabel tersebut: Tabel 3.1 Tabel Operasionalisasi Variabel Variabel Konsep Variabel Indikator Skala X1 Mengukur tingkat utang Long term Liabilities 100% Rasio Total Assets Long-term jangka panjang perusahaan Debt-to- Assets Ratio (LDAR) yang digunakan untuk membiayai total aset, menunjukkan persentase aset tidak lancar perusahaan. X2 Debt-to- Assets Ratio (DAR) X3 Debt-to- Equiy Ratio (DER) Mengukur tingkat jumlah utang dalam membiayai total aset, menunjukkan persentase aset cair yang dapat digunakan perusahaan Menunjukkan seberapa besar komposisi utang dibandingkan dengan ekuitas yang dimiliki perusahaan Total Liabilities 100% Rasio Total Assets Total Liabilities Total Equity 100% Rasio Y Return on Equity (ROE) Mengukur efektivitas ekuitas perusahaan dalam menghasilkan laba bersih Earning After Tax 100% Rasio Total Equity 3.3. Populasi dan Sampel Variabel Perusahaan sub-sektor Konstruksi Bangunan yang terdaftar di Bursa Efek Indonesia pada tahun 2010-2017 menjadi populasi dalam penelitian ini. Sampel yang dipilih adalah perusahaan publik dengan teknik purposive sampling, yaitu
39 ditentukan berdasarkan kriteria untuk mendapatkan sampel yang sesuai dan mewakili tujuan penelitian. No 1. 2. 3. Kriteria Perusahaan terdaftar di BEI Perusahaan jasa sub-sektor konstruksi bangunan yang terdaftar di BEI Perusahaan yang memiliki data lengkap Tabel 3.2 Kriteria Pemilihan Sampel Penelitian Jumlah 2010 2011 2012 2013 2014 2015 2016 2017 422 442 463 486 509 525 541 570 6 6 7 9 9 10 12 16 6 6 6 7 9 9 10 11 Jumlah Observasi 6 6 6 6 6 6 6 6 Total Observasi 48 observasi Berdasarkan kriteria tersebut, diperoleh sampel sebanyak 6 perusahaan subsektor Konstruksi Bangunan yang terdaftar di Bursa Efek Indonesia pada tahun 2010-2017 yang disajikan pada tabel berikut: Tabel 3.3 Daftar Perusahaan Sub-Sektor Konstruksi Bangunan yang Terdaftar di Bursa Efek Indonesia Pada Tahun 2010-2017 No Tanggal IPO Perusahaan 1 09 Februari 2010 PP (Persero) Tbk. 2 19 Desember 2007 Nusa Konstruksi Enjiniring Tbk 3 29 Oktober 2007 Wijaya Karya (Persero) Tbk. 4 25 Juli 2006 Total Bangun Persada Tbk. 5 18 Maret 2004 Adhi Karya (Persero) Tbk. 6 27 Maret 1997 Surya Semesta Internusa Tbk.
