BAB III METODOLOGI PENELITIAN
3.3. Teknik Pengumpulan Data
Penelitian ini dilakukan dengan menggunakan data sekunder, yaitu
data yang dikumpulkan, diolah dan disajikan oleh pihak lain. Data yang
digunakan dalam penelitian ini adalah data laporan keuangan perusahaan
Makanan dan Minuman yang go publik di Bursa Efek Indonesia pada tahun
2005 sampai tahun 2008.
3.3.2. Sumber Data.
Dalam penelitian ini data bersumber dari PT. BURSA EFEK
INDONESIA (BEI) berupa laporan keuangan (neraca dan laporan rugi laba)
dari tahun 2005-2008 yang terangkum dalam Indonesia Capital Market
Directory (ICMD) perusahaan Makanan dan Minuman yang telah dipilih
sebagai sampel penelitian.
3.3.3. Pengumpulan Data.
Teknik pengumpulan data yang digunakan selama penelitian
sebagai berikut :
1. Studi Lapangan
Studi lapangan ini dimaksudkan untuk mendapatkan data sekunder
yang diperlukan. Data sekunder adalah data yang diperoleh dari
instansi-instansi yang terkait dalam penyusunan penelitian ini yaitu
2. Studi Kepustakaan
Yaitu teknik pengumpulan data dengan jalan mempelajari buku-buku
literatur dan catatan yang berhubungan dengan penelitian ini.
3. Dokumenter
Yaitu suatu cara yang digunakan dalam pengumpulan data atau
informasi yang digunakan dengan cara mempelajari dokumen-
dokumen perusahaan yang telah ada dan berkaitan dengan penelitian.
3.4. Teknik Analisa dan Uji Hipotesis 3.4.1. Regresi Linier Berganda
Teknik analisa yang digunakan adalah Analisis Regresi Linier
Berganda. Dikarenakan dalam analisis pemilihan regresi linier berganda
dapat menerangkan ketergantungan satu variabel terikat (Y) yaitu Price
Earning Ratio dengan satu atau lebih variabel bebas (X), yang meliputi tiga
variabel bebas yaitu Current Ratio, Leverage dan Firm Size.
Maka kaitan antara variabel penelitian dapat digunakan model
sebagai berikut :
Y = ß0 + ß1X1 + ß2X2 + ß3X3 + ei (Widarjono,2005 : 77)
Dimana :
Y = Price Earning Ratio
X1 = Current Ratio
X2 = Leverage
ß0 = Intersep (konstanta)
ß1, ß2, ß3 = Koefisien regresi
e = Residual atau kesalahan pengganggu
3.4.2. Uji Asumsi Klasik
Persamaan regresi tersebut diatas harus bersifat BLUE
(Best,Linier,Unbiased,Estimator) artinya pengambilan keputusan melalui uji
F tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka harus
dipenuhi tiga asumsi dasar yang tidak boleh dilanggar oleh regresi, yaitu :
1. Tidak boleh ada multikoloniaritas
2. Tidak boleh ada heteroskedastisitas
3. Tidak boleh ada autokorelasi
Apabila salah satu dari tiga asumsi dasar tersebut dilanggarmaka
persamaan regresi yang diperoleh tidak lagi bersifat BLUE sehingga
pengambilan keputusan melalui uji t menjadi bias (Gujarati, 1995:153)
Menurut Sumodiningrat (2002: 115) sifat blue dapat dijelaskan
sebagai berikut:
1. Best : Pentingnya sifat ini bila diterapkan uji signifikan baku
terhadap α dan ß.
2. Linier : Sifat ini dibutuhkan untuk memudahkan dalam penaksiran.
3. Unbiased : Nilai jumlah sampel sangat besar penaksir parameter
diperoleh dari sampel besar kira-kira lebih mendekati nilai
parameter sebenarnya.
Yang diasumsikan tidak terjadi pengaruh antara variabel bebas atau
regresi bersifat BLUE (Best, Linier, Unbiased, Estimator) artinya koefisien
regresi pada persamaan tersebut betul-betul linier dan tidak bias atau tidak
terjadi penyimpangan-penyimpangan persamaan, seperti:
A. Multikolinearitas
Tepatnya istilah multikolinearitas berkenaan dengan terdapatnya
lebih dari satu hubungan linier pasti dan istilah kolinearitas berkenaan
dengan terdapatnya satu hubungan linier (Gujarati,1995: 157)
Menurut Widarjono (2003:131), mengemukakan bahwa
multikolinearitas berarti adanya hubungan linier antara variabel
independen di dalam regresi linier berganda dalam suatu persamaan.
Multikolinearitas merupakan korelasi variabel independen dalam regresi
berganda.
Deteksi adanya Multikolinearitas :
a. Besarnya VIF (Variance Inflation Factor)
Jika VIF melebihi angka 10, maka variabel tersebut
mengindikasikan adanya multikolinearitas.
b. Nilai Eigenvalue mendekati 0 dan Condition Index melebihi angka
15 (Nachrowi dan Usman,2006: 100)
B. Heteroskedastisitas
Heteroskedastisitas merupakan varian dari residual atau error yang
tidak konstan atau berubah-ubah. Model regresi yang baik tidak
Deteksi adanya Heteroskedastisitas :
Pada regresi linier nilsai residual tidak boleh ada hubungan dengan
variabel X. Hal ini bisa diidentifikasi dengan cara menghitung korelasi
rank spearman.
