bab iii desain penelitian

advertisement
BAB III
DESAIN PENELITIAN
III.1
Populasi dan Sampel Data Penelitian
Populasi dalam penelitian ini adalah perusahaan kuartil terbawah dalam
hal total aset yang tercatat (go public) di Bursa Efek Indonesia (BEI) seperti yang
tercantum dalam ringkasan JSX Watch 2008-2009. Perusahaan yang tercatat di
BEI digunakan sebagai populasi, karena perusahaan tersebut mempunyai
kewajiban untuk menyampaikan annual report kepada pihak luar perusahaan,
sehingga memungkinkan data annual report tersebut diperoleh dalam penelitian
ini. Didalam ringkasan JSX Watch 2008-2009 diketahui bahwa jumlah
perusahaan yang tercatat (go public) di BEI pada tahun 2007 adalah 383
perusahaan yang terbagi dalam 11 sektor industri. Dengan demikian terdapat 96
perusahaan kuartil terbawah dalam hal total aset yang menjadi populasi dalam
penelitian ini.
Adapun kriteria-kriteria perusahaan yang menjadi sampel penelitian
adalah sebagai berikut:
1. Merupakan perusahaan yang berada kuartil terbawah dalam hal total asset
dari 383 perusahaaan yang terdaftar di BEI per 31 Desember 2007.
2. Perusahaan bukan dari sektor industri keuangan dan asuransi. Hal ini
dikarenakan struktur laporan keuangan kedua industri ini berbeda
dibandingkan struktur laporan keuangan industri lainnya sehingga untuk
perhitungan modal kerja sedikit berbeda.
31
3. Perusahaan mempublikasikan secara lengkap laporan keuangan tahunan
untuk periode 31 Desember 2005-2007 dan memiliki data tahun 2004 (guna
perhitungan sales growth) yang dinyatakan dalam rupiah (Rp).
Berdasarkan kriteria diatas, maka didapat 50 perusahaan yang menjadi
sampel penelitian. Jenis industri didalam penelitian berbeda-beda. Terdapat 8
jenis industri yang menjadi sampel penelitian. Kedelapan jenis industri tersebut
adalah industri pertanian; industri mining; industri dasar dan kimia; aneka
industri; industri barang konsumsi; industri properti dan real estate; industri
infrastruktur, utilitas dan transportasi;
dan industri perdagangan, jasa dan
investasi. Berikut ini adalah nama-nama perusahaan yang menjadi sampel dalam
penelitian ini:
Tabel III.1
Nama Perusahaan & Jenis Industri
NO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Nama Perusahaan
Indoexchange Tbk
Dyviacom Intrabumi Tbk
Inter Delta Tbk
Integrasi Teknologi Tbk
Cipendawa Agroindustri Tbk
Sanex Qianjiang Motor
International Tbk
Akbar Indo Makmur Stimec Tbk
Betonjaya Manunggal Tbk
Aneka Kemasindo Utama Tbk
Sugi Samapersada Tbk
Leyand International Tbk
Citra Kebun Raya Agri Tbk
Lion Mesh P Tbk
Perdana Bangun Pusaka Tbk
Rimo Catur Lestari Tbk
Ticker
Total Asset
(dalam
Milyaran
Rupiah)
Jenis Industri
INDX
DNET
INTD
ITTG
CPDW
0,57
22,87
24,29
29,2
33,18
Perdagangan, Jasa & Investasi
Perdagangan, Jasa & Investasi
Perdagangan, Jasa & Investasi
Perdagangan, Jasa & Investasi
Pertanian
SQMI
38,47
Aneka Industri
AIMS
BTON
AKKU
SUGI
LAPD
CKRA
LMSH
KONI
RIMO
38,5
46,47
53,88
56,03
56,52
58,59
62,81
62,92
63,42
Perdagangan, Jasa & Investasi
