3.1. Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian a sosia tif ka usa l, Menurut Sugiyono (2007 : 30) penelitian asosiatif kausal adalah “penelitian yang bertujuan menganalisis hubungan sebab akibat antara variabel independen (variabel yang mempengaruhi) dan variabel dependen (variabel yang dipengaruhi)”. Penelitian ini menguji pengaruh debt to equity ra tio, curr ent ra tio, dividen per sha re dan return on a ssets terhadap harga saham. Teknik pengolahan data dilakukan dengan menggunakan bantuan software eviews.
3.2. Populasi dan Sampel
Populasi dalam penelitian ini adalah perusahaan-perusahaan yang bergerak di sektor finansial yang tergabung dalam perhitungan Indeks KOMPAS 100 di Bursa Efek Indonesia mulai dari tahun 2007 sampai dengan tahun 2012 yang berjumlah 100 perusahaan.
Sampel dipilih berdasarkan kriteria sebagai berikut:
1. Perusahaan yang menjadi sampel penelitian adalah perusahaan-perusahaan yang bergerak di sektor finansial yang tergabung dalam perhitungan Indeks KOMPAS 100 tahun 2007-2012.
2. Perusahaan-perusahaan yang bergerak di sektor finansial tersebut mempublikasikan laporan keuangannya secara lengkap selama periode 2007-2012.
3. Perusahaan-perusahaan yang bergerak di sektor finansial tersebut sudah bergabung minimal 3 bulan dalam Indeks Kompas 100.
Populasi dalam penelitian ini adalah sebanyak 100 perusahaan. Berdasarkan kriteria tersebut, diperoleh sampel sebanyak 12 perusahaan yang diperlihatkan dalam tabel berikut ini:
Tabel 3.1
Daftar Sampel Perusahaan
No Nama Perusahaan Kode
1 Bank Sentral Asia Tbk. BBCA
2 Bank Bukopin Tbk. BBKP
3 Bank Negara Indonesia (Persero) Tbk. BBNI 4 Bank Rakyat Indonesia (Persero) Tbk. BBRI 5 Bank Tabungan Negara (Persero) Tbk. BBTN
6 Bank Danamon Indonesia Tbk. BDMN
7 PT MNC Investama Tbk. BHIT
8 Bank Pembangunan Daerah Jawa Barat dan Banten Tbk.
BJBR
9 Bank Mandiri (Persero) Tbk BMRI
10 Bank Pan Indonesia Tbk PNBN
11 Panin Financial Tbk PNLF
12 Sinarmas Multiartaha Tbk. SMMA
3.3. Jenis dan Teknik Pengumpulan Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data tersebut berupa ringkasan kinerja perusahaan perbankan yang bersumber dari situs resmi Bursa Efek Indonesia yaitu www.idx.co.id dan situs resmi Bank Indonesia yaitu www.bi.go.id. Data yang diperoleh adalah kombinasi (panel) antara data time series dan data cross-section. Data penelitian ini memiliki 6 time series (2007-2012) dan 12 cross section (perusahaan finansial).
Teknik pengumpulan data pada penelitian ini dilakukan dengan studi dokumentasi, yaitu dengan mempelajari, mengklasifikasikan, dan menganalisis data sekunder yang terkait dengan lingkup penelitian ini.
Metode pengumpulan data dlam penelitian ini dilakukan melalui dua tahap, yaitu:
a. Tahap pertama, dilakukan melalui studi pustaka yakni pengumpulan data pendukung berupa literature, penelitian terdahulu, dan laporan-laporan yang dipublikasikan untuk mendapat gambaran dari masalah yang akan diteliti. b. Tahap kedua, dilakukan melalui pengumpulan data sekunder melalui fasilitas
internet dengan mengakses situs-situs resmi yang berisi ringkasan kinerja perusahaan di sektor finansial yang tergabung dalam perhitugan Indeks KOMPAS 100 yang dipublikasikan oleh Bursa Efek Indonesia tahun 2007-2012.
3.4 Jenis Variabel Penelitian
Dalam penelitian ini jenis variabel yang digunakan adalah variabel dependen dan variabel independen. Untuk variabel dependen adalah Harga Saham dan variabel independen meliputi Debt to Equity Ratio (DER), Current Ratio (CR), Dividen Per Sha re (DPS), dan Return On Assets (ROA).
