29 BAB III METODOLOGI PENELITIAN 3.1 Jenis Dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang berupa data untuk semua variabel yaitu return saham, Return On Asset (ROA), Debt to Equity Ratio (DER) dan Total Asset Turnover (TATO) yang terdaftar di Bursa Efek Indonesia. Data sekunder ini diperoleh dengan metode pengamatan saham-saham yang terdaftar selama pengamatan dari tahun 2010 sampai dengan tahun 2014. Data Return On Asset (ROA), Debt to Equity (DER), Total Asset Turnover (TATO) dan return saham diperoleh dari Indonesian Capital Market Directory (ICMD) dan Indonesian Stock Exchange (idx) dengan periode waktu tahunan 2010 sampai 2014. 3.2 Desain Penelitian Dalam penyusunan penelitian ini penulis menggunakan metode analisis kausal. Analisis kausal adalah penelitian untuk mengetahui tentang pengaruh satu atau lebih variabel bebas (independent variables) terhadap variabel terikat (dependent variable). Tujuan penelitian kausal dalam hal ini adalah untuk mengetahui seberapa besar pengaruh Return On Asset (ROA), Debt to Equity Ratio (DER), Total Asset Turnover (TATO) terhadap return saham pada industri real estate and property di BEI periode 2010-2014. http://digilib.mercubuana.ac.id/ 3.3 Definisi Variabel Dan Skala Pengukuran Variabel Berdasarkan hipotesis pada bagian sebelumnya, variabel penelitian dapat dikelompokkan sebagai berikut : 3.3.1 Variabel Dependen Variabel dependen adalah variabel yang tidak bisa berdiri sendiri, dalam penelitian ini variabel dependennya adalah return saham. Return saham adalah tingkat keuntungan yang dinikmati oleh pemodal atas suatu investasi saham yang dilakukannya. Return saham adalah tingkat keuntungan yang dinikmati oleh pemodal atas suatu investasi saham yang dilakukannya. Return saham dapat dihitung dengan rumus : Keterangan : Ri = Return saham Pt = Harga saham periode t Pt-1 = Harga saham periode t-1 3.3.2 Variabel Independen Variabel independen dalam penelitian ini adalah sebagai berikut : 1. Return On Asset (ROA) Menurut Hanafi (2008:83) Return On Asset adalah rasio yang mengukur kemampuan perusahaan yang menghasilkan laba dengan menggunakan 30 http://digilib.mercubuana.ac.id/ total asset (kekayaan) yang dimiliki perusahaan setelah disesuaikan dengan biaya-biaya untuk menandai aset tersebut. Rasio ini dapat diperoleh dengan membagi laba bersih setelah pajak dengan total aktiva yang dimiliki oleh perusahaan. 2. Debt to Equity Ratio (DER) Menurut Darsono (2005) Debt to Equity Ratio (DER) adalah rasio yang menunjukan presentase penyedia dana oleh pemegang saham terhadap pemberi pinjaman. Semakin tinggi rasio, semakin rendah pendanaan perusahaan yang disediakan oleh pemegang saham. Dari perspektif kemampuan membayar kewajiban jangka panjang, semakin rendah rasio akan semakin baik kemampuan perusahaan dalam membayar kewajiban jangka panjangnya. Secara matematis Debt to Equity Ratio (DER) dapat dirumuskan sebagai berikut (Toto Prihadi, 2010) : 3. Total Asset Turnover (TATO) Total Assets Turnover (TATO) mengukur perputaran dari semua aset yang penjualan dengan total asetnya (Martono, 2008). 31 http://digilib.mercubuana.ac.id/ 3.4 Metode Pengumpulan Data Metode pengambilan data yang digunakan adalah dengan cara penelitian kepustakaan (library research). Penelitian kepustakaan dilakukan dengan cara mengumpulkan data yang diperlukan melalui sumber-sumber tertulis seperti jurnal, skripsi, buku, dan mempelajari modul perkuliahan yang berhubungan dengan masalah yang diteliti. 3.5 Populasi dan Sampel 3.5.1 Populasi Populasi dalam penelitian ini adalah perusahaan industri real estate and property yang termasuk dalam Bursa Efek Indonesia. Populasi menurut Sutrisno Hadi (2001:70) adalah keseluruhan dari unit analisis yang diperoleh berdasarkan ciri-ciri yang diduga dari sampel yang hendak digeneralisasikan atau dianalisis secara umum. Tujuan ditetapkannya populasi adalah untuk menghindari kesalahan generalisasi kesimpulan. Jumlah populasi pada industri real estate and property sebanyak 61 perusahaan yang terdaftar di Bursa Efek Indonesia tahun 2016. 