Industri Dasar & Kimia
Industri Dasar & Kimia
Aneka Industri
Industri Dasar & Kimia
Properti dan Estat Real
Industri Dasar & Kimia
Perdagangan, Jasa & Investasi
Perdagangan, Jasa & Investasi
32
16
17
ASIA
RODA
69,85
73,81
Aneka Industri
Properti dan Estat Real
PTSP
74,01
Perdagangan, Jasa & Investasi
19
20
21
22
23
24
Asia Grain International Tbk
Royal Oak Development Tbk
Pioneerindo Gourmet International
Tbk
Siwani Makmur Tbk
Rukun Raharja Tbk
Arona Binasejati Tbk
Kedaung Indah Can Tbk
Ekadharma International Tbk
Toko Gunung Agung Tbk
SIMA
RAJA
ARTI
KICI
EKAD
TKGA
75,45
77,77
80,24
80,26
84,93
89,39
25
Zebra Nusantara Tbk
ZBRA
93,25
26
27
28
29
30
31
Bumi Teknokultura Unggul Tbk
Pyridam Farma Tbk
Jasuindo Tiga Perkasa Tbk
Primarindo Asia Infrastructure Tbk
Centrin Online Tbk
Metro Supermarket Realty Tbk
BTEK
PYFA
JTPE
BIMA
CENT
MTSM
94,8
95,16
96,62
97,18
98,71
98,98
32
Centris Multi Persada P Tbk
CMPP
115,31
33
34
35
36
37
38
Surya Intrindo Makmur Tbk
Tempo Inti Media Tbk
Mitra Investindo Tbk
Schering Plough Indonesia Tbk
Pool Advista Indonesia Tbk
Multi Prima Sejahtera Tbk
Dayaindo Resources International
Tbk
Alakasa Industrindo Tbk
Duta Pertiwi Nusantara Tbk
Abdi Bangsa Tbk
Colorpak Indonesia Tbk
Jaka Inti Realtindo Tbk
Resource Alam Indonesia Tbk
Ades Waters Indonesia Tbk
Bayu Buana Indonesia Tbk
Intanwijaya International Tbk
Citatah Industri Marmer Tbk
Sekar Laut Tbk
SIMM
TMPO
MITI
SCPI
POOL
LPIN
117,68
118,52
124,36
128,57
136,76
139,25
Industri Dasar & Kimia
Perdagangan, Jasa & Investasi
Aneka Industri
Industri Barang Konsumsi
Industri Dasar & Kimia
Perdagangan, Jasa & Investasi
Infrastruktur, Utilitas &
Transportasi
Pertanian
Industri Barang Konsumsi
Perdagangan, Jasa & Investasi
Aneka Industri
Perdagangan, Jasa & Investasi
Perdagangan, Jasa & Investasi
Infrastruktur, Utilitas &
Transportasi
Aneka Industri
Perdagangan, Jasa & Investasi
Perdagangan, Jasa & Investasi
Industri Barang Konsumsi
Perdagangan, Jasa & Investasi
Aneka Industri
KARK
149,83
Properti dan Estat Real
ALKA
DPNS
ABBA
CLPI
JAKA
KKGI
ADES
BAYU
INCI
CTTH
SKLT
150,96
156,05
159,18
167,58
171,21
173,81
178,76
179,59
179,76
180,57
182,7
Perdagangan, Jasa & Investasi
Industri Dasar & Kimia
Perdagangan, Jasa & Investasi
Industri Dasar & Kimia
Properti dan Estat Real
Industri Dasar & Kimia
Industri Barang Konsumsi
Perdagangan, Jasa & Investasi
Industri Dasar & Kimia
Mining
Industri Barang Konsumsi
18
39
40
41
42
43
44
45
46
47
48
49
50
III.2
Teknik Pengambilan Sampel
Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah
sampel berbasis non probabilitas (non probability sampling) yaitu berdasarkan
33
purposive sampling. Menurut Indriantoro dan Supomo (2002) berpendapat
mengenai purposive sampling bahwa peneliti kemungkinan mempunyai tujuan
tertentu dalam memilih sampel tidak secara acak. Ada dua jenis metode
pemilihan sampel ini, yaitu: pemilihan sampel berdasarkan pertimbangan
(judgement sampling) dan kuota (quota sampling) (h. 131).
Indriantoro
et
al.
