BAB III OBJEK DAN METODE PENELITIAN III.1 Objek Penelitian III.1.1 Gambaran Umum dan Kriteria Perusahaan Perusahaan yang menjadi objek dalam penelitian ini adalah 8 perusahaan yang terdafrar di BEI. Jenis industri di dalam penelitian berbeda-beda. Terdapat delapan jenis industri yang menjadi objek penelitian, namun perusahaan dalam industri keuangan tidak menjadi objek dalam penelitian ini dikarenakan EVA tidak dapat diterapkan di semua industry. Stern Stewart Co. sebagai pencipta EVA menyatakan bahwa EVA baik diterapkan untuk perusahaan jasa dan manufaktur, namun kurang cocok untuk institusi financial dan perusahaan yang baru berdiri. Dengan demikian, kedelapan jenis industri yang digunakan adalah industri pertanian; industri pertambangan; industri dasar dan kimia; industri barang konsumsi; industri properti dan real estate; infrastruktur, utilitas dan transport; serta industri perdagangan, jasa dan investasi. Data keuangan yang dibutuhkan didalam penelitian ini adalah selama 5 tahun yaitu dari tahun 2007 sampai 2011. Kriteria-kriteria perusahaan yang menjadi objek penelitian: 1. Merupakan 8 perusahaan berkapitalisasi besar di BEI. 2. Telah terdaftar di Bursa Efek Indonesia sejak tahun 2007. 3. Perusahaan mempublikasikan secara lengkap laporan keuangan tahunan yang telah diaudit selama periode 2007-2011 dan dinyatakan dalam rupiah (Rp). 28
III.1.2 Bidang Usaha Objek Penelitian Bidang usaha perusahaan yang menjadi objek dari penelitian ini terdiri dari berbagai industri yang terdaftar di BEI, kecuali industri keuangan. Berikut tabel perusahaan serta jenis industrinya: Tabel III.1 Nama Perusahaan & Jenis Industri NO Perusahaan Jenis Industri Infrastruktur, Utilitas & 1 PT. Telekomunikasi Indonesia Tbk Transportasi 2 PT. Astra International Tbk Aneka Industri 3 PT. Unilever Indonesia Tbk Industri Barang Konsumsi 4 PT. Semen Gresik Tbk Industri Dasar & Kimia 5 PT. Astra Agro Lestari Tbk Pertanian 6 PT. United Tractors Tbk Perdagangan, Jasa & Investasi 7 PT. Tambang Batubara Bukit Asam Tbk Pertambangan 8 PT. Lippo karawaci Tbk Properti dan Real Estate 29
III.2 Desain Penelitian III.2.1 Kerangka Pemikiran Permasalahan Penelitian Kegiatan Temuan Pertanyaan Apakah EVA berpengaruh Menggunakan Menemukan secara signifiakn Metode Kuantitatif korelas i yang terhadap MVA? signifikan antara EVA Apakah CVA berpengaruh dan CVA secara signifikan terhadap terhadap MVA? MVA Dampak Nilai Perusahaan Harga Saham Pengembalian Terhadap Pemegang Saham Trading Volume Pengujian Hipotesa Hasil Analisa Gambar III.1 Kerangka Pemikiran 30
III.2.2 Desain Pengembangan Penelitian Desain Pengembangan Desain Penelitian Sampel (8 Perusahaan yang Terdaftar di BEI) Sumber data Diambil dari website BEI Data Collection (Annual Report 2007 2011) Penelitian menggunakan metode penelitian kuantitatif Analisis Hasil Analisis data: Uji Distribusi normal Uji Regresi Uji Hipotesa - Uji Asumsi Klasik - Uji F - Uji t Hasil analisa dan Kesimpulan Gambar III.2 Desain Pengembangan Penelitian 31
III.2.3. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif yaitu data yang berbentuk angka dan merupakan data sekunder Data sekunder adalah data yang diperoleh secara tidak langsung dari pihak yang bersangkutan tetapi didapatkan dari pihak ketiga. Sumber data penelitian ini diambil dari laporan keuangan tahunan dan data saham perusahaan yang terdaftaar di BEI tahun 2007-2011. Data sekunder diperoleh dari website Bursa Efek Indonesia yaitu idx.co.id, website masing-masing perusahaan, dan finance.yahoo.com. Penelitian ini juga mengumpulan data-data yang relevan dari literature, jurnaljurnal akuntansi, dan situs internet. III.3 Operasional Variabel Penelitian. Variabel yang digunakan dalam penelitian ini adalah : 1. Variabel Terikat. Pada penelitian ini yang digunakan sebagai variabel terikat adalah Market Value Added (MVA). MVA = (Nilai pasar saham Nilai nominal saham)*jumlah saham beredar 2. Variabel Bebas. Pada penelitian ini ada dua variabel bebas yang mempengaruhi Market Value Added (MVA), yaitu Economic Value Added ( EVA ) dan Cash Value Added (CVA). Rumusnya adalah: a. Economic Value Added EVA = (RONA-WACC)*Invested Capital 32
