BAB 3 OBJEK DAN DESAIN PENELITIAN 3.1 Objek Penelitian

BAB 3
OBJEK DAN DESAIN PENELITIAN
3.1 Objek Penelitian
Objek dalam penelitian ini adalah perusahaan yang terdaftar di Bursa Efek
Indonesia (BEI) yang bergerak dalam bidang pertambangan. Perusahaan yang terdaftar
di BEI digunakan sebagai objek penelitian karena perusahaan tersebut mempunyai
kewajiban untuk menyampaikan laporan keuangan tahunan kepada pihak luar
perusahaan sehingga memungkinkan data tersebut dapat diperoleh dalam penelitian ini
3.2 Desain Penelitian
3.2.1 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data
sekunder adalah data yang diperoleh penulis secara tidak langsung atau diperoleh dari
pihak ketiga. Data tersebut diperoleh dengan cara mengunduh (mendownload) melalui
website Bursa Efek Indonesia www.idx.co.id yang berupa laporan keuangan, laporan
tahunan, ataupun laporan keberlanjutan (sustainability report) pada perusahaan industri
pertambangan yang terdaftar di BEI dalam periode tahun 2009-2011.
3.2.2. Penentuan Jumlah Sampel
Penulis akan mengambil sampel dari populasi perusahaan industri pertambangan
yang terdaftar di Bursa Efek Indonesia periode tahun 2009-2011.
25
3.2.3. Metode Pengumpulan Sampel
Dalam penelitian ini metode pengumpulan sampel yang digunakan adalah
purposive sampling method dimana penulis akan memilih sampel dari suatu populasi
didasarkan pada kriteria – kriteria tertetu. Terdapat 37 perusahaan publik sektor
pertambangan yang menjadi objek penelitian.
3.2.4. Metode Analisis Data
3.2.4.1 Analisis Deskriptif
Statistik deskriptif adalah analisis yang mejelaskan secara terperinci atas datadata yang didapat dari penelitian yang dilakukan dan terwujud dalam bentuk daftar tabel
yang berisi angka-angka matematis seperti nilai rata-rata (mean), standar deviasi, varian,
maksimum, dan minimum. Dalam program SPSS digunakan juga ukuran skewness dan
kurtosis untuk menggambarkan distribusi data apakah normal atau tidak, selain ada
beberapa pengujian untuk mengetahui normalitas data dengan uji KolmogorovSmirnov dan Shapiro-Wilk.
1) Uji Normalitas
Screening terhadap normalitas data merupakan langkah awal yang harus
dilakukan untuk setiap analisis multivariate, khususnya jika tujuannya adalah inferensi.
26
Jika terdapat normalitas, maka residual akan terdistribusi secara normal dan independen,
yaitu perbedaan antara nilai prediksi dengan nilai yang sesungguhnya atau error akan
terdistribusi secara simetri di sekitar nilai means sama dengan nol. Jadi salah satu cara
mendeteksi normalitas adalah lewat pengamatan nilai residual.
Uji normalitas data dilakukan untuk membuktikan bahwa data yang diambil
dapat mewakili populasi yang diteliti.
Secara statistik ada dua komponen normalitas Skewness berhubungan dengan
simetri distribusi. Skewed variabel adalah variabel yang nilai mean-nya tidak di tengahtengah distribusi. Jika variabel distribusi secara normal maka nilai skewness sama
dengan nol (Ghozali, 2006: 27-28).
a. Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan
melihat grafik histogram yang membandingkan data observasi dengan distribusi yang
mendekati distribusi normal.
b. Uji Statistik
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F
mengansumsikan bahwa nilai residual mengikuti distribusi normal. Jadi salah satu cara
mendeteksi normalitas adalah lewat pengamatan nilai residual.
27
Cara lain adalah dengan melihat distribusi dari variabel-variabel yang akan
diteliti. Normalitas suatu variabel umumnya dideteksi dengan grafik atau uji statistik
sedangkan normalitas nilai residual dideteksi dengan metode grafik. Untuk mengetahui
distribusi data penelitian ini, salah satu alat yang digunakan adalah menggunakan
Skewness. Skewness merupakan alat ukur data rasio.