Menyatakan
“Pemilihan
sampel
berdasarkan
pertimbangan (judgement sampling), merupakan tipe pemilihan sampel secara
tidak acak yang informasinya diperoleh dengan menggunakan pertimbangan
tertentu (umumnya disesuaikan dengan tujuan atau masalah penelitian).
Pemilihan sampel berdasarkan kuota (quota sampling) adalah pemilihan sampel
secara tidak acak dapat dilakukan berdasarkan kuota (jumlah tertinggi) untuk
setiap kategori dalam suatu populasi target” (h. 131).
Dalam penelitian ini sampel yang diambil sebagai observasi harus bebas
dari outliers. Outliers adalah data observasi yang muncul dengan nilai-nilai
ekstrim baik secara univariate maupun multivariate. Data ekstrim tersebut
muncul
karena
berbagai
kemungkinan:
1)
kesalahan
prosedur
dalam
memasukkan data atau mengkoding, 2) karena keadaan yang benar-benar khusus,
seperti pandangan responden terhadap sesuatu yang menyimpang, 3) karena ada
sesuatu alasan yang tidak diketahui penyebabnya oleh peneliti, 4) muncul dalam
range nilai yang ada, tetapi bila dikombinasi dengan variabel lain menjadi
ekstrim (disebut multivariate outliers).Outliers sangat penting karena dapat
mengubah hasil analisis data yang telah dilakukan, sehingga outliers yang ada
sebaiknya dikeluarkan dari data observasi, sehingga hasil dari analisis data dapat
lebih terpercaya.
34
Terdapat 2 jenis outliers yaitu Univariate Outliers dan Multivariate
Outliers. Univariate outliers adalah data observasi yang memiliki nilai ekstrim
dari variabel tunggal. Di dalam analisis data penelitian ini, univariate outliers
yang ingin ditekankan adalah untuk variabel dependen. Sedangkan multivariate
outliers
adalah
data
observasi
yang
memiliki
nilai
ekstrim
setelah
dikombinasikan dengan variabel lain. Di dalam analisis data penelitian ini,
multivariate outliers yang ingin ditekankan adalah semua variabel independen
yang digunakan dalam model penelitian. Dibawah ini akan dijelaskan metode
yang digunakan dalam penelitian ini untuk mengidentifikasi outliers yang ada,
antara lain:
1. Menggunakan Standardized Score
Metode ini digunakan untuk mengidentifikasi univariate outliers yaitu
dengan mengkonversi nilai data penelitian ke dalam standard score atau Zscore (Ferdinand, 2002). Batas nilai z-score menurut Hair dkk (1998) berada
pada rentang 3-4. Jika ukuran sampel kecil (80 observasi atau kurang), maka
dikatakan terjadi outliers apabila Z-score bernilai ±2.5 atau lebih. Jika ukuran
sampel lebih besar (diatas 80 observasi), maka dikatakan terjadi outliers
apabila Z-score bernilai ±3 atau lebih. Penghitungan uiivariate outliers
dilakukan dengan program SPSS versi 12.0.
2. Menggunakan Mahalanobi’s Distance Statistics
Jarak Mahalanobis (the Mahalanobis Distance) untuk tiap-tiap observasi
dapat dihitung dan akan menunjukkan jarak sebuah observasi dari rata-rata
semua variabel dalam sebuah ruang multidimensional (Hair, dkk, 1995). Uji
terhadap multivariate outliers dilakukan dengan menggunakan kriteria jarak
35
Mahalanobis pada tingkat p < 0,001. Jarak Mahalanobis ini dievaluasikan
dengan menggunakan χ² pada derajat bebas sebesar jumlah variabel yang
digunakan dalam penelitian (Ferdinand, 2002). Data memiliki multivariate
outliers apabila χ² lebih kecil atau sama dengan 0,001. Penghitungan
multivariate outliers dilakukan dengan program SPSS versi 12.0.
3. Menggunakan Casewise Diagnostics
Setelah 2 metode sebelumnya dijalankan, maka akan teridentifikasi data
observasi mana saja yang mengalami univariate dan multivariate outliers.