40 3.4. Sumber Data dan Teknik Pengumpulan Data Masalah yang diajukan dalam penelitian ini memerlukan pengumpulan data-data yang relevan. Data kemudian diolah dan dianalisis sehingga dapat ditarik suatu kesimpulan. Jenis data yang akan digunakan adalah data sekunder. Indonesian Capital Market Directory (ICMD) dan Laporan Tahunan melalui laman Bursa Efek Indonesia menjadi sumber data sekunder yang akan digunakan. Perusahaan yang memenuhi kriteria pemilihan sampel pada karakteristik populasi akan diambil dari kedua sumber tersebut. Berikut adalah kriteria tersebut: Perusahaan jasa sub-sektor konstruksi bangunan yang terdaftar di Bursa Efek Indonesia selama periode penelitian tahun 2010-2017 Perusahaan jasa sub-sektor konstruksi bangunan dengan data laporan keuangan konsisten tersedia pada periode 2010-2017 3.5. Rancangan Penelitian 3.5.1. Pengujian Statistik 3.5.1.1. Model Data Panel Model pengujian yang akan digunakan dalam penelitian iniadalah data panel. Data panel merupakan penggabungan data silang (cross-section) dan runut waktu (time series). Agus Widarjono (2009) menjelaskan beberapa keuntungan penggunaan model data panel pada sebuah penelitian. Kelebihan yang pertama adalah kemampuan data panel dalam menyediakan lebih banyak data, sehingga derajat kebebasan yang dihasilkan akan lebih tinggi. Lalu kedua, penggabungan informasi yang didapatkan dari cross-section dan time series pada data panel
41 mampu menyelesaikan masalah jika terjadi penghilangan variabel (omittedvariable). Analisis regresi linier berganda akan digunakan pada pengolahan data dalam penelitian ini. Analisis tersebut berfungsi untuk prakiraan nilai variabel Y berdasar pada nilai yang ditemukan pada variabel-variabel X. Model persamaan regresi linier berganda yang akan diteliti adalah sebagai berikut: Dimana: Y = + 1(i,t)X1(i,t) + 2(i,t)X2(i,t) + 3(i,t)X3(i,t) + (i,t) Y = Profitabilitas Perusahaan Sub-Sektor Konstruksi Bangunan di Bursa Efek Indonesia pada tahun 2010-2017 X1(i,t)= Long-term Debt-to-Assets Ratio Perusahaan Sub-Sektor Konstruksi Bangunan di Bursa Efek Indonesia pada tahun 2010-2017 X2(i,t)= Debt-to-Assets Ratio Perusahaan Sub-Sektor Konstruksi Bangunan di Bursa Efek Indonesia pada tahun 2010-2017 X3(i,t)= Debt-to-Equity Ratio Perusahaan Sub-Sektor Konstruksi Bangunan di Bursa Efek Indonesia pada tahun 2010-2017 = Konstanta, merupakan nilai terkait yang dalam hal ini adalah Y pada saat variabel independennya adalah 0 (X1, X2, = 0) 1(i,t) - 3(i,t) = Koefisien regresi berganda (i,t) = Faktor-faktor lain yang mempengaruhi variabel Y Jika nilai positif (+) ditemukan pada koefisien, maka ditemukan hubungan yang searah antara variabel X dengan variabel Y. Jika nilai negatif (-)ditemukan pada koefisien, maka ditemukan hubungan yang berlawanan antara variabel X
42 dengan variabel Y. Sehingga, nilai koefisien positif (+) mengindikasikan peningkatan (penurunan) pada variabel X akan dengan bersamaan meningkatkan (menurunkan) variabel Y. Jika koefisien bernilai negatif (-), maka diindikasikan bahwa penurunan (peningkatan) pada variabel X akan dengan bersamaan meningkatkan (menurunkan) variabel Y. Terdapat tiga pendekatan yang digunakan pada metode estimasi regresi linier berganda dengan menggunakan model data panel, yaitu: 1. Common Effect Model Pendekatan ini merupakan kombinasi data time series dan cross section. Model ini menggunakan pendekatan ordinary least square (OLS), yaitu teknik kuadrat terkecil untuk mengestimasi model data panel. 2. Fixed Effect Model Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepsinya. Model ini menggunakan data dummy untuk menangkap intersep antar perusahaan. Pendekatan pada model ini disebut dengan teknik least square dummy variable (LSDV). 3. Random Effect Model Model ini mengestimasi data panel di mana variabel gangguan mungkin akan saling berhubungan antara waktu ataupun individu data. Pada model ini, perbedaan intersep diakomodasi oleh error terms masing-masing perusahaan. Heteroskedastisitas dapat dihilangkan jika menggunakan model ini. Model random effect disebut dengan teknik generalized least square (GLS) atau error component model (ECM).
