27 BAB III METODE PENELITIAN 3.1 Populasi dan Sampel Populasi dalam penelitian ini yang menjadi penelitian adalah seluruh perusahaan LQ 45 yang listing di BEI pada tahun 2010-2014, dimana perusahaan tersebut berjumlah 85 perusahaan. Dalam penelitian ini dipilih saham kelompok LQ 45, karena saham LQ 45 terpilih yang memenuhi kriteria memiliki likuiditas, kapitalisasi pasar yang tinggi, memiliki frekuensi perdagangan yang tinggi dan memiliki prospek pertumbuhan serta kondisi keuangan yang cukup baik. Dengan kriteria tersebut, kelompok LQ 45 merupakan kelompok saham perusahaan yang diminati dan menjadi fokus para investor. Kondisi inilah yang menjadi pertimbangan utama untuk memilih saham-saham dalam kelompok LQ 45 menjadi obyek penelitian penulis. Dalam penelitian ini penulis mengambil sampel sebanyak 22 perusahaan. Sampel penelitian akan dipilih dengan pendekatan purposive sampling dengan kriteria : 1. Perusahaan yang masuk dalam Indeks LQ 45 tahun 2010-2014 2. Menerbitkan laporan keungan tahunan selama tahun 2010-2014, dan 3. Perusahaan yang masuk berturut-turut dalam indeks LQ 45 selama tahun 2010-2014.
28 3.2 Sumber Data dan Teknik Pengumpulan Data Sumber data yang digunakan dalam penelitian ini adalah data sekunder yang berupa data untuk semua variabel yaitu Return saham, Economic Value Added (EVA), Market Value Added (MVA), Net Profit Margin (NPM) yang terdaftar di Indeks LQ45. Data sekunder ini diperoleh dengan metode pengamatan saham-saham yang terdaftar selama pengamatan dari tahun 2010 sampai dengan tahun 2014. Data Economic Value Added (EVA), Market Value Added (MVA), Net Profit Margin (NPM) dan Return saham diperoleh dari Indonesian Capital Market Directory (ICMD) dan Indonesian Stock Exchange (idx) dengan periode waktu tahunan 2010 sampai 2014. Teknik pengumpulan data yang digunakan adalah teknik dokumentasi dari data-data yang dipublikasikan oleh perusahaan mengenai laporan keuangan perusahaan dari Bursa Efek Indonesia (BEI) 3.3 Variabel Penelitian dan Definisi Operasional Variabel-variabel dalam penelitian ini meliputi variabel dependen dan variabel independen. Variabel dependen adalah variabel yang memiliki karakteristik dimana besar kecilnya variabel dipengaruhi oleh banyak faktor. Dengan kata lain pertumbuhan perusahaan tergantung pada perubahan satu lebih faktor. Sedangkan variabel independen adalah variabel yang dapat berdiri sendiri tanpa tergantung atau dipengaruhi oleh faktor lain. 1. Variabel Bebas (Independen Variable)
29 Variabel bebas yang digunakan dalam penelitian ini adalah Economic Value Added (EVA), Market Value Added (MVA), dan Net Profit Margin (NPM). 2. Variabel Terikat (Dependent Variable) Variabel terikat yang digunakan dalam penelitian ini adalah return saham perusahaan yang terdaftar di BEI. 3.4 Definisi dan Pengukuran Variabel Definisi operasional variabel penelitian merupakan penjelasaan dari masing-masing variabel yang digunakan dalam penelitian terhadap indikatorindikator yang membentuknya. Indikator-indikator variabel dalam penelitian ini adalah sebagai berikut: 1. Variabel Bebas (Independen Variable) Variabel bebas dalam penelitian ini antara lain : a. Net Profit Margin (NPM) Menurut Robert Ang (1997), Net Profit Margin merupakan rasio antara laba bersih setelah pajak (NIAT) terhadap total penjualan (sales) menunjukkan kinerja keuangan perusahaan dalam menghasilkan laba bersih atas total penjualan bersih yang dicapai oleh perusahaan. Rasio ini secara sistematis dapat diformulasikan sebagai berikut :
30 b. Economic Value Added (EVA) EVA merupakan selisih antara net operating after tax (NOPAT) dengan biaya biaya atas modal yang diinvestasikan (capital charge). Formula yang dapat digunakan untuk menghitung EVA adalah sebagai berikut: EVA = NOPAT (ie x E) Keterangan: NOPAT= Net Operating Profit After Taxes Ie = Opportunity Cost of Equity E = Total Equity Namun, ketika dalam struktur perusahaan terdiri dari hutang dan modal sendiri, secara matematis EVA dapat dirumuskan sebagai berikut: EVA = NOPAT (WACC x Invested Capital) Keterangan: NOPAT = WACC = Net Operating Profit After Taxes Weighted Average Cost of Capital Invested Capital c. Market Value Added (MVA) MVA = MVE BVE