Outliers tersebut dikeluarkan dari data observasi penelitian. Kemudian,
menggunakan casewise diagnostics untuk mengidentifikasi data observasi
yang standard deviation (SD) lebih besar dari 3. Setelah teridentifikasi, data
observasi yang terdeteksi outliers SD diatas 3 dikeluarkan dari sampel
penelitian.
III.3
Teknik Pengumpulan Data
Pada penelitian ini menggunakan data sekunder berupa laporan keuangan
perusahaan go public tahun 2005-2007 dan ringkasan yang terdapat di dalam JSX
Watch 2008-2009. Indriantoro et al. Menyatakan “Data sekunder merupakan
sumber data penelitian yang diperoleh peneliti secara tidak langsung melalui
media perantara (diperoleh dan dicatat oleh pihak lain)” (h. 147).
Data sekunder yang berupa laporan keuangan perusahaan go public
adalah data-data mengenai number of days accounts receivable (NDAR), number
of days inventory (NDI), number of days accounts payable (NDAP), cash
conversion cycle (CCC), size perusahaan, sales growth, debt serta return on asset
36
(ROA) pada masing-masing perusahaan selama 3 tahun (2005-2007).
Perhitungan rasio-rasio tersebut dihitung secara manual (hand-collected) dari
laporan keuangan perusahaan.
Data penelitian akan dikumpulkan menggunakan metode dokumentasi
dengan tipe pooled data. Dengan tipe pooled data, jumlah observasi dalam
penelitian ini diperoleh dari jumlah tahun penelitian dikalikan jumlah perusahaan
sampel. Dalam penelitian ini laporan keuangan perusahaan diperoleh melalui
database laporan keuangan perusahaan JSX yang tersedia di perpustakaan
BINUS University sementara data mengenai 50 perusahaan yang digunakan
sebagai sampel diperoleh melalui ringkasan yang terdapat dalam JSX Watch
2008-2009 yang juga tersedia di BINUS University.
III.4
Model Empiris
Analisis Multiple Linier Regression digunakan untuk membuat model
penelitian, yaitu model matematika antara variabel dependen (Y: profitabilitas
yang diukur dengan ROA) dengan variabel independen (variabel eksperimental
antara lain: NDAR, NDI, NDAP dan CCC; sementara variabel kontrolnya antara
lain: sales growth (SGROW), size perusahaan, dan the leverage (DEBT)).
Model yang digunakan konsisten dengan penelitian sebelumnya oleh
Deloof (2003), Lazaridis dan Tryfonidis (2006), Garcia-Terul dan MartinezSolano (2007) adalah sebagai berikut:
ROAit = ß0+ß1NDARit+ß2SGROWit+ß3SIZEit+ß4DEBTiti+εit
(1)
ROAit = ß0+ß1NDIit+ß2SGROWit+ß3SIZEit+ß4DEBTit+εit
(2)
37
ROAit = ß0+ß1NDAPit+ß2SGROWit+ß3SIZEit+ß4DEBTit+εit
(3)
ROAit = ß0+ß1CCCit+ß2SGROWit+ß3SIZEit+ß4DEBTit+εit
(4)
Keterangan:
ROA = Return on Asset
NDAR = Numbers of days accounts receivable
NDI = Numbers of days inventory
NDAP = Numbers of days accounts payable
CCC = Cash conversion cycle
SGROW = Pertumbuhan penjualan (sales growth)
SIZE = Ukuran perusahaan
DEBT = Rasio ungkitan (leverage), yang dilihat dari hutang jangka panjang
dibagi dengan total hutang
ß0 – ß4 = Koefisien yang diestimasi
ε = error term
i = 1,2,..., N
t = 1,2,..., T
dimana: N= banyaknya observasi dan T= banyaknya waktu
Secara lebih terperinci skala pengukuran dan indikator masing-masing
variabel adalah seperti dalam tabel berikut ini:
38
Tabel III.2
