BAB IV METODOLOGI PENELITIAN

BAB IV
METODOLOGI PENELITIAN
4.1. Jenis Penelitian
Penelitian ini menggunakan metode penelitian kuantitatif yaitu metode
penelitian yang digunakan untuk meneliti pada populasi atau sampel tertentu.
Pengumpulan data menggunakan instrument penelitian, analisis data bersifat
kuantitatif/statistikal dengan tujuan untuk menguji hipotesis yang sudah ditetapkan.
Penelitian kuantitatif bersifat konfirmasi karena metode penelitian kuantitatif bersifat
menguji hipotesis dari suatu teori yang telah ada sebelumnya.
4.2 Definisi dan Operasional Variabel
1. Return on assets (ROA). Rasio profitabilitas dangan proksi return on aset
(ROA) untuk mengukur kemampuan perusahaan dalam menghasilkan
keuntungan atas sejumlah aset yang miliki oleh Perusahaan tersebut.
2. Current ratio (CR) Rasio likuiditas dengan proksi current assets (CR) untuk
mengukur kemampuan perusahaan dalam membayar kewajiban jangka
pendeknya pada saat jatuh tempo.
3. Growth of assets. variabel growth menggunakan proksi pertumbuhan asset
(growth of assets) perusahaan yaitu merupakan perubahan (peningkatan atau
penurunan) total aset yang dimiliki perusahaan pada periode tertentu.
57
http://digilib.mercubuana.ac.id/
4. Dividend payout ratio (DPR) merupakan rasio atau persentase dari laba bersih
yang akan dibayarkan sebagai deviden tunai kepada para pemegang saham.
5. Tingkat Inflasi. Merupakan tingkat inflasi secara tahunan yang dikeluarkan
oleh Pemerintah Indonesia. Data diperoleh dari website Bank Indonesia.
6. Nilai tukar USD. Merupakan nilai tukar mata uang suatu negara terhadap
mata uang negara lain dalam ini nilai tukar mata uang Rupiah terhadap USD.
Dalam penelitian ini menggunakan nilai tukar berdasarkan data kurs tengah
Bank Indonesia.
7. Tingkat suku bunga. Merupakan tingkat suku bunga yang dikeluarkan oleh
Pemetintah Indonesia melalui Bank Indonesia.
4.3. Pengukuran Variabel
Variabel yang diteliti dalam penelitian ini terdiri dari variabel dependen dan
independen. Variabel dependen merupakan variabel yang sifatnya dipengaruhi oleh
variabel lain sedangkan variabel independen adalah variabel yang sifatnya
memperngaruhi variabel lain. Variabel independen dalam penelitian ini adalah return
on assets, current ratio, growth of assets, dividend payout ratio, tingkat Inflasi, nilai
tukar USD, tingkat suku bunga. Sedangkan yang menjadi variabel dependen adalah
struktur modal perusahaan dengan proksi short term debt to assets ratio, long term
debt to assets ratio dan total debt to assets ratio. Dibawah ini informasi indikatorr
atau rumus perhitungan setiap variabel yang akan digunakan.
58
http://digilib.mercubuana.ac.id/
Tabel 4.1. Variabel dan Pengukuran
Variabel
Jenis Variabel
Return on
assets
Independen
Current
Ratio
Independen
Dividend
payout ratio
Independen
Growth of
assets
Independen
Nilai tukar
USD
Independen
Tingkat
Suku
Bunga
Independen
Tingkat
Inflasi
Independen
Struktur
Modal
Perusaaan
dependen
Indikator
Net income/total assets
Sumber : Ross et al (2012)
Current assets/current liabilities
Sumber : Ross et al (2012)
Total dividend/net profit after tax
Sumber : Ross et al (2012)
(Total aset periode t - total aset periode t-1)/total aset
periode t-1
Sumber : Ross et al (2012)
Nilai tukar Rupiah terhadap USD
Sumber : Bank Indonesia
Suku bunga Bank Indonesia (SBI)
Sumber : Bank Indonesia
Tingkar inflasi per tahun
Sumber : Bank Indonesia
1.Total debt/total assets
2.Total short-term debt/total assets
3.Total long-term debt/total assets
Sumber : Gitman dan Zutter (2015)
4.4. Populasi dan Sampel Penelitian
Populasi dalam penelitian ini adalah Perusahaan sektor telekomunikasi yang
terdaftar di Bursa Efek Indonesia per tahun 2015.
