bab iii metode penelitian

BAB III
METODE PENELITIAN
A. Populasi Dan Penentuan Sampel
Populasi merupakan keseluruhan objek yang memenuhi syarat-syarat
tertentu dan berkaitan dengan masalah yang diteliti. Populasi dalam penelitian
ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia
(BEI) pada tahun 2014 dan 2015. Dalam penelitian ini penentuan sampel yang
dilakukan adalah dengan berdasarkan teknik purposive sampling dengan
kriteria tertentu adapun kriteria dalam penentuan sampel pennelitian ini adalah
sebagai berikut:
a. Seluruh perusahaan manufaktur yang terdaftar di BEIpada tahun 20142015
b. Perusahaan yang tidak mengalami kerugian selama tahun penelitian.
c. Perusahaan manufaktur yang mempunyai tanggal pengumuman laba
harian.
d. Perusahaan manufaktur yang menyajikan harga saham awal tahun dan
daily closing price dengan lengkap.
e. Laporan keuangan perusahaan manufaktur yang disajikan dalam mata
uang rupiah dan perusahaan yang menyediakan data lengkap terkait
dengan variabel yang diteliti.
25
26
B. Data dan Teknik Pengumpulan Data
Data-data yang akan digunakan untuk penelitian ini adalah data
sekunder, yakni berupa laporan tahunan perusahaan yang diperoleh dari Pojok
BEI Universitas Muhammadiyah Yogyakarta, Indonesian Capital Market
Directory (ICMD), dan databases Bursa Efek Indonesia serta data pasar.
Menurut waktu pengumpulannya data yang digunakan dalam penelitian ini
digolongkan ke dalam cross section. Sumber data adalah data yang berasal
dari laporan tahunan masing-masing perusahaan sampel setiap akhir tahun
selama masa penelitian yaitu 2014 dan 2015.
C. Definisi Operasional Variabel Penelitian dan Pengukurannya
1. Variabel dependen
a. Variabel Earnings Response Coefficient (ERC)
Variabel dependen yang digunakan dalam penelitian ini adalah
earnings response coefficient (ERC). ERC adalah koefisien yang
diperoleh melalui regresi antara harga saham dengan laba akuntansi.
Harga saham diukur dengan menggunakan
CAR sedangkan laba
cenderung diukur dengan menggunakan UE. Regresi pada model ini
menghasilkan ERC pada masing masing sampel yang digunakan untuk
analisis selanjutnya. Besarnya ERC didapat dengan melakukan
beberapa perhitungan sebagai berikut :
1. Menghitung Cumulative Abnormal Return (CAR)
CAR adalah proksi dari harga saham yang dapat menunjukkan
besarnya suatu respon pasar terhadap informasi akuntansi yang telah
27
dipublikasikan. Pada penelitian ini estimasi abnormal returns
diperoleh dengan menggunakan model pasar yang disesuaikan
(market-adjusted model) yang mana return indeks pasar dianggap
sebagai penduga yang terbaik dalam mengestimasi return dari suatu
sekuritas. Dalam model tersebut tidak membutuhkan periode estimasi
untuk membentuk model estimasi.Untuk dapat menentukan abnormal
return, digunakan selisih antara return yang sesungguhnya dengan
return pasar (Suwardjono, 2005). Adapun perhitungan untuk
menghitung abnormal return adalah sebagai berikut :
AR i,t = Ri,t – Rmt
(1)
dimana:
ARi
: return tidak normal perusahaan i pada pada hari t.
Rit
: return harian saham perusahaan i pada hari t
Rmt
: return indekspasar pada hari t .
1) Pendapatan saham yang sebenarnya Actual return merupakan
pendapatan yang telah diterima investor berupa capital gain .Untuk
memperoleh data abnormal return, terlebih dahulu harus mencari
return saham harian dan return pasar harian. Return saham harian
dihitung dengan rumus (Suwardjono, 2005):
𝑹i,t=
(2)
dimana:
Ri,t
= Return saham perusahaan i pada hari t
28
Pt
= Harga saham i pada hari t
Pt-1
= Harga saham i pada hari t-1
2) Return pasar harian dihitung sebagai berikut (Hartono, 2000) :
𝑹mt =
(3)
dimana:
Rmt
= Return pasar harian
IHSGt
= Indeks harga saham gabungan pada hari t
IHSGt-1
= Indeks harga saham gabungan pada hari t-1
Rumus perhitungan cumulative abnormal return (CAR) adalah:
∑ 𝑹
dimana:
ARi,t
= abnormal return untuk perusahaan i pada hari ke t
[t1,t2]
= panjang interval return (periode akumulasi) dari hari t1
hingga (termasuk) hari t2. Periode akumulasi return adalah 3
hari return meliputi tanggal pengumuman laba, 1 hari
setelah pengumuman laba atau [-1,+1].