Operasionalisasi Variabel
Jenis Variabel
Variabel
Dependen
Variabel
Independen
(Variabel
Eksperimental)
Variabel
Skala
Data
Rasio
Sumber
Data
Laporan
keuangan
perusahaan
Kemampuan
perusahaan dalam
menghasilkan laba
dari keseluruhan
investasi yang
ditanamkan dalam
bentuk asset
Laba bersih
setelah pajak /
Total aktiva
Number of days
accounts
receivable
(NDAR)
Periode rata-rata
yang diperlukan
untuk
mengumpulkan
piutang
Periode menahan
sediaan barang
berada di gudang
(Rata-rata
piutang X 365) /
Penjualan
Rasio
Laporan
keuangan
perusahaan
(Rata-rata
sediaan X 365) /
Kos Barang
Terjual
(Rata-rata hutang
X 365) / Kos
Barang Terjual
Rasio
Laporan
keuangan
perusahaan
Rasio
Laporan
keuangan
perusahaan
NDAR+NDINDAP
Rasio
Laporan
keuangan
perusahaan
(Sales1 – Sales0)
/ Sales 0
Rasio
Natural log dari
total aset
perusahaan
Long Term Debt
/ Total Asset
Rasio
Laporan
keuangan
perusahaan
Laporan
keuangan
perusahaan
Laporan
keuangan
perusahaan
Number of days
accounts
payable
(NDAP)
Cash
conversion
cycle (CCC)
III.5
Pengukuran
Profitabilitas
(ROA)
Number of days
inventory (NDI)
Variabel
Independen
(Variabel
Kontrol)
Definisi
Sales Growth
(SGROW)
Periode rata-rata
pembayaran hutang
Jangka waktu ratarata sejak
dilakukannya
pengeluaran tunai
untuk sumber dana
produksi (bahan baku
dan tenaga kerja)
hingga diterimanya
uang hasil penjualan
produksi
Pertumbuhan
penjualan
Size perusahaan
(SIZE)
Ukuran perusahaan
The Leverage
(DEBT)
Rasio ungkitan
Rasio
Metode Analisis Data
Untuk menjawab masalah-masalah penelitian maka berdasarkan data-data
yang dikumpulkan atau diperoleh digunakan suatu pengujian statistik dengan
39
bantuan program SPSS v12. Adapun prosedur-prosedur yang harus dilakukan
dalam menganalisis data-data yang ada adalah sebagai berikut:
III.5.1 Pengujian Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskriptif suatu data yang
disajikan melalui tabel, perhitungan, median, nilai rata-rata (mean), nilai
maksimal dan nilai minimum, nilai standar deviasi, dan nilai kuartil.
III.5.2 Pengujian Asumsi Klasik
Uji asumsi klasik dilakukan sebelum uji hipotesis, karena secara teoritis
penelitian akan menghasilkan nilai parameter yang lebih sah bila terpenuhi uji
asumsi klasik. Uji asumsi klasik yang digunakan dalam penelitian ini sebagai
berikut:
III.5.2.1 Uji Normalitas
Uji normalitas bertujuan menguji apakah dalam metode regresi, variabel
dependen dan variabel independen keduanya mempunyai distribusi normal
atau tidak. Model regresi yang baik adalah data yang berdistribusi normal
atau mendekati normal. Dalam penelitian ini untuk mendeteksi apakah data
berdistribusi normal atau tidak dengan menggunakan analisis grafik dan
analisis statistik. Mengacu pada pendapat Sulaiman (2004) mengenai uji
normalitas, untuk jumlah sampel dengan ukuran besar, kebanyakan uji
goodness-of-fit menghasilkan keputusan menolak Ho. Jadi hampir tidak
mungkin mendapatkan data yang benar-benar normal, sehingga cukuplah
diperoleh data yang berdistribusi mendekati normal. Untuk jumlah sampel
40
dengan ukuran besar perlu melihat keberangkatan (asal) data dari normalitas
yang diuji dengan menggunakan Uji Kolmogorov-Smirnov.
