3. METODE PENELITIAN

(1)

23

Universitas Kristen Petra

3.1. Jenis Penelitian

Jenis penelitian ini adalah. causal research atau penelitian kausal. Menurut Maholtra (2005, p.100), ”Riset kausal adalah satu jenis konklusif yang tujuan utamanya adalah mendapatkan bukti mengenai hubungan sebab-akibat (hubungan kausal).” Dengan kata lain penelitian causal research merupakan penelitian yang mencari hubungan sebab-akibat untuk menentukan apakah satu atau lebih variabel menyebabkan atau berpengaruh terhadap perubahan variabel yang lainnya. Di dalam penelitian ini adalah pengaruh kebijakan hutang terhadap nilai perusahaan dan pengaruh institutional ownership, profitability, firm size, dan dividen payout ratio terhadap kebijakan hutang dan nilai perusahaan. Penelitian ini menggunakan pendekatan kuantitatif, yakni penelitian yang melibatkan penggunaan analisa statistik, penelitian kuantitatif ini mengandalkan bukti-bukti yang berupa angka yang digunakan untuk menarik kesimpulan atau menguji Hipotesa (dugaan atau jawaban sementara atas pertanyaan penelitian).

Dilihat dari ide dasarnya penelitian ini merupakan replikasi dari penelitian Soliha dan Taswan (2002) dengan beberapa perubahan, yaitu:

1. Menganalisis pengaruh profitability terhadap kebijakan hutang, di mana pada penelitian sebelumnya tidak dilakukan.

2. Mengganti variabel insider ownership dengan institutional ownership karena data insider ownership tidak tersedia dengan lengkap.

3. Menganalisis pengaruh tak langsung (indirect effect) variabel institutional ownership, profitability, firm size, dan dividend payout ratio terhadap nilai perusahaan melalui kebijakan hutang, di mana pada penelitian sebelumnya tidak dilakukan.

4. Menambah variabel bebas penelitian dividend payout ratio sebagai salah satu variabel yang mempengaruhi kebijakan hutang dan nilai perusahaan.

(2)

3.2. Gambaran Populasi, Sampel Penelitian dan Teknik Sampling

”Populasi adalah jumlah dari keseluruhan objek atau unit analisis yang karakteristiknya hendak diduga” (Djarwanto & Subagyo, 2000, p.95). Yang menjadi populasi pada penelitian ini adalah seluruh perusahaan yang go public di Bursa Efek Jakarta (BEJ) pada tahun 2004-2006 yang berjumlah 343 perusahaan.

”Sampel adalah bagian dari populasi yang karakteristiknya hendak diteliti, dan dianggap bisa mewakili keseluruhan populasi” (Djarwanto & Subagyo, 2000, p.95).

Sedangkan pemilihan sampel pada penelitian ini menggunakan metode purposive sampling dengan tipe judgment sampling, yaitu pemilihan sampel dengan mendasarkan pada kriteria tertentu (Cooper & Schindler, 2000). Adapun kriteria yang digunakan adalah :

1. Memiliki rasio hutang.

2. Membukukan keuntungan setelah pajak selama periode 2004-2006 berturut-turut.

3. Membagikan dividen berturut-turut selama periode 2004-2006.

Sehingga yang menjadi sampel penelitian ini adalah seluruh perusahaan go public di BEJ periode 2004-2006 yang memenuhi kriteria di atas.

3.3. Definisi Operasional Variabel

Operasional variabel-variabel pada penelitian ini, yakni: nilai perusahaan, kebijakan hutang, institutional ownership, profitability, firm size, dan dividend payout ratio akan dijelaskan sebagai berikut:

1. Nilai perusahaan

Konsep: Nilai perusahaan didefinisikan sebagai persepsi investor terhadap tingkat keberhasilan perusahaan dalam mengelola sumber daya pada tahun berjalan (Sujoko & Subiantoro, 2007).

Proksi: Nilai perusahaan diproksi melalui price to book value (PBV).

