METODELOGI PENELITIAN A.Ruang Lingkup Penelitian
C. Metode Pengumpulan Data
1. Statistik Deskriptif
Statistik deskriptif dalam penelitian pada dasarnya merupakan proses transformasi data penelitian dalam bentuk tabulasi sehingga mudah dipahami dan diinterpretasikan ukuran statistik deskriptif yang digunakan adalah minimum, maksimum, mean dan standar deviasi (Indriantoro dan Supomo, 2002:170) dalam Verawati (2008).
2. Pengujian Hipotesis Pertama (H1)
Pada pengujian hipotesis pertama (H1) maka untuk melihat perbedaan yang signifikan antara rasio keuangan perusahaan sebelum dan sesudah merger dan akuisisi. Dalam penelitian ini menggunakan Uji Wilcoxon Signed Rank Test, pengujian ini digunakan untuk menguji dua sampel yang berhubungan antara sebelum dan sesudah merger dan akuisisi. Jika probabilitas > 0,05 maka berarti tidak ada perbedaan, dan sebaliknya jika probabilitas < 0,05 berarti ada perbedaan antara dua sampel tersebut. Pengujian hipotesis pertama dalam penelitian ini menggunakan uji statistik non parametrik. Menurut Manurung (1996) dalam Payamta (2004) data yang ada di Bursa Efek Indonesia tidak menceminkan data yang terdistribusi secara normal, sehingga dengan metode statistik non parametrik lebih sesuai dalam melakukan penelitian yang menggunakan data BEI.
Rumus Uji Wilcoxon Signed Rank Test (Anderson Sweeney : 2002) dalam Kania (2008).
Z hitung = T - µ1 σ1
Ketetangan : T = Jumlah tanda peringkat
µ1 = Data tanda peringkat n (n + 1)
4
σ1 = Standar deviasi statistik sampel √ n (n + 1)(2n + 1) 24
n = Jumlah data
3. Pengujian Hipotesis Kedua (H2)
Sebelum melakukan pengujian terhadap hipotesis kedua (H2) perlu dilakukan uji normalitas untuk mengetahui metode statistik yang akan digunakan, jika data berdistribusi normal maka uji statistik parametrik yang akan digunakan dan sebaliknya jika data berdistribusi tidak normal maka uji non parametrik yang
akan digunakan. Pada hipotesis kedua (H2) akan diuji menggunakan uji Mann-Whitney Test jika data berdistribusi tidak normal dan uji Independent Sampel Test jika data berdistribusi normal, pengujian ini digunakan untuk menguji dua sampel yang tidak berhubungan (Independent) antara perusahaan yang melakukan merger dan akuisisi dan perusahaan yang tidak melakukan merger dan akuisisi.
a. Uji Normalitas Data
Uji normalitas data akan dilakukan dengan uji one-sampel kolmogorov-smirnov test, menurut Bhuono Agung Nugroho (2005:107) dalam Verawati (2008) Uji Kolmogorov-Smirnov sangat membantu peneliti untuk mengetahui apakah sampel yang dipilih
berasal dari data yang terdistribusi secara normal atau data yang tidak
berdistribusi normal. Almilia dan Herdiningtyas (2005) dalam
Verawati (2008) jika data tidak normal maka dilakukan uji beda
nonparametrik dengan mengunakan Mann Whitney U sebaliknya jika data normal digunakan Independent T-Test
Menurut Imam Ghozali (2005:30) Hipotesis dalam uji one sample kolmogorov-smirnov adalah :
Hipotesis nol (Ho) : Data terdistribusi secara normal.
Hipotesis Alternatif (Ha) : Data tidak terdistribusi normal.
Dasar pengambilan keputusannya adalah probabilitas asymp. Sig
(2-tailed) > 0.05 maka data berasal dari populasi yang berdistribusi normal. Sebaliknya jika probabiliats asymp.sig (2-tailed) < 0.05 dapat disimpulkan bahwa data berasal dari populasi yang tidak berdistribusi
b. Uji Independent Samples T-Test
Uji beda t-test digunakan untuk menentukan apakah dua sampel yang tidak berhubungan memiliki nilai rata-rata yang berbeda. Uji
beda t-test dilakukan dengan cara membandingkan perbedaan antara dua nilai rata-rata dengan standar eror dari perbedaan rata-rata dua sampel dalam nilai rata-rata terdistribusi secara normal (Imam Ghozali,
2005: 56) :
Dimana :
1 : Rata-rata sampel pertama
2 : Rata-rata sampel kedua
S.E : Standar Error perbedaan rata-rata kedua sampel.
