BAB IV METODE PENELITIAN 4.1 Desain Penelitian Penelitian ini menggunakan desain penelitian uji hipotesis yang bertujuan untuk menguji hipotesis-hipotesis yang ada. Termasuk dalam kategori causal study, yaitu untuk mengetahui adanya hubungan sebab akibat antara beberapa variabel independen (CR, DER, TATO, ROA, PER, dan Risiko Sistematik) dengan satu variabel dependen (Return Saham). Berdasarkan horizon waktu penelitian ini adalah time series dan cross section atau yang biasa dikenal dengan data panel (Widarjono, 2013). Dalam penelitian ini membandingkan antara sebelum dan sesudah krisis ekonomi global. 4.2 Ruang Lingkup/Fokus Penelitian Fokus dan ruang lingkup merupakan alat untuk membatasi studi penelitian sehingga peneliti dapat menyeleksi data-data yang masuk. Adapun fokus dan ruang lingkup dari penelitian ini adalah Perusahaan yang termasuk dalam indeks LQ45 pada periode agustus 2005 sampai dengan januari 2011, Perusahaan yang secara continue terdaftar dalam indeks LQ45 pada tahun 2006 sampai dengan 2010 dan Perusahaan memiliki laporan keuangan yang dapat diakses pada tahun 2004 sampai dengan tahun 2011. 48
49 4.3 Pendekatan Penelitian Penelitian ini menggunakan pendekatan penelitian deskriptif yaitu penelitian yang dilakukan untuk mengetahui nilai variabel mandiri, baik satu atau lebih variabel independen tanpa membuat perbandingan atau menghubungkan antara satu dengan variabel yang lain. Penelitian deskriptif dalam penelitian ini dilakukan untuk mengetahui pengaruh rasio keuangan dan risiko sistematik terhadap return saham sebelum dan sesudah krisis ekonomi global tahun 2008 pada perusahaan yang terdaftar di LQ45 Tahun 2004 sampai dengan 2011. Penelitian ini merupakan penelitian kuantitatif, data yang diperoleh dari sampel populasi penelitian dianalisis sesuai dengan metode statistik yang digunakan kemudian diinterprestasikan. 4.4 Variabel Penelitian Variabel independen dan variabel dependen yang digunakan pada penelitian ini adalah sebagai berikut, yaitu: Tabel 4.1 Tabel Perhitungan Rasio Keuangan dan Risiko Sistematik No Variabel Definisi Perhitungan 1 Dependen Return saham (Y) Ht Ht-1 Ht-1 1 Independen CR (X1) Aktiva lancar/hutang lancar 2 DER (X2) Total hutang/modal 3 TATO (X3) Penjualan/Total aktiva 4 ROA (X4) Laba setelah pajak/total aktiva 5 PER (X5) Harga pasar saham/nilai buku saham 6 Risiko Sistematik (X6) β di dapat covar/var lalu CAPM Ri = Rf+(Rm-Rf).βi Sumber : Data diolah dari berbagai referensi (2015)
50 Keterangan : Dalam menghitung return saham menggunakan rumus : Ht Ht-1... (4.1) Ht-1 Ht merupakan harga saham pada akhir tahun t dan Ht-1 merupakan harga saham pada akhir tahun t-1 (harga saham satu tahun sebelum harga saham pada akhir tahun t). Dalam menghitung Risiko Sistematik (β) dapat menggunakan rumus: β = Covar... (4.2) Var Setelah mendapatkan nilai β, lalu menghitung Ri dengan rumus CAPM di bawah ini : Ri = Rf + (Rm Rf).βi...(4.3) Ri merupakan Return Saham, Rf merupakan Risk Free (rata-rata rate bank Indonesia setiap tahunnya), Rm merupakan Return Market (indeks saham IHSG pada akhir periode setiap tahunnya), dan βi = Risiko Sistematik (beta). 4.5 Populasi dan Sampel Penelitian Populasi yang digunakan dalam penelitian ini adalah Perusahaan yang termasuk dalam indeks LQ45 pada periode agustus 2005 sampai dengan januari 2011. Sampel yang digunakan dalam penelitian ini adalah perusahaan yang termasuk dalam indeks LQ45 pada periode agustus 2005 sampai dengan januari 2011, Perusahaan yang secara continue terdaftar dalam indeks LQ45 pada tahun 2006 sampai dengan 2010, dan perusahaan yang memiliki laporan keuangan yang dapat diakses pada tahun 2004 sampai dengan tahun 2011. Teknik sampling yang digunakan dalam penelitian ini adalah Purposive Sampling dimana kriteria yang ditentukan oleh peneliti.
