bab iii metode penelitianmedia.unpad.ac.id/thesis/120310/2012/120310120132_3_4555.pdf · 2 19...
TRANSCRIPT
BAB III
METODE PENELITIAN
3.1. Metode Penelitian
Penelitian ini akan menggunakan metode riset deskriptif (descriptive
research). Metode ini digunakan karena penelitian ini berusaha menguji hipotesis,
melakukan prediksi, menjelaskan hubungan, serta medapatkan makna dan
implikasi dari suatu pemecahan masalah pada suatu populasi. Sugiyono (2005: 21)
menyatakan riset deskriptif merupakan metode untuk menganalisis atau
menggambarkan hasil dari sebuah penelitian, dan bukan untuk memberi perluasan
kesimpulan. Metode deskriptif di penelitian ini berfungsi sebagai penggambaran
suatu data melalui beberapa prosedur.
Di samping descriptive research, penelitian ini akan bersifat verifikatif.
Metode verifikatif digunakan untuk pengujian matematis mengenai dugaan
hubungan antara variabel-variabel, melalui sebuah hipotesis berdasarkan
permasalahan yang akan diselidiki. Penelitian ini bertujuan untuk menguji tingkat
kebenaran dalam suatu hipotesis, yang mana hipotesis tesebut adalah pengaruh
sumber pendanaan terhadap profitabilitas.
3.2. Operasionalisasi Variabel
Penelitian akan menggunakan 2 jenis variabel, yaitu bebas (variabel
independen) yang dilambangkan dengan X, dan terikat (variabel dependen) yang
dilambangkan dengan Y. Variabel independen berupa struktur pendanaan yang
38
diwakilkan oleh long-term debt-to-assets ratio (LDAR) sebagai X1, debt-to-assets
ratio (DAR) sebagai X2, dan debt-to-equity ratio (DER) sebagai X3. Kemudian,
variabel dependen berupa profitabilitas melalui return on equity (ROE) sebagai Y.
Di bawah ini adalah tabel mengenai operasionalisasi yang akan dijalankan pada
variabel-variabel tersebut:
Tabel 3.1 Tabel Operasionalisasi Variabel
Variabel Konsep Variabel Indikator Skala
X1
Long-term
Debt-to-
Assets Ratio
(LDAR)
Mengukur tingkat utang
jangka panjang perusahaan
yang digunakan untuk
membiayai total aset,
menunjukkan persentase
aset tidak lancar
perusahaan.
𝐿𝑜𝑛𝑔 − 𝑡𝑒𝑟𝑚 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠× 100%
Rasio
X2
Debt-to-
Assets Ratio
(DAR)
Mengukur tingkat jumlah
utang dalam membiayai
total aset, menunjukkan
persentase aset cair yang
dapat digunakan
perusahaan
𝑇𝑜𝑡𝑎𝑙 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠× 100%
Rasio
X3
Debt-to-
Equiy Ratio
(DER)
Menunjukkan seberapa
besar komposisi utang
dibandingkan dengan
ekuitas yang dimiliki
perusahaan
𝑇𝑜𝑡𝑎𝑙 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠
𝑇𝑜𝑡𝑎𝑙 𝐸𝑞𝑢𝑖𝑡𝑦× 100%
Rasio
Y
Return on
Equity (ROE)
Mengukur efektivitas
ekuitas perusahaan dalam
menghasilkan laba bersih
𝐸𝑎𝑟𝑛𝑖𝑛𝑔 𝐴𝑓𝑡𝑒𝑟 𝑇𝑎𝑥
𝑇𝑜𝑡𝑎𝑙 𝐸𝑞𝑢𝑖𝑡𝑦× 100%
Rasio
3.3. Populasi dan Sampel Variabel
Perusahaan sub-sektor Konstruksi Bangunan yang terdaftar di Bursa Efek
Indonesia pada tahun 2010-2017 menjadi populasi dalam penelitian ini. Sampel
yang dipilih adalah perusahaan publik dengan teknik purposive sampling, yaitu
39
ditentukan berdasarkan kriteria untuk mendapatkan sampel yang sesuai dan
mewakili tujuan penelitian.