3.5.2 Sampel Pengambilan sampel pada penelitian ini menggunakan teknik purposive sampling dengan kriteria sampel yang digunakan. Berikut kriteria yang ditentukan peneliti dalam menentukan perusahaan industri real estate and property yang akan diuji : 1. Penelitian ini mengambil 17 Perusahaan industri real estate and property dan komponen yang terdaftar di Bursa Efek Indonesia dibawah 2009 32 http://digilib.mercubuana.ac.id/ sampai 2015 yang menerbitkan laporan keuangan tahunan selama periode penelitian. 2. Saham perusahaan industri real estate and property yang aktif diperdagangkan pada periode 2010 – 2014 di BEI. 3. Tersedia data laporan keuangan selama kurun waktu penelitian 2010-2014. Sampel dalam penelitian ini dapat dilihat pada tabel 3.1 berikut : Tabel 3.1 Sampel Industri real estate and property NO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Kode Saham DART DILD CTRA DUTI SMDM BIPP ELTY LPCK BKSL FMII GMTD BKDP GPRA COWL DGIK BAPA BCIP Nama Emiten Duta Anggada Realty Tbk. Intiland Development Tbk. Ciputra Development Tbk. Duta Pertiwi Tbk Suryamas Dutamakmur Tbk. Bhuwanatala Indah Permai Tbk. Bakrieland Development Tbk. Lippo Cikarang Tbk Sentul City Tbk. Fortune Mate Indonesia Tbk Gowa Makassar Tourism Developm Bukit Darmo Property Tbk Perdana Gapuraprima Tbk. Cowell Development Tbk. Nusa Konstruksi Enjiniring Tbk Bekasi Asri Pemula Tbk. Bumi Citra Permai Tbk. Sumber data : www.idx.co.id 33 http://digilib.mercubuana.ac.id/ Tanggal IPO 08-Mei-90 04-Sep-91 28-Mar-94 02-Nop-94 12-Okt-95 23-Okt-95 30-Okt-95 24-Jul-97 28-Jul-97 30-Jun-00 11-Des-00 15-Jun-07 10-Okt-07 19-Des-07 19-Des-07 14-Jan-08 11-Des-09 3.6 Metode Analisis Data 3.6.1 Analisis Kelayakan Data 1. Uji Stasioner Akar Akar Unit Uji akar akar unit yang bertujuan untuk menganalisis data time series stasioner (tidak ada akar akar unit) atau tidak stasioner (ada akar akar unit).Umumnya regresi dengan menggunakan data time series tidak stasioner,regresi dengan menggunakan data yang tidak stasioner menyebabkan spurious regretion ditandai dengan nilai R² yang tinggi dengan t-stat, f-stat yang signifikan tetapi dw relatif kecil < 0.5 sebuah data time series dikatakan stasioner jika rata rata,variant dan covariant dari variabel-variabel tersebut seluruhnya tidak di pengaruhi oleh waktu atau dengan kata lain konstan.Uji akar unit pertama kali di kembangkan oleh dickey-fuller dan di kenal dengan uji uji akar unit dickey-fuller (DF). Ide dasar uji stsioner data dengan uji akar unit dapat di jelaskan melalui model berikut ini : Yt = ρYt-1 + еt -1 ≤ ρ≤1 Dimana еt adalah variabel gangguan yang bersifat random dengan rata rata nol,varian yang konstan dan tidak saling berhubungan (nonautokorelas) Sebagaimana metode OLS. Variabel gangguan yang mempunyai sifat tersebut disebut variabel gangguan White noise. Jika ρ=1 maka kita katakan bahwa variabel random (stokastik) Y mempunyai akar unit. Jika data time series mempunyai akar unit maka di katakan data tersebut 34 http://digilib.mercubuana.ac.id/ bergerak secara random (random walk) dan data tersebut mempunyai sifat random walk dikatakan data tidak stasioner. Oleh karna itu jika kita melakukan regresi Yt pada lag Yt-1 dan mendapatkan nilai ρ = 1 maka data dikatakan tidak stasioner. 3.6.2 Analisis Data Panel 1. Model Data Panel Dalam penelitian ini digunakan regresi panel data. Panel data adalah yang memiliki jumlah crossection dan jumlah time series. Data dikumpulkan dalam suatu rentang waktu terhadap banyak individu. Ada dua macam panel data yaitu data panel balance dan data panel unbalance. Data panel balance adalah keadaan dimana unit cross-sectional memiliki jumlah observasi time series yang sama. Sedangkan data panel unbalanece adalah keadaan dimana unit cross-sectional memiliki jumlah observasi time series yang tidak sama. Terdapat tiga model statistik panel berdasarkan persebaran unobserved variable dan error, yaitu model fixed effect (FE), random effect (RE) dan pooled least square (PLS). a. 