43 Terdapat 2 metode pengujian yang umum digunakan dalam pemilihan model data panel yang tepat: 1. Uji Chow Uji Chow akan menguji apakah common effect atau fixed effect menjadi model yang tepat dalam melakukan estimasi. Hipotesis pengujian ini adalah berikut: Ho = common effect model Ha = fixed effect model Perhitungan f hitung dari uji Chow adalah sebagai berikut: F hitung = (SSE1 SSE 2) (n 1) SSE2 (nt n k) Keterangan: SSE1 = Sum Square Error dari common effect model SSE2 = Sum Square Error dari fixed effect model n nt = jumlah perusahaan (cross section) = jumlah perusahaan pada waktu tertentu (cross section dikali time series) k = jumlah variabel independen Perhitungan f tabel dapat dihitung dengan rumus berikut: Keterangan: F tabel = { df (n 1, nt n k)} = tingkat signifikansi yang digunakan
44 n nt = jumlah cross section (perusahaan) = jumlah cross section dikali time series(perusahaan pada waktu tertentu) k = jumlah variabel independen Model ini mendasarkan pengambilan keputusan dengan perbandingan nilai pada f hitung yang ditemukan dengan nilai statitstik f tabel, yaitu sebagai berikut: Ho ditolak Ha ditolak = jika f hitung > f tabel = jika f hitung < f tabel 2. Uji Hausman Uji Chow akan menguji apakah random effect atau fixed effect menjadi model yang tepat dalam melakukan estimasi. Hipotesis pengujian ini adalah berikut: Ho = random effect model Ha = fixed effect model Ho akan ditolak, jika nilai statistik dalam pengujian Hausman ini melebihi besar dari nilai kritisnya. Jika terjadi sebaliknya, maka Ho diterima. 3.5.1.2. Uji Asumsi Klasik Uji asumsi klasik merupakan metode pengujian yang mempertanyakan kelayakan model regresi pada suatu penelitian. Pengujian bertujuan untuk memastikan data yang dihasilkan terdistribusi normal, serta tidak terjadi multikolinieritas, heteroskedastisitas, ataupun autokorelasi dalam penelitian ini.
45 Uji Normalitas Pengujian ini bertujuan untuk melihat apakah terdapat distribusi normal dalam model regresi, ataupun pada variabel pengganggu dan residual. Data terdistribusi normal atau mendekati normal merupakan kriteria model regresi yang baik. Sehingga, pengujian normalitas dilakukan untuk melihat apakah terdapat distribusi normal pada variabel-variabel independen yang mewakili struktur modal dan variabel dependen yang mewakili profitabilitas. Dalam penelitian ini, penulis menggunakan dua cara uji normalitas. Pertama dengan menggunakan normal probability plot. Cara ini akan membandingkan distribusi kumulatif dari distribusi normal dalam grafik. Grafik tersebut menggambarkan distribusi normal dalam bentuk garis diagonal, di mana garis itu akan dibandingkan dengan ploting data-data residual. Jika ploting mengikuti garis tersebut, maka data dinyatakan berdistribusi normal. Cara kedua yang akan digunakan adalah uji Kolmogorov-Smirnov (K-S). Berikut adalah cara pengambilan keputusan dalam uji K-S: 1. Jika signifikansi atau nilai probabilitas > 0,05, maka populasi data terdistribusi normal 2. Jika signifikansi atau nilai probabilitas < 0,05, maka populasi data terdistribusi tidak normal Dengan pengambilan keputusan di atas, uji normalitas K-S akan mengambil hipotesis berikut: Ho : data residual berdistribusi normal Ha : data residual tidak berdistribusi normal