31 Atau dapat dijelaskan : MVA = (Volume x Harga Saham Close) x (Volume x Nilai Nominal Saham) Dimana : MVE = BVE = Market Value of Equity Book Value of Equity 1. Menghitung nilai pasar dari ekuitas (MV of Equity) MV of Equity = (harga saham akhir tahun buku perusahaan) X (jumlah saham yang beredar pada periode tersebut). 2. Menghitung nilai pasar dari utang Nilai pasar dari utang dapat dilihat dari laporan keuangan perusahaan yang dipublikasikan oleh perusahaan namun jika tidak tersedia kita dapat menggunkan nilai buku dengan asumsi bahwa analisis diluar perusahaan akan lebih mengandalkan nilai buku dari hutang. 3. Menghitung bunga minoritas Nilai bunga minoritas dapat dilihat dari laporan keuangan perusahaan yang dipublikasikan. 4. Menghitung modal yang diinvestasikan Modal yang diinvestasikan dapat dihitung dengan menjumlahkan jumlah hutang jangka pendek, pinjaman bank/sewa guna
32 usaha/obligasi jangka panjang, kewajiban pajak tangguhan, kewajiban jangka panjang lainnya, hak minoritas atas aktiva bersih anak perusahaan serta ekuitas. 2. Variabel Terikat (Dependent Variable) Variabel terikat yang digunakan dalam penelitian ini adalah return saham perusahaan yang terdaftar di BEI. Variabel terikat pada penelitian ini adalah : a. Return Saham Return merupakan hasil yang diperoleh dari suatu investasi. Return dapat berupa return realisasi yang sudah terjadi atau return ekspektasi yang belum terjadi tetapi diharapkan akan terjadi di masa yang akan datang (Jogiyanto, 2010). Variabel return saham adalah variabel dependen pada penelitian ini. Didalam variabel return saham dipengaruhi oleh beberapa faktor lain. Secara matematis return saham dirumuskan sebagai berikut : 1. Return saham = P t P t 1 +D t P t 1 (Jogiyanto, 2009: 201) 2. Return saham = P 1 P 0 P 0 (Brigham dan Houston, 2010: 410) Keterangan: Pt atau P1 = Price, yaitu harga untuk waktu t Pt 1 atau P0 = Price, yaitu harga untuk waktu sebelumnya Dt = Dividen periodik
33 Karena pada laporan keuangan telah diketahui harga penutupan pada perusahaan setiap tahunnya dan karena tidak semua perusahaan membagikan dividen secara periodik sehingga pada penelitian ini penulis menggunakan rumus return saham yang di ambil dari Brigham dan Houston (2010: 410) untuk memudahkan peneliti dalam menghitung return saham tersebut. Pada penelitian sebelumnya juga banyak peneliti yang menggunakan rumus tersebut. 3.5 Metode Analisis Data Peneliti dalam penelitian ini menggunakan analisis regresi berganda. Sebelum melakukan uji regresi lebih dulu dilakukan uji asumsi klasik. 1. Uji Asumsi Klasik Penelitian ini menggunakan data sekunder. Untuk mendapatkan ketepatan model yang akan dianalisis, perlu dilakukan pengujian atas beberapa persyaratan asumsi klasik yang mendasari model regresi. Ada beberapa langkah untuk menguji model yang akan diteliti, antara lain: 1) Uji Normalitas Untuk mengetahui normalitas populasi suatu data dapat dilakukan dengan menggunakan analisis grafik. Pada analisis regresi ini, metode yang digunakan adalah grafik histogram dan normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal
34 (Ghozali, 2011). Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik dengan melihat histogram dari residualnya (Ghozali, 2011). Dasar untuk mengambil keputusan adalah sbb: Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi tersebut memenuhi asumsi normalitas. Jika data menyebar menjauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogramnya tidak menunjukkan pola distribusi normal, maka model regresi tersebut tidak memenuhi asumsi normalitas. Selain menggunakan uji normalitas, untuk menguji normalitas data dapat juga menggunakan uji statistik Kolmogorov Smirnov (K-S) yang dilakukan dengan membuat hipotesis nol (Ho) untuk data berdistribusi normal dan hipotesis alternatif (Ha) untuk data tidak berdistribusi normal. 2) Uji Multikolinieritas Menurut Ghozali (2011), uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi, dapat dilihat dari tolerance value dan variance inflation
