BAB III OBJEK DAN DESAIN PENELITIAN Bab n dbag menjad dua bagan, yatu objek peneltan dan desan peneltan. III.1 Objek Peneltan Objek peneltan dalam skrps n adalah nla perusahaan LQ 45 perode 2009-2011. Populas peneltan adalah perusahaan- perusahaan LQ 45 perode 2009-2011. Populas tersebut dplh karena memlk dampak yang besar terhadap pelaku pasar modal Indonesa d mana perusahaan LQ 45 merupakan perusahaan- perusahaan yang sahamnya dmnat dan menjad fokus perhatan nvestor. Selan tu, saham- saham perusahaan LQ 45 mencermnkan harga saham yang palng aktf dperdagangkan dan mempengaruh keadaan pasar serta memlk prospek pertumbuhan dan konds keuangan yang bak. Perusahaan LQ 45 juga terdr dar berbaga perusahaan yang bergerak d berbaga sektor sehngga dapat mewakl perusahaan yang tercatat d Bursa Efek Indonesa. III.2 Desan Peneltan Merupakan strateg untuk mendapatkan data yang dbutuhkan untuk keperluan pengujan hpotess dan alat untuk mengontrol varabel yang berpengaruh dalam peneltan. III.2.1 Jens dan Sumber Data Salah satu pertmbangan dalam memlh masalah peneltan adalah ketersedaan sumber data. Data yang dperlukan untuk mendukung analss dan pengujan hpotess dalam peneltan n adalah data sekunder, yatu data perusahaan LQ 45 yang terdaftar d Bursa Efek Indonesa (webste : www.dx.co.d) dan data mengena laporan keuangan tahunan 36
perusahaan yang dperoleh melalu Indonesan Captal Market Drectory (ICMD). Data pendukung lannya yang dgunakan dalam peneltan n berupa nformas yang berasal dar buku, jurnal, dan nternet. III.2.2 Teknk Penentuan Sampel Teknk penentuan sampel yang dgunakan adalah purposve samplng, d mana merupakan suatu teknk pengumpulan data yang dgunakan apabla anggota sampel dplh secara khusus berdasarkan tujuan peneltannya. Sampel dalam peneltan n memlk krtera sebaga berkut : 1) Perusahaan sampel terdaftar d Bursa Efek Indonesa perode 2009-2011 yang masuk dalam perusahaan LQ 45 perode Februar- Jul dan Agustus- Januar secara berturut- turut dar tahun 2009 sampa 2011. 2) Perusahaan sampel mempunya laporan keuangan yang berakhr 31 Desember dan memlk data yang dperlukan secara lengkap. 3) Raso yang dgunakan adalah raso proftabltas. Tabel III.1 menjelaskan proses seleks sampel. Tabel III.1 Proses Seleks Sampel No Keterangan Jumlah 1 Perusahaan LQ 45 yang masuk dalam perode Februar- Jul tahun 2009 31 dan perode Agustus- Januar tahun 2010 secara berturu- turut 2 Perusahaan LQ 45 yang masuk dalam perode Februar- Jul tahun 2010 31 dan perode Agustus- Januar tahun 2011 secara berturut- turut 3 Perusahaan LQ 45 yang masuk dalam perode Februar- Jul tahun 2011 31 dan perode Agustus- Januar tahun 2012 secara berturut- turut 37
III.2.3 Metode Pengumpulan Data Metode pengumpulan data dalam peneltan n menggunakan metode dokumentas, yatu dengan cara mengumpulkan data berupa laporan keuangan setap perusahaan sampel pada perode peneltan yatu 2009-2011 yang dperoleh dar stus Indonesa Stock Exchange (www.dx.co.d) dan data mengena laporan keuangan tahunan perusahaan yang dperoleh melalu Indonesan Captal Market Drectory (ICMD). III.2.4 Metode Analss Data Analss data merupakan proses yang palng pentng dalam sebuah peneltan. Metode analss data yang dgunakan dalam peneltan n melput : III.2.4.1 Analss Statstk Deskrptf Menurut Sekaran (2006 : 285), statstk deskrptf