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 35 http://digilib.mercubuana.ac.id/ pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel. b. Fixed Effect Model Model ini 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). c. Random Effect Model Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Pada model Random diakomodasi oleh error Keuntungan menggunkan Effect perbedaan terms masing-masing model Random intersep perusahaan. Effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS) 2. Penentuan Model Panel Terdapat tiga model statistik panel berdasarkan persebaran unobserved variable dan error, yaitu model fixed effect (FE), random effect (RE) dan pooled 36 http://digilib.mercubuana.ac.id/ least square (PLS). Berikut adalah pengujian yang dilakukan untuk mengetahui jenis model panel yang lebih tepat untuk model penelitian: a. Uji Chow Test atau Likelihood Test Ratio Chow Test adalah pengujian untuk memilih apakah model yang digunakan adalah Pooled Least Square atau Fixed Effect. Sebagaimana diketahui, bahwa terkadang asumsi “setiap unit cross section memiliki perilaku yang sama” cenderung tidak realistis mengingat dimungkinkan setiap unit cross section memiliki perilaku yang berbeda. Dalam pengujian ini dilakukan hipotesis sebagai berikut : H0 : Model Pooled Least Square H1 : Model Fixed Effect Dasar penolakan terhadap H0 adalah dengan menggunakan Fstatistik seperti yang dirumuskan oleh Chow : Dimana : SSE1 = Residual Sum Square hasil pendugaan model PLS SSE2 = Residual Sum Square hasil pendugaan model Fixed Effect n = Jumlah data cross section t = Jumlah data time series k = Jumlah variabel penjelas 37 http://digilib.mercubuana.ac.id/ Statistik Chow Test mengikuti distribusi F-statistik dengan derajat bebas jika nilai F- statistik (F-stat) hasil pengujian lebih besar dari Ftabel, maka cukup bukti untuk melakukan penolakan terhadap H0 sehingga model yang digunakan adalah model fixed effect dan begitu pula sebaliknya. Kriteria penerimaan H0 juga dapat juga melihat nilai p-value sebagai berikut : - Jika probabilitas (p-value) > 0,05 maka H0 diterima - Jika probabilitas (p-value) < 0,05 maka H0 ditolak b. Uji Hausman Pengujian ini dilakukan untuk melihat, apakah pada model terdapat efek individu acak atau tetap, bila terdapat efek individu tetap maka metode estimasi yang digunakan untuk meregresi model menggunakan Metode Fixed Effect sedangkan bila terdapat efek individu acak maka metode yang digunakan Metode Random Effect Hipotesis : H0 : random effect H1 : fixed effect Adapun bentuk persamaan Hausmann testadalah : Dimana : b = koefisien random effect β = koefisien fixed effect 38 http://digilib.mercubuana.ac.id/ Hausmann Test ini mengikuti distribusi Chi-square dengan k derajat kebebasan dimana k tersebut besarnya sama dengan jumlah koefisien slopehasil estimasi. Dengan perbandingan terhadap Chi-square Tabel, maka jika Hausmann Test lebih besar dari Chi-square Tabel maka cukup bukti untuk menolak hipotesis nol sehingga model yang lebih sesuai dalam menjelaskan dalam permodelan data panel tersebut adalah model fixed effect, begitu pula sebaliknya.Kriteria penerimaan H0 juga dapat juga melihat nilai p-value sebagai berikut : - Jika probabilitas (p-value) > 0,05 maka H0 diterima - Jika probabilitas (p-value) < 0,05 maka H0 ditolak 3.6.3 Regresi Data Panel Common Effect Model Regresi Common Effect Model ini bertujuan untuk mengestimasi sebuah regresi besar tanpa mempedulikan sifat cross section dan time series pada data kita. Model ini mengasumsikan bahwa variabel-varibel