46 Ho akan ditolak bila secara statistik nilai probabilitas Z Kolmogorov- Smirnov signifikan, yang berarti data tersebut terdistribusi tidak normal. Jika terjadi sebaliknya, maka data tersebut terdistribusi normal. Uji Multikolinieritas Pengujian ini bertujuan untuk melihat apakah terdapat korelasi diantara variabel-variabel independen. Multikolinearitas menunjukkan adanya korelasi linear sempurna antara sebagian atau seluruh variabel independen. Tidak adanya korelasi di antara variabel independen merupakan kriteria model regresi yang baik. Sehingga, pengujian multikolinieritas dilakukan untuk melihat terjadi atau tidaknya korelasi pada variabel-variabel independen yang mewakili struktur modal. Ada tidaknya multikolinieritas di dalam regresi dapat terdeteksi dari nilai variance inflation factor (VIF) dan tolerance value. Nilai tolerance berfungsi untuk mengukur variabilitas yang tidak dapat dijelaskan pada salah satu variabel independen dibandingkan variabel independen lainnya. Nilai VIF dipengaruhi nilai tolerance, di mana nilai VIF = 1/Tolerance. Kriteria hasil uji multikolinearitas sebagai berikut: o Jika nilai tolerance < 0,1 maka terjadi multikolinieritas o Jika nilai tolerance > 0,1 maka tidak terjadi multikolinieritas o Jika nilai VIF > 10 maka terjadi multikolinieritas o Jika nilai VIF < 10 maka tidak terjadi multikolinieritas
47 Uji Heteroskedastisitas Pengujian heteroskedastisitas melihat apakah terjadi ketidaksamaan variance residual pada setiap pengamatan di dalam model regresi. Jika ketidaksamaan variance terjadi, maka disebut homoskedastisitas. Jika sebaliknya terjadi, maka disebut heteroskedastisitas. Tidak terjadinya heteroskedastisitas merupakan kriteria model regresi yang baik Sehingga, penulis melakukan uji heteroskedastisitas untuk melihat apakah terdapat korelasi pada variabel-variabel independen yang mewakili struktur modal. Penulis akan menggunakan uji Glejser pada penelitian ini, untuk mendeteksi keberadaan heteroskeditas. Pengujian dilakukan dengan melihat hasil regresi antara variabel-variabel independen dengan nilai absolut residualnya. Uji Autokorelasi Pengujian ini bertujuan untuk melihat apakah kesalahan pengganggu pada setiap periode pengamatan di dalam model regresi memiliki korelasi satu sama lainnya. Masalah statistik ini disebut juga dengan autokorelasi. Data time series pada umumnya mengalami ini. Munculnya autokorelasi dapat disebabkan oleh pengamatan yang runut sepanjang periode yang berdekatan. Pengujian autokorelasi dilakukan untuk melihat apakah terdapat korelasi pada data time series yang akan diteliti. Untuk mendeteksi autokorelasi, penulis akan menggunakan uji Durbin Watson (DW test). Berikut adalah hipotesis dalam pengujian ini: Ho : tidak ada autokorelasi (r = 0) Ha : ada autokorelasi (r 0)
48 3.5.1.3. Analisis Korelasi Berganda Analisis korelasi berganda dilakukan untuk mencari tahu eratnya hubungan pada variabel-variabel independen (X1 hingga Xn) dan variabel dependen (Y). Analisis ini dilakukan melalui perhitungan pada nilai koefisien korelasi (R). Nilai R akan didapatkan melalui formula matematis koefisien determinasi (R 2 ), yang mana akan dijelaskan pada bagian selanjutnya. Jika nilai R semakin mendekati 1, maka pengaruh variabel-variabel independen terhadap variabel dependen dalam model ini adalah sangat tinggi. Nilai koefisien pada analisis korelasi berganda ini diperoleh dari persamaan berkut: X1Y + 2 X 2Y + 3 X 3Y + + n Y... 2 R 1 = 2 3.5.1.4. Koefisien Determinasi (R 2 ) Setelah melakukan perhitungan analisis korelasi berganda, koefisien