59
http://digilib.mercubuana.ac.id/
Tabel 4.2. Daftar Perusahaan Sektor Telekomunikasi per Tahun 2015
Nama Perusahan
Kode Saham
Tanggal IPO
ISAT
19-Oct-94
PT Telekomunikasi Indonesia Tbk
TLKM
14-Nov-95
PT XL Axiata Tbk
EXCL
29-Sep-05
PT Bakrie Telecom Tbk
BTEL
03-Feb-06
PT Smartfren Telecom Tbk
FREN
29-Nov-06
PT Inovisi Infracom Tbk
Sumber: Website Bursa Efek Indonesia
INVS
03-Jul-09
PT Indosat Tbk
Pemilihan sampel dalam penelitian ini dilakukan dengan tehnik purposive
sampling yaitu teknik pengambilan sampel dimana setiap elemen populasi tidak
memiliki kesempatan yang sama untuk dipilih menjadi sampel, dan kriteria pemilihan
sampel disesuaikan dengan tujuan penelitian. Perusahaan yang menjadi sampel dalam
penelitian ini adalah perusahaan sektor telekomunikasi yang sudah terdaftar di Bursa
Efek Indonesia periode 2006 sampai dengan 2014. Kriteria pemilihan sampel antara
lain sebagai berikut:
1. Perusahaan sektor telekomunikasi yang tercatat di Bursa Efek Indonesia
pada tahun 2006 sampai dengan 2014 secara berturut-turut.
60
http://digilib.mercubuana.ac.id/
2. Perusahaan telah melaporkan laporan keuangannya kepada pihak otoritas
terkait dalam hal ini Bursa Efek Indonesia mulai dari tahun 2006 sampai
dengan 2014 secara rutin.
4.5. Teknik Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data sekunder. Data
sekunder dalam penelitian ini merupakan data berupa laporan keuangan perusahaan
sektor telekomunikasi yang terdaftar di BEI periode 2006-2014. Data tersebut
diperoleh dalam bentuk yang sudah tertera dan dikumpulkan serta diolah pihak lain
dan sudah dalam bentuk publikasi. Data yang dikumpulkan merupakan data laporan
keuangan yaitu neraca dan laporan laba rugi.
4.6. Metode Analisis
Data-data yang diperoleh dari hasil penelitian selanjutnya dianalisis dengan
model analisis regresi data panel dengan menggunakan bantuan program software
Eviews versi 8.1 yang bertujuan untuk mengetahui seberapa besar pengaruh return on
assets, current ratio, growth of assets, dividend payout ratio, tingkat inflasi, nilai
tukar USD dan tingkat suku bunga terhadap struktur modal Perusahaan sektor
telekomunikasi.
Model persamaan data panel yang merupakan gabungan dari data cross
section dan data time series adalah sebagai berikut:
Yit = α + β1X1it + β2X2it + … + βnXnit + eit
61
http://digilib.mercubuana.ac.id/
dimana:
Yit
= variabel terikat (dependen)
Xit
= variabel bebas (independen)
i
= entitas ke-i
t
= periode ke-t
Persamaan di atas merupakan model regresi linier berganda dari beberapa
variabel independen dan satu variabel dependen. Estimasi model regresi linier
berganda bertujuan untuk memprediksi parameter model regresi yaitu nilai konstanta
(α) dan koefisien regresi (βi). Konstanta biasa disebut dengan intersep dan koefisien
regresi biasa disebut dengan slope. Regresi data panel memiliki tujuan yang sama
dengan regresi linier berganda, yaitu memprediksi nilai intersep dan slope.
Penggunaan data panel dalam regresi akan menghasilkan intersep dan slope yang
berbeda pada setiap entitas / perusahaan dan setiap periode waktu. Model regresi data
panel yang akan diestimasi membutuhkan asumsi terhadap intersep, slope dan
variabel gangguannya.
Ada beberapa kemungkinan yang akan muncul atas adanya asumsi terhadap
intersep, slope dan variabel gangguannya:
1)
Diasumsikan intersep dan slope adalah tetap sepanjang periode waktu
dan seluruh entitas/perusahaan. Perbedaan intersep dan slope dijelaskan
oleh variabel gangguan (residual).
