Pengaruh Struktur Modal terhadap Nilai Perusahaan

BAB III KERANGKA DAN HIPOTESIS PENELITIAN

3.2. Hipotesis Penelitian

3.2.3. Pengaruh Struktur Modal terhadap Nilai Perusahaan

Dalam penelitian ini, pengaruh struktur modal diukur melalui Debt to Equity Ratio. Debt to Equity Ratio merupakan suatu rasio yang membandingkan antara total hutang dengan total ekuitas (mnodal) perusahaan.

Trade Off Theory yang dikembangkan oleh Modigliani dan Miller (1963) merupakan teori yang sesuai dalam menggambarkan hubungan struktur modal dengan nilai perusahaan, karena besarnya struktur modal yang optimal menandakan bahwa adanya keseimbangan antara manfaat dan pengorbanan yang timbul atas penggunaan hutang. Peningkatan hutang pada tingkat tertentu dapat digunakan untuk memaksimalkan kinerja operasional perusahaan dalam meningkatkan laba dan dividen yang dibagikan. Hal ini mampu menarik minat internal (investor dan masyarakat) untuk berinvestasi, sehingga harga saham perusahaan tersebut semakin tinggi, yang menandakan bahwa terjadi peningkatan nilai perusahaan. Penelitian sebelumnya terkait hubungan struktur modal dengan nilai perusahaan sudah dilakukan oleh Hirdinis (2019). Mereka menyatakan bahwa struktur modal memiliki pengaruh yang positif dan signifikan terhadap nilai perusahaan. Selain itu, penelitian Alamsyah dan Muchlas (2018) juga menyimpulkan hal yang sama, yaitu struktur modal memiliki pengaruh positif terhadap nilai perusahaan. Hasil yang sama juga disimpulkan oleh Rehman (2016) dalam penelitiannya. Berdasarkan penjabaran tersebut, maka hipotesis ke 3 dalam penelitian ini adalah :

H3 : Struktur modal berpengaruh positif terhadap nilai perusahaan.

3.2.4. Pengaruh Kebijakan Deviden dalam memoderasi Profitabilitas, Likuiditas, dan Struktur Modal terhadap Nilai Perusahaan

Kebijakan dividen digunakan sebagai variabel moderasi karena peningkatan nilai perusahaan dapat dilakukan dengan cara membagikan dividen tunai kepada investor. Bird-in-the-hand theory yang dikemukakan oleh Lintner (1964) dan Gordon (1963) mendukung hubungan antara kebijakan dividen dengan nilai perusahaan. Teori ini menjelaskan jika nilai perusahaan secara positif ditentukan oleh pembayaran dividen. Investor lebih cenderung menghendaki pembayaran dividen yang tinggi dilakukan sesuai waktu berjalan saat ini (bukan untuk jangka waktu yang panjang). Semakin besar jumlah dividen yang dibayarkan, maka harga saham suatu perusahaan juga akan semakin tinggi, dan akan berdampak kepada peningkatan nilai perusahaan.

Tingkat profitabilitas yang tinggi diprediksi dapat mempengaruhi nilai perusahaan. Menurut Rochmah dan Fitria (2017), kebijakan dividen mampu memoderasi pengaruh profitabilitas terhadap nilai perusahaan. Hal ini juga sejalan dengan hasil penelitian Prasetya dan Musdholifah (2020). Berdasarkan uraian tersebut, maka hipotesis ke 4 dirumuskan sebagai berikut :

H4 : Kebijakan deviden dapat memoderasi pengaruh profitabilitas terhadap nilai perusahaan.

Mery (2017) dalam penelitiannya menjelaskan bahwa likuiditas merupakan suatu arus kas yang mencerminkan kinerja manajemen keuangan dalam mengambil keputusan keuangan. Apabila arus kas suatu perusahaan baik, maka perusahaan mampu menghasilkan laba dan membagikan dividen kepada

para investor. Karena pembayaran dividen merupakan aliran kas keluar perusahaan dan juga kewajiban jangka pendek di posisi likuiditas. Sehingga, apabila arus kas perusahaan baik, maka perusahaan dinilai mampu memenuhi kewajiban jangka pendeknya dan pendistribusian dividen kepada investor dapat dijalankan. Hasil penelitian Mery (2017) menunjukkan bahwa kebijakan deviden mampu memoderasi hubungan likuiditas terhadap nilai perusahaan. Hal ini sejalan dengan hasil penelitian yang dilakukan oleh Prasetya dan Musdholifah (2020), yang menunjukkan bahwa kebijakan dividen mampu memoderasi hubungan likuiditas terhadap nilai perusahaan. Berdasarkan uraian tersebut, maka hipotesis ke 5 dalam penelitian ini ialah :

H5 : Kebijakan deviden dapat memoderasi pengaruh likuiditas terhadap nilai perusahaan.