Definisi opersional: Dalam penelitian ini nilai perusahaan diukur dengan price to book value (PBV). Menurut (Brigham & Gapenski, 2006) price to book value adalah perbandingan antara harga saham dengan nilai buku per saham. Pengukuran

(3)

data price to book value menggunakan skala rasio, yang dinyatakan dengan satuan kali.

2. Kebijakan hutang

Konsep: hutang merupakan suatu petunjuk komprehensif untuk mengatur keuangan perusahaan berkaitan dengan hutang untuk

pembiayaan modal (”Debt Policy”, 2001).

Proksi: Kebijakan hutang di proksi melalui debt ratio (DEBT).

Definisi operasional: kebijakan hutang akan diukur dengan debt ratio, dimana debt ratio didapat dengan membandingkan hutang jangka panjang dengan total aktiva perusahaan. Pengukuran data kebijakan hutang menggunakan skala rasio, yang dinyatakan dengan satuan kali.

3. Institutional Ownership (INSOW)

Konsep: Institutional Ownership merupakan proporsi jumlah investor yang berbentuk institusi yang memiliki saham perusahaan-perusahaan yang go public.

Proksi: kepemilikan institusi di proksi melalui institutional ownership (INSOW).

Definisi operasional: Pengukuran data institutional ownership ini didapat dengan cara membandingkan jumlah saham institusi dengan total saham, menggunakan skala rasio, yang dinyatakan dengan satuan persen.

4. Profitability

Konsep: Profitabilitas diartikan sebagai kemampuan perusahaan dalam menghasilkan laba dari aktiva yang digunakan atau diinvestasikan dalam satu periode

Proksi: Profitability diproksi melalui return on investment (ROI).

Definisi operasional: profitability diukur dengan return on investment (ROI), didapat dengan cara membendingkan laba setelah pajak dengan total aktiva.

menggunakan skala rasio, dengan satuan persen.

(4)

5. Firm size

Konsep: Ukuran perusahaan dapat diketahui dari total aktiva perusahaan, semakin besar jumlah aktiva perusahaan maka semakin besar ukuran perusahaan tersebut (Jin & Machfoedz, 1998, p. 180).

Definisi operasional: firm size didalam penelitian ini diukur dengan total asset masing-masing perusahaan pada akhir tahun. Pada penelitian ini total asset akan dikonversikan kedalam logaritma natural (Ln), hal ini dimaksudkan agar besarnya nilai tidak terlalu berbeda dan digit tidak terlalu panjang. Sehingga dapat dihitung secara manual dengan rumus sebagai berikut:

Firm Size = Ln Total Asset (3.1)

6. Dividend Payout Ratio (DPR)

Konsep: Dividen yaitu merupakan pembagian keuntungan yang diberikan perusahaan penerbit saham tersebut atas keuntungan

yang dihasilkan perusahaan.

Proksi: kebijakan dividen diproksi dengan Dividend payout ratio (DPR).

Definisi operasional: Dividend payout ratio didapat dengan cara membandingkan antara dividen yang dibayarkan dengan jumlah keuntungan bersih per lembar saham yang diperoleh masing-masing perusahaan yang go public. Menggunakan skala rasio, yang dinyatakan dalam satuan persen.

3.4. Metode dan Teknik Pengumpulan Data

Sumber data dari penelitian ini yang terdiri dari price to book value (PBV), Debt Ratio (DEBT), institutional ownership, profitability, firm size, dividend payout ratio menggunakan data sekunder dengan sumber eksternal. Data sekunder adalah data yang telah dipublikasikan. Data penelitian ini bersumber dari (Indonesian Capital Market Directory) ICMD tahun 2004-2006. Sedangkan Metode pengumpulan data yang digunakan adalah dokumentasi yang diambil dari data ICMD tahun 2004-2006.

(5)

3.5. Teknik Analisa Data

3.5.1. Teknik Pengumpulan Data Penelitian

Teknik pengumpulan data pada penelitian ini secara bertahap akan dijelaskan sebagai berikut:

1. Menghitung firm size dengan rumus, Ln Total Asset.

2. Mengolah data-data PBV, DEBT, INSOW, PROFIT, FIRM SIZE, DPR dari perusahaan-perusahaan yang sudah kita kumpulkan sebelumnya kedalam statistik deskriptif untuk mengetahui nilai mean, standard deviation, range, minimum dan maximum.