Tabel 3.2 Kriteria Pemilihan Sampel Penelitian
No Kriteria Jumlah
2010 2011 2012 2013 2014 2015 2016 2017
1. Perusahaan
terdaftar di BEI 422 442 463 486 509 525 541 570
2.
Perusahaan jasa
sub-sektor
konstruksi
bangunan yang
terdaftar di BEI
6 6 7 9 9 10 12 16
3.
Perusahaan yang
memiliki data
lengkap
6 6 6 7 9 9 10 11
Jumlah Observasi 6 6 6 6 6 6 6 6
Total Observasi 48 observasi
Berdasarkan kriteria tersebut, diperoleh sampel sebanyak 6 perusahaan sub-
sektor Konstruksi Bangunan yang terdaftar di Bursa Efek Indonesia pada tahun
2010-2017 yang disajikan pada tabel berikut:
Tabel 3.3 Daftar Perusahaan Sub-Sektor Konstruksi Bangunan yang Terdaftar di Bursa
Efek Indonesia Pada Tahun 2010-2017
No Tanggal IPO Perusahaan
1 09 Februari 2010 PP (Persero) Tbk.
2 19 Desember 2007 Nusa Konstruksi Enjiniring Tbk
3 29 Oktober 2007 Wijaya Karya (Persero) Tbk.
4 25 Juli 2006 Total Bangun Persada Tbk.
5 18 Maret 2004 Adhi Karya (Persero) Tbk.
6 27 Maret 1997 Surya Semesta Internusa Tbk.
40
3.4. Sumber Data dan Teknik Pengumpulan Data
Masalah yang diajukan dalam penelitian ini memerlukan pengumpulan
data-data yang relevan. Data kemudian diolah dan dianalisis sehingga dapat ditarik
suatu kesimpulan. Jenis data yang akan digunakan adalah data sekunder.
Indonesian Capital Market Directory (ICMD) dan Laporan Tahunan melalui laman
Bursa Efek Indonesia menjadi sumber data sekunder yang akan digunakan.
Perusahaan yang memenuhi kriteria pemilihan sampel pada karakteristik populasi
akan diambil dari kedua sumber tersebut. Berikut adalah kriteria tersebut:
• Perusahaan jasa sub-sektor konstruksi bangunan yang terdaftar di Bursa
Efek Indonesia selama periode penelitian tahun 2010-2017
• Perusahaan jasa sub-sektor konstruksi bangunan dengan data laporan
keuangan konsisten tersedia pada periode 2010-2017
3.5. Rancangan Penelitian
3.5.1. Pengujian Statistik
3.5.1.1. Model Data Panel
Model pengujian yang akan digunakan dalam penelitian iniadalah data panel.
Data panel merupakan penggabungan data silang (cross-section) dan runut waktu
(time series). Agus Widarjono (2009) menjelaskan beberapa keuntungan
penggunaan model data panel pada sebuah penelitian. Kelebihan yang pertama
adalah kemampuan data panel dalam menyediakan lebih banyak data, sehingga
derajat kebebasan yang dihasilkan akan lebih tinggi. Lalu kedua, penggabungan
informasi yang didapatkan dari cross-section dan time series pada data panel
41
mampu menyelesaikan masalah jika terjadi penghilangan variabel (omitted-
variable).