Pengukuran struktur modal dalam penelitian ini diproyeksikan melalui struktur modal (Dividend Payout Ratio). Jika perusahaan menggunakan utang sebagai alternatif kebutuhan pembayaran dividen maka nilai perusahaan akan meningkat. Kebijakan dividen mampu meningkatkan nilai perusahaan pada saat struktur modal tinggi dan kebijakan dividen dapat menurunkan nilai perusahaan pada saat struktur modal rendah. Penelitian yang dilakukan oleh Nurhayati dan Kartika (2020), menyatakan bahwa kebijakan dividen mampu memperkuat pengaruh struktur modal terhadap nilai perusahaan. Hal ini sejalan dengan hasil penelitian Oktaviani dan Mulya (2018). Begitu juga dengan hasil penelitian Burhanudin dan Nuraini (2018) yang menyatakan bahwa kebijakan dividen mampu memoderasi hubungan struktur modal terhadap nilai perusahaan secara

siginifikan. Berdasarkan uraian tersebut, maka dapat dirumuskan hipotesis ke 6 dalam penelitian ini ialah sebagai berikut :

H6 : Kebijakan deviden dapat memoderasi pengaruh struktur modal terhadap nilai perusahaan.

BAB IV

METODE PENELITIAN

4.1. Desain Penelitian

Dalam penelitian ini, pendekatan yang digunakan ialah pendekatan kuantitatif, guna menguji hipotesis melalui pengukuran variabel dengan menggunakan prosedur statistika. Pendekatan kuantitatif merupakan metode penelitian yang digunakan untuk meneliti populasi sampel tertentu, bertujuan untuk menguji hipotesis yang telah ditetapkan. Penelitian ini termasuk penelitian eksplanatori, yaitu penelitian yang bertujuan untuk menganalisis hubungan antara satu variabel dengan variabel lainnya untuk menguji suatu teori atau hipotesis yang telah ada sebelumnya. Penelitian eksplanatori disebut juga penelitian kausal.

4.2. Definisi Operasional Variabel

Definisi operasional merupakan penentuan konstrak atau sifat yang akan dipelajari sehingga menjadi variabel yang dapat diukur Sugiyono (2016). Secara umum, definisi operasional menjabarkan makna maupun skala pengukuran tiap - tiap variabel yang diteliti. Penelitian ini menggunakan 5 (lima) variabel, yang terdiri dari profitabilitas, likuiditas, struktur modal (sebagai variabel independen), nilai perusahaan (sebagai variabel dependen), dan kebijakan deviden (sebagai variabel moderasi). Skala pengukuran variabel dalam penelitian ini menggunakan skala rasio, yaitu skala pengukuran yang mencakup seluruh karakteristik pada skala nominal, ordinal, dan interval.

4.2.1. Variabel Dependen (Terikat)

Menurut Sugiyono (2016), variabel dependen (terikat) merupakan variabel yang dipengaruhi atau menjadi akibat karena adanya variabel bebas. Variabel terikat yang digunakan dalam penelitian ini adalah nilai perusahaan. Nilai perusahaan merupakan nilai perusahaan adalah kinerja perusahaan yang dicerminkan oleh harga saham yang dibentuk oleh permintaan dan penawaran pasar modal yang merefleksikan penilaian masyarakat terhadap kinerja perusahaan. Nilai perusahaan sangat penting dalam mengukur kinerja perusahan.