3. Data-data yang telah kita kumpulkan sebelumnya akan diuji terlebih dahulu dengan uji asumsi klasik regresi, dan akan dijelaskan pada sub bab Uji Asumsi Klasik Regresi.

4. Setelah data-data tersebut memenuhi uji asumsi klasik regresi maka data-data tersebut (PBV, DEBT, INSOW, PROFIT, FIRM SIZE, DPR) akan diolah dengan path Analysis SEM, guna untuk membuktikan kebenaran hipotesis.

3.5.2. Uji Asumsi Klasik

Oleh karena model analisis penelitian adalah Path Analysis-Structural Equation Modeling (SEM), maka dituntut adanya pemenuhan uji asumsi klasik regresi. Pengujian asumsi klasik regresi dimaksudkan untuk mendapatkan koefisien regresi (perkiraan) yang akurat, sehingga uji t dapat diberlakukan.

Menurut Ferdinand (2002, p.53), uji asumsi klasik regresi yang harus dipenuhi dalam pengolahan data dengan model path analysis-SEM, yaitu:

1. Uji Normalitas Sebaran Data dan Deteksi Outlier Data

Uji normalitas digunakan untuk menguji apakah data penelitian berdistribusi normal (seperti genta), sedangkan data outlier adalah data yang secara nyata berbeda dengan data-data yang lain. Data penelitian yang dikehendaki adalah berdistribusi normal dan bebas outlier.

Uji normalitas data dan deteksi outlier data penelitian ini menggunakan Jarque-Bera (JB) Test, yaitu perpaduan antara Skweness dan Kurtosis test.

(6)

Menurut Algifari (2000, p.35) nilai Jarque-Bera (JB) dapat dihitung dengan rumus sebagai berikut:

JB = n ( )

⎟⎟⎠

⎞

⎜⎜⎝

⎛ ⊕

24 3 - K 6

S² ²

(3.2)

Keterangan:

JB= Jarque-Bera S= Nilai Skweness K= Nilai Kurtosis.

n= Jumlah data penelitian.

Apabila nilai JB < χ²(0,05;n-2) atau χ² kritis, maka data diputuskan berdistribusi normal atau bebas outlier (Algifari, 2000, p.35). ”Uji normalitas data penelitian juga dapat menggunakan Normal Probability Plot, jika data menyebar di sekitar garis diagonal dan mengikuti garis diagonal, maka model regresi memenuhi asumsi normalitas” (Santoso, 2002, p.213-214). Data yang tidak berdistribusi normal, agar memenuhi asumsi normalitas maka harus dilakukan salah satu dari 3 (tiga) alternatif, yaitu: (1) menambah jumlah data;

(2) menghilangkan data yang dianggap penyebab tidak normal; dan (3) melakukan transformasi data ke dalam logaritma natural (ln), kemudian dilakukan pengujian ulang.

2. Uji Linieritas

Uji linieritas menunjukkan satu variabel dengan variabel yang lain mempunyai hubungan garis lurus (linier). Data penelitian yang dikehendaki adalah mempunyai hubungan linier. Uji linieritas menggunakan Lagrange Multiplier (LM) Test yang diaplikasikan dengan software SPSS. Menurut Gujarati (2003, p. 523) nilai Lagrange Multiplier dapat dihitung dengan rumus sebagai berikut:

Lagrange Multiplier= n R² (3.3)

Dimana besarnya R² dapat dihitung menggunakan rumus aplikasi, sebagai berikut (Hair et al., 1958, p.156) :

(7)

R² =

squares of

sum Total

regression

squares of

Sum (3.4)

Keterangan:

n = Jumlah data penelitian

R² = Koefisien determinasi berganda

Sum of square regression = Jumlah kuadrat regresi Total sum of square = Jumlah total kuadrat

Apabila nR² < χ² tabel, maka dapat dikatakan bahwa model berbentuk linier (Gujarati, 2003).

