Hipotesis III (perbedaan risiko sistamatik/ beta saham pada
METODOLOGI PENELITIAN
E. Metode Analisis Data 1. Teknik Analisis Data 1.Teknik Analisis Data
Analisis ini dilakukan secara kuantitatif dengan bantuan statistik dan ekonometrika, dalam penelitian ini teknik analisis data yang digunakan adalah analisis data panel yang merupakan gabungan dari data cross section dan time series,ada dua buah teknik yang biasanya digunakan untuk membuat model dari data panel yaitu Metode Efek Tetap (The Fixed Effect) dan Model Efek Random (The Random Effect) (Nachrowi dan Usman, 2006). Teknik analisis tersebut sesuai untuk menggambarkan
76 atau mendeskripsikan keterkaitan antara beberapa variabel dan dapat melihat fluktuasi keuntungan satu perusahaan pada periode waktu tertentu dan perbedaan keuntungan beberapa perusahaan pada suatu waktu.
Uji regresi data panel ini digunakan untuk menganalisis pengaruh antara ukuran perusahaan, book to market, beta, dan earning terhadap kondisi financial distress serta bersama-sama mempengaruhi return saham perusahaan pada perusahaan sektor manufaktur yang terdaftar di Bursa Efek Indonesia periode 2009-2013. Untuk membantu penelitian, peneliti akan menggunakan software pengolah data keuangan, Software Eviews version 7.1 untuk menjelaskan hubungan antara variabel independen dan variabel dependen melalui data panel. Software Microsoft Excel juga dipakai untuk mempermudah pengelolaan data seperti pembuatan grafik, tabel, perhitungan beta dan lain-lain.
Penggunaan data panel dalam sebuah observasi mempunyai beberapa keuntungan yang diperoleh. Pertama, data panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan lebih menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (omitted-variabel).
Menurut Baltagi (2005) beberapa keuntungan menggunakan data panel adalah sebagai berikut:
77 a. Analisis data panel memiliki kontrol terhadap heterogenitas data
individual dalam suatu periode waktu.
b. Analisis data panel menyajikan data yang lebih informatif, bervariasi, memiliki kolinearitas antar variabel yang kecil, memiliki derajat kebebasan yang lebih besar, dan lebih efisien.
c. Analisis data panel lebih tepat dalam mempelajari dinamika penyesuaian (dynamics of change).
d. Analisis data panel lebih baik mengidentifikasikan dan mengukur pengaruh-pengaruh yang secara sederhana tidak dapat terdeteksi dalam data time series dan cross section saja.
e. Model analisis data panel digunakan untuk membuat dan menguji model perilaku yang lebih komplek dibanding analisis data time series murni atau cross section murni.
f. Data panel mikro yang dikumpulkan pada skala individu, perusahaan, dan rumahtangga dapat lebih akurat diukur dari pada variabel yang sama yang diukur padatingkat makro.
g. Analisis data panel dalam level makro memiliki time series yang lebih panjang tidak seperti masalah jenis distribusi yang tidak standar dari unit root test dalamanlisis data time series.
Model Regresi Data Panel dalam penelitian ini adalah: Yit= α + β1X1it+ β2X2it+ β3X3it+ …… + eit
78 Yit = Variabel dependen ke-i dan waktu ke t
α = Konstanta X(1… dst)= Variabel independen β(1...5) = Koefisien regresi masing-masing variabel independen e = Error tern it = Perusahaan x Waktu Sesuai dengan tujuan penelitian yang telah diuraikan sebelumnya maka dalam penelitian ini dipergunakan 2 (dua) model. Model pertama melihat pengaruh size, book to market (BtM), beta, dan earning terhadap financial distress. Sedangkan pada model kedua akan melihat pengaruh size, book to market, beta, earning, dan financial distress terhadap return saham perusahaan.