Dalam penelitian ini, nilai perusahaan diukur dengan Price Earning Ratio (PER) dan dilambangkan sebagai Y. Price Earning Ratio (PER) adalah rasio harga saham per lembar dibagi dengan laba bersih per lembar saham. Laba bersih per lembar saham atau Earning Per Share merupakan jumlah laba bersih yang didistribusikan perusahaan pada tiap lembar saham yang beredar pada saham biasa. PER dapat dihitung dengan menggunakan rumus sebagai berikut:

𝑃ER (𝑌) = 𝐻𝑎𝑟𝑔𝑎 saham 𝑝𝑒𝑟 𝑙𝑒𝑚𝑏𝑎𝑟

𝑥 100%

Laba bersih 𝑝𝑒𝑟 𝑙𝑒𝑚𝑏𝑎𝑟 (EPS)

4.2.2. Variabel Independen (Bebas)

Variabel independen adalah variabel yang mempengaruhi atau menjadi sebab perubahannya atau timbulnya Variabel Dependen (terikat) (Sugiyono 2016).

Dalam penelitian ini, variabel independen yang digunakan terdiri dari profitabilitas (Return On Equity), likuiditas (Current Ratio), dan struktur modal (Debt to Equity Ratio). Berikut ini merupakan penjelasan dari masing-masing variabel independent tersebut.

1. Profitabilitas (ROE)

Profitabilitas merupakan kemampuan perusahaan dalam menghasilkan laba yang berasal dari penjualan barang atau jasa yang diproduksinya, dengan Return On Equity (ROE) sebagai indikator pengukuran variabel dan disimbolkan dengan X1. ROE adalah rasio untuk mengukur laba bersih sesudah pajak dengan modal sendiri.

ROE (X1) = 𝐿𝑎𝑏𝑎 𝐵𝑒𝑟𝑠iℎ 𝑆𝑒𝑡𝑒𝑙𝑎ℎ 𝑃𝑎j𝑎𝑘

𝑥 100%

𝐸𝑘𝑢i𝑡𝑎𝑠 2. Likuiditas (CR)

Likuiditas merupakan kemampuan perusahaan untuk memenuhi kewajiban finansial yang berjangka pendek tepat pada waktunya, dengan Current Ratio (CR) sebagai indikator pengukurannya yang dilambangkan X2. Current Ratio (CR) adalah rasio yang digunakan untuk mengukur kemampuan sebuah perusahaan dalam melunasi kewajiban jangka pendek menggunakan seluruh aset jangka pendeknya.

CR (X2) = 𝑇𝑜𝑡𝑎𝑙 𝐴𝑘𝑡i𝑣𝑎 𝑙𝑎𝑛𝑐𝑎𝑟

𝑇𝑜𝑡𝑎𝑙 𝐾𝑒𝑤𝑎ji𝑏𝑎𝑛 𝐿𝑎𝑛𝑐𝑎𝑟 𝑥 100%

3. Struktur Modal (DER)

Struktur modal merupakan perbandingan antara hutang dan modal sendiri.

Struktur modal diukur melalui Debt to Equity Ratio, yang disimbolkan dengan X3. Debt to Equity Ratio (DER) membandingkan antara penggunaan hutang dengan modal sendiri.

DER (X3) = 𝑇𝑜𝑡𝑎𝑙 𝐾𝑒𝑤𝑎ji𝑏𝑎𝑛

𝑥 100%

𝑇𝑜𝑡𝑎𝑙 𝐸𝑞𝑢i𝑡𝑎𝑠

4.2.3. Variabel Moderating

Variabel moderating yaitu variabel independen yang akan memperkuat atau memperlemah hubungan antara variabel independen lainnya terhadap variabel dependen (Ghozali, 2014). Kebijkan deviden merupakan variabel yang memoderasi hubungan antara variabel independen dan dependen dalam penelitian ini. Kebijakan dividen adalah keputusan apakah laba yang diperoleh perusahaan akan dibagikan kepada pemegang saham sebagai dividen atau akan ditahan dalam bentuk laba ditahan guna pembiayaan investasi di masa datang. Indikator yang digunakan untuk mengukur kebijakan dividen ialah Dividend Payout Ratio (DPR), yang dilambangkan dengan Z. DPR merupakan rasio pengukuran tentang proporsi pembagian dividen yang dibagikan kepada pemegang saham. Rasio DPR disajikan dalam rumus sebagai berikut:

𝐷𝑃𝑅 (𝑍) = 𝐷i𝑣i𝑑𝑒𝑛 𝑝𝑒𝑟 𝑙𝑒𝑚𝑏𝑎𝑟 𝑠𝑎ℎ𝑎𝑚

𝑥 100%

𝐿𝑎𝑏𝑎 𝑝𝑒𝑟 𝑙𝑒𝑚𝑏𝑎𝑟 𝑠𝑎ℎ𝑎𝑚

4.3. Populasi, Sampel, dan Teknik Pengambilan Sampel

Populasi adalah wilayah generalisasi yang terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono (2016). Populasi dalam penelitian ini adalah seluruh perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia (BEI) selama tahun 2011 hingga 2019, berjumlah sebanyak 47 perusahaan, berhubung data terkait kebijakan dividen tahun 2020 baru disajikan pada laporan keuangan tahunan di 2021. Sampel penelitian ditentukan dengan metode purposive sampling yaitu teknik penentuan sampel dengan

pertimbangan tertentu (Sugiyono, 2016). Adapun kriteria perusahaan pertambangan yang dijadikan sampel antara lain:

1. Perusahaan pertambangan di sektor “Batu Bara” yang terdaftar di BEI periode 2011 - 2019.

2. Perusahaan yang mempublikasikan laporan keuangan selama tahun 2011 - 2019.

3. Perusahaan yang memiliki data yang berkaitan dengan rasio profitabilitas, likuiditas, dan struktur modal selama tahun 2011 - 2019.

4. Perusahaan yang melakukan pembagian dividen diantara tahun 2011 - 2019.

Berdasarkan kriteria tersebut, maka diperoleh 11 perusahaan publik sektor pertambangan yang menjadi sampel penelitian dengan 99 unit analisis (11 x 9 tahun). Berikut ini adalah daftar perusahaan pertambangan sektor batu bara yang menjadi sampel penelitian.

Tabel 4.1 Daftar Sampel Perusahaan Pertambangan Sektor Batu Bara

No. Kode Populasi Kriteria

Sampel

1 2 3 4

8. BYAN PT Bayan Resource Tbk √ √ √ √ 2

9. BSSR PT Baramulti Suksessarana

Tbk ^√ ^√ ^√ ^√ 3

10. PTBA PT Bukit Asam Tbk √ √ √ √ 4

11. DOID PT Delta Dunia Makmur Tbk √ √ √ -

12. DEWA PT Darma Henwa Tbk √ √ - -

13. DSSA PT Dian Swastika Sentosa Tbk √ √ √ -

14. GEMS PT Golden Energy Mines Tbk √ √ √ √ 5

15. HRUM PT Harum Energy Tbk √ √ √ √ 6

16. INDY PT Indika Energy Tbk √ √ √ √ 7

17. ITMG PT Indo Tambangraya Megah

Tbk ^√ ^√ ^√ ^√ 8

18. MBAP PT Mitrabara Adiperdana Tbk √ √ - -

19. PTRO PT Petrosea Tbk √ √ √ √ 9

20. KKGI PT Resource Alam Indonesia

Tbk ^√ ^√ ^√ ^√ 10

21. SMMT PT Golden Eagle Energy Tbk √ √ - -

22. SMRU PT SMR Utama Tbk √ √ √ -

23. TOBA PT Toba Bara Sejahtra Tbk √ √ √ √ 11

Sumber : www.idx.co.id

4.4. Teknik Pengumpulan Data

Penelitian ini dilakukan pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia tahun 2011 - 2019. Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh melalui metode dokumentasi.

Metode dokumentasi merupakan metode pengumpulan data dengan cara mengumpulkan laporan keuangan dan informasi lain yang diperlukan sehubungan dengan penelitian. Pengumpulan data dilakukan dengan cara mengunduh laporan – laporan keuangan tahunan yang diterbitkan di Bursa Efek Indonesia (BEI) melalui situs www.idx.co.id.

4.5. Teknik Analisis Data

Data-data yang terdapat dalam penelitian ini akan dianalisis dan diuji dengan beberapa metode analisis melalui aplikasi Eviews 10, yaitu :

1. Analisis statistik deskriptif 2. Uji Asumsi Klasik

3. Estimasi model regresi data panel 4. Uji Hipotesis

5. Moderated Regression Analysis (MRA)

4.5.1 Analisis Statistik Deskriptif

Statistik deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan

yang berlaku untuk umum. Statistik deskriptif digunakan untuk mendeskripsikan variabel-variabel yang ada dalam penelitian ini. Alat analisis yang digunakan adalah nilai minimum, nilai maksimum, rata-rata (mean) dan standar deviasi.