2)
Diasumsikan slope adalah tetap tetapi intersep berbeda antar
entitas/perusahaan.
62
http://digilib.mercubuana.ac.id/
3)
Diasumsikan slope tetap tetapi intersep berbeda baik antar waktu
maupun antar individu.
4)
Diasumsikan intersep dan slope berbeda antar individu.
5)
Diasumsikan intersep dan slope berbeda antar waktu dan antar
individu.
4.6.1. Model Regresi Data Panel
Data panel adalah gabungan antara data runtut waktu (time series) dan data
silang (cross section). Data runtut waktu biasanya meliputi satu objek/individu
(misalnya harga saham, kurs mata uang, SBI, atau tingkat inflasi), tetapi meliputi
beberapa periode (bisa harian, bulanan, kuartalan, atau tahunan). Data silang terdiri
dari atas beberapa atau banyak objek, sering disebut responden (misalnya perusahaan)
dengan beberapa jenis data (misalnya; laba, biaya iklan, laba ditahan, dan tingkat
investasi) dalam suatu periode waktu tertentu.
Regresi dengan menggunakan data panel disebut model regresi data panel.
Ada beberapa keuntungan yang diperoleh dengan menggunakan data panel. Pertama,
data panel merupakan gabungan data data time series dan cross section mampu
menyediakan data yang lebih banyak sehingga akan menghasilkan degree of freedom
yang lebih besar.
Kedua, menggabungkan informasi dari data time series dan cross section
dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel
63
http://digilib.mercubuana.ac.id/
(ommited-variable). Untuk mengestimasi parameter model dengan data panel,
terdapat beberapa teknik yang ditawarkan, yaitu:
4.6.1.1. Common effect Model
Common effect model merupakan pendekatan model data panel yang paling
sederhana karena hanya mengkombinasikan data time series dan cross section. Pada
model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan
bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa
menggunakan pendekatan ordinary least square (OLS) atau teknik kuadrat terkecil
untuk mengestimasi model data panel.
4.6.1.2. Fixed effect model
Fixed effect model mengasumsikan bahwa perbedaan antar individu dapat
diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel model fixed
effects menggunakan teknik variable dummy untuk menangkap perbedaan intersep
antar perusahaan, perbedaan intersep bisa terjadi karena perbedaan budaya kerja,
manajerial, dan insentif. Namun demikian slopnya sama antar perusahaan. Model
estimasi ini sering juga disebut dengan teknik least squares dummy variable (LSDV)
4.6.1.3. Random effect model
Random effect model akan mengestimasi data panel dimana variabel
gangguan mungkin saling berhubungan antar waktu dan antar individu. Pada model
64
http://digilib.mercubuana.ac.id/
random effect perbedaan intersep diakomodasi oleh error terms masing-masing
perusahaan. Keuntungan menggunkan model random effect yakni menghilangkan
heteroskedastisitas. Model ini juga disebut dengan error component model (ECM)
atau teknik generalized least square (GLS).
4.6.2. Uji Pemilihan Model
Pada dasarnya ketiga teknik atau model estimasi data panel dapat dipilih
sesuai dengan keadaan penelitian, dilihat dari jumlah individu dan variabel
penelitiannya. Namun demikian, ada beberapa cara yang dapat digunakan untuk
menentukan teknik mana yang paling tepat dalam mengestimasi parameter data panel.
Menurut Widarjono (2007: 258), ada tiga uji untuk memilih teknik estimasi data
panel yaitu:
1.
Uji Chow digunakan untuk memilih antara metode commom effect atau
metode fixed effect.
2.
Uji Hausman yang digunakan untuk memilih antara metode fixed
effect atau metode random effect.
3.
Uji lagrange
multiplier (LM)
digunakan
untuk
memilih
antara
metode commom effect atau metode random effect.
Menurut, Nachrowi (2006, 318), pemilihan metode
fixed effect atau
metode random effect dapat dilakukan dengan pertimbangan tujuan analisis, atau ada
pula kemungkinan data yang digunakan sebagai dasar pembuatan model, hanya dapat
65
http://digilib.mercubuana.ac.id/
diolah oleh salah satu metode saja akibat berbagai persoalan teknis matematis yang
melandasi perhitungan.