melput transformas data mentah ke dalam bentuk yang akan member nformas untuk menjelaskan sekumpulan faktor dalam suatu stuas. Hal tersebut dlakukan dengan cara mengurutkan data mentah yang dperoleh. Metode n dgunakan untuk memberkan gambaran atas sampel peneltan (menggambarkan pola dstrbus dar varabel- varabel tertentu dalam sekelompok data) sebelum dlakukan analss pada hpotess utama peneltan. Pengukuran yang dgunakan dalam peneltan n adalah mean (nla rata- rata), standard devaton (standar devas), nla maksmum, dan nla mnmum dar data observas. Menurut Sekaran (2006 : 287), mean (nla rata- rata) dgunakan untuk mengetahu rata-rata data yang bersangkutan. Standar devas merupakan ukuran dspers untuk data berskala nterval dan raso, serta memberkan ndeks penyebaran dstrbus atau varabltas dalam data. Nla maksmum dgunakan untuk mengetahu 38
jumlah terbesar data yang bersangkutan, sedangkan nla mnmum dgunakan untuk mengetahu jumlah terkecl data yang bersangkutan. III.2.4.2 Uj Asums Klask Uj asums klask merupakan suatu persyaratan statstk yang harus dpenuh pada analss regres lnear berganda yang berbass ordnary least square (OLS). Menurut Gujarat & Porter (2010 : 71), metode OLS memlk beberapa sfat- sfat statstk yang sangat menark dan merupakan metode palng kuat dan dkenal dalam analss regres. Pengujan asums klask dlakukan untuk mengetahu apakah hasl estmas regres yang dlakukan benar-benar bebas dar adanya gejala heteroskedaststas, gejala multkolneartas, dan gejala autokorelas. Jka terdapat heteroskedaststas, maka varan tdak konstan sehngga dapat menyebabkan basnya standar error. Jka terdapat multkolneartas, maka akan sult untuk mengsolas pengaruh-pengaruh ndvdual dar varabel, sehngga tngkat sgnfkans koefsen regres menjad rendah. Dengan adanya autokorelas mengakbatkan penaksr mash tetap bas dan mash tetap konssten hanya saja menjad tdak efsen. Oleh karena tu, uj asums klask perlu dlakukan terlebh dahulu sebelum melakukan pengujan regres lner berganda, yang terdr dar : 1) Uj Normaltas Uj normaltas dgunakan untuk menguj apakah dalam model regres, varabel ndependen dan dependennya memlk dstrbus normal atau tdak. Model regres yang bak adalah memlk dstrbus data normal atau mendekat normal (Ghozal, 2006). Normaltas data dapat dketahu dengan melhat penyebaran data (ttk) 39
pada sumbu dagonal pada grafk atau hstogram dar resdualnya. Data normal dan tdak normal dapat durakan sebaga berkut : a) Jka data menyebar d sektar gars dagonal dan mengkut arah gars dagonal atau grafk hstogramnya, menunjukkan pola terdstrbus normal, maka model regres memenuh asums normaltas. b) Jka data menyebar jauh dar gars dagonal dan tdak mengkut arah gars dagonal atau grafk hstogramnya, tdak menunjukkan pola terdstrbus normal, maka model regres tdak memenuh asums normaltas. Uj normaltas dengan grafk dapat menyesatkan apabla tdak hat-hat secara vsual kelhatan normal, tetap secara statstk bsa sebalknya sehngga uj grafk dlengkap dengan uj statstk. Uj statstk dgunakan untuk menguj normaltas resdual. Uj statstk yang dgunakan dalam peneltan n adalah uj statstk model Kolmogrov-Smrov (K-S). Pengujan n dlakukan dengan membuat hpotess : H 0 : Data resdual berdstrbus normal apabla nla sgnfkan 0,05 Ha : Data resdual tdak berdstrbus normal apabla nla sgnfkan < 0,05 2) Uj Multkolnertas Pengujan n bertujuan untuk menguj apakah d dalam model analss regres dtemukan adanya pengaruh antar varbel-varabel bebas yang satu dengan yang lannya. Model regres yang bak seharusnya tdak terjad korelas dantara varabel bebas (Ghozal, 2006). Jka varabel bebas salng berkoleras, maka varabel-varabel tdak orthogonal. Untuk mengetahu apakah ada koleras dantara varabel-varabel bebas dapat dketahu dengan melhat dar nla 40
