3. METODOLOGI PENELITIAN

(1)

Universitas Kristen Petra

25

3. METODOLOGI PENELITIAN

3.1. Model Analisis

Dalam penelitian ini data yang digunakan adalah data panel dan bersifat kuantitatif. Hipotesis yang telah dikemukakan sebelumnya dapat diuji dengan menggunakan model analisis regresi linier. Penelitian ini membandingkan value relevance dari kinerja lingkungan sebelum menambahkan variabel PROPER rating sebagai pengukuran kinerja lingkungan dalam model Ohlson (1995) dan setelah menambahkan variabel PROPER rating. Variabel kontrol yang digunakan yaitu firm size, leverage, firm age, dan market share. Model regresi yang digunakan dengan menggunakan model Ohlson (1995) sebelum menambahkan variabel PROPER rating adalah sebagai berikut:

Sesudah menambahkan PROPER

𝑆𝑅𝐸𝑇_!"=𝛼_!+𝛼_!𝐸𝑃𝑆_!"!!+𝛼_!𝐵𝑉𝑃𝑆_!"!! +𝛼_!𝑃𝑅𝑂𝑃_!"!!+𝛼_!𝑆𝐼𝑍𝐸_!"!!+

𝛼_!𝐿𝐸𝑉_!"!!+ 𝛼_!𝐴𝐺𝐸_!"!!+ 𝛼_!𝑀𝑆𝐻𝑅_!"!! + 𝜀_!"!! (3.1)

Keterangan:

SRET it = Return saham perusahaan i pada tahun t α = Koefisien konstanta persamaan regresi

EPSit-1 = Earning per share perusahaan i pada tahun t-1

BVPSit-1 = Book value per share perusahaan i pada tahun t-1 SIZEit-1 = Firm size perusahaan i pada tahun t-1

LEVit-1 = Leverage perusahaan i pada tahun t-1

AGEit-1 = Firm Age perusahaan i pada tahun t-1 MSHRit-1 = Market share perusahaan i pada tahun t-1 ɛit-1 = Error perusahaan i pada tahun t-1

Penelitian ini menguji sekali lagi value relevance dengan menambahkan variable PROPER rating pada model Ohlson (!995) dengan model regresi sebagai berikut:

𝑆𝑅𝐸𝑇_!"=𝛼_!+𝛼_!𝐸𝑃𝑆_!"!!+𝛼_!𝐵𝑉𝑃𝑆_!"!! +𝛼_!𝑆𝐼𝑍𝐸_!"!!+ 𝛼_!𝐿𝐸𝑉_!"!!+

𝛼_!𝐴𝐺𝐸_!"!!+ 𝛼_!𝑀𝑆𝐻𝑅_!"!! + 𝜀_!"!! (3.2)

(2)

26 Keterangan:

SRET it = Return saham perusahaan i pada tahun t α = Koefisien konstanta persamaan regresi

EPSit-1 = Earning per share perusahaan i pada tahun t-1

BVPSit-1 = Book value per share perusahaan i pada tahun t-1 PROPit-1 = Hasil PROPER rating perusahaan i pada tahun t-1 SIZEit-1 = Firm size perusahaan i pada tahun t-1

LEVit-1 = Leverage perusahaan i pada tahun t-1

AGEit-1 = Firm Age perusahaan i pada tahun t-1 MSHRit-1 = Market share perusahaan i pada tahun t-1 ɛit-1 = Error perusahaan i pada tahun t-1

3.2. Definisi Operasional Variabel

Setiap variabel dalam penelitian harus dapat dijelaskan secara operasional agar dapat dilakukan pengukuran dengan jelas. Definisi yang jelas dapat membantu pembaca dalam memahami dan mendefinisikan setiap variabel yang digunakan sesuai dengan definisi variabel peneliti. Variabel-variabel operasional yang digunakan dalam penelitian ini dan skala pengukurannya dijelaskan sebagai berikut:

Tabel 3.1 Definisi Operasional Variabel

Variabel Definisi Operasional Skala

Stock Return (SRET)

Stock return adalah tingkat keuntungan yang akan diperoleh investor yang berinvestasi di pasar modal.