Analisis regresi linier berganda akan digunakan pada pengolahan data dalam
penelitian ini. Analisis tersebut berfungsi untuk prakiraan nilai variabel Y berdasar
pada nilai yang ditemukan pada variabel-variabel X. Model persamaan regresi linier
berganda yang akan diteliti adalah sebagai berikut:
Y = + 1(i,t)X1(i,t) + 2(i,t)X2(i,t) + 3(i,t)X3(i,t) + (i,t)
Dimana:
Y = Profitabilitas Perusahaan Sub-Sektor Konstruksi Bangunan di
Bursa Efek Indonesia pada tahun 2010-2017
X1(i,t)= Long-term Debt-to-Assets Ratio Perusahaan Sub-Sektor
Konstruksi Bangunan di Bursa Efek Indonesia pada tahun 2010-2017
X2(i,t)= Debt-to-Assets Ratio Perusahaan Sub-Sektor Konstruksi
Bangunan di Bursa Efek Indonesia pada tahun 2010-2017
X3(i,t)= Debt-to-Equity Ratio Perusahaan Sub-Sektor Konstruksi
Bangunan di Bursa Efek Indonesia pada tahun 2010-2017
= Konstanta, merupakan nilai terkait yang dalam hal ini adalah Y
pada saat variabel independennya adalah 0 (X1, X2, = 0)
1(i,t) - 3(i,t) = Koefisien regresi berganda
(i,t) = Faktor-faktor lain yang mempengaruhi variabel Y
Jika nilai positif (+) ditemukan pada koefisien , maka ditemukan hubungan
yang searah antara variabel X dengan variabel Y. Jika nilai negatif (-)ditemukan
pada koefisien , maka ditemukan hubungan yang berlawanan antara variabel X
42
dengan variabel Y. Sehingga, nilai koefisien positif (+) mengindikasikan
peningkatan (penurunan) pada variabel X akan dengan bersamaan meningkatkan
(menurunkan) variabel Y. Jika koefisien bernilai negatif (-), maka diindikasikan
bahwa penurunan (peningkatan) pada variabel X akan dengan bersamaan
meningkatkan (menurunkan) variabel Y.
Terdapat tiga pendekatan yang digunakan pada metode estimasi regresi
linier berganda dengan menggunakan model data panel, yaitu:
1. Common Effect Model
Pendekatan ini merupakan kombinasi data time series dan cross section. Model
ini menggunakan pendekatan ordinary least square (OLS), yaitu teknik
kuadrat terkecil untuk mengestimasi model data panel.
2. Fixed Effect Model
Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi
dari perbedaan intersepsinya. Model ini menggunakan data dummy untuk
menangkap intersep antar perusahaan. Pendekatan pada model ini disebut
dengan teknik least square dummy variable (LSDV).
3. Random Effect Model
Model ini mengestimasi data panel di mana variabel gangguan mungkin akan
saling berhubungan antara waktu ataupun individu data. Pada model ini,
perbedaan intersep diakomodasi oleh error terms masing-masing perusahaan.
Heteroskedastisitas dapat dihilangkan jika menggunakan model ini. Model
random effect disebut dengan teknik generalized least square (GLS) atau error
component model (ECM).
43
Terdapat 2 metode pengujian yang umum digunakan dalam pemilihan
model data panel yang tepat:
1. Uji Chow
Uji Chow akan menguji apakah common effect atau fixed effect menjadi
model yang tepat dalam melakukan estimasi. Hipotesis pengujian ini adalah
berikut:
Ho = common effect model
Ha = fixed effect model
Perhitungan f hitung dari uji Chow adalah sebagai berikut:
F hitung =
(𝑆𝑆𝐸1−𝑆𝑆𝐸2)
(𝑛−1)
𝑆𝑆𝐸2(𝑛𝑡−𝑛−𝑘)
Keterangan:
SSE1 = Sum Square Error dari common effect model
SSE2 = Sum Square Error dari fixed effect model
n = jumlah perusahaan (cross section)
nt = jumlah perusahaan pada waktu tertentu (cross section dikali time
series)
k = jumlah variabel independen
Perhitungan f tabel dapat dihitung dengan rumus berikut:
F tabel = { ∶ 𝑑𝑓 (𝑛 − 1, 𝑛𝑡 − 𝑛 − 𝑘)}
Keterangan:
= tingkat signifikansi yang digunakan
44
n = jumlah cross section (perusahaan)
nt = jumlah cross section dikali time series(perusahaan pada waktu
tertentu)
k = jumlah variabel independen
Model ini mendasarkan pengambilan keputusan dengan perbandingan nilai
pada f hitung yang ditemukan dengan nilai statitstik f tabel, yaitu sebagai
berikut:
Ho ditolak = jika f hitung > f tabel
Ha ditolak = jika f hitung < f tabel
2. Uji Hausman
Uji Chow akan menguji apakah random effect atau fixed effect menjadi
model yang tepat dalam melakukan estimasi. Hipotesis pengujian ini adalah
berikut:
Ho = random effect model
Ha = fixed effect model
Ho akan ditolak, jika nilai statistik dalam pengujian Hausman ini melebihi
besar dari nilai kritisnya. Jika terjadi sebaliknya, maka Ho diterima.