tolerance (tolerance value) yang tngg dan nla varance nflaton factor (VIF). Kedua ukuran tersebut menunjukkan setap varabel bebas manakah yang djelaskan oleh varabel bebas lannya. Setap varabel bebas menjad varabel terkat terhadap varabel bebas lannya. Tolerance value mengukur varabltas varabel bebas yang terplh yang tdak dapat djelaskan oleh varabel bebas lannya sehngga tolerance value yang rendah sama dengan nla VIF tngg (karena VIF = 1/tolerance) dan menunjukkan adanya kolnertas yang tngg. Nla cut off yang umum dpaka adalah tolerance 0,10 atau sama dengan nla VIF 10. Besar tolerance value bervaras dar suatu varabel ndependen yang tdak djelaskan oleh varabel ndependen lannya. Tolerance value berbandng terbalk dengan VIF. Model regres yang bebas multkolnertas adalah yang mempunya nla tolerans d atas 0,1 atau VIF d bawah 10. Apabla tolerance value dbawah 0,1 atau VIF datas 10, maka terjad multkolnertas. Multkolnertas menyebabkan standart error yang semakn besar. Pengujan n dlakukan dengan membuat hpotess : H 0 : Tolerance 0,10 dan VIF < 10; tdak terjad multkolneartas Ha : Tolerance < 0,10 dan VIF > 10; terjad multkolneartas 3) Uj Heteroskedaststas Pengujan heteroskedaststas bertujuan untuk mengetahu apakah dalam model regres terjad ketdaksamaan varan dar resdual satu pengamatan ke pengamatan yang lan. Jka varan dar resdual satu pengamatan yang lan tetap, maka dsebut homoskedaststas dan jka berbeda dsebut heteroskedaststas. 41
Model regeres yang bak adalah yang homoskedaststas atau tdak terjad heteroskedaststas (Gozhal, 2006). Cara mendeteks ada atau tdaknya heteroskedaststas adalah dengan melhat grafk Scatterplot antara nla predks varabel terkat (dependen) yatu ZPRED dengan resdualnya SRESID. Deteks ada tdaknya heteroskedaststasnya dapat dlakukan dengan melhat ada tdaknya pola tertentu pada grafk scatterplot antara SRESID dan ZPRED, dmana sumbu Y adalah yang telah dpredks dan sumbu X resdual (Y predks-y sesungguhnya) yang telah dstandarsas. Dasar analss heteroskedastas, sebaga berkut : a) Jka ada pola tertentu, sepert ttk yang membentuk pola yang teratur (bergelombang, melebar kemudan menyempt), maka mengndkaskan telah terjad heterodaststas. b) Jka tdak ada pola yang jelas, serta ttk-ttk menyebar d atas dan bawah angka 0 pada sumbu Y, maka tdak heterokedaststas. 4) Uj Autokorelas Menurut Ghozal (2006), uj autokorelas bertujuan untuk menguj apakah dalam suatu model regres lner ada korelas antara kesalahan pengunaan pada perode t dengan kesalahan pada perode t-1 (sebelumnya). Jka terjad korelas, maka dnamakan ada masalah autokorelas. Autokorelas muncul karena observas yang berurutan sepanjang waktu berkatan satu sama lannya. Uj autokorelas dapat dlakukan dengan menggunakan uj Durbn- Watson d mana hasl pengujan dtentukan berdasarkan nla Durbn- Watson sepert dsajkan dalam Tabel III.2. Durbn-Watson hanya dgunakan untuk autokorelas 42
