BAB III

BAB III
METODOLOGI
3.1. Kerangka Pikiran
Untuk melakukan penelitian guna mengetahui apakah ROE dan EVA
mencerminkan tingkat pengembalian saham perusahaan LQ45, penulis
menggunakan data-data histories yang relevan dari awal Januari 2002 hingga
Desember 2006. Data-data tersebut diolah untuk menghitung ROE, EVA dan
tingkat pengembalian saham. Setelah mendapatkan nilai ROE, EVA dan
tingkat pengembalian saham, maka dilakukan analisisi korelasi guna
mengetahui nilai korelasi dan sifat hubungan antara ROE dan EVA
perusahaan LQ45 yang telah go public dengan return sahamnya.
Selanjutnya dilakukan the true multiple linier regression dengan SPSS
versi 12 untuk mengetahui seberapa besar pengaruh dan signifikannya ROE
dan EVA terhadap return sahamnya.
3.2. Metode Penelitian
Metode Penelitian yang digunakan meliputi :
a. Metode penelitian Kepustakaan
Untuk menunjang penelitian, penulis membaca buku-buku dan artikel
yang relevan dalam penelitian.
b. Metode Analisis
24
25
Penulis melakukan pengumpulan data-data yang relevan dengan penelitian
untuk dianalisis guna menjawab permasalahan yang dihadapi.
3.3. Data / Informasi
Proses penyiapan data memerlukan pemantauan dan evaluasi yang
berkelanjutan dari dosen pembimbing agar penelitian dapat berjalan sesuai
dnegan tujuan yang telah dirumuskan di awal. Penulis juga meminta saran
kepada dosen pembimbing dan orang-orang yang memiliki pengetahuan di
bidangnya dalam proses perhitungan dan pengambilan kesimpulan.
3.4. Langkah-langkah Penelitian
Langkah-langkah yang dilakukan peneliti dalam melakukan penelitian :
1. Pemilihan sampel
2. Mengumpulkan data-data yang diperlukan dalam menghitung EVA dan
ROE
3. Menghitung EVA dan ROE
4. Menghitung tingkat pengembalian saham
5. Melakukan analisis statistik
6. Melakukan perbandingan untuk mengetahui pengukuran kinerja yang
mempunyai nilai korelasi yang tinggi dengan tingkat pengembalian
saham.
26
3.4.1.
Pemilihan Sampel
Pengambilan sample dengan memilih perusahaan LQ45 yang telah
melakukan emisi dan terdaftar sebagai emiten secara berkelanjutan di
Bursa Efek Jakarta selama 5 periode (2002-2006) dan perusahaan tersebut
masih eksis sampai penelitian ini dilakukan. Sample 12 perusahaan terdiri
dari : PT. Astra Agro Lestari, Tbk, PT. Aneka Tambang, Tbk, PT. Astra
International, Tbk, PT. Gudang Garam, Tbk, PT Gajah Tunggal, Tbk, PT.
Indofood Sukses Makmur, Tbk, PT. Indonesian Satellite Corporation,
Tbk, PT. Kalbe Farma, Tbk, PT. Bank Pan Indonesia, Tbk, PT. Ramayana
Lestari Sentosa, Tbk, PT. Telekomunikasi Indonesia, Tbk dan PT. United
Tractors, Tbk.
3.4.2.
Pengumpulan Data
Data yang diperlukan dalam menghitung EVA :
1. Data pergerakan saham dan IHSG mingguan.
Alasan dipilihnya data pergerakan saham dan IHSG mingguan
adalah agar mendapatkan beta rata-rata yang lebih akurat, Beta
yang didapat mencerminkan systematic risk suatu investasi terhdap
pasar secara keseluruhan.
2. Data histories bulanan SBI sebagai dasar bagi tingkat suku bunga
bebas resiko.
3. Data country risk premium guna menghitung market risk premium.
27
4. Laporan keuangan histories dari masing-masing industri yang telah
diaudit untuk dapat menghitung komponen-komponen EVA.
3.4.3.