3.5. Defenisi Operasional dan Pengukuran Variabel
Variabel independen yang digunakan dalam penelitian ini adalah DER, CR, DPS, dan ROA. Dalam penelitian ini, yang menjadi variabel dependen adalah Harga Saham. Berikut ini merupakan tabel yang menyajikan konsep dan operasionalisasi dari variabel yang diteliti:
Tabel 3.2
Defenisi Operasional dan Pengukuran Variabel Jenis
Variabel
Nama Variabel
Defenisi Pengukuran Skala
Pengukuran Variabel Independen Debt to Equity Ratio (X1)
Kemampuan modal untuk
menjadi jaminan atas hutang � �
Rasio
Current Ratio (X2)
Kemampuan untuk membayar hutang yang akan jatuh tempo oleh Aktiva Lancar � � � � % Rasio Dividen Per Share (X3) Menunjukkan seluruh pembayaran dividen dalam angka per saham
� � ℎ ℎ � Rasio Return On Assets (X4) Kemampuan perusahaan dalam menghasilkan laba dari aktiva yang dipergunakan. � ℎ % Rasio Variabel Dependen Harga Saham (Y)
Harga yang ditentukan dari interaksi antara penjual dan pembeli saham
Rata-rata harga saham penutupan selama 1 periode tertentu
Rasio Sumber: Peneliti, 2014
3.6. Model Analisis Ekonometrika
Dalam menganalisis besarnya pengaruh variabel bebas yakni Debt to Equity Ratio (DER), Current Ratio (CR), Dividen Per Share (DPS), dan Return On Assets (ROA) terhadap harga saham digunakan model ekonometrika dengan meregresikan data panel yang ada dengan menggunakan metode Ordinary Least Square (OLS). Variabel-variabel tersebut ditransformasikan kedalam bentuk fungsi dan selanjutnya dibuat dalam bentuk persamaan regresinya, yaitu:
Y = f(X1, X2, X3, X4) ………. (1)
Kemudian model tersebut ditransformasi kedalam model persamaan regresi linear berganda dengan spesifikasi menggunakan model sebagai berikut:
Y = Yit = α + β1X1it + β2X2it + β3X3it +β4X4it + it……. (2) Dimana: i = Perusahaan (1,2………,12) t = Tahun (2007, 2008,…,2012) Y = Harga Saham α = Intercept / Konstanta β1 β2 β3 = Koefisien Regresi X1 = DER X2 = CR X3 = DPS X4 = ROA = Error term
3.7 Uji Akar Unit (Unit Root Test)
Untuk mengetahui apakah data panel yang digunakan stationer atau tidak stationer, salah satu caranya yang dapat dilakukan adalah menggunakan uji akar unit (unit root test). Panel data merupakan gabungan antara data cross section dan time series, maka tahap uji stationer juga perlu dilakukan.
Ide dasar uji akar unit dalam data panel adalah pengembangan dari unit root test dalam time series yang menggunakan metode Augmented Dicky Fuller (ADF). Ada perbedaan uji stationer di data panel dengan uji stationer di data time series, hal ini dikarenakan adanya pengruh individual dan waktu. Secara sistematis dapat dijelaskan dalam model:
Уi,t= ρtуit + xit it+ it……… (1) i = Perusahaan
t = Tahun (2007, 2008,…, 2012)
Jika diasumsikan α = ρ – 1 dengan lag ρi dan bervariasi antar cross section, maka uji hipotesisnya:
H0 : α = 0 (εempunyai akar unit) H1 : α < 0 (Tidak mempunyai akar unit)
Jika nilai ρt = 1 maka dikatakan bahwa variabel random Y memiliki unit root (akar unit). Jika data panel mempunyai akar unit maka dikatakan data tersebut bergerak secara random (random walk) dan data yang memiliki sifat random walk merupakan data yang tidak stationer sehingga akan menghasilkan regresi palsu. Oleh karena itu jika dilakukan regresi Yit pada lag Yit-1 dan mendapatkan nilai ρt = 1 maka data dikatakan tidak stationer. Inilah yang menjadi ide dasar unit root test untuk mengetahui apakah data stationer atau tidak. Formula unit root test dengan metode ADF adalah :
Jika diasumsikan α = ρ – 1 dengan lag ρi dan bervariasi antar cross section, maka uji hipotesisnya adalah:
H0 : α = 0 (εempunyai akar unit artinya data tidak stationer) H1 : α < 0 (Tidak mempunyai akar unit artinya data stationer)
Prosedur untuk menentukan apakah data stationer atau tidak dengan cara membandingkan antara nilai statistik dengan nilai kritisnya. Jika nilai absolut statistik lebih besar dari nilai kritisnya, maka data yang diamati menunjukkan stationer dan jika sebaliknya, nilai absolut statistik lebih kecil dari nilai kritisnya maka data tidak stationer.