3. Uji Multikolinearitas

Uji Multikolinearitas pada SEM digunakan untuk mengidentifikasi problem Struktural Model, yang ditunjukkan melalui hubungan linier yang kuat (multikolinearitas) antar variabel. Variabel-variabel penelitian didalam SEM tidak boleh terjadi high correlation antar variabel. Pada penelitian ini, identifikasi problem structural model dilakukan dengan menggunakan correlation matrix atau korelasi antar variabel penelitian. Perhitungan korelasi pada correlation matrix pada dasarnya menggunakan korelasi pearson product moment, yang rumusnya ditunjukkan sebagai berikut (Algifari, 2000, p. 53) :

r = _∑^X² ^-^∑⁽_∑^X)²^{∑ ∑}_∑ ² ⁻

( )

_∑ ²

Y X - XY n

Y Y

n n

(3.5)

Keterangan :

r = Korelasi pearson n = Jumlah data penelitian X= Variabel bebas

Y = Variabel tergantung

“Apabila nilai korelasi pearson < 0,90, maka disimpulkan tidak terjadi korelasi yang kuat antar variabel penelitian atau bebas multikolinearitas”

(Hair, et al., 1998, p.609). dan jika terjadi high correlation antar variabel, maka salah satu variabel penyebab multikolinearitas harus dibuang.

(8)

4. Uji Heteroskedastisitas

Uji heterokedastisitas adalah pengujian yang dilakukan untuk menguji apakah sebuah grup (data kategori) mempunyai varians residual yang sama di antara anggota grup tersebut. Apabila varians residualnya sama, maka bebas heteroskedastisitas. Data penelitian yang dikehendaki adalah yang non heterokedastisitas atau bebas heterokedastisitas.

Hetero atau tidaknya data dapat diketahui dengan menggunakan analisis residual berupa grafik. Apabila titik-titik dalam grafik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas (Santoso, 2002).

3.5.3. Path Analysis

Data penelitian yang telah memenuhi uji asumsi klasik regresi, baru dapat diolah lebih lanjut dengan model analisis penelitian Path Analysis-SEM, yakni metode untuk mengetahui pengaruh langsung (direct effect) dan pengaruh tidak langsung (indirect effect) dari beberapa variabel bebas terhadap satu atau lebih variabel tergantung. Digunakan Path Analysis-SEM, karena variabel yang diteliti hanyalah variabel riil (nyata) saja dan data penelitian kurang dari (100). Pengolahan data akan dilakukan dengan program LISREL. Path Analysis-SEM didalam penelitian ini secara garis besar dibedakan menjadi dua, yakni :

1. Evaluasi Kriteria Goodness-of-Fit (GOF)

Goodness-of-fit atau uji kecocokan model dalam SEM dibedakan menjadi dua (Hair et al., 1998), yaitu:

a. Uji Kecocokan Model Keseluruhan (Overall Model Fit)

Uji kecocokan model keseluruhan penelitian ini didasarkan pada indeks goodness-of-fit. Sesuai konsepnya, goodness-of-fit digunakan untuk mengukur sejauh mana kesesuaian model teoritis yang dikembangkan dengan data penelitian. Hipotesis statistik mengenai model penelitian yang diajukan, yaitu:

(9)

Ho: Tidak ada perbedaan antara model teoritis yang dikembangkan dengan data penelitian.

H1: Ada perbedaan antara model teoritis yang dikembangkan dengan data penelitian.

Tujuan pengujian Overall Model Fit adalah tidak menolak Ho. Batasan tidak menolak Ho, yaitu apabila:

1. Probabilitas Chi-Square (χ²) ≥ 0,05 (5%). Probabilitas χ² lebih besar 0,05 menunjukkan model makin baik (Good Fit). Alat ukur χ² merupakan alat uji yang paling diprioritaskan untuk mengukur overall fit, dan sangat sensitif terhadap jumlah sampel, sehingga penggunakan χ² hanya sesuai jika sampel berukuran relatif besar, yaitu 100 sampai dengan 200 (Hair et al., 1995, dalam Semuel, 2006).

