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.