3.8 Metode Analisis Data Panel
Data panel merupakan kombinasi dari data kerat lintang (cross section) dan data deret waktu (time series). Dengan menggunakan data panel, jumlah observasi yang dilakukan menjadi 72 data, yaitu jumlah data time series sebanyak 6 tahun dikalikan dengan banyaknya perusahaan yang diobservasi yaitu 12 perusahaan. Dengan data panel dapat pula ditangkap dinamika yang lebih baik dari hubungan antara harga saham dengan variabel-variabel yang mempengaruhinya.
Menurut Gujarati (2003), mengestimasi jenis data panel dengan OLS tidak konsisten dan efisien, sehingga disarankan untuk menggunakan metode Generalized Least Square (GLS). Dimana dalam metode ini dapat dianalisis dengan tiga model pendekatan yaitu:
a. Pendekatan Kuadrat Terkecil (Pooled Least Square)
Model ini mengasumsikan bahwa nilai intercept dari masing-masing variabel adalah sama dan slope koefisien dari variabel-variabel yang digunakan adalah identik untuk semua unit cross section. Persamaan yang digunakan adalah:
Yit = α + βX1it + βX2it + βX3it +βX4it + it ... (3) b. Uji Fixed Effect Model (FEM)
Model ini memiliki intercept persamaan yang tidak konstan atau terdapat perbedaan pada setiap individu (data cross section). Sementara itu, slope koefisien dari regresi tidak berbeda pada setiap individu dan waktu. Model FEM digunakan apabila data time series lebih besar dari data cross section. Persamaan yang digunakan adalah:
Yit = α + βX1it + βX2it + βX3it +βX4it + µi + it ... (4) Dimana:
µi = Komponen error cross section c. Uji Random Effect Model (REM)
Pada model ini, perbedaan antara individu terdapat di error term dari persamaan. Model ini memperhitungkan bahwa error term mungkin berkorelasi sepanjang time series dan cross section. Secara sistematis model REM dinyatakan sebagai berikut:
Yit = α + βXit + it ; it = µi+ νt+ ѡit ... (5) Dimana:
Yit = Variabel terikat untuk perusahaan ke-i dan waktu ke-t Xit = Variabel bebas untuk perusahaan ke-i dan waktu ke-t µi = Komponen error cross section
3.8. Uji Hausman (Hausman Test)
Uji Hausman dilakukan untuk menentukan penggunaan FEM ataukah REM. Ide dasar Uji Hausman adalah karena adanya hubungan yang berbanding terbalik antara model yang bias dengan model yang efisien. Pada FEM, hasil estimasi tidak bias dan tidak efisien, sebaliknya pada REM hasil estimasi bias dan efisien. Nachrowi (2005) menyatakan bahwa karena metode efek tetap diduga menggunakan OLS, maka dalam data panel, uji hausman dapat digunakan untuk melihat kelayakan penggunaan model panel.
Jika nilai statistik hausman lebih kecil dari nilai kritisnya atau hausman test tidak signifikan maka H0 diterima, maka model yang tepat adalah REM. Dan sebaliknya apabila nilai statistik Hausman lebih besar dari nilai kritisnya atau hasil dari hausman test signifikan maka H0 ditolak, berarti model yang tepat adalah FEM.
BAB IV