Hipotesis:
H0: Sampel berasal dari populasi yang berdistribusi normal
H1: Sampel bukan berasal dari populasi yang berdistribusi normal
Pengambilan kesimpulan pada pengujian hipotesis dilakukan sebagai berikut:
Asymp.Sig. < taraf signifikansi (α) Æ Tolak H0
Asymp.Sig. > taraf signifikansi (α) Æ Terima H0
III.5.2.2 Uji Heteroskedastisitas
Mengacu pada pendapat Priyatno (2008) mengenai uji heterokedastisitas,
dapat dikemukakan bahwa pengujian ini digunakan untuk mengetahui apakah
suatu model regresi memiliki kesamaan atau ketidaksamaan varians. Model
regresi
yang
baik
memiliki
kesamaan
varians
atau
tidak
terjadi
heteroskedastisitas. Untuk mendeteksi ada tidaknya heteroskedastisitas
dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot
antar SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi,
dan sumbu x adalah residual (Y prediksi – Y sesungguhnya) yang telah distudentized. Menurut Pratisto (2004) dasar analisisnya adalah:
•
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur (bergelombang, melebar kemudian menyempit) akan
mengindikasikan telah terjadi heteroskedastisitas.
•
Jika tidak ada pola yang jelas, serta titik-titik penyebaran di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas
41
III.5.2.3 Uji Multikolinearitas
Mengacu pada pendapat Priyatno (2008) mengenai uji multikolinearitas
dapat dikemukakan bahwa pengujian ini bertujuan untuk menguji apakah
model regresi ditemukan adanya hubungan linier diantara variabel
independen dalam model regresi. Konsekuensi dari multikolinearitas akan
menyebabkan koefisien regresi benilai kecil dan standar error regresi
bernilai besar, sehingga pengujian variabel independen secara individual
menjadi tidak siginifikan. Model regresi yang baik seharusnya tidak terjadi
multikolinearitas. Metode pengujian multikolinearitas dalam penelitian ini
dengan melihat nilai inflation factor (VIF) pada model regresi. Berdasarkan
Priyatno (2008) pada umumnya jika VIF lebih besar dari 5, maka variabel
tersebut memiliki masalah multikolinearitas dengan variabel independen
lainnya.
III.5.2.4 Uji Autokorelasi
Mengacu pada pendapat Priyatno (2008) mengenai uji autokorelasi, dapat
dikemukakan bahwa pengujian ini bertujuan untuk menguji apakah dalam
suatu model regresi linier ada korelasi antara residual (kesalahan
pengganggu) pada suatu pengamatan dengan pengamatan lain pada model
regresi. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi,
autokorelasi muncul karena observasi yang berurutan panjang waktu
berkaitan satu sama lain. Masalah ini timbul karena residual (kesalahan
pengganggu) tidak bebas dari satu observasi ke observasi yang lain. Model
regresi yang baik seharusnya tidak terdapat autokorelasi. Untuk mendeteksi
42
ada tidaknya autokorelasi maka dilakukan pengujian Durbin-Watson (DW).
Berdasarkan Sulaiman (2004) ketentuan pengujian DW sebagai berikut:
a. Jika 1,65 < DW < 2,35, artinya tidak ada autokorelasi
b. Jika 1,21 < DW < 1,65 atau 2,35 < DW < 2,79, artinya tidak dapat
disimpulkan
c. Jika DW < 1,21 atau DW > 2,79, artinya terjadi autokorelasi
III.5.3 Pengujian Hipotesis
Untuk menguji hipotesis dalam penelitian ini, digunakan metode regresi linier
berganda (Multiple Linier Regression). Sulaiman, W. (2004) mendefinisikan
sebagai berikut:
“Analisis regresi linier berganda adalah suatu metode statistik umum yang
digunakan untuk meneliti hubungan antara sebuah variabel dependen dengan
beberapa variabel independen” (h. 79).
Sulaiman juga menyatakan bahwa metode ini bertujuan untuk menggunakan
nilai-nilai variabel independen yang diketahui, untuk meramalkan nilai variabel
dependen.
Terdapat 4 (empat) hipotesis alternatif dalam penelitian ini (lihat Tabel
II.1).
•
Hipotesis 1 (HA1 akan diterima apabila koefisien regresi pada model (1),
bertanda negatif dan signifikan secara statistis pada level 10%, 5% atau 1%.
•
Hipotesis 2 (HA2 akan diterima apabila koefisien regresi pada model (2),
bertanda negatif dan signifikan secara statistis pada level 10%, 5% atau 1%.