determinasi (R²) digunakan untuk mengukur ketepatan variabel-variabel independen pada model regresi dalam menerangkan jumlah variasi dalam variabel dependen secara simultan. Jika nilai R² semakin mendekati 1, maka ketepatan variabel-variabel independen dalam menerangkan jumlah variasi dalam variabel dependen pada model regresi ini adalah sangat tinggi. Di bawah ini adalah rumus dalam menentukan nilai koefisien determinasi: KD = R 2 x 100% Dimana: KD = Koefisien Determinasi X n Y R 2 = Koefisien korelasi berganda
49 3.5.2. Pengujian Hipotesis Merujuk pada kerangka pemikiran penelitian ini, hipotesis akan dirumuskan sebagai jawaban sementara. Rumusan hipotesis ini akan diteliti melalui pengujian dan pembuktian kebenarannya. Di bawah ini adalah hipotesis-hipotesis yang dirumuskan: a. Hipotesis Utama (Simultan) H0 : β1(i,t) β2(i,t) β3(i,t) = 0 Tidak terdapat pengaruh Long-term Debt-to-Assets Ratio (LDAR), Debtto-Assets Ratio (DAR), dan Debt-to-Equity Ratio (DER) secara bersamaan terhadap Return On Equity (ROE) perusahaan sub-sektor Konstruksi Bangunan H1 : β1(i,t) β2(i,t) β3(i,t) 0 Terdapat pengaruh Long-term Debt-to-Assets Ratio (LDAR), Debt-to- Assets Ratio (DAR), dan Debt-to-Equity Ratio (DER) secara bersamaan terhadap Return On Equity (ROE) perusahaan sub-sektor Konstruksi Bangunan Kedua hipotesis simultan di atas akan melalui pengujian hipotesis, yang mana hipotesis tersebut akan diterima atau ditolak. Uji statistik f akan dilakukan pada hipotesis simultan tersebut. Taraf signifikansi 5% akan digunakan pada pengujian ini. Di bawah ini adalah rumus dan ketentuan dalam pengambilan keputusan penerimaan ataupun penolakan hipotesis simultan.
50 Fhitung = 2 R 2 / k ( 1 R )/( n k 1) Keterangan: n = Jumlah anggota sampel K = Jumlah variabel independen R = Koefisien korelasi ganda Ketentuan: Jika Fhitung< Ftabel, maka H0 diterima Jika Fhitung>Ftabel, maka H0 ditolak Jika Nilai Prob > Alpha (5%), maka H0 diterima Jika Nilai Prob < Alpha (5%), maka H0 ditolak b. Sub Hipotesis (Parsial) a. H0 : β1 = 0 ; Tidak terdapat pengaruh Long-term Debt-to-Assets Ratio (LDAR) secara parsial terhadap Return On Equity (ROE) perusahaan sub-sektor Konstruksi Bangunan H0 : β1 0 ; Terdapat pengaruh Long-term Debt-to-Assets Ratio (LDAR) secara parsial terhadap Return On Equity (ROE) perusahaan sub-sektor Konstruksi Bangunan b. H0 : β2 = 0 ; Tidak terdapat Debt-to-Assets Ratio (DAR) secara parsial terhadap Return On Equity (ROE) perusahaan sub-sektor Konstruksi Bangunan
51 H0 : β2 0 ; Terdapat Debt-to-Assets Ratio (DAR) secara parsial terhadap Return On Equity (ROE) perusahaan sub-sektor Konstruksi Bangunan c. H0 : β3 = 0 ; Tidak terdapat pengaruh Debt-to-Equity Ratio (DER) secara parsial terhadap Return On Equity (ROE) perusahaan sub-sektor Konstruksi Bangunan H0 : β3 0 ; Terdapat pengaruh Debt-to-Equity Ratio (DER) secara parsial terhadap Return On Equity (ROE) perusahaan sub-sektor Konstruksi Bangunan Pengaruh secara parsial akan dilakukan melalui ji statistik t. Pengujian ini dilakukan pada satu variabel independen terhadap variabel dependen, dengan asumsi bahwa variabel lain dianggap konstan. Di bawah ini adalah ketentuan dalam pengujian hipotesis uji statistik T: Bila tsignifikan < 0,05 maka secara parsial variabel independen berpengaruh terhadap variabel dependen. Bila tsignifikan > 0,05 maka secara parsial variabel independen tidak berpengaruh terhadap variabel dependen.