RONA = NOPAT/net asset WACC = hutang/ pembiayaan total (biaya hutang) (1-T) + ekuitas/ pembiayaan total (biaya ekuitas) Invested Capital = Debt + Equity b. Cash Value Added CVA = Arus kas dari kegiatan operasi (Depresiasi ekonomi + Biaya modal) III.4 Metode Analisis Data Dalam penelitian ini, metode analisis data dilakukan dengan analisis statistik menggunakan softwarespss. Pengujian statistik dalam penelitian ini terdiri dari pengujian asumsi klasik dan pengujian hipotesis. III.4.1 Analisis Regresi Berganda Untuk mengetahui pengaruh antara variabel dependen ( terikat ) dengan variabel independen ( bebas ), maka metode analisis data yang digunakan dalam penelitian ini adalah dengan regresi berganda dengan model sebagai berikut : Y = a + b X + b X + e, di mana ; 1 1 2 2 Y = MVA ( Variabel dependen ) X = EVA ( Variabel independent 1 ) 1 X = CVA ( Variabel independent 2 ) 2 a = konstanta, nilai Y akan sama dengan a, bila X dan X = 0 1 2, b 1, dan b 2, = koefisien (parameter) variabel X 1 dan X 2 e = error term 33
III.4.2 Uji Asumsi Klasik Syarat suatu regresi dinyatakan baik adalah jika pada suatu regresi tidak terdapat penyakit data. Uji asumsi klasik ini bertujuan untuk mengetahui apakah dalam model regresi di penelitian ini terdapat penyakit data dan uji ini dilakukan sebelum model regresi dijalankan. Penyakit data dapat membuat suatu perhitungan yang diperlukan regresi menjadi tidak stabil, bahkan menjadi mustahil. Jika tidak terdapat penyakit data maka suatu model regresi dapat dinyatakan baik. Suatu data dikatakan berpenyakit jika : 1. Error term / variasi residual dari suatu proses regresi tersebar secara merata dan membentuk pola tetentu (Heteroskedastik) 2. Error term / variasi residual dari suatu proses regresi saling berkorelasi satu sama lain (Autokorelasi) 3. Error term / variasi residual dari proses regresi itu tidak berdistribusi normal 4. Variabel independen dari fungsi regresi saling berkorelasi secara signifikan dengan variabel independen lain (Multikolinieritas) Berikut ini adalah uji asumsi klasik yang dilakukan untuk melihat apakah dalam model regresi dalam penelitian ini berpenyakit atau tidak. a. Uji Heteroskedastik Uji Heteroskedastik ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variasi residual dari suatu pengamatan ke pengamatan lain. Jika variasi residual tersebar secara acak dan tidak membentuk suatu pola disebut homoskedastik, dan jika variasi residual tersebar secara merata dan membentuk suatu pola disebut heteroskedastik. Model regresi yang baik adalah yang homoskedastik. 34
b. Uji Multikolinieritas Uji Multikolineritas bertujuan untuk menguji apakah variabel bebas saling berhubungan (korelasi) atau tidak berhubungan dalam model regresi. Pada model regresi yang baik seharusnya tidak terjadi korelasi antar variabel bebas (independen). Indikator untuk mendeteksi ada tidaknya Multikolinieritas dapat dilihat dari nilai Toleranca dan Variance Inflation Factor (VIF). Hipotesa Multikolinieritas : H 0 : tidak ada Multikolinieritas 1) Jika Tolerance < 0,10 H 0 ditolak, ada Multikolinieritas Jika Tolerance < 0,10 H 0 Tidak ditolak, tidak ada Multikolinieritas 2) Jika VIF > 10 H 0 ditolak, ada