Menurut Dwi Priyanto (2008:95) Sebelum dilakukan Uji T Test dilakukan uji kesamaan varian (homogenitas) dengan F test (Levene’s Test), artinya jika varian sama maka Uji T menggunakan Equal Variance Assumed (diasumsikan varian sama) dan jika varian berbeda mengunakan Equal Variance Not Assumed (diasumsikan varian berbeda).
Hipotesisi Uji F sebagai berikut :
H0 = Kedua varian adalah sama
Dasar pengambilan keputusan :
Jika Asymp.sig (2-tailed) > 0,05 maka H0 diterima. Jika Asymp.sig (2-tailed) < 0,05 maka H0 ditolak.
Hipotesis Independent sample T-test ini (Stanislaus, 2006: 114) adalah:
H0 : 1 = 2 = Tidak terdapat perbedaan signifikan pada rasio keuangan
perusahaan yang melakukan merger dan akuisisi
dengan perusahaan yang tidak melakukan merger dan
akuisisi.
Ha : 2 ≠ 2 = Terdapat perbedaan signifikan pada rasio keuangan
perusahaan yang melakukan merger dan akuisisi
dengan perusahaan yang tidak melakukan merger
dan akuisisi.
Jika hasil Levene’s Test menunjukkan bahwa varian kedua populasi sama atau berbeda. Jika t hitung < t tabel maka H0 diterima
sedangkan t hitung > t tabel maka H0 ditolak.
Dasar pengambilan keputusan probabilitas:
Jika Asymp.sig (2-tailed) > 0.05 maka H0 diterima.
Jika Asymp.sig (2-tailed) < 0.05 maka H0 ditolak.
c. Uji Mann-Whitney Test
Statistika nonparametrik digunakan bila asumsi distribusi dari statistik parametrik tidak terpenuhi. Salah satu uji statistik
juga uji U. Uji Mann-Whitney merupakan alternatif dari uji t dua sampel independent dengan tujuan melakukan uji beda statistik
nonparametrik.
Ada dua kriteria utama yang digunakan untuk menentukan
apakah uji statistik nonparametrik diperlukan (Stanislaus, 2006:265) :
a. Jika asumsi normalitas dan kesamaan variance (homoscedasticity) tidak dapat terpenuhi, terutama untuk sampel kecil.
b. Jika data diukur pada skala ordinal atau nominal.
Hipotesis yang digunakan dalam pengujian ini :
H0 : 1 = 2 = Tidak terdapat perbedaan signifikan pada rasio keuangan
perusahaan yang melakukan merger dan akuisisi
dengan perusahaan yang tidak melakukan merger dan
akuisisi.
Ha : 2 ≠ 2 = Terdapat perbedaan signifikan pada rasio keuangan
perusahaan yang melakukan merger dan akuisisi
dengan perusahaan yang tidak melakukan merger
dan akuisisi.
Dasar pengambilan keputusan :
Jika Asymp. Sig (2-Tailed) > 0.05 maka Ho diterima. Jika Asymp. Sig (2-Tailed) <0.05 maka Ho ditolak.
4. Pengujian Hipotesis Ketiga(H3)
Pada hipotesis ketiga (H3) akan diuji menggunakan uji model regresi logit (logitic regression) untuk menguji pengaruh rasio keuangan secara keseluruhan
terhadap perusahaan yang melakukan merger dan akuisisi. Uji regresi logistik digunakan karena pada pengujian ini memiliki variabel dependen yang menggunakan dummy dan memiliki variabel independen yang diukur dengan skala rasio (Windarty, 2002).
a. Definisi Regresi Logistik
Menurut Stanislaus (2006 : 225) Analisis regresi logistik digunakan
untuk melihat pengaruh sejumlah variabel independen x1,x2,...,xk terhadap
variabel dependen y yang berupa variabel kategorik (binomial, multinomial atau ordinal) atau untuk memprediksi nilai suatu variabel dependen y (yang berupa variabel kategorik) berdasarkan nilai variabel-variabel independen x1,x2,...,xk. SPSS menyediakan tiga prosedur regresi logistik yaitu :
1) Regresi Logistik Biner (binary logistic regression), adalah regresi logistik dimana variabel dependennya berupa variabel dikotomi atau variabel biner. Contoh variabel dikotomi atau variabel biner adalah sukses-gagal, ya-tidak, benar-salah, hidup-mati, hadir-bolos,
pria-perempuan dan seterusnya.
2) Regresi Logistik Multinomial (multinomial logistic regression) adalah regresi logistik di mana variabel dependennya berupa variabel
kategorik yang terdiri lebih dari dua nilai seperti : merah, biru,
kuning, hitam.
