BAB III METODE PENELITIAN Metode penelitian mencakup langkah-langkah untuk menentukan desain penelitian atau pendekatan penelitian, defenisi dan operasional variabel, populasi dan sampel, metode pengumpulan data, metode analisis data. A. Waktu dan Tempat Penelitian Tempat dan Objek dalam penelitian ini adalah Pasar Modal yakni Bursa Efek Indonesia. PT. Bursa Efek Indonesia (perseroan) terletak di Jalan Jendral Sudirman Kav 52-53 Jakarta 12190. Waktu yang dibutuhkan untuk penelitian ini adalah selama 2 (dua) bulan yaitu dari tanggal 1 Juni sampai dengan 31 Juli 2015 pada perusahaan terdapat di PT. Bursa Efek Indonesia dari Tahun 2010 2014. B. Desain Penelitian Desain Penelitian ini bertujuan untuk menguji hipotesis maka penelitianya ada penelitian Kausal, dimana penelitian ini bertujuan untuk menguji hipotesis tentang pengaruh satu variabel atau beberapa variabel ( Variabel Independen ) terhadap variabel lainnya ( Variabel Dependen ). C. Defenisi Operasional Variabel dan Skala Pengukuran Variabel pada dasarnya adalah segala sesuatu yang dapat diberi nilai. 40
41 1. Variabel Dependen Variabel-variabel yang digunakan dalam penelitian ini adalah variabel dependen dan variabel independen. Variabel dependen (terikat) adalah variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel bebas. Untuk variabel Dependenya adalah Indeks Harga saham Gabungan (IHSG) adalah indeks harga yangmerupakan gabungan harga semua saham yang tercatat di Bursa EfekIndonesia (BEI), pengukuran yang dilakukan adalah dalam satuan poin. 2. Variabel Independen a. Kurs Nilai tukar yang digunakan adalah kurs dolar Amerika terhadap rupiah yang dihitung berdasarkan kurs tengah yang dihitung berdasarkan kurs jual dan kurs beli diatur oleh Bank Indonesia (BI). b. Tingkat suku bunga Sertifikat Bank Indonesia (SBI) Suku bunga Sertifikat Bank Indonesia (SBI) adalah tingkat suku bunga yang ditentukan oleh Bank Indonesia atas penerbitan Sertifikat Bank Indonesia (SBI). Suku bunga Sertifikat bank Indonesia (SBI) yang digunakan adalah suku bunga Sertifikat Bank Indonesia (SBI) 1 bulan. Pengukuran yang digunakan adalah satuan persen. c. Inflasi Tingkat inflasi yang digunakan adalah tingkat inflasi yang diperoleh dari Indeks Harga Konsumen (IHK). Pengukuran yangdigunakan adalah dalam satuan persen.
42 d. Indeks Nikkei 225 Nikkei 225 adalah sebuah indeks pasar saham di Bursa Efek Tokyo. Metode perhitungannya menggunakan perhitungan harga rata-rata (unit dalam yen), dan komponen saham perusahaan yang tercantum dalam indeks akan ditinjau setahun sekali. Saham perusahaan yang tercatat dalam Indeks Nikkei 225 merupakan saham yang paling aktif diperdagangkan dalam Bursa Efek Tokyo Skala Pengukuran yang digunakan dalam penelitian ini adalah dengan menggunakan skala pengukuran Rasio, Skala Rasio adalah skala interval dan memiliki nilai dasar (based value) yang tidak dapat dirubah. Untuk penelitian ini jenis pengukuran yang digunakan adalah Rasio Tabel 3.1 Operasional Variabel Variabel Jenis Variabel Pengukuran Skala IHSG (Indeks Harga Dependen Close Price Rasio Saham Gabungan) Kurs Independen Kurs Tengah BI Rasio Tingkat Bunga SBI Independen Bunga Yang Rasio ditentukan BI Inflasi Independen Inflasi Yang Rasio ditentukan BI Indeks Nikkei 225 Independen Close Price Indeks Nikkei 225 Rasio