Dibutuhkan data harga saham 5 hari sebelum dan 5 hari setelah tanggal pengumuman PROPER, serta pada hari pengumuman PROPER dengan total 11 hari, yang kemudian dijumlah dan di rata-rata. SRET diukur menggunakan rumus pada persamaan (2.3).

Rasio

(3)

27

Tabel 3.1 Definisi Operasional Variabel (Lanjutan)

Earning per Share (EPS)

Earning per share merupakan besarnya keuntungan yang diperoleh investor per lembar sahamnya. EPS diukur menggunakan rumus pada persamaan (2.4).

Rasio

Book Value Equity per

Share (BVPS)

Book value per share digunakan untuk memprediksi laba atau nilai perusahaan di masa depan. BVPS diukur menggunakan rumus pada persamaan (2.5).

Rasio

PROPER rating (PROP)

Kinerja lingkungan perusahaan diukur dengan menggunakan PROPER rating dalam bentuk warna yaitu hitam, merah, biru, hijau, dan emas, dari yang terburuk hingga terbaik. Warna emas dengan skor 5 diberikan pada perusahaan yang secara konsisten mengelola dampak lingkungan dengan baik dan warna hitam dengan skor 1 diberikan pada perusahaan yang sengaja melakukan perbuatan yang mengakibatkan pencemaran lingkungan dengan cara melalaikan tanggung jawabnya.

Nominal

Firm Size (SIZE)

Firm size adalah ukuran yang menentukan besar kecilnya suatu perusahaan. SIZE diukur menggunakan rumus pada persamaan (2.6).

Rasio

Leverage (LEV)

Leverage merupakan kemampuan suatu perusahaan untuk memenuhi kewajibannya. LEV diukur menggunakan rumus pada persamaan (2.7).

Rasio

Firm Age (AGE)

Firm age menunjukkan lamanya suatu perusahaan berdiri. AGE diukur menggunakan rumus pada persamaan (2.8).

Rasio

(4)

28

Tabel 3.1 Definisi Operasional Variabel (Lanjutan)

Market Share (MSHR)

Market share adalah persentase perusahaan dalam menguasai pasar pada industri yang sama. MSHR diukur menggunakan rumus pada persamaan (2.9).

Rasio

Sumber: Olahan Internal

3.3. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif dikarenakan data dinyatakan dalam bentuk angka, seperti earning per share, book value equity per share, PROPER rating, firm size, leverage, firm age, dan market share. Data yang digunakan berupa data sekunder yaitu data yang diperoleh dari sumber yang telah dipublikasikan. Data dalam penelitian ini berasal dari laporan tahunan (annual report) perusahaan dari sektor manufaktur, pertambangan, energi dan migas, agroindustri, serta kawasan dan jasa yang terdaftar di Bursa Efek Indonesia (BEI), Bloomberg, dan YahooFinance. Untuk menghitung return saham, dibutuhkan informasi yang diperoleh dari YahooFinance. Informasi mengenai PROPER rating diperoleh dari laporan tahunan Program Penilaian Peringkat Kinerja Perusahaan dalam Pengelolaan Lingkungan Hidup (PROPER) yang dikeluarkan oleh Kementerian Lingkungan Hidup (KLH). Sedangkan earning per share, book value equity per share, firm age, firm size, leverage, dan market share menggunakan informasi yang diperoleh dari Bloomberg.

3.4. Instrumen dan Pengumpulan Data

Data dalam penelitian ini dikumpulkan dengan menggunakan metode dokumentasi yaitu mengambil data sekunder dari perusahaan sektor manufaktur, pertambangan, energi dan migas, agroindustri, serta kawasan dan jasa yang terdaftar di Bursa Efek Indonesia (BEI) mulai tahun 2010 hingga tahun 2017.