tngkat satu (frst order autocorrelaton) dan mensyaratkan adanya ntercept (konstanta) dalam model regres dan tdak ada varabel lag d antara varabel bebas. Jka nla D w terletak antara D u dan (4- D u ) atau D u D w (4- D u ) berat bebas dar autokorelas, sebalknya jka nla D w D L atau D w > (4- D L ) berart terdapat autokorelas. Nla D L dan D u dapat dlhat pada tabel Durbn- Watson, yatu nla D L ; D u ; α ; n ; (k 1), d mana n adalah jumlah sampel, k adalah jumlah varabel ndependen, dan α adalah taraf sgnfkan. Pengujan n dlakukan dengan membuat hpotess : H 0 : D u D w (4- D u ) ; tdak terjad autokorelas Ha : D w < D u atau (4- D u ) < D u ; terjad autokorelas Tabel III.2 Tabel Standar Autokorelas Hpotess nol Keputusan Jka Tdak ada autokorelas postf Tolak 0 < D w < D L Tdak ada autokorelas postf Tdak ada keputusan D L D w D u Tdak ada korelas postf Tolak 4- D L < D w < 4 Tdak ada korelas postf Tdak ada keputusan 4- D u D w - D L Tdak ada autokorelas postf atau negatf Tdak dtolak D u < D w < 4 D u III.2.4.3 Analss Regres Untuk mengetahu pengaruh yang sgnfkan antara knerja keuangan yang terdr dar varabel Return on Equty (ROE), arus kas dar aktvtas operas, dan ukuran perusahaan terhadap nla perusahaan LQ 45 yang terdaftar d Bursa Efek Indonesa, dalam peneltan n dgunakan analss regres berganda. Analss regres dlakukan untuk mengetahu seberapa besar hubungan antara varabel ndependen dan dependennya. 43
Adapun model regres berganda yang akan dgunakan dalam peneltan n dtulskan sebaga persamaan (3.1). LN_MVA = α + β 1 ROE + β 2 LN_AKO + β 3 LN_SIZE + ε... (3.1) Keterangan : LN_MVA = Nla Perusahaan α = Konstanta ROE = ROE perusahaan LN_AKO = Arus kas dar aktvtas operas perusahaan LN_SIZE = Ukuran perusahaan ε = Tngkat Kesalahan β = Koefsen Regres Model regres berganda pada persamaan (3.1) dgunakan untuk setap tahun (2009, 2010, dan 2011) sehngga dalam peneltan n ddapat tga persamaaan regres berganda untuk tga tahun yang berbeda. III.2.5 Metode Penyajan Data Penyajan data hasl statstk yang dgunakan dalam peneltan n akan dsajkan dalam bentuk tabel, dagram, grafk, dan deskrps berupa ntepretas hasl analss yang dperoleh. III.2.6 Uj Hpotess Pengujan asums klask dalam peneltan n dapat dlakukan dengan menggunakan analss hasl regres atau uj hpotess. Uj hpotess yang dgunakan antara lan : uj 44
hpotess secara parsal parsal (uj t), uj sgnfkans atau pengaruh smultan (uj statstk F), dan koefsen determnas (R²). III.2.6.1 Uj Hpotess Secara Parsal (Uj t) Uj t dgunakan untuk menguj pengaruh masng-masng varabel ndepeden yang dgunakan dalam peneltan terhadap varabel dependen (Ghozal, 2006). Uj t dlakukan untuk menguj hpotess 1 sampa dengan hpotess 3 dengan langkah- langkah sebaga berkut: 1) Merumuskan hpotess : Ho : β 0 Ha : β > 0 2) Menentukan tngkat sgnfkans, taraf sgnfkans adalah α = 5% 3) Membandngkan t htung dan t αtabel Ho dtolak apabla t htung > t αtabel 4) Berdasarkan nla - p : Jka nla- p < 0,05 maka Ho dtolak Hal n berart varabel- varabel ndependen dalam peneltan n memlk pengaruh postf terhadap varabel dependen. Langkah- langkah yang telah djelaskan d atas berlaku untuk semua varabel ndependen dalam peneltan n. III.2.6.2 Uj Sgnfkans atau Pengaruh Smultan (Uj Statstk F) Uj statstk F menunjukkan apakah semua varabel ndependen yang dmasukkan dalam model mempunya pengaruh secara bersama- sama atau smultan terhadap varabel dependennya. Uj statstk F dlakukan dengan langkah- langkah sebaga berkut: 45