2. CMIN/DF (The Minimum Sample Discrepancy Function) ≤ 2,0, bahkan

≤ 3,0 menunjukkan model fit dengan data. CMIN/DF sebagai salah satu indikator untuk mengukur tingkat fit-nya sebuah model dengan data.

CMIN/DF tidak lain adalah statistik χ² dibagi dengan df (degree of freedom), sehingga disebut χ² relatif (Arbukle, 1999, dalam Semuel, 2006).

3. RMSEA (The Root Mean Square Error of Approximation) makin kecil nilainya makin baik (≤ 0,08). RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi statistik χ² untuk dapat diterimanya model yang menunjukkan sebagai sebuah close fit dari model berdasarkan derajat kebebasan (Broune & Cudek, 1993, dalam Semuel, 2006).

(10)

b. Uji Kecocokan Model Struktural (Structural Model Fit)

Uji kecocokan model struktural dalam penelitian didasarkan pada:

1. GFI (Goodness-of-Fit Index) atau identik dengan nilai R² pada persamaan regresi berganda (Multiple Regression). GFI merupakan indeks kesesuaian yang akan menghitung proporsi tertimbang dari varian dalam matriks kovarian sampel yang dijelaskan oleh matrik populasi yang terestimasikan. Nilai GFI berada di antara 0,00 s.d 1,0. Nilai GFI ≥ 0,90 menunjukkan model penelitian baik atau disimpulkan Structural Model adalah good fit (Arbuckle, 1999, dalam Semuel, 2006). Misalnya, GFI sebesar 0,95, artinya 95% model penelitian mampu dijelaskan oleh variabel-variabel penelitian, sedangkan sebesar 5% dijelaskan oleh variabel-variabel lain di luar model analisis.

2. AGFI (Adjusted Goodness-of-Fit Index) atau identik dengan nilai Adjusted R² pada analisis regresi berganda (Multiple Regression). Indeks ini dapat disesuaikan terhadap derajat bebas yang tersedia untuk menguji diterimanya model. Tingkat penerimaan yang direkomendasikan adalah bila AGFI ≥ 0,90 (Hair et al., 1995, dalam Semuel, 2006). AGFI sebesar 0,90, artinya 90% model penelitian secara riil (setelah dibebaskan dari kesalahan) mampu dijelaskan oleh variabel-variabel penelitian.

(11)

2. Struktural Model (Regression Weight)

Regression weight mengukur bobot regresi antara variabel-variabel bebas terhadap variabel-variabel tergantung dalam penelitian. Dalam model path-analysis SEM pengukuran bobot regresi dibedakan menjadi dua, yakni pengaruh langsung dan tidak langsung. Model path-analysis penelitian ini ditunjukkan pada gambar 3.1.

e1 e2

β

γ1 γ5 γ1

γ6 γ2

γ7 γ3

γ8 γ4

Gambar 3.1.

Keterangan :DEBT= debt ratio, PBV= price to book value, INSOW=

institutional ownership, PROFIT= profitability, SIZE= firm size, DPR= dividend payout ratio.

γ dan β = Estimate regresi (menunjukkan besar pengaruh variabel bebas (eksogen) terhadap variabel tergantung (endogen)).

e = Error (kesalahan baku estimasi).

Persamaan Path Analysis-SEM pada gambar 3.1 dibedakan menjadi dua, yaitu:

a. Pengaruh langsung (Direct Effect):

1) PBV=β DEBT + γ¹^{INSOW +}γ²^{PROFIT +}γ³^{SIZE +}γ⁴^DPR+e²

2) DEBT = γ⁵ INSOW + γ⁶ PROFIT + γ⁷ SIZE + γ⁸ DPR + e¹

INSOW

PBV

PROFIT DEBT

SIZE

DPR

(12)

b. Pengaruh tidak langsung (Indirect Effect):