43 D. Populasi Dan Sampel Populasi yang digunakan dalam penelitian ini adalah seluruh data IHSG, tingkat suku bunga SBI, kurs (USD/IDR), inflasi dan Indeks Nikkei 225.Sedangkan data yang digunakan sebagai sampel dalam penelitian ini adalah data IHSG, tingkat suku bunga SBI, kurs dolar Amerika terhadap rupiah (kurs tengah), inflasi dan Indeks Nikkei 225 yang dibatasi pada data penutupan tiap akhir-akhir bulan selama periode amatan dari Januari 2010 31 Desember 2014. E. Teknik Pengumpulan Data Dalam penelitian ini metode yang digunakan dalam pegumpulam dataadalah metode dokumentasi, yaitu dengan mencatat dan mengcopy datadatatertulis yang berhubungan dengan masalah penelitian baik dari sumber dokumen/buku-buku, koran, majalah, internet dan lain lain mengenai suku bungasertifikat bank Indonesia (SBI), Indeks Nikei 255, inflasi, kurs rupiah dan Indeks Harga Saham Gabungan (IHSG) berupa data bulanan/tahunan perode 2010-2014. F. Metode Analisis Data Dalam penelitian ini penulis menggunakan metode kuantitatif, yaitu metode analisis data yang menggunakan hitungan angka yang digunakan untuk pengambilan keputusan. Sedangkan alat analisis data menggunakan regresi berganda (multiple regression) yaitu metode analisis data yang dikembangkan dari regresi sederhana untuk melakukan estimasi/prediksi nilai variabel dependen
44 (Y) dengan menggunakan lebih dari satu variabel independen (X 1, X 2 dan seterusnya). Sedangkan pengujian dalam penelitian ini menggunakan SPSS Versi 20.0. 1. Statistik Deskriptif Memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata(mean), Standar Deviasi (yang berfungsi untuk menilai sebaran rata-rata sampel), varian, maksimum, minimum, sum, range, kutosis dan swekness (kemencengan distribusi) ( Imam Ghozali, 2011).Sebelum dilolah dalam suatu persamaan matematis, terlebih dahulu dilakukan uji asumsi klasik pada data yang akan dianalisi, yaitu uji normalitas dengan P-Plots dan kolmogorov-smirnov, Uji Multikolineritas, uji heterosekedasitas dengan Scatter Plots, dan uji autokorelasi dengan Durbin Watson. Selanjutnya data akan dianalisis dengan pengaruh kualitas pelaporan keuangan terhadap asimetri informasi. 2. Uji Asumsi Klasik Pengujian terhadap asumsi klasik bertujuan untuk mengetahui apakahsuatu model regresi tersebut baik atau tidak jika digunakan untuk melakukanpenaksiran. Suatu model dikatakan baik apabila bersifat BLUE (Best LinearUnbiased Estimator), yaitu memenuhi asumsi klasik atau terhindar dari masalahmasalahmultikolinieritas, heteroskedastisitas, autokorelasi maupun uji linearitas. Oleh karena itu dalam penelitian ini dilakukan uji terhadap asumsi klasik, apakah
45 terjadi penyimpangan-penyimpangan atau tidak, agar model penelitian ini layakuntuk digunakan. a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi,variabel pengganggu atau residual memiliki distribusi normal Ghozali (2011). Sedangkan dasar pengambilan keputusan dalam mendeteksi normalitas: 1) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garisdiagonal, maka model regresi memenuhi asumsi normalitas. 2) Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arahgaris diagonal, maka model regresi tidak memenuhi asumsi normalitas. b. Uji Multikolinieritas Salah satu asumsi model regresi klasik adalah tidak terdapat multikolinieritas diantara variabel independen dalam model regresi. Menurut Gujarati (2011) multikolinieritas berarti adanya hubungan sempurna atau pasti diantara beberapa atau semua variabel independen dalam model regresi. Menurut Sumodiningrat (2011) multikolinieritas pada hakikatnya adalah fenomena sampel. Mungkin terjadi bahwa dalam suatu sampel tertentu yangdigunakan untuk menguji model regresi populasi, beberapa atau seluruh variabelbebas mempunyai korelasi yang tinggi. Dengan kata lain, sampel tidak memenuhiasumsi dasar mengenai ketidaktergantungan diantara variabel variabel bebas yangtermasuk dalam model, akibat adanya multikolinieritas sempurna, sedangkanapabila terjadi multikolinieritas tidak sempurna, koefisien regresi bergandadapatdicari namun menimbulkan beberapa akibat: 1. Varians menjadi besar (dari tekanan OLS).