1) Merumuskan hpotess : Ho : β 1 = β 2 = β 3 = 0 Ha : β 1 β 2 β 3 0 2) Menentukan tngkat sgnfkans, taraf sgnfkans adalah α = 5% 3) Membandngkan F- htung dan F- tabel Ho dtolak apabla F- htung > F- tabel 4) Berdasarkan nla - p : Jka nla- p < 0,05 maka Ho dtolak Hal n menunjukkan bahwa terdapat pengaruh varabel- varabel ndependen secara smultan terhadap varabel dependen dalam peneltan n. III.2.6.3 R² atau Koefsen Determnas Menurut Gujarat & Porter (2010 : 94), koefsen determnas R² merupakan ukuran rngkas yang mengnformaskan kepada kta seberapa bak sebuah gars regres sampel sesua dengan datanya. Nla koefsen determnas adalah antara 0 dan 1. Nla R² yang kecl berart kemampuan varabel-varabel ndependen dalam menejelaskan varas varabel dependen amat terbatas. Sebalknya, nla yang mendekat 1 berart varabelvarabel ndependen memberkan hampr semua nformas yang dbutuhkan untuk mempredks varas varabel dependen. III.2.7 Operasonalsas Varabel Operasonalsas varabel akan menjelaskan mengena varabel yang dgunakan dalam peneltan sebaga berkut : 46
III.2.7.1 Varabel Dependen Varabel dependen dalam peneltan n adalah nla perusahaan yang dukur dengan market value added (MVA). Menurut Brgham & Houston (2010 : 111), MVA merupakan selsh antara nla pasar ekutas (market value of equty) suatu perusahaan dengan nla buku ekutas (book value of equty) sepert yang dsajkan dalam neraca. Nla pasar dhtung dengan mengalkan harga saham dengan jumlah saham yang beredar. Perhtungan MVA dtulskan sebaga persamaan (3.2). MVA = MVE BVE... (3.2) Keterangan : MVA = Market Value Added MVE = Market value of equty (Market prce x Outsandng shares) BVE = Book value of equty III.2.7.2 Varabel Independen Knerja keuangan menunjukkan konds keuangan perusahaan selama perode tertentu. Knerja keuangan juga merupakan hal pentng yang harus dcapa oleh setap perusahaan karena menggambarkan kemampuan perusahaan dalam mengelola dan mengalokaskan sumber dayanya. Varabel ndependen dalam peneltan n adalah knerja keuangan yang dukur dar return on equty (ROE), arus kas dar aktvtas operas, dan ukuran perusahaan. 1) Return on Equty (ROE) Data ROE akan dsajkan dalam skala raso. Data ROE dperoleh dar hasl observas atas nformas keuangan dalam laporan tahunan perusahaan LQ 45 47
tahun 2009 2011. Informas keuangan tersebut kemudan doperaskan dalam persamaan (3.3). Laba bersh Return on Equty = x 100 %... (3.3) Ekutas Basa 2) Arus Kas dar Aktvtas Operas Data arus kas dar aktvtas operas ddasarkan atas nla logartma arus kas dar aktvtas operas yang dperoleh dar hasl observas atas nformas keuangan dalam laporan tahunan perusahaan LQ 45 tahun 2009 2011. Informas keuangan tersebut kemudan doperaskan dalam persamaan (3.4). AKO = Ln of Cash Flow from Operatng Actvtes... (3.4) 3) Ukuran Perusahaan Merupakan ukuran besar atau keclnya suatu perusahaan. Dalam peneltan n, ukuran perusahaan menggunakan nla logartma total penjualan perusahaan pada akhr tahun yang dperoleh dar hasl observas atas nformas keuangan dalam laporan tahunan perusahaan LQ 45 tahun 2009 2011. Informas keuangan tersebut kemudan doperaskan dalam persamaan (3.5). Sze = Ln of Net Sales... (3.5) 48