4.6.2.1. Uji Chow
Untuk mengetahui model mana yang lebih baik dalam pengujian data panel,
bisa dilakukan dengan penambahan variabel dummy sehingga dapat diketahui bahwa
intersepnya berbeda dapat diuji dengan uji Statistik F. Uji ini digunakan untuk
mengetahui apakah teknik regresi data panel dengan metode fixed effect lebih baik
dari regresi model data panel tanpa variabel dummy atau metode common effect.
Hipotesis nul pada uji ini adalah bahwa intersep sama, atau dengan kata lain
model yang tepat untuk regresi data panel adalah common effect, dan hipotesis
alternatifnya adalah intersep tidak sama atau model yang tepat untuk regresi data
panel adalah fixed effect.
Nilai Statistik F hitung akan mengikuti distribusi statistik F dengan derajat
kebebasan (degree of freedom) sebanyak m untuk numerator dan sebanyak n –
k untuk denumerator. m merupakan merupakan jumlah restriksi atau pembatasan di
dalam model tanpa variabel dummy. Jumlah restriksi adalah jumlah individu
dikurang satu. merupakan jumlah observasi dan k merupakan jumlah parameter
dalam model fixed effect. Jumlah observasi (n) adalah jumlah individu dikali dengan
jumlah periode, sedangkan jumlah parameter dalam model fixed effect (k) adalah
jumlah variabel ditambah jumlah individu. Apabila nilai F hitung lebih besar dari F
kritis maka hipotesis nul ditolak yang artinya model yang tepat untuk regresi data
66
http://digilib.mercubuana.ac.id/
panel adalah model fixed effect. Dan sebaliknya, apabila nilai F hitung lebih kecil dari
F kritis maka hipotesis nul diterima yang artinya model yang tepat untuk regresi data
panel adalah model common effect.
4.6.2.2. Uji Lagrange Multiplier (LM)
Menurut Widarjono (2007: 260), untuk mengetahui apakah model random
effect lebih baik dari model common effect digunakan lagrange multiplier (LM). Uji
signifikansi random
effect ini
dikembangkan
oleh
Breusch-Pagan.
Pengujian
didasarkan pada nilai residual dari metode common effect.
Uji LM ini didasarkan pada distribusi Chi-Squares dengan derajat kebebasan
(df) sebesar jumlah variabel independen. Hipotesis nulnya adalah bahwa model yang
tepat untuk regresi data panel adalah common effect, dan hipotesis alternatifnya
adalah model yang tepat untuk regresi data panel adalah random effect. Apabila nilai
LM hitung lebih besar dari nilai kritis Chi-Squares maka hipotesis nul ditolak yang
artinya model yang tepat untuk regresi data panel adalah model random effect. Dan
sebaliknya, apabila nilai LM hitung lebih kecil dari nilai kritis Chi-Squares maka
hipotesis nul diterima yang artinya model yang tepat untuk regresi data panel adalah
model common effect.
4.6.2.3. Uji Hausman
Hausman telah mengembangkan suatu uji untuk memilih apakah metode fixed
effect dan metode random effect lebih baik dari metode common effect. Uji hausman
67
http://digilib.mercubuana.ac.id/
ini didasarkan pada ide bahwa least squares dummy variables (LSDV) dalam metode
metode fixed effect dan generalized least squares (GLS) dalam metode random Effect
adalah efisien sedangkan ordinary least squares (OLS) dalam metode common effect
tidak efisien. Dilain pihak, alternatifnya adalah metode OLS efisien dan GLS tidak
efisien. Karena itu, uji hipotesis nulnya adalah hasil estimasi keduanya tidak berbeda
sehingga uji hausman bisa dilakukan berdasarkan perbedaan estimasi tersebut.
Statistik uji Hausman mengikuti distribusi statistik Chi-Squares dengan
derajat kebebasan (df) sebesar jumlah variabel bebas. hipotesis nulnya adalah bahwa
model yang tepat untuk regresi data panel adalah model random effect dan hipotesis
alternatifnya adalah model yang tepat untuk regresi data panel adalah model fixed
effect. Apabila nilai statistik Hausman lebih besar dari nilai kritis Chi-Squares maka
hipotesis nul ditolak yang artinya model yang tepat untuk regresi data panel adalah
model fixed effect. Dan sebaliknya, apabila nilai statistik Hausman lebih kecil dari
nilai kritis Chi-Squares maka hipotesis nul diterima yang artinya model yang tepat
untuk regresi data panel adalah model random effect.