51 Tabel 4.2 Tabel Kriteria Perusahaan No Kriteria Jumlah 1 Perusahaan yang termasuk dalam indeks LQ45 pada periode agustus 2005 sampai dengan januari 2011 88 2 Perusahaan yang secara continue terdaftar dalam indeks LQ45 pada tahun 2006 sampai dengan 2010 17 3 Perusahaan memiliki laporan keuangan yang dapat diakses pada tahun 2004 sampai dengan tahun 2011. 17 Total 17 Sumber : Data diolah penulis (2015) 4.6 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah skala rasio, yaitu skala yang memungkinkan peneliti melakukan kalkulasi aritmatik, dan skala ukuran dimulai dari angka nol (merupakan bilangan riil). Sumber data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data yang didapat tidak secara langsung dari objek penelitian. Peneliti mendapatkan data dari sumbernya dan juga data yang sudah jadi yang dikumpulkan oleh pihak lain dengan berbagai cara atau metode baik secara komersial maupun non komersial. 4.7 Teknik Pengumpulan Data dan Alat Analisis Data Teknik pengumpulan data dalam penelitian ini adalah dengan penelitian pustaka. Kepustakaan merupakan bahan utama dalam penelitian data sekunder. Alat analisis data yang digunakan dalam penelitian ini adalah program EViews (Econometric Views) versi 8 untuk Windows.
52 4.8 Metode Analisis Data Untuk mengolah data hasil statistik, penulis menggunakan teknik analisis data kuantitatif. Analisis yang digunakan penulis adalah analisis deskriptif, yang selanjutnya diolah dan dianalisis secara inferensia yang kemudian disajikan secara sistematis serta faktual dan akurat mengenai faktafakta dari suatu variabel, yaitu sebagai berikut: 1. Analisis deskriptif Metode analisis deskriptif adalah teknik yang digunakan untuk meringkas dan mendeskripsikan data yang dikumpulkan lewat sampel yang diobservasikan. Metode deskriptif analisis yaitu suatu model penelitian yang menitikberatkan pada masalah atau peristiwa yang sedang berlangsung dengan memberikan gambaran yang lebih jelas tentang situasi dan kondisi yang ada. Pada penelitian ini analisis deskriptif dijelaskan melalui nilai ratarata, maksimum, dan minimum pada setiap variabelnya. 2. Model estimasi panel data Menurut Apriliawan (2013) Data panel adalah gabungan antara data runtun waktu (time series) dan data silang (cross section). Metode data panel digunakan untuk mengatasi interkorelasi di antara variabel bebas yang pada akhirnya dapat mengakibatkan tidak tepatnya penafsiran regresi. Penentuan model regresi data panel bertujuan untuk memilih model estimasi regresi dari data panel. Estimasi data panel data akan meningkatkan derajat kebebasan, mengurangi kolinearitas antara variabel penjelas dan memperbaiki efisiensi estimasi.
53 Damodar (2012) mengemukakan bahwa keuntungan penggunaan data panel adalah sebagai berikut : a. Karena data yang berhubungan dengan individu, perusahaan, negara bagian, negara dan lain-lain dari waktu ke waktu, memiliki batasan heterogenitas dalam unit-unit tersebut. Teknik estimasi data panel dapat mengatasi heterogenitas tersebut secara eksplisit dengan memberikan variabel spesifik-subjek. Subjek disini merupakan istilah sederhana yang mencakup unit-unit mikro tersebut. b. Adanya penggabungan observasi time series dan cross section, data panel memberi lebih banyak informasi, lebih banyak variasi, sedikit kolinearitas antar variabel, lebih banyak degree of freedom, dan lebih efisien. c. Dengan mempelajari observasi cross section yang berulang-ulang, data panel paling cocok untuk mempelajari dinamika perubahan. d. Data panel paling baik untuk mendeteksi dan mengukur dampak secara sederhana tidak bias dilihat pada data cross section atau time series murni. e. Data panel memudahkan untuk mempelajari model perilaku yang rumit. Menurut Widarjono (2013) Dalam mengestimasi model regresi panel terdapat tiga pendekatan yang biasa digunakan, yaitu : a. Common Effect Model (CEM) Pendekatan ini merupakan pendekatan paling sederhana (CEM atau pooled least square). Pada pendekatan ini diasumsikan bahwa nilai