3.5.1.2. Uji Asumsi Klasik
Uji asumsi klasik merupakan metode pengujian yang mempertanyakan
kelayakan model regresi pada suatu penelitian. Pengujian bertujuan untuk
memastikan data yang dihasilkan terdistribusi normal, serta tidak terjadi
multikolinieritas, heteroskedastisitas, ataupun autokorelasi dalam penelitian ini.
45
• Uji Normalitas
Pengujian ini bertujuan untuk melihat apakah terdapat distribusi normal
dalam model regresi, ataupun pada variabel pengganggu dan residual. Data
terdistribusi normal atau mendekati normal merupakan kriteria model regresi yang
baik. Sehingga, pengujian normalitas dilakukan untuk melihat apakah terdapat
distribusi normal pada variabel-variabel independen yang mewakili struktur modal
dan variabel dependen yang mewakili profitabilitas.
Dalam penelitian ini, penulis menggunakan dua cara uji normalitas. Pertama
dengan menggunakan normal probability plot. Cara ini akan membandingkan
distribusi kumulatif dari distribusi normal dalam grafik. Grafik tersebut
menggambarkan distribusi normal dalam bentuk garis diagonal, di mana garis itu
akan dibandingkan dengan ploting data-data residual. Jika ploting mengikuti garis
tersebut, maka data dinyatakan berdistribusi normal.
Cara kedua yang akan digunakan adalah uji Kolmogorov-Smirnov (K-S).
Berikut adalah cara pengambilan keputusan dalam uji K-S:
1. Jika signifikansi atau nilai probabilitas > 0,05, maka populasi data
terdistribusi normal
2. Jika signifikansi atau nilai probabilitas < 0,05, maka populasi data
terdistribusi tidak normal
Dengan pengambilan keputusan di atas, uji normalitas K-S akan mengambil
hipotesis berikut:
Ho : data residual berdistribusi normal
Ha : data residual tidak berdistribusi normal
46
Ho akan ditolak bila secara statistik nilai probabilitas Z Kolmogorov-
Smirnov signifikan, yang berarti data tersebut terdistribusi tidak normal. Jika terjadi
sebaliknya, maka data tersebut terdistribusi normal.
• Uji Multikolinieritas
Pengujian ini bertujuan untuk melihat apakah terdapat korelasi diantara
variabel-variabel independen. Multikolinearitas menunjukkan adanya korelasi
linear sempurna antara sebagian atau seluruh variabel independen. Tidak adanya
korelasi di antara variabel independen merupakan kriteria model regresi yang baik.
Sehingga, pengujian multikolinieritas dilakukan untuk melihat terjadi atau tidaknya
korelasi pada variabel-variabel independen yang mewakili struktur modal.
