BAB III METODOLOGI PENELITIAN
E. Teknik Analisis Data
4. Mengklasifikasi Data
Penelitian ini menggunakan analisis statistik non-parametrik. Statistik non-parametrik disebut juga statistik bebas sebaran. Statistik non-parametrik tidak mensyaratkan bentuk parameter populasi. Statistik non-parametrik dapat digunakan pada data yang memiliki sebaran normal atau tidak. Statistik non-parametrik biasanya digunakan untuk melakukan analisis pada data nominal atau ordinal. Metode untuk mengklasifikasikan data menggunakan metode seriaton secara kelompok. Metode ini digunakan untuk menyusun data dalam kelompok-kelompok berdasarkan kelas interval tertentu sehingga dapat diperoleh secara tepat data yang terkecil dan yang terbesar dan mengelompokkan data menjadi beberapa
bagian apakah menjadi dua bagian atau lebih (Boedijoewono, 2012: 35-36).
a. Mengklasifikasi Data Price to Book Value
Ukuran data Price to Book Value(PBV) untuk menghitung nilai perusahaan memiliki ukuran data berskala rasio, pada pengklasifikasian ini ukuran data diubah menjadi skala ordinal. Skala ordinal merupakan skala peringkat yang datanya dinyatakan dalam bentuk kategori, dan posisi data tidak sama derajatnya (Wuri: 2016). Menurut Abdurrakhman (2015) Price to Book Value (PBV) dapat menggambarkan tentang ukuran harga saham berada diatas (overvalue) atau di bawah nilai bukunya (undervalue). Semakin tinggi angka Price to Book Value semakin tinggi juga nilai perusahaan dan sebaliknya semakin rendah angka Price to Book Value semakin rendah juga nilai perusahaan. Berdasarkan pernyataan tersebut, peneliti mengklasifikasikan data Price to Book Value ke dalam 2 kategori tingkatan. Klasifikasi data ini akan dilakukan dengan membagi angka yang dihasilkan dari perbandingan antara close price dan book value, kemudian dibuat kategori sebagai berikut:
Overvalue (=>1) : 1 Undervalue (<1) : 2
b. Mengklasifikasi Data Price Earnings Ratio
Ukuran data Price Earnings Ratio (PER) untuk menghitung keputusan investasi memiliki ukuran data berskala rasio, pada pengklasifikasian ini ukuran data diubah menjadi skala ordinal. Skala ordinal merupakan skala peringkat yang dimana data dinyatakan dalam bentuk kategori, dan posisi data tidak sama derajatnya (Wuri: 2016). Menurut Hadi (2013) Price Earnings Ratio yang besar menunjukan prospek perusahaan yang bagus dan resikonya rendah dan berlaku sebaliknya.Semakin tinggi angka Price Earnings Ratio semakin tinggi juga nilai perusahaan dan sebaliknya semakin rendah angka Price Earnings Ratio semakin rendah juga nilai perusahaan. Berdasarkan pernyataan tersebut, peneliti mengklasifikasikan data Price Earnings Ratio ke dalam 3 kategori tingkatan. Pengklasifikasian ini didasarkan dari distribusi frekuensi yang terbentuk pada hasil histogram melalui SPSS, kemudian membuat kategori Price Earnings Ratio sebagai berikut:
Rendah (0 - ≤ 10,00) : 1 Sedang (> 10,00 - ≤ 20,00) : 2 Tinggi (> 20,00) : 3
c. Mengklasifikasi Data Debt to Equity Ratio
Ukuran data Debt to Equity Ratio (DER) untuk menghitung keputusan pendanaan memiliki ukuran data berskala rasio, pada