Perhitungan EVA
EVA dapat dihitung dengan cara :
Net Sales
Operating Expenses
=
Operating Profit Before Interest and Tax
Taxes
=
-
-
Net Operating Profit After Tax (NOPAT)
Capital Charges (Invested Capital x Cost of Capital)
-
= EVA
3.4.3.1. Net Operating Profit After Tax (NOPAT)
NOPAT merupakan keuntungan operasional yang diperoleh
dari kegiatan utama perusahaan sehingga terdapat pendapatan atau
beban diluar dari kegiatan operasional perusahaan seperti laba atau
kerugian dari penghentian usaha, maka pendapatan atau beban tersebut
tidak diikutsertakan dalam perhitungan.
NOPAT perusahaan diperoleh dari pendapatan bunga ditambah
dengan pendapatan operasional lainnya dikurangi dnegan beban bunga
dan beban operasional lainnya serta beban pajak penghasilan.
28
Template untuk menghitung NOPAT menurut Young dan
O’Byne :
Operating Income
+
Interest Income
+
Equity Income (Loss)
+
Other Investment Income
-
Income Taxes
-
Tax Shield On Interest Expense
=
Net Operating Profit After Tax
3.4.3.2. Capital Charges
Rumus untuk menghitung Capital Charges :
Capital Charges = Weighted Average Cost Of Capital x Invested
Capital
Pada rumus di atas, terdapat dua komponen dalam menghitung
Capital Charges, dimana akan dibahas satu per satu dari komponen
tersebut.
3.4.3.2.1.
Weighted Average Cost of Capital (WACC)
Biaya modal (cost of capital) adalah tingkat pengembalian
yang diharapkan oleh investor apabila dananya diinvestasikan pada
29
proyek, asset, atau perusahaan yang dimiliki tingkat resiko yang
sama.
Rumus dalam menghitung biaya modal :
WACC = (portion of debt x cost of debt x (1-T) + (portion of
equity x cost of equity), dimana :
1. Portion of Debt =
Debt
Debt + Equity
2. Cost of debt adalah return yang diharapkan dari pemberi pinjaman
(kreditur) pada investasi mereka termasuk di dalamnya premi atas
risiko.
3. T = pajak yang dikenakan
4. Portion of Equity =
Equity
Debt + Equity
5. Cost of equity adalah tingkat pengembalian yang diinginkan
investor saat melakukan investasi dalam bentuk ekuitas pada
perusahaan. Cost of equity dihitung berdasarkan metode Capital
Asser Pricing Model (CAPM) yang dikembangkan oleh Profesor
[
William Sharpe dan John Lintner : E ( R ) = R f + β E ( R M ) − R f
]
CAPM disebut model ekspektasi karena berdasarkan
ekspektasi investor bukan pada sesuatu yang telah terjadi. Selisih
antara EM Rf disebut market risk premium (MRP). MRP yang
disesuaikan dengan beta akan menghasilkan risk premium.
30
Beta mengukur tingkat volatilitas harga saham perusahaan
dalam kaitanya dengan pasar saham keseluruhan. Perusahaan yang
berisiko tinggi akan memiliki beta lebih besar dari 1, sedangkan
perusahaan yang tidak terlalu beresiko memiliki beta kurang dari
1.
β=
cov(ri , rm )
σ 2m
cov( ri , rm ) : covariance antara return suatu saham dengan
return pasar
σ 2m
: variance dari market portfolio
Jadi, formula untuk cost of equity dapat ditulis sebagai berikut :
Cost of equity = R f + Risk Premium
Cost of equity = R f + { β x market risk premium}
3.4.3.2.2.
Invested Capital
Invested Capital dapat didefinisikan sebagai penjumlahan
dari seluruh pendanaan perusahaan kecuali kewajiban jangka
pendek yang tidak berbunga seperti upah yang masih harus dibayar
dan pajak yang masih harus dibayar. Atau dengan kata lain,
perhitungan invested capital merupakan penjumlahan dari ekuitas,
seluruh kewajiban yang berbunga jangka pendek maupun jangka
panjang, serta kewajiban jangka panjang lainnya.
31
3.4.4.
Tingkat Pengembalian Saham
Dalam
menghitung
tingkat
pengembalian
saham,
peneliti
menggunakan data pergerakan saham mingguan selama jangka waktu lima
tahun.