penjelas bersifat nonstokastik.Jika mereka stokastik, mereka tidak berkorelasi dengan error term.Terkadang juga diasumsikan bahwa variabel penjelas bersifat eksogen. Dengan melakukan uji regresi Common Effect Model dapat ditulis sebagai berikut : Y = β0 + β1X1 + β2X2+ β3X3 Dimana: β0 = Intersep β1,β2,β3 = koefisien untuk variabel X1, X2, X3,…, X9 X1 = ROA 39 http://digilib.mercubuana.ac.id/ X2 = DER X3 = TATO Y = Return Saham 3.7 Uji Hipotesis dan Statistik Model 3.7.1 Uji Hipotesis Berdasarkan model regresi yang telah dibangun dan variabel-variabel yang telah ditentukan, kemudian akan dilakukan pembuatan uji hipotesis seperti dibawah ini : 1. Hubungan antara Return on Asset (ROA) dengan Return Saham (R) H01: tidak ada pengaruh antara Return on Asset (ROA) terhadap Return Saham (R), jika Ha1: ada pengaruh antara Return on Asset (ROA) terhadap Return Saham (R), jika 2. Hubungan antara Debt Equity Ratio (DER) dengan Return Saham (R) H02: tidak ada pengaruh antara Debt Equity Ratio (DER) terhadap Return Saham (R), jika Ha2: ada pengaruh antara Debt Equity Ratio (DER) terhadap Return Saham (R), jika 3. Hubungan antara Total Asset Turn Over (TATO) dengan Return Saham (R) H03: tidak ada pengaruh Total Asset Turn Over (TATO) terhadap Return Saham (R), jika 40 http://digilib.mercubuana.ac.id/ Ha3: ada pengaruh Total Asset Turn Over (TATO) terhadap Return Saham (R), jika 3.7.2 Pengujian Statistik Model 1. Uji signifikansi variabel bebas Pengujian ini dilakukan untuk melihat signifikansi pengaruh individual variabel-variabel bebas dalam model terhadap variabel terikatnya.Dengan melakukan pengujian ini nilai-nilai statistik setiap variabel bebas. H0: H1: Nilai beta menunjukkan slope variabel bebas. Bila nilai statistik beta sama dengan nol maka variabel bebas tidak memiliki hubungan signifikan dengan variabel terikat. Kriteria penerimaan H0 adalah sebagai berikut : a. Berdasarkan perbandingan t-statistik dengan t-tabel Kita membandingkan nilai t hitung dengan t tabel dengan derajat bebas n-2, dimana n adalah banyaknya jumlah pengamatan serta tingkat signifikansi yang dipakai. - Bila t statistik > t tabel maka H0 ditolak - Bila t statistik < t tabel maka H0 diterima b. Berdasarkan probalitas - Jika probabilitas (p-value) > 0,10, maka H0 diterima - Jika probabilitas (p-value) < 0,10, maka H0 ditolak 41 http://digilib.mercubuana.ac.id/ 2. Uji Signifikansi Model (Uji F stat) Uji signifikansi model atau disebut juga uji F atau global test atau disebut juga uji signifikansi serentak.Pengujian ini dilakukan untuk meihat apakah variabel independen secara bersama-sama mempengaruhi variabel dependen.Uji F berguna untuk menguji apakah koefisien regresi signifikan (berbeda nyata).Koefisien regresi yang signifikan adalah koefisien regresi yang secara statistik tidak sama dengan nol. Uji F yang dipakai dalam penelitian ini adalah : Ho : H1 : (paling tidak ada satu slope yang ) Beta merupakan slope dari variabel bebas model. Kriteria penerimaan Ho adalah sebagai berikut : 3. a. Berdasarkan perbandingan F-statistik dengan F-tabel - Bila F statistik > maka H0 ditolak - Bila F statistik < maka H0 diterima b. Berdasarkan probalitas - Jika probabilitas (p-value) > 0,05 maka H0 diterima - Jika probabilitas (p-value) < 0,05 maka H0 ditolak Uji Koefisien Determinasi (R2) Koefisien determinan (R2) mengukur sejauh mana pergerakan atau varian dari variabel dependen dapat dijelaskan oleh variabel independen.Nilai ini menunjukkan seberapa dekat garis regresi yang kita estimasi dengan data yang sesungguhnya.Nilai R2 berkisar antara 0<R2<1.Semakin besar nilai 42 http://digilib.mercubuana.ac.id/ R2 (mendekati 100%) semakin baik model regresi tersebut. Nilai R2 sebesar 0 berarti variasi dari variabel dependen tidak dapat diterangkan sama sekali oleh variabel independenya, dan sebaliknya. 43 http://digilib.mercubuana.ac.id/