Data tersebut diambil dari laporan tahunan perusahaan, Bloomberg dan YahooFinance. Sedangkan data kinerja lingkungan diperoleh dari hasil pengumuman PROPER rating, dimana PROPER rating diperoleh dari Surat Keputusan Kementerian Lingkungan Hidup dan Kehutanan dari tahun 2010 hingga tahun 2017.

(5)

29 3.5. Populasi

Populasi yang digunakan dalam penelitian ini merupakan perusahaan sektor manufaktur, pertambangan, energi dan migas, agroindustri, serta kawasan dan jasa yang terdaftar di Bursa Efek Indonesia (BEI) paling lambat pada tahun 2008 dan tetap go public hingga tahun 2018. Sehingga populasi awal didapatkan sebanyak 48 perusahaan.

3.6. Sampel dan Teknik Sampling

Metode yang digunakan adalah judgemental-purposive sampling yang memiliki arti teknik pengambilan sampel dengan cara menetapkan sejumlah kriteria atau persyaratan yang harus dipenuhi. Penetapan kriteria yang dipilih dalam penentuan sampel antara lain:

1. Perusahaan yang telah Initial Public Offering (IPO) di Bursa Efek Indonesia sebelum tahun 2009.

2. Tetap menjadi perusahaan terbuka hingga tahun 2018.

3. Perusahaan telah mengikuti PROPER sejak tahun 2010.

4. Perusahaan yang konsisten mendapatkan peringkat PROPER selama tahun 2010 hingga 2017 secara berturut-turut.

5. Perusahaan memiliki data penelitian yang lengkap pada tahun 2010 hingga 2017.

Dari populasi sebanyak 48 perusahaan go public, sampel yang lulus kriteria judgemental-purposive sampling hanya sebanyak 25 perusahaan.

Sehingga, sampel yang digunakan dalam penelitian ini sebanyak 25 perusahaan dengan delapan tahun pengamatan dari 2010 hingga 2017.

3.7. Unit Analisis

Unit analisis dalam penelitian ini adalah pada tingkat perusahaan yaitu 200 firm-year pada sektor manufaktur, pertambangan, energi dan migas, agroindustri, serta kawasan dan jasa yang terdaftar di Bursa Efek Indonesia selama tahun 2010 hingga 2017.

(6)

30 3.8. Teknik Analisis Data

Dalam penelitian ini, data akan dianalisis dengan menggunakan software statistik yang dikenal dengan nama Gnu Regression, Econometric and Time-series Library (GRETL). Langkah-langkah yang dilakukan dalam melakukan penelitian ini adalah sebagai berikut:

1. Mempersiapkan model terbaik

Pada tahapan ini, data dikumpulkan dari sumber data yaitu laporan tahunan perusahaan, Bloomberg, dan YahooFinance untuk perusahaan sektor manufaktur, pertambangan, energi dan migas, agroindustri, serta kawasan dan jasa yang terdaftar di Bursa Efek Indonesia (BEI) periode 2010 hingga 2017.

Data mengenai peringkat PROPER dikumpulkan dari Surat Keputusan Kementerian Lingkungan Hidup dan Kehutanan dari tahun 2010 hingga 2017.

Selanjutnya, data tersebut diolah untuk menghitung setiap variabel yang akan digunakan dalam penelitian ini. Tahapan ini juga mengeliminasi data yang tidak lengkap dan tidak memenuhi kriteria.

2. Melakukan model analisis statistik deskriptif

Analisis statistik deskriptif merupakan analisis data penelitian dengan mendeskripsikan data yang telah terkumpul yang berguna untuk memahami setiap variabel yang akan digunakan dalam penelitian ini serta menentukan apakah hipotesis penelitian dapat digeneralisasi atau tidak. Statistik deskriptif terdiri atas rata-rata (mean), standar deviasi, maksimum dan minimum.