2. Menghitung Unexpected earnings (UE)
Laba kejutan atau UE merupakan selisih antara laba akuntansi
yang sesunggunya dengan laba akuntansi yang telah diekspektasi oleh
pasar atau laba ekspektasian. Dalam penelitian ini model yang
digunakan adalah model random walk sebagai proksi dari ekspektasi
laba pasar sehingga ekspektasi laba yang digunakan adalah laba dari
29
tahun sebelumnya. Unexpected earnings dapat dihitung sebagai
berikut:
UEi,t=
(4)
dimana:
AEi,t
= laba aktual perusaahaan i pada tahun t
AEi,t-1 = laba akuntansi (earnings) setelah pajak perusahaan i pada
tahun t perusahaan i pada tahun t-1
Pi,t
= harga saham perusahaan i pada awal tahun t.
2. Variabel Independen
a. Variable Tingkat kepatuhan mandatory disclosure IFRS (DISC)
Tingkat kepatuhan IFRS adalah seberapa jauh ketaatan dalam
pengungkapan yang sudah diterapkan perusahaan dalam menyajikan
laporan keuangan. Dalam penelitian ini akan digunakan IFRS
disclosure checklist untuk pengungkapan laba rugi yang dipublikasikan
oleh Delloite. Variabel IFRS diukur dengan menggunakan indikator
disclosure index yaitu dengan teknik scoring, yaitu jika item yang
perlu diungkapkan dapat diterapkan (applicable) dalam perusahaan
dan item tersebut diungkapkan oleh perusahaan diberi skor 1.
Pemberian skor 0 apabila item tersebut tidak diungkapkan, dan apabila
item tersebut tidak dapat diterapkan pada perusahaan maka akan diberi
tanda N/A (Not Applicable). Pemberian tanda N/A dapat diketahui
melalui catatan atas laporan keuangan (CALK) pada bagian kebijakan
30
akuntansi dan PSAK baik yang sudah diterapkan maupun yang belum
diterapkan.
MANDSCORE :
b. Variabel Struktur Modal (SM)
Struktur modal adalah penggunaan aset dan sumber daya oleh
perusahaan yang memiliki biaya tetap dengan maksud agar
meningkatkan keuntungan potensial pemegang saham (Novianti,
2012). Struktur modal diukur berdasarkan rasio total utang (debt ratio).
Semakin tinggi hutang perusahaan maka financial leverage akan
semakin tinggi pula. Penggunaan hutang akan direspon negatif oleh
investor karena investor akan beranggapan bahwa perusahaan akan
lebih mengutamakan pembayaran hutang daripada pembayaran dividen
(Scott, 2009). Rasio yang digunakan untuk mengukur struktur modal
adalah debt ratio. Debt ratio merupakan rasio utang yang digunakan
untuk mengukur persentase besar dana yang telah diberikan oleh
kreditur untuk
membiayai
perusahaan.
menghitung debt ratio adalah sebagai berikut:
Deb Ratio =
Adapun
rumus
untuk
31
3. Variabel Control
a. Variabel Ukuran Perusahaan (SIZE)
Ukuran perusahaan merupakan proksi dari keinformatifan
harga (Nofianti,2014). Ukuran perusahaan juga dapat menentukan
baik tidaknya kinerja perusahaan. Ukuran perusahaan dalam
penelitian ini menggunakan indikator nilai total aktiva perusahaan
sebagai cerminan besar kecilnya perusahaan. Investor biasanya
lebih memandang perusahaan yang notabenya adalah tergolong
dalam perusahaan besar, karena perusahaan besar dianggap lebih
mampu untuk terus meningkatkan kinerja perusahaannya yaitu
dengan berupaya terus meningkatkan kualitas labanya. Hal ini di
sebabkan karena perusahaan besar cenderung memiliki kondisi
yang lebih stabil di bandingkan dengan perusahaan kecil. Dengan
demikian semakin besar ukuran perusahaan akan membuat investor
semakin merespon laba yang diumumkan sehingga terdapat pula
kecenderungan lebih banyak investor yang menaruh perhatian pada
perusahaan tersebut. Ukuran perusahaan diukur dengan log total
aset.