46 2. Interval kepercayaan menjadi lebar (varians besar, standar error besar). 3. Uji t (t-rasio) tidak signifikan. Suatu variabel bebas yang signifikan baiksecara substansi, maupun secara statistic jika di regersikan secarasederhana bias tidak signifikan karena varians besar akibat kolinieritas. 4. R² tinggi tetapi tidak banyak variabel yang signifikan dari uji t. 5. Terkadang tafsiran koefisien yang di dapat akan mempunyai nilai yangtidak sesuai dengan substansi, sehingga dapat menyesatkan interpretasi. Penelitian ini akan menggunakan auxiliary regressions dan Klien s rule ofthumb untuk mendeteksi adanya multikolinieritas. Kriterianya adalah jika R²regresi persamaan utama lebih besar dari R² regresi auxiliary maka di dalammodel tidak redapat multikolinieritas. Uji multikolinieritas bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antar variable bebas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variable bebas (Ghozali, 2011). Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi dapat dilihat dari nilai tolerance (tolerance value) dan nilai Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap bebas manakah yang dijelaskan oleh bebas lainnya. Nilai cutoff yang umum digunakan adalah nilai tolerance 0,10 atau sama dengan VIF diatas 10. Apabila nilai tolerance lebih dari 0,10 atau nilai VIF kurang dari 10 maka dapat dikatakan bahwa tidak terjadi multikolinieritas antar variable dalam model regresi
47 c. Uji Autokorelasi Menurut Priyatno (2011:292) Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu periode t-1 (sebelumnya). Autokorelasi muncul disebabkan adanya observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi yang lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena residual pada sebuah variabel cenderung mempengaruhi residual pada variabel yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mendeteksi ada tidaknya autokorelasi maka dilakukan uji Durbin-Watson (DW), dengan melihat berapa jumlah sampel dan variabel bebas yang diteliti yang kemudian dilihat angka ketentuannya pada tabel Durbin-Watson. Nilai Durbin-Watson (dw) harus dihitung terlebih dahulu. Setelah itu diperbandingkan dengan nilai batas atas (du) dan nilai batas bawah (dl) untuk berbagai nilai n (jumlah sampel) dan k (jumlah variabel bebas) yang ada di dalam tabel Durbin-Watson dengan ketentuan sebagai berikut: 1) dw < dl, berarti ada autokorelasi positif (+) 2) dl< dw < du, tidak dapat disimpulkan 3) du < dw < 4-dU, berarti tidak terjadi autokorelasi. 4) 4-dU < dw < 4-dL, tidak dapat disimpulkan 5) dw > 4-dL, berarti ada autokorelasi negatif (-)
48 d. Uji Heteroskedastisitas Salah satu hal penting dalam regresi linier klasik adalah bahwa gangguanyang muncul dalam regresi populasi adalah homoskedastik, yaitu semua gangguanmemiliki varians yang sama atau varians setiap gangguan dibtasi oleh nilaitertentu pada variabel variabel independen berbentuk nilai konstan yang samadengan s². Jika suatu populasi yang di analisis memiliki gangguan yangvariansnya tidak sama maka mengindikasikan terjadinya kasus heteroskedastisitas. Untuk mengetahui ada atau tidaknya heteroskedastisitas dapatmenggunakan uji White. Uji ini dilakukan dengan melakukan regresi residual(ut²) dengan variabel bebas kuadrat dan perkalian variabel bebas. Pengujiannyaadalah jika X²-hitung < X²-tabel, maka hipotesis alternatif adanyaheteroskedastisitas dalam model ditolak. X² hitung diperoleh dari X²= n*r².uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan yang lain.heteroskedastisitas terjadi apabila variabel gangguan tidak mempunyai varianyang sama untuk semua observasi. Akibat adanya heteroskedastisitas, penaksirols tidak bias tetapi tidak efisien (Gujarati, 2010). Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual pada satu pengamatan ke pengamatan yang lain (Priyatno, 2011:296). Jika variance dari residual pada satu pengamatan ke pengamatan yang lain sama, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah homoskedastisitas. Uji heteroskedastisitas dalam penelitian ini dilakukan melalui