Ada tidaknya multikolinieritas di dalam regresi dapat terdeteksi dari nilai
variance inflation factor (VIF) dan tolerance value. Nilai tolerance berfungsi untuk
mengukur variabilitas yang tidak dapat dijelaskan pada salah satu variabel
independen dibandingkan variabel independen lainnya. Nilai VIF dipengaruhi nilai
tolerance, di mana nilai VIF = 1/Tolerance. Kriteria hasil uji multikolinearitas
sebagai berikut:
o Jika nilai tolerance < 0,1 maka terjadi multikolinieritas
o Jika nilai tolerance > 0,1 maka tidak terjadi multikolinieritas
o Jika nilai VIF > 10 maka terjadi multikolinieritas
o Jika nilai VIF < 10 maka tidak terjadi multikolinieritas
47
• Uji Heteroskedastisitas
Pengujian heteroskedastisitas melihat apakah terjadi ketidaksamaan
variance residual pada setiap pengamatan di dalam model regresi. Jika
ketidaksamaan variance terjadi, maka disebut homoskedastisitas. Jika sebaliknya
terjadi, maka disebut heteroskedastisitas. Tidak terjadinya heteroskedastisitas
merupakan kriteria model regresi yang baik Sehingga, penulis melakukan uji
heteroskedastisitas untuk melihat apakah terdapat korelasi pada variabel-variabel
independen yang mewakili struktur modal. Penulis akan menggunakan uji Glejser
pada penelitian ini, untuk mendeteksi keberadaan heteroskeditas. Pengujian
dilakukan dengan melihat hasil regresi antara variabel-variabel independen dengan
nilai absolut residualnya.
• Uji Autokorelasi
Pengujian ini bertujuan untuk melihat apakah kesalahan pengganggu pada
setiap periode pengamatan di dalam model regresi memiliki korelasi satu sama
lainnya. Masalah statistik ini disebut juga dengan autokorelasi. Data time series
pada umumnya mengalami ini. Munculnya autokorelasi dapat disebabkan oleh
pengamatan yang runut sepanjang periode yang berdekatan. Pengujian autokorelasi
dilakukan untuk melihat apakah terdapat korelasi pada data time series yang akan
diteliti. Untuk mendeteksi autokorelasi, penulis akan menggunakan uji Durbin –
Watson (DW test). Berikut adalah hipotesis dalam pengujian ini:
Ho : tidak ada autokorelasi (r = 0)
Ha : ada autokorelasi (r ≠ 0)
48
3.5.1.3. Analisis Korelasi Berganda
Analisis korelasi berganda dilakukan untuk mencari tahu eratnya hubungan
pada variabel-variabel independen (X1 hingga Xn) dan variabel dependen (Y).
Analisis ini dilakukan melalui perhitungan pada nilai koefisien korelasi (R). Nilai
R akan didapatkan melalui formula matematis koefisien determinasi (R2), yang
mana akan dijelaskan pada bagian selanjutnya. Jika nilai R semakin mendekati 1,
maka pengaruh variabel-variabel independen terhadap variabel dependen dalam
model ini adalah sangat tinggi. Nilai koefisien pada analisis korelasi berganda ini
diperoleh dari persamaan berkut:
++++
=2
3322112...