pengklasifikasian ini ukuran data diubah menjadi skala ordinal. Skala ordinal merupakan skala peringkat yang data dinyatakan dalam bentuk kategori, dan posisi data tidak sama derajatnya (Wuri: 2016). Semakin tinggi angka Debt to Equity Ratio semakin tinggi juga nilai perusahaan dan sebaliknya semakin rendah angka Debt to Equity Ratio semakin rendah juga nilai perusahaan.Menurut Sariningsih, Paminto, Nadir (2012), dalam pendekatan konservatif besarnya hutang maksimal sama dengan modal sendiri, artinya Debt to Equity maksimal 100%. Jika lebih dari 100% akan meningkatkan resiko gagal bayar. Berdasarkan pernyataan tersebut, peneliti mengklasifikasikan data Debt to Equity Ratio ke dalam 2 kategori tingkatan, yaitu:
Baik (=<100%) : 1 Buruk (>100%) : 2
d. Mengklasifikasi Data Dividend Payout Ratio
Ukuran data Dividend Payout Ratio (DPR) untuk menghitung kebijakan dividen memiliki ukuran data berskala rasio, pada pengklasifikasian ini ukuran data diubah menjadi skala ordinal. Skala ordinal merupakan sekala peringkat yang dimana data dinyatakan dalam bentuk kategori, dan posisi data tidak sama derajatnya (Wuri:2016). Semakin tinggi angka Dividend Payout Ratio semakin tinggi juga nilai perusahaan dan sebaliknya semakin rendah angka
Dividend Payout Ratio semakin rendah juga nilai perusahaan. Menurut Sutrisno (2001:6) pembagian dividen yang besar bukannya tidak dinginkan investor, tetapi jika Dividend Payout Ratio lebih besar dari 25% dikuatirkan akan terjadi kesulitan likuidasi keuangan perusahaan dimasa yang akan datang. Hasilnya dividen biasanya akan dipertahankan pada jumlah konstan dan dinaikan, jika manajer yakin bahwa relatif mudah untuk mempertahankan kenaikan pembayaran tersebut dimasa yang akan datang.Berdasarkan pernyataan tersebut, peneliti mengklasifikasikan data Dividend Payout Ratio ke dalam 2 kategori tingkatan, yaitu:
Baik (=<25%) : 1 Buruk (>25%) : 2
e. Mengklasifikasi Data Tingkat Inflasi
Tingkat inflasi memiliki ukuran data berskala rasio, pada pengklasifikasian ini ukuran data diubah menjadi skala ordinal. Skala ordinal merupakan skala peringkat yang datanya dinyatakan dalam bentuk kategori, dan posisi data tidak sama derajatnya (Wuri: 2016). Semakin tinggi angka inflasi semakin rendah nilai perusahaan dan sebaliknya semakin rendah angka inflasi semakin tinggi nilai perusahaan. Menurut Waluyo (2003: 122), jika dilihat dari parah tidaknya inflasi dapat dibagi menjadi 4 kategori: inflasi ringan (10%/tahun), inflasi sedang (10%-30%/tahun), inflasi berat
(30%-100%/tahun), hiperinflasi (>100%/tahun). Data mengenai tingkat inflasi yang peneliti terima masuk ke dalam kategori inflasi ringan.Berdasarkan pernyataan tersebut, peneliti akan membagi kategori inflasi kedalam 3 kategori inflasi ringan, yaitu:
Rendah (3,00% - ≤ 4,00%) : 1 Sedang (> 4,00% - ≤ 5,00%) : 2 Tinggi (> 5,00%) : 3
f. Mengklasifikasi Data Tingkat Suku Bunga
Suku bunga memiliki ukuran data berskala rasio,pada pengklasifikasian ini ukuran data diubah menjadi skala ordinal. Skala ordinal merupakan skala peringkat yang data dinyatakan dalam bentuk kategori, dan posisi data tidak sama derajatnya (Wuri: 2016). Semakin tinggi angka suku bunga semakin rendah nilai perusahaan dan sebaliknya semakin rendah angka suku bunga semakin tinggi nilai perusahaan. Indonesia masuk kedalam negara yang memiliki suku bunga tinggi (alpari.com/suku_bunga_dunia).Berdasarkan pernyataan tersebut, data yang peneliti terima dari tahun 2010-2014 semua data suku bunga masuk ke dalam kategori tinggi, oleh karena itu peneliti akan mengklasifikasikan suku bunga ke dalam 3 kategori suku bunga tinggi, yaitu:
Rendah (5,50% - ≤ 5,75%) : 1 Sedang (> 5,75% - ≤ 6,00%) : 2
Tinggi (> 6,00%) : 3