35 factor (VIF). Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dapat dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/tolerance). Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance > 0,10 atau sama dengan nilai VIF < 10. 3) Uji Heteroskedastisitas Menurut Ghozali (2011), pengujian ini bertujuan untuk menguji apakah dalam model regresi ini terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Model regresi yang baik adalah terjadi homokesdastisitas. Untuk mendeteksi adanya heterokesdastisitas dari tingkat signifikansi dapat digunakan Uji Glejser. Jika tingkat signifikansi berada di atas 5 persen berarti tidak terjadi heterokesdastisitas tetapi jika berada di bawah 5 persen berarti terjadi gejala heterokesdastisitas. Grafik Scatterplot juga dapat digunakan untuk menentukan heterokesdastisitas. Jika titik-titik yang terbentuk menyebar secara acak baik di atas atau di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokesdastisitas pada model yang digunakan 4) Uji Autokorelasi Uji Autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode (t-1) dalam model regresi. Jika
36 terdapat korelasi maka model tersebut mengalami masalah autokorelasi. Model regresi yang baik adalah model yang bebas dari autokorelasi. Untuk mendeteksi autokorelasi dapat dilakukan uji statistik Durbin Watson (DW test) (Ghozali, 2011). Durbin Watson test dilakukan dengan membuat hipotesis : Ho : tidak ada autokorelasi (r = 0) Ha : ada autokorelasi ( r 0) Untuk mengambil keputusan ada tidaknya auto korelasi,ada pertimbangan yang harus dipatuhi, antara lain: a. Bila nilai DW terletak diantara batas atas (du) dan (4-du), maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi. b. Bila nilai DW lebih rendah daripada batas bawah (dl) maka koefisien autokorelasi >0, berarti ada autokorelasi positif. c. Bila nilai DW lebih besar dari (4-dl) maka koefisisen autokorelasi <0, berarti terjadi autokorelasi negatif. 2. Analisis Regresi Berganda Analisis regresi ini dapat digunakan untuk memperoleh gambaran yang menyeluruh mengenai hubungan antara variabel dependen dan independen secara menyeluruh baik secara simultan atau secara parsial. Sebelum melakukan uji regresi linier berganda, metode ini mensyaratkan untuk melakukan uji asumsi klasik guna mendapatkan hasil terbaik (Ghozali, 2011). Dalam penggunaan regresi berganda, pengujian hipotesis harus menghindari adanya
37 kemungkinan penyimpangan asumsi-asumsi klasik. Tujuan pemenuhan asumsi klasik ini dimaksud agar variabel independen sebagai estimator atas variabel dependen tidak mengalami bias. Uji regresi digunakan untuk mengetahui pengaruh diantara variabel independen terhadap variabel dependennya. Y = b0 + b1x1 + b2x2 + b3x3 + e Y = b0 + EVA b1 + MVA b2 + NPM b3 + e Dimana : Y = return saham b0 = konstanta b1 b3 = koefisien regresi e = kesalahan pengganggu (error) 3. Uji Signifikan Secara Parsial (uji t) Pengujian ini dilakukan dengan tujuan untuk menguji variabel independen secara parsial (individu) berpengaruh terhadap variabel dependennya. Kesimpulan yang diambil dalam uji t ini adalah dengan melihat signifikansi (α) dengan ketentuan: 1. P-value > 5% : menerima Ho 2. P-value < 5% : menolak Ho
38 4. Uji Koefisien Determinasi (Uji R Square) Koefisien determinasi (R 2 ) merupakan ikhtisar yang menyatakan seberapa baik garis regresi mencocokkan data. Pengukuran koefisien determinasi dilakukan untuk mengetahui persentase pengaruh variabel independen terhadap perubahan variabel dependen. Dari sini akan diketahui seberapa besar variabel dependen akan mampu dijelaskan oleh variabel independennya, sedangkan sisanya dijelaskan oleh sebabsebab lain di luar model. Nilai yang mendekati 1 (satu) menandakan bahwa variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel independen (Ghozali, 2011:97).