Menurut Gozhali (2005), Secara statistik ada dua komponen normalitas yaitu
skewness dan kurtosis. Skewness berhubungan dengan simetri distribusi kewed variabel
adalah variabel yang nilai mean-nya tidak ditengah–tengah distribusi. Jika variabel
terdistribusi secara normal maka nilai skewness sama dengan 0. Uji signifikan skewness
dengan cara sebagai berikut :
Zskew =
S-0
√6/N
Dimana:
S : nilai skewness
N : jumlah kasus
Nilai Z dari dari proksi diatas kita bandingkan dengan nilai kritisnya yaitu untuk alpha
0.01 nilai kritisnya ±2.58 sedangkan untuk alpha 0.05 nilai kritisnya ±1.96.
28
Uji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai,
terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini
adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat
dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan
menggunakan grafik.
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan
membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi
normal baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam
bentuk Z-Score dan diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov
adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Seperti
pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang
signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang
signifikan. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di
bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan
data normal baku, berarti data tersebut tidak normal.
2) Uji Asumsi Klasik
a. Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan
adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya
tidak terjadi korelasi diantara variabel independen. Jika variable independen saling
29
berkorelasi, maka variabel-variabel tidak ortogonal. Variabel ortogonal adalah variabel
independen yang nilai korelasi antar sesama variabel independen sama dengan nol.
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolinieritas
adalah dengan melihat besaran korelasi antar variable independen dan besarnya tingkat
kolinieritas yang masih dapat ditolerir, yaitu:Tolerance > 0.10 dan Variance Inflation
Factor (VIF) < 2. Pengujian multikolinearitas juga dapat dilakukan dengan melihat
korelasi di antara variable independen. Suatu model dikatakan terdapat gejala
multikolinearitas jika korelasi di antara variabel independen lebih besar dari 0,9 atau
90% (Ghozali,2005 : 91).
Berikut disajikan tabel hasil perhitungan nilai Tolerance dan VIF serta matrik korelasi
antar variabel independen.
b. Uji Heterokedastisitas
Tujuan dari uji heteroskedastisitas adalah untuk menguji apakah factor
pengganggu mempunyai variasi sama atau tidak. Jika varians residual dari satu
pengamatan ke pengamatan lain tetap maka disebut homoskedastisitas, jika varians
berbeda maka disebut heteroskedastisitas. Model regresi dikatakan baik jika
homoskedastisitas. Pengujian ini dilakukan dengan tujuan untuk melihat jarak kuadrat
titik-titik sebaran terhadap garis regresi. Untuk mendeteksi gejala heteroskedastisitas
dalam persamaan regresi digunakan metode dengan menggunakan plot pada regresi.
Metode grafik dengan
30
menggunakan nilai prediksi variabel bebas (ZPRED) dengan residualnya (SRESID)
untuk melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan
ZPRED jika ada pola tertentu sepert titik-titik (pointpoint) yang ada membentuk suatu
pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit) maka telah
terjadi heteroskedastisitas, jika tidak ada pola yang jelas serta titik-titik menyebar diatas
dan dibawah angka nol pada sumbu Y maka tidak terjadi heteroskedastisitas.
Uji glejser juga dapat mendeteksi ada atau tidaknya heteroskedastisitas. Seperti
halnya Uji park, Glejser mengusulkan untuk meregres nilai absolute residual terhadap
variabel independen (Gujarati,2003). Jika variabel independen signifikan secara statistik
mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedatisitas.
c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penggangu pada
periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan problem autokorelasi.
Model regresi yang baik adalah yang bebas autokorelasi, dapat dilakukan dengan uji
statistik Uji Durbin-Watson (DW test) (Ghozali,2006). Dengan pengambilan keputusan
apabila nilai du < d < 4–du atau DW hitung > du, maka dapat disimpulkan tidak terdapat
autokorelasi antar residual.
3.2.4.2 Uji Model Penelitian
a. Uji Koefisien Determinasi (Adjusted R2)
31
Koefisien determinasi (Adjusted R2 ) pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel independen. Nilai koefisien
determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabelvariabel independen dalam menjelaskan variasi variable dependen amat terbatas.
Nilai yang mendekati satu berarti variabel-variabel independen memberikan
hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Secara umum koefisien determinasi untuk data silang (crossection) relatif rendah karena
adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data
runtun waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi
(Ghozali, 2006: 87).