Yang dimaksud pengaruh tidak langsung disini adalah pengaruh dari variabel- variabel bebas (INSOW, PROFIT, SIZE, DPR) terhadap variabel tergantung PBV tetapi tidak secara langsung, melainkan melewati variabel (intervening) DEBT terlebih dahulu. Persamaan pengaruh tidak langsung ini akan ditunjukkan sebagai berikut:

1) PBV = DEBT + γ⁹^{INSOW +}γ¹⁰^{PROFIT +}γ¹¹^{SIZE +}γ¹²^DPR

3.5.4. Pengujian Hipotesis

Untuk pengujian hipotesis dalam penelitian ini menggunakan uji t. Yaitu menguji signifikan-tidaknya nilai koefisien regresi (estimate) masing-masing variabel bebas terhadap variabel tergantung. Uji t yang digunakan adalah uji dua ekor (two tailed test) dengan tingkat kesalahan (α) sebesar 5%, di mana besar t-kritis untuk model SEM adalah 1,960 (t-tabel yang ditetapkan LISREL). Sehingga Ho ditolak apabila thitung ≥ 1,960, artinya ada pengaruh signifikan variabel-variabel bebas terhadap variabel tergantung.

Hipotesis statistik yang diajukan:

1. Ho: β = 0, Kebijakan hutang tidak berpengaruh signifikan terhadap PBV.

H1: β ≠ 0, Kebijakan hutang berpengaruh signifikan terhadap PBV.

2a. Ho: γ1 = 0, INSOW tidak berpengaruh signifikan terhadap PBV.

H1: γ1 ≠ 0, INSOW berpengaruh signifikan terhadap PBV.

2b. Ho: γ2 = 0, Profitability tidak berpengaruh signifikan terhadap PBV.

H1: γ2 ≠ 0, Profitability berpengaruh signifikan terhadap PBV.

2c. Ho: γ3 = 0, Firm size tidak berpengaruh signifikan terhadap PBV.

H1: γ3 ≠ 0, Firm size berpengaruh signifikan terhadap PBV.

2d. Ho: γ4 = 0, DPR tidak berpengaruh signifikan terhadap PBV.

H1: γ4 ≠ 0, DPR berpengaruh signifikan terhadap PBV.

3a. Ho: γ5 = 0, INSOW tidak berpengaruh signifikan terhadap kebijakan hutang.

H1: γ5 ≠ 0, INSOW berpengaruh signifikan terhadap kebijakan hutang.

3b. Ho: γ6 = 0, Profitability tidak berpengaruh signifikan terhadap kebijakan hutang.

H1: γ6 ≠ 0, Profitability berpengaruh signifikan terhadap kebijakan hutang.

(13)

3c. Ho: γ7 = 0, Firm size tidak berpengaruh signifikan terhadap kebijakan hutang.

H1: γ7 ≠ 0, Firm size berpengaruh signifikan terhadap kebijakan hutang.

3d. Ho: γ8 = 0, DPR tidak berpengaruh signifikan terhadap kebijakan hutang.

H1: γ8 ≠ 0, DPR berpengaruh signifikan terhadap kebijakan hutang.

4a. Ho: γ9 = 0, INSOW tidak berpengaruh tak langsung signifikan terhadap PBV melalui kebijakan hutang.

H1: γ9 ≠ 0, INSOW berpengaruh tak langsung signifikan terhadap PBV melalui kebijakan hutang.

4b. Ho: γ10 = 0, Profitability tidak berpengaruh tak langsung signifikan terhadap PBV melalui kebijakan hutang.

H1: γ10 ≠ 0, Profitability berpengaruh tak langsung signifikan terhadap PBV melalui kebijakan hutang.

4c. Ho: γ11 = 0, Firm size tidak berpengaruh tak langsung signifikan terhadap PBV melalui kebijakan hutang.

H1: γ11 ≠ 0, Firm size berpengaruh tak langsung signifikan terhadap PBV melalui kebijakan hutang.

4d. Ho: γ12 = 0, DPR tidak berpengaruh tak langsung signifikan terhadap PBV melalui kebijakan hutang.

H1: γ12 ≠ 0, DPR berpengaruh tak langsung signifikan terhadap PBV melalui kebijakan hutang.