4.5.2 Uji Asumsi Klasik

Uji asumsi klasik merupakan prasyarat analisis regresi data panel.

Sebelum melakukan pengujian hipotesis yang diajukan dalam penelitian perlu dilakukan pengujian asumsi klasik yang meliputi Uji Normalitas, Uji Multikolinieritas, Uji Heteroskedastisitas dan Uji Autokorelasi. Namun demikian, tidak semua uji asumsi klasik harus dilakukan pada setiap model regresi dengan metode Ordinary Least Square/OLS (Basuki dan Prawoto, 2016).

1. Uji Normalitas

Uji Normalitas bertujuan untuk menguji apakah dalam model regresi panel variabel-variabelnya berdistribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Melalui program eviews, normalitas sebuah data dapat diketahui dengan membandingkan nilai Jarque-Bera (JB) dan nilai Chi Square tabel. Hipotesis yang digunakan adalah sebagai berikut:

H0 : β1 = 0 {data berdistribusi normal}

H1 : β1 ≠ 0 {data tidak berdistribusi normal}

Pedoman dalam pengambilan kesimpulan adalah sebagai berikut:

1.1 Jika nilai Probability > 0,05 maka distribusi adalah normal 1.2 Jika nilai Probability < 0,05 maka distribusi adalah tidak normal

2. Uji Multikolinieritas

Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen (Ghozali, 2014). Jika variabel independen saling berkorelasi, maka variabel tidak orthogonal. Cara untuk mendeteksi ada tidaknya multikolinearitas di dalam regresi adalah:

2.1 Jika nilai koefisien kolerasi (R2) > 0,80, maka data tersebut terjadi multikolinearitas

2.2 Jika nilai koefisien kolerasi (R2) < 0,80, maka data tersebut tidak terjadi multikolinearitas

3. Uji Heteroskedastisitas

Pengujian ini bertujuan untuk menguji apakah terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan yang lain dalam model regresi.

Jika varians dari suatu pengamatan ke pengamatan yang lain sama maka disebut homokedastisitas. Dan jika varians berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heterokedastisitas (Ghozali, 2014). Untuk mendeteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan Uji Glejser, yakni dengan cara meregresikan nilai mutlaknya. Hipotesis yang digunakan adalah sebagai berikut :

H0 : β1 = 0 {tidak ada masalah heteroskedastisitas}

H1 : β1 ≠ 0 {ada masalah heteroskedastisitas}

Pedoman yang akan digunakan dalam pengambilan kesimpulan Uji Glejser adalah sebagai berikut :

3.1 Jika nilai probability < 0,05 maka H0 ditolak, artinya ada masalah heteroskedastisitas

3.2 Jika nilai probability > 0,05 maka H0 diterima, artinya tidak ada masalah heteroskedastisitas

4. Uji Autokorelasi

Uji autokorelasi dilakukan untuk mengetahui ada tidaknya korelasi (non autocorelation) antara faktor penganggu yang satu dengan lainnya dalam suatu model regresi linier (Ghozali, 2014). Untuk menguji ada tidaknya autokorelasi dapat digunakan tes Durbin Watson. Pengujian autokorelasi dilakukan hanya untuk data yang bersifat time series dan autokorelasi hanya terjadi pada data time series. Pengujian autokorelasi pada data yang tidak bersifat time series (cross section atau panel) akan menjadi sia-sia semata atau tidak berarti.

4.5.3 Estimasi Model Regresi Data Panel

Metode analisis data yang digunakan untuk menguji variabel – variabel dalam penelitian ini adalah analisis regresi data panel. Menurut Basuki dan Prawoto (2016) Data Panel merupakan gabungan antara data runtut waktu (time series) dan data silang (cross section). Data time series merupakan data yang terdiri atas satu atau lebih variabel yang akan diamati pada satu unit observasi dalam kurun waktu tertentu. Sedangkan data cross section adalah data observasi dari beberapa unit observasi dalam satu titik waktu. Pemilihan data panel

dikarenakan di dalam penelitian ini menggunakan rentang waktu beberapa tahun dan juga banyak perusahaan. Data time series digunakan karena penelitian ini menggunakan rentang waktu sembilan tahun yaitu dari tahun 2011-2019.