3) Regresi Logistik Ordinal (Ordinal Logistic Regression) adalah regresi logistik di mana variabel dependennya berupa variabel dengan skala
ordinal seperti : sangat setuju, setuju, netral, tak setuju, sangat tak
setuju.
Regresi binary logistic sangat tepat digunakan untuk melakukan pemodelan suatu kemungkinan kejadian dengan variabel respons bertipe
categorical dua pilihan. Nilai kemungkinan kejadian berada pada rentang 0-1. Hal ini sangat berbeda dengan regresi linier biasa dimana nilai
variabel dependen (variabel respons) bisa bernilai < 0 atau > 1.
(Trihendradi, 2007: 63) dalam Verawati (2008).
Penggunaan regresi logistik tidak mensyaratkan adanya multivariate normal distribution karena tidak perlu asumsi normalitas data pada variabel bebasnya (Imam Ghozali, 2005 : 211).
b. Nilai Odds Ratio
Probabilitas kadang-kadang digunakan dalam istilah odds. Hubungan antara probalilitas variabel dependen (Y) dan variabel
independen (X) adalah non-linear, sedangkan hubungan antara log dari odds dan variabel independen (X) adalah linear. (Imam Ghozali, 2005:214).
Menurut Cornelius Trihendradi (2007:64) dalam Verawati (2008)
kemungkinan kejadian (probabilitas) dapat ditranformasikan dengan nilai
z (odds). Nilai z menunjukkan propensity towards atau kecenderungan kepada suatu kejadian. Semakin tinggi nilai z, semakin besar kecenderungan untuk terjadi perbedaan antara rasio keuangan perusahaan
yang melakukan merger dan akuisisi dengan perusahaan yang tidak
melakukan merger dan akuisisi. Odds dan probabilitas memberikan informasi yang sama, tetapi dalam bentuk yang berbeda. Peneliti dapat
merubah odds menjadi probabilitas atau sebaliknya. Hubungan
kenungkinan kejadian dengan odds sebagai berikut :
Atau
Dimana :
= Kemungkinan (probabilitas) kejadian pada case i Zi atau odds = Nilai kecenderungan suatu kejadian pada case i
Nilai odds diasumsikan berhubungan linear dengan variabel
prediktor (Variabel independen):
Oddsi = b0 + biXi1 + b2Xi2 + ...+ bpXip
Dimana:
Xij = Variabel prediktor j dengan case i bj = Koefisien variabel prediktor j p = Jumlah variabel prediktor. Jadi, probabilitas adalah :
Analisis regresi logistik biner digunakan untuk melihat pengaruh sejumlah variabel independen x1,x2,..,xk terhadap variabel dependen (Y)
yang berupa variabel response biner yang hanya mempunyai dua nilai
atau juga untuk memprediksi nilai suatu variabel dependen (Y) (yang
berupa variabel biner) berdasarkan nilai variabel independen x1,x2,...,xk.
Bentuk umum regresi logistik biner adalah (Stanislaus, 2006:226). Logit(π) = β0 + β1Χ1 + β2Χ2 + β3Χ3 + ... + β10Χ10 + ε Dimana : β0 = konstanta β1-10 = koefisien X1 = Prediktor ke-1, CR X2 = Prediktor ke-2, QR
X3 = Prediktor ke-3, FATO
X4 = Prediktor ke-4, TATO
X5 = Prediktor ke-5, DTAR
X6 = Prediktor ke-6, DTER
X7 = Prediktor ke-7, OPM
X8 = Prediktor ke-8, NPM
X9 = Prediktor ke-9, ROI
X10 = Prediktor ke-10, ROE
c. Nilai -2 Loglikehood Ratio
Penilaian keseluruhan model menggunakan nilai -2 loglikelihood untuk melihat model yang lebih baik dalam memprediksi kemungkinan
terjadinya perbedaan antara rasio keuangan perusahaan yang melakukan
akuisisi pada perusahaan. -2 loglikelihood ditransformasikan menjadi -2 log L dimana output spss memberikan dua nilai yaitu pertama untuk model yang hanya memasukkan konstanta dan -2 log L yang kedua untuk model dengan konstanta dan variabel bebas, jika terjadi penurunan dalam
nilai -2 log L pada blok kedua jika dibandingkan dengan blok pertama maka dapat disimpulkan bahwa model kedua regresi menjadi lebih baik
(Imam Ghozali, 2005:218).
d. Koefisien Cox dan Snell R Square dan Nagelkerke’s R Square
Cox dan snell’s R Square merupakan ukuran yang mencoba meniru ukuran R2 pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1 (satu) sehingga sulit di interpretasikan. Nagelkerke’s R Square merupakan modifikasi dari koefisien cox dan snell untuk memastikan bahwa nilainya bervariasi dari 0 (nol) sampai 1 (satu) hal ini dilakukan dengan cara membagi nilai cox dan snell R dengan nilai maksimumnya. Nilai nagelkerke’s R2 dapat di interpretasikan seperti nilai R2 pada multiple regression (Imam Ghozali, 2005:219).
