BAB III METODOLOGI PENELITIAN 3.1 Jenis Dan Sumber Data

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/