4.6.3. Uji Hipotesis
Menurut Nachrowi (2006), uji hipotesis berguna untuk menguji signifikansi
koefisien regresi yang didapat. Artinya, koefisien regresi yang didapat secara statistik
tidak sama dengan nol, karena jika sama dengan nol maka dapat dikatakan bahwa
tidak cukup bukti untuk menyatakan variabel bebas mempunyai pengaruh terhadap
variabel terikatnya. Untuk kepentingan tersebut, maka semua koefisien regresi harus
68
http://digilib.mercubuana.ac.id/
diuji. Ada dua jenis uji hipotesis terhadap koefisien regresi yang dapat dilakukan,
yaitu:
4.5.3.1. Uji Signifikansi Bersama-sama ( Uji Statistik F)
Uji-F diperuntukkan guna melakukan uji hipotesis koefisien (slope) regresi
secara bersamaan, dengan kata lain digunakan untuk memastikan bahwa model yang
dipilih layak atau tidak untuk mengintepretasikan pengaruh variabel bebas terhadap
variabel terikat. Menurut Ghozali (2013:98) Uji statistik F pada dasarnya
menunjukkan apakah semua variabel independen atau variabel bebas yang
dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap
variabel dependen atau variabel terikat. Hipotesis nol (Ho) yang hendak diuji adalah
apakah semua parameter dalam model sama dengan nol, atau:
Ho: b1 = …= bk = 0
Artinya, apakah semua variabel independen bukan merupakan penjelas yang
signifikan terhadap variabel dependen. Hipotesis alternatifnya (HA) tidak semua
parameter secara Bersama-sama sama dengan no, atau:
HA: b1 ≠ b2……≠ b k ≠ 0
Artinya, Semua variabel independen secara Bersama-sama merupakan
penjelas yang signifikan terhadap variabel dependen.
4.5.3.2. Uji Signifikansi Parameter Individual (Uji Statistik t)
69
http://digilib.mercubuana.ac.id/
Jika Uji-F dipergunakan untuk menguji koefisien regresi secara bersamaaan,
maka Uji-t digunakan untuk menguji koefisien regresi secara individu. Pengujian
dilakukan terhadap koefisien regresi populasi, apakah sama dengan nol, yang berarti
variabel bebas tidak mempunyai pengaruh signifikan terhadap variabel terikat, atau
tidak sama dengan nol, yang berarti variabel bebas mempunyai pengaruh signifikan
terhadap variabel terikat. Menurut Ghozali (2013:98) Uji statistic t pada dasarkan
menunjukkan seberapa jauh pengaruh saru variabel penjelas / independen secara
individual dalam menerangkan variasi variabel dependen. Hipotesis nol (Ho) yang
hendak diuji adalah apakah suatu parameter (bi) sama dengan nol, atau :
H0: bi = 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: bi ≠ 0
Artinya, Variabel tersebut merupakan penjelas yang signifikan terhadap
variabel dependen.
4.5.4. Koefisien Determinasi
Koefisien determinasi (goodness of fit) dinotasikan dengan R-squares yang
merupakan suatu ukuran yang penting dalam regresi, karena dapat menginformasikan
baik atau tidaknya model regresi yang terestimasi. Nilai Koefisien Determinasi
mencerminkan seberapa besar variasi dari variabel terikat dapat diterangkan oleh
70
http://digilib.mercubuana.ac.id/
variabel bebasnya. Bila nilai koefisien determinasi sama dengan 0, artinya variasi dari
variabel terikat tidak dapat diterangkan oleh variabel-variabel bebasnya sama sekali.
Sementara bila nilai koefisien determinasi sama dengan 1, artinya variasi variabel
terikat secara keseluruhan dapat diterangkan oleh variabel-variabel bebasnya. Dengan
demikian baik atau buruknya suatu persamaan regresi ditentukan oleh R-squares-nya
yang mempunyai nilai antara nol dan satu.
71
http://digilib.mercubuana.ac.id/