Untuk pengelolahan data, digunakan regresi. Untuk melihat pengaruh log (Ukuran Perusahaan ), book to market (B/M) ,beta,dan earning terhadap financial distress digunakan regresi sebagai berikut:
ZScoreit = α + β1*(log SIZE)it+ β2*(BtM)it+ β3*(beta)it+ β4*(earning)it+ e Dimana:
Zscoreit = Variabel dependen (bankruptcy risk) ke-i dan waktu ke t α = Konstanta
Log SIZE = Variabel independen 1 (Log Ukuran Perusahaan ) BtM = Variabel independen 2 (Book to Market)
Beta = Variabel independen 3 (beta saham)
Earning = Variabel independen 4 (Earning per Share)
79
e = Error term
t = Waktu
i = Perusahaan
Sedangkan return saham diregresikan terhadap perhitungan bankrupty risk (ZScore), log Ukuran Perusahaan (SIZE), book to market (BtM), beta, dan earning perusahaan tersebut. Persamaan regresi yang dipergunakan sebagai berikut:
Retit = α + β1*(log SIZE)it+ β2*(BtM)it+ β3*(beta)it+ β4*(earning)it + β5*(Z-score) + e
Dimana:
Retit = Variabel dependen (Return saham) ke-i dan waktu ke t
α = Konstanta
Log SIZE = Variabel independen 1 (Log Ukuran Perusahaan ) BtM = Variabel independen 2 (Book to Market)
Beta = Variabel independen 3 (beta saham)
Earning = Variabel independen 4 (Earning per Share) Z-score = Variabel independen 5 (bankruptcy risk)
β (1...5) = Koefisien regresi masing-masing variabel independen
e = Error term
t = Waktu
80 Untuk mengestimasi parameter model dengan data panel, terdapat beberapa teknik yang ditawarkan (Nachrowi dan Usman, 2006), yaitu sebagai berikut:
1) Model Common Effect (Ordinary Least Square)
Model ini merupakan model yang paling sederhana. Dalam estimasinya diasumsikan bahwa setiap unit individu memiliki intersep dan slope yang sama (tidak ada perbedaan pada dimensi kerat waktu). Dengan kata lain, regresi panel data yang dihasilkan akan berlaku untuk setiap individu (Bambang, Juanda dan Junaidi, 2012). Secara sistematis Model Common dinyatakan sebagai berikut:
Yit= α + βXit+ εit; i = 1, 2, ….., N; t = 1, 2, ….., T Dimana:
Yit = variabel terikat untuk individu ke-i dan waktu ke t α = Konstanta
β = Koefisien regresi masing-masing variabel independen Xit = variabel bebas untuk individu ke-i dan waktu ke t N = banyaknya observasi
T = banyaknya waktu
εit = galat unit cross-sectional ke-i dan unit waktu ke-t 2) Model Efek Tetap (The Fixed Effect Model)
Model Efek Tetap (The Fixed Effect Model) adalah model regresi pada data panel yang didapatkan dengan asumsi bahwa unit cross
81 section dan time series yang digunakan dalam model sudah diketahui terlebih dahulu. MET dalam penelitian ini memiliki konstanta yang bervariasi pada unit cross section dan koefisien konstanta yang mengasumsikan bahwa perbedaan pengaruh dari unit cross section dan time series tercermin dari konstanta yang berbeda-beda.
Secara matematis model MET dinyatakan sebagai berikut (Nachrowi dan Usman, 2006):
Yit= α + βXit+ βW2t + 3W3t +... + nWnt + 2Zi2 + 3Zi3 +... + TZiT+ it
Dimana:
Yit = variabel terikat untuk individu ke-i dan waktu ke t Xit = variabel bebas untuk individu ke-i dan Waktu ke-t
Wit dan Zit variabel dummy yang didefinisakan sebagai berikut: 1 ; untuk individu i; i = 1, 2, ..., N
0 ; lainnya.
1 ; untuk individu i; i = 1, 2, ..., T 0 ; lainnya.
Dari model di atas terlihat bahwa model Fixed effect adalah sama dengan regresi yang menggunakan dummy variabel sebanyak variabel bebas, sehingga dapat diestimasi dengan Ordinary Least Square
Wit=
82 (OLS). Dengan menggunakan OLS maka akan diperoleh estimator yang tidak bias dan konsisten.
Model diatas telah ditambahkan sebanyak (N-1) + (T-1) variabel boneka dan menghilangkan dua sisanya untuk menghindari kolinearitas sempurna antar variabel penjelas. Dengan menggunakan model ini, maka akan diperoleh derajat kebebasan sebesar NT-2 – (N-1) – (T-1) atau NT-N-T. Penambahan variabel boneka pada fixed effect dapat mempengaruhi keefisienan dari parameter yang diestimasi.
3) Model Efek Random (The Random Effect Model)
Model ini disebut juga model komponen eror (Error Component Model). Sama seperti model efek tetap, model ini juga memungkinkan terjadi perbedaan nilai parameter intersep dan koefisien berbeda anta daerah dan antar waktu, namun diekspresikan dalam eror. Pada model ini gangguan diasumsikan bersifat acak untuk seluruh populasi.
Secara matematis model MER dinyatakan sebagai berikut (Nachrowi dan Usman,2006):
Yit = α + βXit+ it;εit= ui+ vt + wit Dimana :
ui = komponen error cross-section vt = komponene error time series
83 wit = komponen error gabungan
Adapun asumsi yang digunakan untuk komponen error adalah ui~ N (0,σu2); vt~ N (0,σv2); wit~ N (0,σw2
)
Dalam model efek acak, efek rata-rata dari data cross section dan time series diintreprestasikan dalam intercept. Sedangkan deviasi efek secara random untuk data time series diprestasikan dalam vt dan deviasi untuk data cross section dinyatakan dalam ut.
Model ini juga mengasumsikan bahwa error secara individu tidak saling berkolerasi, begitu juga dengan error kombinasinya. Dengan menggunakan model ini maka kita dapat menghemat pemakaian derajat kebebasan dan tidak mengurangi jumlah seperti pada fixed effect model. Hal ini berimplikasi pada parameter hasil estimasi akan menjadi efisien.
2. Tahap Analisis Data
a. Pemilihan Model Pooled Least Square, Fixed Effect dan Random