METODE PENELITIAN
C. Definisi Operasional Variabel dan pengukuran
4. Teknik analisis data
Teknik analisis data dalam penelitian ini, yaitu Metode Analisis deskriptif, Analisis Inferensial, Pengujian asumsi klasik dan Uji kelayakan model. Tujuan penggunaan metode tersebut, untuk melihat bagaimana perubahan dari suatu variabel terikat terhadap terhadap variabel bebas yang telah diuraikan diatas.
1. Analisis statistik deskriptif
Statistik deskriptif merupakan bagian dari statistika yang memeberikan gambaran pada suatu data yang akan diteliti dan
menerangkan keadaan dan menarik kesimpulan, diantaranya yaitu berupa nilai rata-rata (mean), Maksimum, minimum dan standard deviasi.
2. Analisis Inferensial
Metode analisis data dalam penelitian ini menggunakan analisis regresi data panel dengan menggunakan software eviews. Sifat data menggunakan data panel adalah kombinasi dari data time series dan cross section. Model regresi data panel merupakan informasi berarti mengantisipasi batas-batas model data panel, khususnya tangkapan atau nilai konsisten (α) dan koefisien (ÎČi). Pemanfaatan informasi dalam regresi akan memberikan berbagai kecenderungan untuk setiap organisasi dan setiap kerangka waktu (Widarjono, 2007). Pada penelitian ini akan dilakukan beberapa tahap analisis inferensial yaitu; perumusan model penelitian, pemilihan model regresi eviews, pengujian asumsi klasik, dan uji kelayakan model.
a. Perumusan Model Penelitian
Sebelum melakukan pemilihan model yang dikehendaki apakah menggunakan Common Effect, Fixed Effect, Random Effect. Maka terlebih dahulu merumuskan model penelitian.
Model 1
đđđ = đ¶ + đ·đ đżđđđ+ đ·đ đżđđđ⊠. . ⏠Keterangan :
Y = Variabel dependen (Harga saham) đ¶ = Konstanta
X1 = Variabel Independen (Capital structure) X2 = Variabel Independen (Profitabilitas)
⏠= error term
b. Pemilihan Model Regresi eviews
Widarjono (2009) menyatakan bahwa ada beberapa strategi yang umumnya digunakan dalam menilai model regresi data panel menjadi spesifik pooling least squares (Common Effect), pendekatan dampak tetap (Fixed Effect), pendekatan terhadap (Random Effect).
Model common effect tidak dapat membedakan varians antara silang tempat dan titik waktu karena memiliki intercept yang tetap, dan bukan bervariasi secara random dan model ini mengasumsikan bahwa perilaku data antar perusahaan adalah sama dalam berbagai kurun waktu (Widarjono, 2009). Model Fixed effect adalah model alternatif untuk setiap subjek (cross segment), namun slope setiap subjek tidak berubah dalam jangka panjang (Gujarati, 2012). Teknik model Random effect dengan model harus memenuhi syarat, khususnya cross section harus lebih diperhatikan daripada kuantitas jumalh dari faktor eksplorasi.
Kepastian model yang terbaik antara dampak normal, dampak tetap, dan dampak tidak teratur menggunakan tiga strategi penilaian model uji. Ketiga prosedur pengujian ini digunakan dalam regresi data panel informasi untuk mendapatkan model yang tepat dalam menilai regresi data panel. Tiga tes digunakan, langsung tes Chow digunakan untuk memilih salah satu dampak khas atau model dampak yang layak. Kedua, uji Hausman digunakan untuk memilih model fixed effect atau random effect dan ketiga, lagrange multiplier
untuk memilih model random effect atau common effect (Widarjono, 2007; 258).
Ketiga uji tersebut dalam pemilihan model terbaik untuk regresi data panel adalah sebagai berikut :
1) Chow Test merupakan uji untuk membandingkan model common effect dengan fixed effect yang paling layak digunakan dalam mengestimasi data panel (Widarjono, 2009:220). Keputusan dapat dilakukan jika :
a) Nilai prob. F < batas kritis, maka tolak Ho atau memilih fixed effect daripada common effect.
b) Nilai prob. F > batas kritis, maka tolak Ho atau memilih common effect daripada fixed effect.
2). Hausman Test Pengujian ini membandingkan model fixed effect dengan random effect dalam menentukan model yang layak dipilih untuk digunakan sebagai model regresi data panel (Gujarati, 2012). Pengambilan keputusan dilakukan jika:
a) Nilai chi squares hitung > chi squares tabel atau nilai probabilitas chi squares < taraf signifikansi, maka tolak H0 atau memilih fixed effect daripada random effect.
b) Nilai chi squares hitung < chi squares tabel atau nilai probabilitas chi squares > taraf signifikansi, maka tolak H0 atau memilih fixed effect daripada random effect.
3). Uji langrange multiplier (LM) untuk mengetahui apakah model random effect leboh layak dari model common effect.
Pengambilan keputusan dilakukan jika :
a) Nilai p value <batas kritis, maka Ho ditolak atau memilih random effect daripada common effect
b) Nilai p value >batas kritis , maka Ho atau memilih common effect daripada random effect
3. Pengujian Asumsi Klasik
Pengujian asumsi klasik dilakukan agar hasil analisis regresi memenuhi kriteria BLUE (best linier unbiased estimator). Uji asumsi klasik yang perlu dilakukan yaitu uji heteroskedastisitas dan uji multikolinearitas.