3. Memilih model terbaik

a. Memilih model estimasi antara Pooled Least Square (PLS) atau Fixed Effect (FE)

Model Common Effect atau disebut juga Pooled Effect, menggunakan pendekatan Pooled Least Square (PLS) untuk mengestimasi parameter. Hal ini memberikan arti bahwa metode ini menggabungkan data time-series dan cross- section menggunakan teknik kuadrat terkecil untuk mengestimasi koefisien.

Pooled Least Square (PLS) memiliki pengertian yaitu suatu metode ekonometrik dimana terdapat variabel independen yang merupakan variabel penjelas, dan variabel dependen sebagai variabel yang dipengaruhi oleh variabel independen. Dalam Pooled Least Square (PLS), hanya terdapat satu

(7)

31

variabel dependen dan terdapat lebih dari satu variabel independen. Variabel bebas yang digunakan hanya satu disebut sebagai regresi linier sederhana, sedangkan jika variabel bebas yang digunakan lebih dari satu disebut sebagai regresi linier majemuk. Pooled Least Square (PLS) merupakan metode regresi yang meminimalkan jumlah kesalahan (error) kuadrat. Model regresi linier yang dipakai dengan metode PLS tersebut harus memenuhi asumsi BLUE (Best Linier Unbiased Estimator) dalam melakukan pendugaan interval dan pengujian parameter regresi populasi. Sedangkan Fixed Effect (FE) memiliki pengertian sebagai model dengan intercept berbeda-beda untuk setiap subjek (cross section), tetapi slope setiap subjek tidak berubah seiring waktu (Gujarati, 2012).

Cara untuk menentukan pilihan antara model PLS maupun FE adalah dengan menggunakan Chow Test. Dasar pengambilan keputusan adalah sebagai berikut:

Bila p-value Chow Test (Prob>F) ≤ 0,1 maka H1 diterima. H1 artinya model FE merupakan pilihan model estimasi yang terbaik.

Bila p-value Chow Test (Prob>F) > 0,1 maka H0 diterima. H0 artinya model PLS merupakan pilihan model estimasi yang terbaik.

b. Memilih model estimasi antara Fixed Effect (FE) atau Random Effect (RE) Teknik model terbaik kedua adalah memilih antara Fixed Effect (FE) atau Random Effect (RE). Random Effect (RE) diukur dengan Generalized Least Square (GLS). Asumsi terpenting pada model Random Effect (RE) adalah tidak ada korelasi antar error individu dengan variabel penjelas dalam model. Pada model Random Effect (RE) nantinya akan dipilih estimasi data panel dimana residual mungkin saling berhubungan antar waktu dan antar individu. Oleh karena itu, pada model ini diasumsikan bahwa ada perbedaan intersep dan slope untuk setiap individu. Jika pada teknik model pertama dengan Chow Test terpilih model Fixed Effect (FE), maka dilanjutkan dengan melakukan pengujian Hausman Test untuk mengetahui apakah model Fixed Effect (FE) atau Random Effect (RE) yang terbaik. Dasar pengambilan keputusan adalah sebagai berikut:

(8)

32

Bila p-value Hausman Test > 0,1 maka H0 diterima. H0 adalah RE merupakan pilihan yang terbaik.

Bila p-value Hausman Test ≤ 0,1 maka H1 diterima. H1 adalah FE merupakan pilihan yang terbaik.

c. Memilih model estimasi antara Random Effect (RE) atau Pooled Least Square (PLS)

Jika hasil dari Chow Test menunjukkan Pooled Least Square (PLS), maka dilanjutkan dengan pengujian antara Random Effect (RE) atau Pooled Least Square (PLS). Dalam pengujian ini dilakukan uji Breusch-Pagan LM (Lagrange Multiplier). Dasar pengambilan keputusan adalah sebagai berikut:

Bila p-value Breusch-Pagan LM test ≤ 0,1 maka H1 diterima. H1 adalah RE merupakan pilihan yang terbaik.

Bila p-value Breusch-Pagan LM test > 0,1 maka H0 diterima. H0 adalah PLS merupakan pilihan yang terbaik.