49 metode scatterplot, dengan mengamati pola titik-titiknya. Jika titik-titik pada scatter plot menyebar di atas dan di bawah angka 0 pada sumbu Y dan tidak membentuk pola tertentu, maka dapat dikatakan bahwa tidak terjadi masalah heteroskedastisitas. 3. Uji Hipotesis a. Koefesien Determinasi (R 2 ) Mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat (dependen). 1) Nilai koefisien determinasi adalah diantara nol dan satu 2) Nilai R 2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. 3) Nilai R 2 yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Senior umum koefisen determinasi untuk data silang (crossection) relatif rendah karena adanya variasi yang besar antar masing-masing pengamatan, sedangkan untuk data runtun waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi. Kelemahan dasar penggunaan koefisien determinasi adalah biasa terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan satu variabel indenpen, maka R 2 pasti meningkat
50 tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Nilai koefisien determinasi berada diantara nol dari satu (0<R2<1). NilaiR2 yang kecil atau mendekati nol berarti kemampuan variable independen dalammenjelaskan variabel dependen sangat terbatas. Sebaliknya nilai R2 yangmendekati satu berarti independen memberikan semua informasi yang dibutuhkanuntuk memprediksi variabel dependen. Kelemahan mendasar penggunaan uji determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan kedalam model, karena setiap tambahan satu variabel independen berpengaruhterhadap hasil penelitian, maka banyak peneliti menganjurkan untuk menggunakan nilai adjusted R2 pada saat mengevaluasi model regresi terbaik. b. Uji Simultan (Uji F) Menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat. H 0 : b 1 = b 2 =... = bk = 0 Artinya, apakah semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya (H a ) tidak semua parameter secara simultan sama dengan nol H a : b 1 b 2... bk 0
51 Artinya semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen. Pada tingkat signifikansi 5 persen dengan pengujian yang digunakan adalah sebagai berikut: 1) Ho ditolak apabila t hitung > t tabel, yang berarti variabel independen (X)berpengaruh secara signifikan terhadap variabel dependen (Y). 2) Ho diterima apabila t hitung < t tabel, yang berarti independen (X) tidakberpengaruh secara signifikan terhadap variabel dependen (Y). c. Uji Parsial (Uji T) Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/indenpen secara invidual dalam menerangkan variasi variabel terikat/dependen. Hipotesis nol (H 0 ) yang hendak di uji adalah apakah suatu parameter (b i ) sama dengan nol, atau H 0 : b i = 0 Artinya apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen Hipotesis alternatifnya (Ha) parameter suatu variabel tidak sama dengan nol, atau Ha : b i 0
52 Artinya variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependen. 3) Analisis Linear Berganda Data yang telah dikumpulkan dianalisis dengan menggunakan alat analisis statistik yakni analisis regresi liner berganda (multiple regression analysis). Adapun hasil regresi berganda dapat di rumuskan sebagai berikut : Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 + e Keterangan : Y a b X1 X2 X3 = IHSG = Konstanta = Koefisien garis regresi = Kurs Rupiah Terhadap Dollar Amerika Serikat = tingkat suku Bunga SBI = Inflasi X4 = Indeks Nikkei 225 e = Error