b. Variabel Kualitas Auditor (KA)
Sanjaya (2008) menyatakan bahwa auditor berkualitas
tinggi dapat mengurangi kecenderungan manajemen untuk
melakukan manajemen laba sehingga kualitas laba perusahaan juga
akan cenderung meningkat. Investor tidak dapat secara langsung
32
melihat hal-hal yang yang mendasari nilai laba susungguhnya oleh
karena itu investor akan lebih bergantung pada akuntan publik
sebagai penjamin keakuratan dan relevansi informasi yang
disajikan dengan kredibilitas laba yang dilaporkan. Dengan
demikian, laporan keuangan perusahaan yang diaudit oleh KAP
Big Four akan lebih berkualitas dibandingkan dengan laporan
keuangan yang yang diaudit oleh KAP Non Big Four. Variabel
kualitas auditor ini diukur dengan menggunakan variabel dummy
yakni jika perusahaan diaudit oleh KAP Big Four yakni Deloitte
Touche Tohmatsu, PricewaterhouseCoopers (PwC), Ernst &
Young, dan KPMG maka akan diberi nilai 1, dan jika tidak diaudit
oleh KAP Big Four maka akan diberi nilai nol.
D. Uji Hipotesis dan Analisis Data
Metode analisis data adalah suatu teknik atau prosedur untuk menguji
hipotesis penelitian. Metode yang digunakan dalam penelitian ini adalah uji
statistik deskriptif, uji asumsi klasik dan pengujian hipotesis.
1. Statistik Deskriptif
Statistik deskriptif digunakan untuk membantu menggambarkan
keadaan (fakta) yang sebenarnya dari suatu penelitian, yaitu untuk
memberikan gambaran secara umum mengenai karakter variabel dalam
penelitian ini. Alat analisis yang digunakan adalah rata-rata (mean),
standar deviasi, maksimum dan minimum. Dengan statistik deskriptif,
33
kumpulan data yang diperoleh akan tersaji dengan ringkas, rapi serta dapat
memberikan informasi inti dari kumpulan data yang ada.
2. Uji Asumsi Klasik
Uji asumsi klasik merupakan uji yang dilakukan sebelum
melakukan pengujian regresi, yang mana pengujian asumsi klasik ini
untuk mengetahui apakah data yang digunakan telah memenuhi ketentuan
dalam model regresi. Adapun pengujian tersebut meliputi:
a. Uji Normalitas
Uji normalitas bertujuan untuk menentukan apakah data yang
telah diperoleh memiliki distribusi normal atau dapat dikatakan
diperoleh dari populasi normal (Nazaruddin dan Basuki, 2016). Model
regresi yang baik adalah yang memiliki distribusi data normal atau
mendekati normal. Berdasarkan pengalaman empiris, beberapa pakar
statistik mengatakan bahwa suatu data dikatakan berdistribusi normal,
jika data tersebut jumlahnya lebih dari 30 angka. Namun untuk
memastikan dilakukan uji statistik normalitas. Untuk menguji
normalitas data dalam penelitian ini menggunakan uji KolmogorovSmirnov (K-S). Uji K-S ini merupakan metode uji normalitas yang
paling umum digunakan dalam penelitian-penelitian. Data dikatakan
normal apabila nilai sig > 0,05 (Nazaruddin dan Basuki, 2016)
b. Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada atau
tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi
34
yang terjadi antara residual pada satu pengamatan dengan
pengamatan lain pada model regresi, metode pengujian yang sering
digunakan adalah dengan uji Durbin Watson (uji DW). Pada
pendekatan D-W ada nilai batas atas (dU) dan batas bawah (dL)
untuk setiap tingkat kepercayaan dan derajat kebebasan. Kriteria
penilaian berdasarkan jangkauan tersebut adalah sebagai berikut:
a.
Jika d < dL > (4-dL) maka hipotesis 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 (4dL), maka tidak menghasilkan kesimpulan yang pasti.
Nilai dU dan dL dapat diperoleh dari tabel statistik Durbin
Watson yang bergantung banyaknya observasi dan banyaknya variabel
yang menjelaskan (Nazaruddin dan Basuki 2016).
c. Uji Multikolinearitas
Uji Multikolinearitas adalah adanya hubungan linear
antara peubah bebas X dalam Model Regresi Ganda (Nazaruddin dan
Basuki, 2016). Model regresi yang baik adalah ketika tidak terdapat
hubungan antar variabel independen. Menurut Nazaruddin dan
Basuki (2016) untuk mendeteksi ada atau tidaknya hubungan
tersebut dapat dilihat melalui nilai Variance Inflation Factors (VIF).