Koefisien determinasi (R2) pada regresi berganda pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi
variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu.
Nilai R2 yang kecil berarti kemampuan variabel indenpenden dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang
informasi yang dibutuhkan untuk memprediksi variabel dependen (Imam
Ghozali, 2005:83).
Nilai koefisien Nagelkerke’s R Square umumnya lebih besar dari nilai koefisien cox dan snell’s R Square tapi cenderung lebih kecil dibandingkan dengan nilai koefisien determinasi R2 pada regresi linear berganda (Stanislaus, 2006:236).
e. Hosmer and lemeshow’s goodness of fit test
Keputusan penolakan atau penerimaan hipotesis dilakukan dengan
menggunakan tingkat signifikansi 5% Hosmer and lemeshow’s goodness of fit test menguji hipotesis nol (H0) bahwa data empiris cocok atau sesuai
dengan model (tidak ada perbedaan antara model dengan data sehingga
model dapat dikatakan fit). Hipotesis sebagai berikut :
Ho = Tidak terdapat perbedaaan antara klasifikasi yang diprediksi
dengan klasifikasi yang diamati.
Ha = Terdapat perbedaaan antara klasifikasi yang diprediksi dengan
klasifikasi yang diamati.
Jika nilai Hosmer and lemeshow goodness of fit statistic sama dengan atau kurang dari 0,05 maka hipotesis nol (H0) ditolak yang berarti
ada perbedaan signifikansi antara model dengan nilai observasinya
sehingga goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistics hosmer and lemeshow’s goodness of fit lebih besar dari 0.05, maka hipotesis nol (H0) diterima berarti model mampu memprediksi nilai observasinya atau dapat
dikatakan model dapat diterima karena cocok dengan data observasinya.
(Iman Ghozali, 2005:219).
f. Ketepatan Prediksi Klasifikasi
Tabel klasifikasi 2 X 2 digunakan untuk menghitung nilai estimasi
yang benar (correct) dan yang salah (incorrect). Pada kolom merupakan 2 nilai prediksi dari variabel dependen yaitu, melakukan merger dan
akuisisi (0) dan tidak melakukan merger dan akuisisi (1), sedangkan pada
baris menunjukkan nilai observasi sesungguhnya yang sesuai dengan data
aktual. Pada model yang sempurna, maka semua kasus akan berada pada
diagonal dengan tingkat ketepatan peramalan 100% (Imam Ghozali,
2005:220). Jika model logistik mempunyai asumsi homoskedastisitas maka semua kasus akan berada di daerah diagonal dengan ketepatan nilai
100% tetapi model logisrik tidak mempunyai asumsi homoskedastisitas (Stanislaus, 2006:234).
g. Uji Wald Statistics
Uji wald pada tabel variabels in the equation digunakan untuk menguji apakah masing-masing koefisien regresi logistik signifikan.
Untuk uji hipotesis masing-masing variabel sebagai berikut :
Ho = Tidak terdapat perbedaan signifikan pada rasio keuangan
perusahaan yang melakukan merger dan akuisisi dengan
Ha = Terdapat perbedaan signifikan pada rasio keuangan keuangan
perusahaan yang melakukan merger dan akuisisi dengan
perusahaan yang tidak melakukan merger dan akuisisi.
Dasar Pengambilan Keputusan :
Jika Symp.sig > 0,05 maka H0 diterima.
Jika Symp.sig < 0,05 maka H0 ditolak.
E.Operasional Variabel Penelitian Variabel Dependen
Variabel dependen yang digunakan dalam penelitian ini adalah perusahaan yang melakukan merger dan akuisisi dengan perusahaan yang tidak melakukan merger dan akuisisi. Pengukuran variabel ini menggunakan dummy, dimana dummy 1 untuk variabel perusahaan yang tidak melakukan merger dan akuisisi, sedangkan dummy 0 untuk variabel perusahaan yang melakukan merger dan akuisisi.
Variable Independen
Variabel-variabel independent yang digunakan dalam penelitian ini adalah laporan keuangan, dengan mengukur rasio keuangan sebagai proksi pengukuran kinerja perusahaan yang melakukan merger dan akuisisi. Rasio keuangan yang digunakan dalam penelitian ini adalah rasio keuangan yang digunakan dalam penelitian Payamta (2004).