Rumus untuk menghitung return saham :
r=
P1 − P0
P0
P 1 = closing price pada waktu t
P 0 = closing price pada waktu t-1
Apabila terdapat perusahaan yang melakukan stock split atau
reverse stock split, maka pada tanggal tersebut return-nya akan dilakukan
penyesuaian, yaitu :
r=
3.4.5.
closing price t - open price t
open price t
Analisis Korelasi
Analisis korelasi digunakan untuk mengetahui sifat hubungan
antara variabel EVA terhadap variabel return, apakah memiliki nilai
positif atau negatif. Nilai korelasi (r) berkisar antara -1 sampai 1.
Nilai absolut yang diperoleh menandakan kuat lemahnya
hubungan antara kedua variabel tersebut. Sedangkan plus dan minus dari
32
korelasi menandakan hubungan yang searah atau berlawanan arah. Secara
singkat digambarkan sebagai berikut :
-
r = 0 atau mendekati, korelasi variabel lemah atau tidak ada
korelasi.
-
r = -1 atau mendekati, korelasi variabel sangat kuat dan arah
negatif.
-
r = 1 atau mendekati, korelasi variabel sangat kuat dan arah positif.
Rumus menghitung koefisien korelasi :
r=
n∑ xy − (∑ x)(∑ y )
n(∑ x 2 ) − (∑ x ) 2 n(∑ y 2 ) − (∑ y ) 2
Pada pengujian hipotesis digunakan t-test untuk mengetahui
apakah terdapat hubungan antara kedua variabel yang diuji.
Rumus t-test untuk menguji korelasi :
t(n-2) =
r
(1 − r 2 )
(n − 2)
t = degree of freedom sebesar n-2
n = jumlah sampel
r = koefisien korelasi
3.4.6.
Analisis Regresi Linear Berganda
Pengujian model Regresi Linear Berganda atau Multiple Linear
Regression (MLR) dilakukan untuk mengetahui apakah terdapat pengaruh
33
dari ROE terhadap return sahamnya dan apakah benar pengaruh EVA
lebih signifikan dibandingkan ROE terhadap return sahamnya. Dalam
melakukan pengujian regresi, diperlukan suatu model persamaan regresi
dimana model persamaan tersebut dapat menjelaskan pola hubungan yang
terjadi antara variabel-variabel yang digunakan dalam model, yaitu EVA
dan ROE dengan return sahamnya.
Model yang dihasilkan haruslah model yang BLUE (Best, Linear,
Unbiased, Estimator) sehingga model persamaan merupakan solusi terbaik
untuk suatu estimasi. Tiga masalah yang melanggar syarat BLUE, antara
lain :
1. Masalah Autokorelasi
Masalah ini dapat terjadi untuk karakteristik data time series
karena variabel-variabel yang diperhitungkan akan berhubungan
antar periode satu dengan periode lainnya. Masalah ini dapat
dilihat dari nilai Durbin-Watson. Nilai DW harus berada antara 1,7
sampai dengan 2. Jika nilai pada DW berkisar antara itu, maka
tidak terdapat serial auto-correlation sehingga salah satu syarat
BLUE telah terpenuhi.
2. Masalah Multikolinearitas
Masalah ini terjadi ketika terdapat dua atau lebih variabel
bebas memiliki korelasi tinggi tetapi tidak sempurna satu sama
lain. Hal tersebut dapat dilihat dari nilai t-stat yang rendah tetapi R
Square dan F-stat yang tinggi sehingga artinya banyak variabel
34
tetapi tidak signifikan. Jadi dengan kata lain, nilai R square yang
tinggi belum menjamin apakah model tersebut valid karena masih
harus dilihat apakah syarat BLUE telah terpenuhi atau tidak.
Masalah ini dapat dilihat dari nilai Variance Inflationary Factor
(VIF) dengan rumus :
VIF =
1
1− ρ 2
dimana ρ = koefisien korelasi
Jika : VIF > 5, artinya moderate multicollinearity
VIF > 10, artinya high multicollinearity
Nilai VIF yang tidak berada di atas 5 boleh digunakan dalam
model MLR.
3. Masalah Heteroskedastisitas
Heteroskedastisitas berarti error term tidak sama untuk setiap
observasi. Masalah heteroskedastisitas pada model regresi dapat
dilihat dengan menggunakan scatterplot, yang melihat ada
tidaknya pola tertentu pada grafik. Jika ada pola tertentu maka
regresi mengalami gangguan heteroskedastisitas sedangkan jika
tidak memiliki pola tertentu maka regresi tidak mengalami
ganguan heteroskedastisitas.