Sementara itu, jika model yang dipilih adalah random effect, maka penting untuk melakukan uji asumsi klasik. Bagaimanapun uji normalitas, multikolinearitas, autokorelasi, heteroskedastisitas. juga, terus dilakukan pada setiap model yang dipilih sepenuhnya bertujuan untuk mengetahui apakah model yang dibentuk memenuhi syarat BLUE (best linier unbiased estimator).
a. Uji Normalitas
Ujia normalitas ialah pengujian yang dilakukan untuk menguji kestabilan distribusi data. Jika suatu residual model tidak terdistribusi normal, maka uji t kurang baik digunakan untuk menguji koefisien regresi. Uji normalitas dapat diuji dengan beberapa metode yaitu histogram residual, kolmogrov smirnov, skewness kurtostus dan jarque-bera. Uji normalitas menggunakan histogram dan uji informal lainnya kurang ditentukan karena angka faktual yang diuraikan oleh setiap individu secara berbeda dalam hasil eksperimen. Dengan asumsi yang menggunakan eviews, akan lebih mudah untuk menggunakan jarque-bera untuk melihat apakah redsidual memiliki
penyebaran biasa. Uji jarque-bera merupakan asymptotic yang sangat besar dan digunakan untuk menghitung skewness dan kurtosis.
Menurut Widarjono (2007:54), pengambilan keputusan uji jarque-bera dilakukan jika :
1) Nilai chi squares hitung < chi squares tabel atau probabilitas jarque-bera> taraf signifikansi, maka tidak menolak H0 atau residual mempunyai distribusi normal.
2) Nilai chi squares hitung > chi squares tabel atau probabilitas jarque-bera> taraf signifikansi, maka menolak H0 atau residual tidak berdistribusi normal.
b. Uji Multikolinearitas
Mutikolinearitas dilakukan pada saat model regresi menggunakan lebih dari satu variabel bebas. Multikolinearitas berarti adanya hubungan linear diantara variabel bebas. Dampak adanya Multikolinearitas adalah banyak variabel bebas tidak signifikasi mempengaruhi varabel terikat namun nilai koefisien determinasi tetap tinggi. Teknik untuk mengenali multikolinearitas menggabungkan perubahan faktor dampak dan koneksi berpasangan. Teknik hubungan yang cocok untuk mengenali multikolinearitas akan lebih bermanfaat karena dengan menggunakan strategi analis ini dapat menemukan secara mendalam faktor-faktor otonom apa yang memiliki hubungan yang kuat. Menurut Widarjono (2007-114), pengambilan keputusan metode korelasi berpasangan jika :
1) Nilai korelasi dari masing-masing variabel bebas < 0.85 maka tidak menolak H0 atau tidak terjadi masalah Multikolinearitas.
2) Nilai korelasi dari masing-masing variabel bebas > 0.85 maka menolak H0 atau terjadi masalah Multikolinearitas.
c. Uji Autokorelasi
Uji Autokorelasi (autocorrelation) bertujuan untuk menguji apakah dalam model regeresi terdapat korelasi di antara variabel pengganggu atau residu atau error ⏠pada periode t dengan periode sebelumnya (t-1) Adanya gejala autokorelasi mengakibatkan nilai prediski dari model regresi yang dirumuskan menjadi biasa atau tidak valid (Wibowo, 2012:101).
Pengujian Autokorelasi dilakukan dengan uji Durbin-Watson (DW).
Terdapat tiga kategori ketentuan pengambilan keputusan terjadinya autokorelasi berdasarkan pengujian DW, yaitu (Ghozali, 2005:109) 1) 1,65 < DW < 2,35 maka tidak terjadi autokorelasi;
2) 1,21 < DW <1,65 atau 2,35 < DW < 2,79 maka tidak dapat disimpulkan; dan
3) DW <1,21 atau DW > 2,79 maka terjadi autokorelasi d. Uji heteroskedastisitas
Uji heteroskeditas dilakukan untuk menentukan apakah model regresi terjadi ketidaksamaan antara varians dari residual. Uji heteroskeditas dilakukan dengan menggunakan uji glester.
1) Jika nilai signifikansi lebih besar 0.05 maka H0 diterima 2) Jika nilai signifikansi lebih kecil 0.05 maka H0 ditolak
4. Uji Kelayakan Model
Uji kelayakan model dilakukan untuk menentukan model relaps yang dibentuk dan layak untuk menjelaskan pengaruh unsur otonom terhadap variabel terikat.
a. Uji Hipotesis
Pengujian teori sangat membantu untuk menguji signifikansi dari koefisien regresi yang diperoleh. Arah independen teori dilakukan untuk membandingkan pengukuran t statistik dengan tabel t atau nilai produktivitas dengan tingkat kepentingan yang telah ditentukan.
1. Uji F, diharapkan untuk menguji teori koefisien slope regresi secara tepat waktu dan menjamin bahwa model yang dipilih memungkinkan atau tidak menguraikan dampak variabel bebas terhadap variabel terikat. Tes ini sangat penting karena, dalam kasus seperti itu tidak mudah melalui penilaian F maka hasil uji t tidak signifikan. Menurut Gujarati (2007:108), keputusan diambil jika :
1) Nilai F hitung> dari F tabel atau nilai probabilitas F- Statistik<
dari taraf signifikan, maka tolak Ho ditolak dan variabel bebas bersamaan telah mempengaruhi variabel terikat.
2) Nilai F hitung < dari F tabel atau nilai probabilitas F-Statistik >
taraf signifikan, maka Ho ditolak dan variabel bebas bersamaan tidak mempengaruhi variabel terikat.
35