43
•
Hipotesis 3 (HA3 akan diterima apabila koefisien regresi pada model (3),
bertanda negatif dan signifikan secara statistis pada level 10%, 5% atau 1%.
•
Hipotesis 4 (HA1 akan diterima apabila koefisien regresi pada model (4),
bertanda negatif dan signifikan secara statistis pada level 10%, 5% atau 1%.
III.5.3.1 Uji Koefisien Regresi Secara Bersama-sama (Uji F)
Uji F adalah uji statistik yang digunakan untuk mengetahui adanya
hubungan yang signifikan antara variabel dependen dengan keseluruhan variabel.
Berdasarkan Aczel (2002), rumus statistik Uji F diformulasikan dalam
tabel berikut ini (p. 508):
Tabel III.3
ANOVA untuk Uji F
Variasi
Sum of
Square
Degree of
Freedom
Mean Square
F Ratio
Regression
SSR
k
MSR = SSR/k
F = MSR /
MSE
Error
Total
SSE
SST
n-(k+1)
n-1
MSE = SSE / n - (k+1)
Keterangan:
SSR = sum of square regression
SSE = sum of square error
SST = sum of square total
k = banyaknya variabel independen
n = ukuran sampel
MSR = mean of square regression
44
MSE = mean of square error
Pada penelitian ini, Uji F digunakan untuk mengukur apakah keseluruhan
variabel independen (NDAR, NDI, NDAP, CCC, SIZE, DEBT dan SGROW)
berpengaruh signifikan terhadap ROA.
III.5.3.2 Uji Koefisien Regresi Secara Parsial (Uji t)
Uji t dilakukan untuk mengetahui apakah koefisien regresi (slope)
signifikan
antara
variabel
dependen
dengan
masing-masing
variabel
independennya.
Berdasarkan Aczel (2002), rumus statistika t test di formulasikan sebagai
berikut (p. 518):
t(n-(k+1)) =
(bi - 0)
s.(bi)
Keterangan :
t = t – test hasil perhitungan
n = jumlah sampel
k = jumlah variabel bebas
bi = slope ke – i
s(bi) = standard error variable bebas ke-i
III.5.3.3 Koefisien Determinasi
Analisis koefisien determinasi digunakan untuk melihat seberapa besar
variasi variabel dependen disebabkan oleh variabel independennya.
45
Berdasarkan Aczel (2002), rumus statistik perhitungan koefisien determinasi
diformulasikan sebagai berikut (p. 511):
R2 =
SSR
= 1SST
SSE
SST
SST = SSR + SSE
SSR = k
SSE = n – (k + 1)
SST = n – 1
Keterangan:
R2 = Koefisien Determinasi
SST = Sum of Square Total
SSE = Sum of Square Error
SSR = Sum of Square Regression
n = jumlah sampel
k = jumlah variabel independen (7)
Koefisien Determinasi dihitung jika kesimpulan dari Uji F adalah: H0
ditolak, artinya ada hubungan signifikan antara variabel dependen (Y) dengan
variabel independennya (X). R2 = a%, artinya sebesar a% Y disebabkan oleh
faktor-faktor X, sisanya sebesar 1 – a% ditentukan oleh faktor lain diluar model.
Pada penelitian ini yang dianggap sebagai acuan adalah R2 sesuaian (adjusted).
Nilai koefisien determinasi R2 dan nilai R2 adjusted berbeda, biasanya nilai R2
adjusted lebih kecil daripada nilai R2 karena besarnya nilai R2 adjusted tidak
46
dipengaruhi oleh banyaknya variabel independen. Oleh karena itu nilai R2
adjusted dipandang lebih terpercaya dibanding nilai R2 saja.
III.5.3.4 Level Signifikansi
Tingkat kepercayaan yang digunakan dalam penelitian ini adalah sebesar
95% (α = 5%) untuk uji statistik. Nilai α = 5% artinya: adanya penyimpangan
sebesar 5% untuk menolak Ho tetapi pada kenyataannya Ho adalah benar.
Besarnya α = 5% digunakan dalam penelitian ini dengan pertimbangan bahwa α
= 5% cukup signifikan digunakan untuk penelitian seperti ini.
47
Download