Jika dalam pemilihan model terbaik yang terpilih adalah model Pooled Least Square (PLS) maka perlu dilakukan uji klasik yang terdiri dari:

• Uji Normalitas

Uji normalitas menurut Ghozali (2009) bertujuan untuk menguji apakah distribusi dari model regresi memiliki distribusi yang normal atau tidak. Uji normalitas menggunakan alat uji statistik Kolmogorov-Smirnov. Dasar pengambilan keputusan adalah sebagai berikut:

Bila p-value ≤ 0,1 maka H1 diterima. H1 adalah distribusi model regresi tidak normal.

Bila p-value > 0,1 maka H0 diterima. H0 adalah distribusi model regresi normal.

• Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah terdapat korelasi atau hubungan antar error yang diperoleh pada suatu periode tertentu dengan periode sebelumnya (Ghozali, 2009). Pada penelitian ini, uji autokorelasi dilakukan dengan menggunakan Durbin-Watson Test (DW). Nilai Durbin Watson (DW) akan dibandingkan dengan dua nilai Durbin Watson Tabel,

(9)

33

yaitu Durbin Upper (DU) dan Durbin Lower (DL). Dasar pengambilan keputusan adalah sebagai berikut:

Autokorelasi positif, jika 0 < nilai DW < DL.

Autokorelasi negatif, jika 4-DL < nilai DW < 4.

Tidak terdapat korelasi, jika nilai DU < nilai DW < 4-DU.

• Uji Heteroskedastisitas

Pada hasil Breusch-Pagan LM test model yang terpilih adalah model Pooled Least Square (PLS), maka selanjutnya dilakukan uji heteroskedastisitas. Uji heteroskedastisitas bertujuan untuk menguji apakah pada model regresi terdapat ketidaksamaan varian dari residual lain. Pada penelitian ini, uji heteroskedastisitas dilakukan dengan menggunakan uji White. Dasar pengambilan keputusan adalah:

Heteroskedastisitas positif, jika p-value ≤ 0,1.

Heteroskedastisitas negatif, jika p-value > 0,1.

Penelitian yang mengandung heteroskedasitas positif akan mengurangi tingkat kepercayaan dikarenakan standar deviasi menjadi terlalu lebar atau terlalu sempit dan varian error menjadi lebih banyak. Maka dari itu syarat dalam model regresi adalah memiliki heteroskedastisitas negatif.

• Uji Multikolinieritas

Uji multikolinearitas dilakukan untuk mengetahui apakah ada hubungan linier atau korelasi antar variabel independen dalam model regresi (Ghozali, 2009).

Ghozali (2009) berpendapat bahwa model regresi yang baik adalah tidak terjadi multikolinieritas. Dalam penelitian ini, uji multikolinieritas akan menggunakan Variance Inflation Factor (VIF) atau Tolerance (TOL). Dasar pengambilan keputusan adalah sebagai berikut:

Bila nilai VIF > 10 atau TOL ≤ 0,1, sehingga terjadi multikolinieritas positif.

Bila nilai VIF ≤ 10 atau TOL > 0,1, sehingga terjadi multikolinieritas negatif.

(10)

34 4. Uji Hipotesis

Dalam penelitian ini uji hipotesis diuji dengan menggunakan:

● Uji statistik t. Hipotesis diterima jika :

- Koefisien regresi telah menunjukkan hubungan yang searah dengan hipotesis;

- t-value signifikan < 0,1.

Penelitian ini membandingkan R² untuk menguji hipotesis yang telah dikemukakan sebelumnya. Data yang dibandingkan dalam penelitian ini adalah data sebelum dengan data sesudah menambahkan variabel PROPER rating untuk melihat adanya tambahan value relevance. Uji model terbaik dilakukan terlebih dahulu baik pada model sebelum maupun pada model setelah menggunakan variable PROPER rating. Selanjutnya nilai R² dibandingkan setelah terpilih model terbaik pada masing-masing model. Hipotesis diterima jika:

- R² model (3.1) < R² model (3.2);

- Adanya kenaikan R².