Kriteria pengujiannya yaitu:
35
1) Tidak terdapat multikolinearitas antar variabel independen jika
VIF < 10 dan nilai tolerance > 0,1.
2) Terdapat multikolinearitas antar variabel independen jika VIF >
10 dan nilai tolerance < 0,1.
d. Uji Heteroskedastisitas
Heteroskedastisitas merupakan ketidaksamaan varian dari
residual untuk semua pengamatan pada model regresi (Nazaruddin dan
Basuki, 2016). Uji heteroskedastisitas bertujuan untuk mengetahui
adanya penyimpangan dari syarat-syarat asumsi klasik pada model
regresi. Di mana dalam model regresi harus dipenuhi syarat tidak
adanya heteroskedastisitas. Jadi, model regresi yang baik adalah
homoskedastisitas. Uji heteroskedastisitas adalah menggunakan uji
glejser dengan tingkat signifikan α = 5%. Model regresi dikatakan
homoskedastisitas jika hasil α lebih besar dari 5%.
3. Uji Hipotesis
Analisis data yang akan digunakan dalam penelitian ini adalah
menggunakan regresi linear berganda dengan interaksi seperti yang
digunakan oleh Widiastuti (2004). Regresi linear ini digunakan untuk
menguji pengaruh tingkat kepatuhan mandatory disclosures dan struktur
modal terhadap ERC baik secara parsial maupun secara simultan pada
perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) dan
pengolahan datanya menggunakan program statistical package for science
36
(SPSS). Adapun model regresi linier berganda dalam penelitian ini adalah
sebagai berikut :
CARi = β0 + β1 UE + β2 DISCi + β3 SIZEi +β4 KAi + β5 UE*DISCi + β6
UE*SIZEi + β7 UE*KAi + εi ………………(1)
CARi = β0 + β1 UE + β2 SMi + β3 SIZEi +β4 KAi+ β5 UE*SMi β6
UE*SIZEi + β7 UE*KAi + εi ………………(2)
dimana:
i
= perusahaan
CAR = cumulative abnormal return
UE
= unexpected earnings
DISC = indeks ungkapan wajib dalam laporan tahunan
SM
= struktur modal
SIZE = ukuran perusahaan
KA
= kualitas auditor
β1
= parameter (I = 0,1,2,3,4,5,6,7)
εi
= error term
Untuk menguji adanya pengaruh pengungkapan wajib pada laporan
tahunan terhadap ERC, maka digunakan alat uji yakni analisis regresi
berganda dengan sebuah model interaksi. Dengan digunakannya model
interaksi pada pengujian ini maka variabel individual yang terdapat dalam
persaamaan regresi tersebut tidak perlu diinterpretasikan. Sehingga untuk
dapat melihat adanya pengaruh pengungkapan wajib yang terdapat dalam
laporan tahunan terhadap ERC, maka dapat dilihat arah dan tingkat
signifikansi koefisien regresi yaitu β5 (koefisien interaksi UE*DISC) pada
persamaan (1). Apabila dalam pengujian ini koefisien regresi β5 yaitu
arahnya positif dan signifikan maka dalam penelitian ini berhasil menolak
37
H0 berarti dapat disimpulkan bahwa tingkat penggungkapan mandatory
disclosure berpengaruh positif terhadap ERC. Sedangkan untuk melihat
pengaruh struktur modal terhadap ERC, ditentukan dengan melihat arah
dan tingkat signifikansi koefisien β5 (koefisien interaksi UE*SM) pada
persamaan (2). Apabila koefisien regresi β5 arahnya negatif dan signifikan,
maka penelitian ini berhasil menolak H0 berarti dapat disimpulkan juga
bahwa struktur modal berpengaruh negatif terhadap ERC.
Pengujian hipotesis pada penelitian ini yaitu diuji dengan
menggunakan uji t dan uji F. Uji t digunakan untuk melihat pengaruh
variabel mandatory disclosure dan struktur modal, terhadap ERC secara
parsial dengan tingkat signifikansi 5%. Sedangkan uji F digunakan untuk
dapat melihat pengaruh variabel mandatory disclosure dan struktur modal,
terhadap ERC secara bersama-sama (simultan) dengan tingkat signifikan
5%.