54 intersep masing-masing variabel adalah sama, begitu pula slope koefisien untuk semua unit cross-section dan time series. Persamaan yang digunakan adalah sebagai berikut : Yit = α + β1x1it + β2x2it + + βnxnit + Σit...(4.4) Dimana: Yit adalah variabel terikat (dependent), Xit adalah variabel bebas (independent), i adalah entitas ke-i dan t adalah periode ke-t. b. Fixed Effect Model (FEM) Pada pendekatan ini diasumsikan bahwa nilai intersep berbeda-beda untuk setiap unit cross-section tetapi slope koefisien tetap. Teknik ini menggunakan variabel dummy untuk menangkap adanya perbedaan intersep antar individu. Model estimasi ini seringkali disebut dengan teknik Least Squares Dummy Variables (LSDV). Persamaan yang digunakan adalah sebagai berikut : InYit = α + β1inx1it + β2inx2it + + βninxnit + Σit...(4.5) InYit = α + β1x1it + + βnxnit + βn+1d1i +... + βnndni + Σit...(4.6) Dimana : Yit adalah variabel terikat (dependent), Xit adalah variabel bebas (independent), i adalah entitas ke-i, t adalah periode ket dan D adalah dummy. c. Random Effect Model (REM) Pendekatan yang dipakai dalam Random Effect mengasumsikan setiap perusahaan mempunyai perbedaan intersep, dimana intersep tersebut adalah variabel random atau stokastik. Model ini sangat berguna jika individu (entitas) yang diambil sebagai sampel adalah dipilih secara
55 random dan merupakan wakil populasi. Teknik ini juga memperhitungkan bahwa error mungkin berkorelasi sepanjang cross section dan time series. Model REM sering disebut juga Error Components Model (ECM). Persamaan yang digunakan adalah sebagai berikut : Yit = α + β1x1it + β2x2it + + βnxnit + Ui + Σit...(4.7) Yit = α + β1x1it + β2x2it + + βnxnit + Wit...(4.8) Dimana : Yit adalah variabel terikat (dependent), Xit adalah variabel bebas (independent), i adalah entitas ke-i, t adalah periode ke-t, Ui adalah kombinasi komponen error cross section dan time series, Σit adalah komponen error cross section dan Wit adalah suku error gabungan. Menurut Apriliawan (2013) Langkah-langkah yang dilakukan dalam mendapatkan model yang tepat adalah pertama dilakukan uji Chow pada hasil estimasi FEM, setelah terbukti ada efek individu maka dilakukan uji Hausman untuk menentukan antara FEM dan REM, antara lain : a. Chow Test (Uji Chow) Chow test digunakan untuk memilih kedua model diantara Model Common Effect (CEM) dan Model Fixed Effect (FEM). Asumsi bahwa setiap unit cross section memiliki perilaku yang sama cenderung tidak realistis mengingat dimungkinkannya setiap unit cross section memiliki perilaku yang berbeda menjadi dasar dari uji chow. Dalam pengujian ini dilakukan hipotesa sebagai berikut :
56 H0 : Model CEM diterima (Prob Chi Square > 5%) H1 : Model FEM diterima (Prob Chi Square < 5%) Dasar penolakan terhadap H 0 adalah dengan menggunakan F-statistik seperti berikut: Chow = RSS1 RSS2 / (N-1)...(4.9) RSS2 / (NT-N-K) Dimana: RSS1 adalah residual sum of square hasil pendugaan model common effect, RSS2 adalah residual sum of square hasil pendugaan model fixed effect, N adalah jumlah data cross section, T adalah jumlah data time series dan K adalah jumlah variabel bebas. Statistik Chow Test mengikuti sebaran F-statistik yaitu F(N-1,NT-N- K);α. Jika nilai Chow statistik lebih besar dari F-tabel, maka cukup bukti untuk menolak H0 dan sebaliknya. b. Hausman Test (Uji Hausman) Uji hausman digunakan untuk membandingkan model Fixed Effect (FEM) dengan Random effect (REM). Alasan dilakukannya uji hausman didasarkan pada model fixed effect model yang mengandung suatu unsur trade off yaitu hilangnya unsur derajat bebas dengan memasukkan variable dummy dan model Random Effect yang harus memperhatikan ketiadaan pelanggaran asumsi dari setiap komponen galat. Dalam pengujian ini dilakukan hipotesis sebagai berikut : H 0 : Model FEM diterima (Prob Chi square < 5%) H 1 : Model REM diterima (Prob Chi square > 5%)