Menurut Gujarati (1995: 188) rumus rank spearman adalah :
Σ di2
rs = 1 – 6
N(N2 – 1)
Keterangan :
di = Perbedaan dalam rank antara residual dengan variabel bebas ke-i
N = Banyaknya data
Menurut Gujarati (1995:177), mendeteksi adanya heteroskedastisitas
adalah sebagai berikut :
a. Nilai probabilitas > 0.05 berarti bebas dari heteroskedastisitas
b. Nilai probabilitas < 0.05 berarti terkena heteroskedastisitas
C. Autokorelasi
Autokorelasi merupakan korelasi antara anggota serangkaian
observasi yang diurutkan menurut waktu.
Prosedur untuk menguji autokorelasi yang sebenarnya dapat
dijelaskan lebih baik dengan bantuan gambar dibawah ini, yang
Gambar 1. Statistik d Durbin – Watson, (Gujarati,1995: 216)
Menolak Ho Daerah Daerah Menolak Bukti auto Keragu- Keragu- H*o Bukti korelasi raguan raguan auto kore- positif lasi negatif
Menerima Ho atau H*o atau kedua-duanya
0 dL dU 2 4-dU 4-dL 4 d
Mekanisme tes Durbin-Watson adalah sebagai berikut, dengan
mengasumsikan bahwa asumsi yang mendasari tes dipenuhi :
a. Untuk ukuran sampel tertentu dan banyaknya variabel yang menjelaskan
tertentu dapatkan nilai kritis dL dan du.
b. Jika hipotesis Ho adalah bahwa tidak ada serial korelasi positif, maka jika
d < dL : menolak Ho
d > du : tidak menolak Ho
dL < d < du : pengujian tidak meyakinkan
c. Jika hipotesis nol Ho adalah bahwa tidak ada serial korelasi korelasi
negatif, maka jika
d > 4 – dL : menolak Ho
d < 4 – du : tidak menolak Ho
d. Jika Ho adalah dua-ujung, yaitu bahwa tidak ada serial autokorelasi baik
positif ataupun negatif, maka jika
d < dL : menolak Ho
d > 4 – dL : menolak Ho
du < d < 4 – du : tidak menolak Ho
dL < d < du
atau pengujian tidak meyakinkan
4 – du < d < 4 – dL
Seperti langkah tadi menunjukkan, kelemahan besar dari tes d adalah
bahwa jika d tadi jatuh dalam daerah yang meragukan atau daerah
ketidaktahuan, orang tidak dapat menyimpulkan apakah autokorelasi ada
atau tidak ada. Dalam kasus ini orang bisa mungkin terpaksa melakukan tes
lain (beberapa diantaranya diberikan dalam bentuk soal latihan) atau
mendapatkan data tambahan data atau sampel yang berbeda. Harus juga
diperhatikan bahwa banyaknya observasi minimum yang diperlukan
sehubungan dengan tabel Durbin Watson adalah 15. Alasannya adalah
bahwa suatu sampel yang lebih kecil dari 15 observasi akan menjadi sangat
sulit untuk bisa menarik kesimpulan yang pasti (definitif) mengenai
3.4.3. Uji Hipotesis
3.4.3.1. Uji Simultan (Uji F)
Analisis ini digunakan untuk mengetahui pengaruh secara simultan
antara variabel independen terhadap variabel dependen, dengan prosedur
sebagai berikut :
1. H0 : β1 = β2 = 0
Artinya secara simultan variabel bebas tidak mempunyai pengaruh
terhadap variabel terikat
H1 : β1 = β2 0
Artinya secara simultan variabel bebas mempunyai pengaruh terhadap
variabel terikat
2. Dalam penelitian ini digunakan tingkat signifikan sebesar α = 0,05 (5%) dengan derajat bebas [n-k], dimana n : jumlah pengamatan, dam
k : jumlah variable
3. Dengan F hitung sebesar
2 2 / ( 1) (1 ) / hit R k F R n k Keterangan :Fhit = F hasil perhitungan
R2 = koefisien variabel
k = jumlah variabel
4. Kriteria pengujian sebagai berikut
a. Jika Fhitung > Ftabel maka Ho di tolak dan Hi diterima (berarti
secara simultan variabel bebas berpengaruh terhadap variabel terkait).
b. Jika Fhitung < Ftabel maka Ho di terima dan Hi ditolak (berarti secara
simultan variabel bebas tidak berpengaruh terhadap variabel terkait).
3.4.3.2. Uji Parsial (Uji t)
Uji t adalah uji yang digunakan untuk melihat pengaruh masing-
masing variabel bebas secara parsial terhadap variabel terikat
(Widarjono,2005:58).
Hipotesis dirumuskan sebagai berikut :
1. Ho = β1 = β2 = 0
Artinya secara parsial varibel bebas tidak mempunyai pengaruh yang
signifikan terhadap variabel terikat.
Hi = β1 = β2≠ 0
Artinya secara parsial varibel bebas ada pengaruh terhadap variabel
terikat.
2. Menentukan Level of Significant = 5% dengan derajat bebas = ( n-k ),
dimana n : jumlah data dan k : jumlah variable bebas.
3. thitung = βi
Se ( βi )
Dimana: βi = koefisien regresi Se(βi) = Standar error 4. Kriteria pengujian sebagai berikut:
1. Apabila thitung > ttabel maka Ho ditolak dan Hi diterima, berarti ada
pengaruh antara variabel bebas dengan variabel terikat.
2. Apabila thitung < ttabel maka Ho diterima dan Hi ditolak, artinya tidak