Menurut Gujarati (2003), nilai adjusted negatif dianggap bernilai nol. Secara
sistematis jika nilai R2 = 1, maka adjusted R2 = R2 = 1, sedangkan jika Nilai R2 = 0,
maka adjusted R2 = (1- k) / (n - k). Jika k > 1, maka adjusted R2 akan bernilai negatif
(Ghozali, 2006: 87).
b. Uji Signifikan Simultan (Uji Statistik F)
Uji statistik F pada dasarnya digunakan untuk menyatakan kelayakan pengaruh
antara kebijakan leverage (X1), kebijakan dividen (X2) dan skala perusahaan (X3)
secara bersama-sama terhadap nilai perusahaan (Y). Sehingga model tersebut dikatakan
fit atau memenuhi fit model.
3.2.4.3 Uji Linier Berganda
32
Pada penelitian ini teknis analisis data dilakukan dengan teknik analisis regresi
berganda untuk mengolah data, membahas data yang telah diperoleh dan menguji
hipotesis yang telah diajukan. Teknik analisis regresi berganda digunakan untuk
mengetahui pengaruh variabel bebas terhadap variabel terikat. Persamaan regresi yang
diintepretasikan dalam penelitian ini adalah:
Y = a + b1XI + b2X2 + b3X2 + ε
Dimana :
Y = PBV = Nilai Perusahaan
a = Konstanta
b = Koefisien Regresi
ε = Residual
X1 = DER = Kebijakan Leverage
X2 = DPR = Kebijakan Dividen
X3 = Skala = Skala Perusahaan
3.2.4.4 Uji Hipotesis
a. Uji t
33
Uji statistik parsial pada dasarnya menunjukkan seberapa jauh pengaruh satu
variabel independen secara individu menerangkan variabel dependen (Ghozali, 2003).
Uji parsial dilakukan dengan membandingkan nilai t hitung dengan nilai t tabel, bila t
hitung lebih besar dari t tabel maka hipotesis diterima, demikian pula sebaliknya. Atau
dengan melihat signifikansi yang terbentuk di bawah 5%, maka hipotesis diterima.
3.2.5 Metode Penyajian Data
Hasil dari data yang sudah dikumpulkan dan diolah menggunakan SPSS dapat
disajikan dalam bentuk tabel ataupun grafik berikut dengan penjelasannya dengan
keuntungan bahwa data tersebut akan lebih cepat ditangkap dan dimengerti. Tabel
merupakan kumpulan angka – angka yang disusun menurut kategori – kategori sehingga
memudahkan untuk pembuatan analisis data. Grafik merupakan gambar – gambar yang
menunjukkan secara visual data berupa angka yang biasanya juga berasal dari tabel –
tabel yang telah dibuat.
3.2.6 Operasionalisasi Variabel
3. 2.6.1. Variabel Dependen
Variabel dependen merupakan tipe variabel yang dijelaskan atau dapat
dipengaruhi oleh variabel lain. Dalam penelitian ini, yang menjadi variabel dependen
34
adalah nilai perusahaan. Nilai perusahaan merupakan nilai yang mencerminkan berapa
harga yang bersedia dibayar investor untuk suatu perusahaan, dalam penelitian ini diukur
dengan menggunakan :
PBV = Closing Price
Equity Per Share
3. 2.6.2. Variabel Independen
Variabel independen merupakan tipe variabel yang menjelaskan atau
mempengaruhi. Dalam penelitian ini yang menjadi variabel independen adalah kebijakan
leverage, kebijakan dividen, dan skala perusahaan
a. Kebijakan leverage
Merupakan rasio yang digunakan untuk mengukur kemampuan perusahaan dalam
memenuhi kewajibannya. Dalam hal ini kebijakan hutang diukur dengan menggunakan
rasio leverage yaitu rasio Debt Equity Ratio (DER). Dirumuskan :
DER = Total Debt
Total Equity
b. Kebijakan dividen
Rasio pendistribusian laba yang dibagikan kepada pembagian saham. Baskin
(dalam Yuniningsih 2002), menyatakan dalam pembayaran dividen yang besar pada
periode lalu akan meningkatkan kebutuhan kas dimasa yang akan datang. DPR
dirumuskan sebagai berikut :
35
DPR = Dividen Per Share
Earning Per Share
c. Skala Perusahaan
Skala perusahaan diukur dengan menggunakan Logaritma Natural total asset,
dimana besarnya skala perusahaan dapat mempengaruhi kemudahan perusahaan dalam
memperoleh sumber pendanaan baik eksternal maupun internal.
36