Multikolinieritas Jika VIF < 10 H 0 Tidak ditolak, tidak ada Multikolinieritas c. Uji Normalitas Uji ini bertujuan untuk menguji data yang berdistribusi normal akan digunakan alat uji normalitas. Peneliti menggunakan uji Kolmogorov Smirnov untuk menguji normalitas data. Apabila probabilitas > 0,05, maka distribusi data normal dan dapat digunakan regresi berganda. Uji normalitas data juga dapat dilihat dengan memperhatikan penyebaran data (titik) pada normal P Plot of Regression Standardized Residual variabel independen, dimana model regresi yang baik adalah yang mempunyai distribusi data normal atau mendekati normal, yaitu: 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas, 35
2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. d. Uji Autokorelasi Uji Durbin Watson akan membantu mendeteksi keberadaan Autokorelasi dalam variasi residual. Uji ini bertujuan untuk menguji apakah model regresi linier ada korelasi antara variasi residual pada periode sebelumnya (t-1). Jika terjadi korelasi maka terdapat masalah Autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena variasi residual (error term) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering timbul pada data runtut waktu. Ketika Autokorelasi muncul di dalam variasi residual, maka validitas dari regresi sangat diragukan. Untuk uji Durbin Watson memiliki ketentuan sebagai berikut : 1. Angka D-W dibawah -2 berarti ada autokorelasi possitif 2. Angka D-W antara -2 sampai +2 berarti tidak ada autokorelasi 3. Angka D-W +2 berarti autokorelasi negatif III.5 Uji Hipotesis III.5.1 Uji Statistik F ( Uji Signifikansi ) Uji F merupakan pengujian hubungan regresi secara simultan atau serentak atau variabel independen terhadap variabel dependen, dengan membandingkan nilai F yang dihasilkan dari perhitungan dengan taraf signifikansinya ( 5% ). a) Perumusan hipotesis. Ho : tidak ada pengaruh yang signifikan antara EVA dan CVA terhadap MVA. 36
Hi : ada pengaruh yang signifikan antara EVA dan CVA terhadap MVA. b) Pengambilan kesimpulan berdasarkan perbandingan nilai signifikansi F (sign.f) dengan taraf signifikansi. Kesimpulan yang diambil adalah: 1) Jika nilai sign. F α, maka Ho ditolak sehingga variabel bebas secara bersama-sama mempunyai pengaruh yang signifikan terhadap variabel terikat. 2) Jika nilai sign. F α, maka Ho diterima sehingga variabel bebas secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap variabel terikat. III.5.2 Uji Signifikansi Parameter Individual Uji Signifikansi Parameter Indiviual ( Uji Statistik t ) Uji t digunakan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat secara parsial. Uji ini dilakukan dengan membandingkan nilai t yang didapat dari perhitungan dengan nilai taraf signufikansi ( 5% ). a) Perumusan Hipotesis. 1) Uji hipotesis untuk b 1 H : β 0 o 1 Tidak ada pengaruh signifikan positif EVA terhadap MVA. H : β >0 1 1 Ada pengaruh signifikan positif terhadap EVA terhadap MVA. 37
2) Uji hipotesis untuk b 2 H : β 0 o 2 Tidak ada pengaruh signifikan positif CVA terhadap MVA. H : β >0 2 2 Ada pengaruh signifikan positif CVA terhadap MVA. b) Pengambilan kesimpulan dilakukan berdasarkan perbandingan antara taraf signifikansi (α) dengan nilai probabilitas signifikansinya, sehingga kesimpulan yang dapat diambil : 1) Jika probabilitas signifikansinya α, maka Ho ditolak ( signifikan ). 2) Jika probabilitas signifikansinya > α, maka Ho diterima ( tidak signifikan ). III.5.3 Koefisien Determinasi (R 2 ) Koefisien determinasi (R 2 ) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat. Nilai koefisien determinasi adalah antara nol dan satu. Nilai yang R 2 nya kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. 38