Sedangkan data cross section dilihat dari adanya beberapa perusahaan (pooled) yang dijadikan sampel penelitian.

Menurut Basuki dan Prawoto (2016), keunggulan penggunaan data panel diantaranya sebagai berikut:

1. Data panel mampu memperhitungkan heterogenitas individu secara eksplisit dengan mengizinkan variabel spesifik individu.

2. Data panel dapat digunakan untuk menguji, membangun dan mempelajari model-model perilaku yang kompleks.

3. Data panel mendasarkan diri pada observasi yang bersifat cross section yang berulang-ulang (time series), sehingga cocok digunakan sebagai study of dynamic adjustment.

4. Data panel memiliki implikasi pada data yang lebih informatif, lebih bervariatif dan dapat mengurangi kolinieritas antarvariabel, derajat kebebasan (degree of freedom/df) yang lebih tinggi sehingga dapat diperoleh hasil estimasi yang lebih efisien.

5. Data panel dapat digunakan untuk meminimalkan bias yang mungkin ditimbulakan oleh agregasi data individu.

6. Data panel dapat mengukur dampak secara terpisah di observasi dengan menggunakan data time series ataupun cross section.

Kesulitan utama dalam model penelitian data panel adalah faktor pengganggu yang berpotensi mengandung gangguan, karena adanya penggunaan observasi runtut waktu (time series) dan antar ruang (cross section), serta gangguan yang disebabkan keduanya. Penggunaan observasi cross section memiliki potensi terjadinya ketidak konsistenan parameter regresi karena skala data yang berbeda, sedangkan observasi dengan data time series menyebabkan terjadinya autokolerasi antar observasi.

Model regresi data panel terdiri dari:

1. Model data cross section

Yi = α + β Xi + εi ; i = 1,2,...,N. ... (1) N : banyaknya data cross section

2. Model data time series

Yt = α + β X t + ε t ; t = 1,2,...,T. ... (2) T : banyaknya data time series

Gabungan dari kedua model tersebut merupakan model data panel, dirumuskan sebagai berikut:

Yit = α + β X it + ε it ; i = 1,2,..., N; t = 1,2,...,T. ... (3) N = banyaknya observasi

T = banyaknya waktu

N x T = banyaknya data panel

Oleh karena itu, persamaan regresi data panel dalam penelitian ini dapat dituliskan sebagai berikut :

Yit = α + β1 X1 it + β2 X2 it + β3 X3 it + ε it

Dimana:

Yit = Nilai Perusahaan (variabel dependen) X1 = Profitablitas (variabel independen) X2 = Likuiditas (variabel independen) X3 = Struktur Modal (variabel independen) α = Konstanta

β = Koefisien regresi variabel independen dan variabel moderating ε = Error term

t = Waktu i = Perusahaan

Dalam regresi data panel, terdapat tiga model estimasi yang dapat digunakan (Basuki dan Prawoto, 2016), antara lain sebagai berikut:

1. Model Efek Umum (Common Effect Model atau Pooled Least Square (PLS) Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel. Model Common Effect (CEM) merupakan model dengan koefisien intercept dan slope yang tidak berbeda (konstan), sehingga tidak memperhatikan dimensi waktu maupun individu (Gujarati, 2009). Formula dari Common Effect Model dapat ditampilkan melalui persamaan sebagai berikut :

𝑌 it =𝛼 + βX it + 𝜀 it

2. Model Efek Tetap (Fixed Effect Model)

Model ini mengasumsikan bahwa perbedaan antarindividu dapat diakomodasi dari perbedaan intersepnya, dimana setiap individu merupakan parameter yang tidak diketahui. Oleh karena itu, untuk mengestimasi data panel model fixed effect, digunakan teknik variabel dummy untuk menangkap perbedaan intersep antar perusahaan, yang dapat terjadi karena adanya perbedaan budaya kerja, manajerial, dan insentif. Namun demikian, slopnya sama antar perusahaan. Model estimasi ini disebut juga dengan teknik Least Square Dummy Variable (LSDV). LSDV dapat diterapkan untuk efek tiap individu dan waktu yang bersifat sistemik, melalui penambahan variabel dummy waktu di dalam model. Rumus Fixed Effect Model ialah sebagai berikut:

Y it = α + βX it + α it + ε it

Dimana, α it merupakan efek tetap di waktu t untuk unit cross section i.