57 Dasar penolakan H 0 dengan menggunakan Statistik Hausman dirumuskan sebagai berikut (Greene, 2000): χ 2 (K) = (b β) [Var (b β)] -1 (b β)...(4.10) Dimana : b adalah koefisien REM dan B adalah koefisien FEM. Statistik hausman menyebar Chi-Square, jika nilai χ 2 hasil pengujian > dari χ 2 (K, α) (K = jumlah variabel bebas ) atau P-Value < α, maka cukup bukti untuk melakukan penolakan terhadap H 0 begitu pula sebaliknya. Jika dalam uji chow dan uji hausman mendapatkan nilai R 2 negatif, maka peneliti harus mengurangi atau menambahkan variabel agar nilai yang dihasilkan dapat lebih baik dari sebelumnya. Menurut Gujarati (2003) jika dalam uji empiris didapat nilai adjusted R 2 negatif, maka nilai adjusted R 2 dianggap bernilai nol atau variabel bebas sama sekali tidak mampu menjelaskan varians dari variabel terikatnya. Secara matematis jika nilai R 2 = 1, maka adjusted R 2 = 1 sedangkan jika nilai R 2 = 0, maka adjusted R 2 = (1 - k)/(n - k). Jika k > 1, maka adjusted R 2 akan bernilai negatif. 3. Uji Autokorelasi Setelah mengurangi atau menambah variabel independen peneliti melakukan uji autokorelasi untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan problem autokorelasi. Autokorelasi muncul karena
58 observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Pada penelitian ini menggunakan Uji Durbin Watson (DW test). Hipotesis yang akan diuji adalah : H0 : Tidak terdapat autokorelasi H1 : Terdapat autokorelasi Metode pengujian yang sering digunakan adalah dengan uji Durbin-Watson (uji DW) dengan ketentuan sebagai berikut : a. Jika d lebih kecil dari dl atau lebih besar dari (4-dL) maka hopotesis nol ditolak, yang berarti terdapat autokorelasi. b. Jika d terletak antara du dan (4-dU), maka hipotesis nol diterima, yang berarti tidak ada autokorelasi. c. Jika d terletak antara dl dan du atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti. 4. Persamaan Regresi Analisis Regresi Linier Berganda (Multiple Regression Analysis) untuk menguji variabel independen terhadap variabel dependen. Analisis regresi linier berganda dipergunakan karena variabel terikat yang dicari pada penelitian ini dipengaruhi oleh lebih dari satu variabel bebas dan variabel penjelas. Bentuk umum model regresi linier berganda dengan p variabel bebas adalah seperti pada persamaan berikut (Kutner, Nachtsheim dan Neter, 2004). Yi = a + β1x1 + β2x2 + + β3x3 + i...(4.11)
59 Dimana : Yi adalah variabel dependen untuk pengamatan ke-i = 1, 2, n, a adalah konstanta, β1, βn adalah parameter, X1, Xn adalah variabel independen, dan i adalah sisa (error) untuk pengamatan ke-i yang diasumsikan berdistribusi normal yang saling bebas dan identik dengan rata-rata 0 (nol) dan variansi α 2. 5. Uji Hipotesis Pada hipotesis pertama yang diajukan dalam penelitian ini adalah: faktorfaktor yang terdiri dari X1,X2,dst berpengaruh secara positif atau negatif dan signifikan terhadap Y: H0 = Variabel independen secara parsial berpengaruh positif dan signifikan terhadap variabel dependen (Prob < 0,05). H1 = Variabel independen secara parsial berpengaruh negatif dan tidak signifikan terhadap variabel dependen (Prob > 0,05). 6. Uji Koefisien Determinasi (R 2 ) Uji koefisien determinasi (R 2 ), digunakan untuk melihat berapa variasi kemampuan prediktor dari X1, X2, dst berpengaruh secara bersama-sama terhadap Y. Menurut Damodar (2006) Rumus yang digunakan adalah : Rsquare = ESS...(4.12) TSS Dimana : Rsquare adalah koefisien determinasi, ESS adalah explain sum square (jumlah kuadrat yang diterangkan), dan TSS adalah total sum square (jumlah total kuadrat). Semakin besar nilai R 2 berarti semakin besar variasi variabel independen X
60 terhadap variabel dependen Y. 7. Uji F (Simultan) Uji F dilakukan untuk mengetahui apakah variabel-variabel independen (X1,X2, dst) secara bersama-sama memiliki pengaruh yang signifikan terhadap variabel dependen (Y) yaitu return saham. Model hipotesis ini adalah: H0 = Variabel independen secara simultan berpengaruh positif dan signifikan terhadap variabel dependen (Prob Fstatistic < 0,05). H1 = Variabel independen secara simultan berpengaruh negatif dan tidak signifikan terhadap variabel dependen (Prob Fstatistic > 0,05). 4.9 Jadwal Pelaksanaan Penyusunan Tesis Waktu penelitian ini dilaksanakan pada bulan Mei 2014 sampai Desember 2015.