Y
YXYXYXYXR
nn
3.5.1.4. Koefisien Determinasi (R2)
Setelah melakukan perhitungan analisis korelasi berganda, koefisien
determinasi (R²) digunakan untuk mengukur ketepatan variabel-variabel
independen pada model regresi dalam menerangkan jumlah variasi dalam variabel
dependen secara simultan. Jika nilai R² semakin mendekati 1, maka ketepatan
variabel-variabel independen dalam menerangkan jumlah variasi dalam variabel
dependen pada model regresi ini adalah sangat tinggi. Di bawah ini adalah rumus
dalam menentukan nilai koefisien determinasi:
KD = R2x 100%
Dimana:
KD = Koefisien Determinasi
R2 = Koefisien korelasi berganda
49
3.5.2. Pengujian Hipotesis
Merujuk pada kerangka pemikiran penelitian ini, hipotesis akan dirumuskan
sebagai jawaban sementara. Rumusan hipotesis ini akan diteliti melalui pengujian
dan pembuktian kebenarannya. Di bawah ini adalah hipotesis-hipotesis yang
dirumuskan:
a. Hipotesis Utama (Simultan)
H0 : β1(i,t) β2(i,t) β3(i,t) = 0
Tidak terdapat pengaruh Long-term Debt-to-Assets Ratio (LDAR), Debt-
to-Assets Ratio (DAR), dan Debt-to-Equity Ratio (DER) secara
bersamaan terhadap Return On Equity (ROE) perusahaan sub-sektor
Konstruksi Bangunan
H1 : β1(i,t) β2(i,t) β3(i,t) ≠ 0
Terdapat pengaruh Long-term Debt-to-Assets Ratio (LDAR), Debt-to-
Assets Ratio (DAR), dan Debt-to-Equity Ratio (DER) secara bersamaan
terhadap Return On Equity (ROE) perusahaan sub-sektor Konstruksi
Bangunan
Kedua hipotesis simultan di atas akan melalui pengujian hipotesis, yang
mana hipotesis tersebut akan diterima atau ditolak. Uji statistik f akan
dilakukan pada hipotesis simultan tersebut. Taraf signifikansi 5% akan
digunakan pada pengujian ini. Di bawah ini adalah rumus dan ketentuan
dalam pengambilan keputusan penerimaan ataupun penolakan hipotesis
simultan.
50
( ) ( )1kn/R1
k/RF
2
2
hitung−−−
=
Keterangan:
n = Jumlah anggota sampel
K = Jumlah variabel independen
R = Koefisien korelasi ganda
Ketentuan:
• Jika Fhitung< Ftabel, maka H0 diterima
• Jika Fhitung>Ftabel, maka H0 ditolak
• Jika Nilai Prob > Alpha (5%) , maka H0 diterima
• Jika Nilai Prob < Alpha (5%) , maka H0 ditolak
b. Sub Hipotesis (Parsial)
a. H0 : β1 = 0 ; Tidak terdapat pengaruh Long-term Debt-to-Assets Ratio
(LDAR) secara parsial terhadap Return On Equity (ROE) perusahaan
sub-sektor Konstruksi Bangunan
H0 : β1 ≠ 0 ; Terdapat pengaruh Long-term Debt-to-Assets Ratio
(LDAR) secara parsial terhadap Return On Equity (ROE) perusahaan
sub-sektor Konstruksi Bangunan
b. H0 : β2 = 0 ; Tidak terdapat Debt-to-Assets Ratio (DAR) secara parsial
terhadap Return On Equity (ROE) perusahaan sub-sektor Konstruksi
Bangunan
51
H0 : β2 ≠ 0 ; Terdapat Debt-to-Assets Ratio (DAR) secara parsial
terhadap Return On Equity (ROE) perusahaan sub-sektor Konstruksi
Bangunan
c. H0 : β3 = 0 ; Tidak terdapat pengaruh Debt-to-Equity Ratio (DER) secara
parsial terhadap Return On Equity (ROE) perusahaan sub-sektor
Konstruksi Bangunan
H0 : β3 ≠ 0 ; Terdapat pengaruh Debt-to-Equity Ratio (DER) secara
parsial terhadap Return On Equity (ROE) perusahaan sub-sektor
Konstruksi Bangunan
Pengaruh secara parsial akan dilakukan melalui ji statistik t. Pengujian ini
dilakukan pada satu variabel independen terhadap variabel dependen, dengan
asumsi bahwa variabel lain dianggap konstan. Di bawah ini adalah ketentuan dalam
pengujian hipotesis uji statistik T:
• Bila tsignifikan < 0,05 maka secara parsial variabel independen
berpengaruh terhadap variabel dependen.
• Bila tsignifikan > 0,05 maka secara parsial variabel independen tidak
berpengaruh terhadap variabel dependen.