3. Model Efek Random (Random Effect Model)

Model ini akan mengestimasi data panel di mana variabel gangguan mungkin saling berhubungan antarwaktu dan antarindividu. Berbeda dengan fixed effect model, efek spesifik dari masing-masing individu diperlakukan sebagai bagian dari komponen error yang bersifat acak (random) dan tidak berkorelasi dengan variabel penjelas yang teramati. Keuntungan menggunakan random effect model ini yakni dapat menghilangkan heteroskedastisitas. Model ini disebut juga dengan Error Component Model (ECM). Metode yang tepat untuk mengakomodasi model random effect ini adalah Generalized Least Square (GLS), dengan asumsi komponen error

bersifat homokedastik dan tidak ada gejala cross-sectional correlation.

Random Effect Model secara umum dapat diformulasikan sebagai berikut:

Y it = α + βX it + w it , adapun w it = ε it + u i Dimana :

𝜀i ~ N (0, σv2) = merupakan komponen time series error ui~ N (0,σu2) = merupakan komponen cross section error wi~ N (0, σw2) = merupakan time series dan cross section error

4.5.3.1 Metode Pemilihan Model

Untuk memilih model yang terbaik diantara ketiga model tersebut,maka dilakukan beberapa metode pengujian, yaitu melalui uji Chow, uji Hausman, dan uji Lagrange Multiplier. Penjelasan lebih lanjut mengenai ketiga metode pengujian tersebut adalah sebagai berikut (Basuki dan Prawoto, 2016) :

1. Uji Chow

Uji ini dilakukan untuk menentukan model common effect atau fixed effect yang paling tepat digunakan dalam mengestimasi data panel. Untuk melakukan uji chow, data diregresikan terlebih dahulu dengan menggunakan model common effect dan fixed effect, kemudian dilakukan fixed/random effect testing dengan menggunakan redundant fixed effect – likelihood ratio.

Selanjutnya, dibuat hipotesis untuk di uji, yaitu sebagai berikut : H0 : maka digunakan model common effect

H1 : maka digunakan model fixed effect

Pedoman yang akan digunakan dalam pengambilan kesimpulan uji chow adalah sebagai berikut:

1.1 Jika nilai Probability Cross-section Chi-square < α (5%), maka H0 ditolak, yang berarti model fixed effect yang dipilih.

1.2 Jika nilai Probability Cross-section Chi-square > α (5%), maka H0 diterima, yang berarti model common effect yang dipilih.

2. Uji Hausman

Uji ini dilakukan untuk menentukan model fixed effect atau random effect yang paling tepat digunakan dalam mengestimasi data panel. Untuk melakukan uji hausman, data juga diregresikan dengan model fixed effect dan random effect, kemudian dilakukan fixed/random effect testing dengan menggunakan correlated random effect – hausman test. Hipotesisnya ialah:

H0 : maka digunakan model random effect H1 : maka digunakan model fixed effect

Pedoman yang akan digunakan dalam pengambilan kesimpulan uji hausman adalah sebagai berikut:

2.1 Jika nilai Probability Cross-section Random < α (5%), maka H0 ditolak, yang berarti model fixed effect yang dipilih.

2.2 Jika nilai Probability Cross-section Random > α (5%), maka H0 diterima, yang berarti model random effect yang dipilih.

3. Uji Lagrange Multiplier

Uji ini dilakukan untuk menentukan model random effect atau common effect yang paling tepat digunakan dalam mengestimasi data panel. Untuk

melakukan uji LM, data juga diregresikan dengan model random effect dan common effect, kemudian dilakukan fixed/random effect testing dengan menggunakan omitted random effect – lagrange multiplier. Selanjutnya, dibuat hipotesis untuk diuji, yaitu sebagai berikut :

H0 : maka digunakan model common effect H1 : maka digunakan model random effect

Metode perhitungan uji LM yang digunakan dalam penelitian ini ialah metode Breusch-Pagan, yaitu metode yang paling banyak digunakan oleh para peneliti untuk perhitungan uji LM. Adapun pedoman pengambilan

Dalam dokumen Tesis Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana S2 Program Studi Magister Akuntansi. Oleh: Emelia Febrinawaty Cordiaz (Halaman 56-0)