15 BAB III
METODE PENILITIAN A. Jenis Penelitian
Jenis Penelitian yang dilakukan adalah jenis penelitian asosiatif.
Penelitian asosiatif adalah jenis penelitian yang bertujuan untuk menganalisis hubungan antara suatu variabel dengan variabel lain, hubungan ini dapat berupa hubungan biasa (korelasi) pada variabel independent dan variabel dependent (Ulum dan Juanda, 2016).
Penelitian ini dapat dikatakan penelitian asosiatif karena adanya hubungan analisis pada profitablitas terhadap nilai perusahaan, likuiditas terhadap nilai perusahaan, dan ukuran perusahaan terhadap nilai perusahaan.
B. Populasi dan Teknik Pengambilan Sampel
Populasi merupakan keseluruhan kelompok orang, kejadian, atau hal – hal yang ingin di investigasi (Ulum dan Juanda, 2016). Populasi yang digunakan dalam penelitian ini adalah perusahaan perdagangan ritel barang primer yang terdaftar di Bursa Efek Indonesia (BEI) pada tahun 2016-2020 dan jumlah populasi pada penelitian ini sebesar 90 perusahaan perdagangan ritel barang primer.
Teknik pengambilan sampel yang digunakan yaitu purposive sampling, dengan tujuan menemukan sampel sesuai kriteria yang
dibutuhkan oleh peneliti. Kriteria sampel pada penelitian ini adalah sebagai berikut:
1. Perusahaan pedagangan ritel barang primer yang terdaftar di BEI pada tahun 2016 – 2020
16 2. Perusahaan pedagangan ritel barang primer yang sudah melaporkan
keuangan tahunan pada tahun 2016 – 2020.
C. Definisi Operasional dan Pengukuran Variabel 1. Variabel Dependent
a. Price Book Value (PBV)
Price Book Value (PBV) sendiri digunakan untuk memberikan gambaran pergerakan suatu saham Atau bisa dikatakan untuk mengetahui apakah harga saham yang diperdagangkan meningkat atau menurun. Cara mengukur PBV yaitu menggunakan rumus :
𝑃𝑟𝑖𝑐𝑒 𝐵𝑜𝑜𝑘 𝑉𝑎𝑙𝑢𝑒 = 𝐻𝑎𝑟𝑔𝑎 𝑃𝑎𝑠𝑎𝑟 𝑆𝑎ℎ𝑎𝑚 𝐵𝑜𝑜𝑘 𝑉𝑎𝑙𝑢𝑒 (𝐵𝑉)
Standart pengukuran kinerja perusahaan dapat dikatakan baik yaitu dapat mencapai diatas rata-rata industri 2
2. Variabel Independent a. Return on Equity (X1)
Return on Equity (ROE) atau disebut dengan Hasil Pengembalian Ekuitas merupakan rasio untuk mengukur seberapa besar ekuitas yang dimiliki perusahaan yang dijadikan sebagai modal sehingga menghasilkan laba yang tinggi. Cara mengukur ROE yaitu menggunakan rumus :
𝑅𝑂𝐸 = 𝐿𝑎𝑏𝑎 𝑁𝑒𝑡𝑜 𝐸𝑘𝑢𝑖𝑡𝑎𝑠 𝑆𝑎ℎ𝑎𝑚 𝐵𝑖𝑎𝑠𝑎
Standart pengukuran kinerja perusahaan dapat dikatakan baik yaitu dapat mencapai ROE diatas rata-rata industri yaitu 40%
atau 0,4 . (Kasmir S.E., 2019)
17 b. Current Ratio (X2)
Current Ratio (CR) atau Rasio Lancar merupakan rasio untuk mengukur kemampuan perusahaan membayar kewajiban jangka pendek dengan membandingkan seberapa banyak aktiva lancar yang digunakan untuk menutupi kewajiban jangka pendek yang akan jatuh tempo.
𝑅𝑎𝑠𝑖𝑜 𝐿𝑎𝑛𝑐𝑎𝑟 = 𝐴𝑠𝑒𝑡 𝐿𝑎𝑛𝑐𝑎𝑟 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝐿𝑎𝑛𝑐𝑎𝑟
Standart pengukuran kinerja perusahaan dapat dikatakan cukup baik yaitu dapat mencapai rata-rata industri yaitu 2 atau 200 yang berarti bahwa hasil rasio tersebut sudah dititik aman. (Kasmir S.E., 2019)
c. Ukuran Perusahaan (X3)
Ukuran Perusahaan adalah total kekayaan yang dimiliki perusahaan (Normalita, 2011). Perusahaan yang lebih besar banyak diminati investor. logaritma natural (Ln) digunakan untuk meminimalkan jumlah dari aktiva, penjualan, dan kapitalisasi perusahaan yang nominalnya sangat besar. Rumus untuk mengukur ukuran perusahaan yaitu :
𝑈𝑘𝑢𝑟𝑎𝑛 𝑃𝑒𝑟𝑢𝑠𝑎ℎ𝑎𝑎𝑛 = 𝐿𝑛 𝑇𝑂𝑡𝑎𝑙 𝐴𝑠𝑒𝑡
Berdasarkan UU nomor 9 tahun 1995 bahwa perusahaan besar memiliki hasil penjualan >20.000.000.000 atau Ln 23,72.
D. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu data yang diterbitkan atau digunakan oleh organisasi yang bukan pengolahnya (Ulum et al., 2021). Dalam hal ini data sekunder berupa annual
18 report, dan laporan keuangan perusahaan dagang yang terdaftar di Bursa Efek Indonesia (BEI). dan sumber data di peroleh dari website BEI.
E. Teknik Perolehan Data
Dalam penelitian ini data diperoleh melalui Teknik dokumentasi, Teknik dokumentasi digunakan untuk memperoleh data yang sudah jadi dan sudah diolah oleh orang lain (Ulum et al., 2021).
Data – data penelitian ini diperoleh melalui website www.idx.co.id. Dan website masing-masing perusahaan perdagangan ritel barang primer yang terdaftar di idx-ic.
F. Teknik Analisis Data
Penelitian ini menggunakan alat ukur analisis yaitu STATA dengan tahapan sebagai berikut:
1. Analisis Statistik Deskriptif
Adalah melakukan analisis berupa mengenali sejumlah data dan menyajikan informasi yang tersebut. Statistik deskriptif juga berguna untuk mengukur hubungan antara variabel melalui analisis korelasi, dan membuat perbandingan dengan rata rata data sampel.
2. Analisis Regresi Data Panel
Analisis regresi data panel merupakan salah satu jenis analisis data dari gabungan antara data time series dan data cross section. Data time series merupakan data yang diperoleh dalam kurun waktu tertentu.
Sedangkan data cross section merupakan data yang berfokus pada satu titik waktu yang sama. Jadi analisis regresi data panel adalah analisis data yang sama diukur pada kurun waktu tertentu.
19 Gambar 3.1 Tahapan analisis Regresi Data Panel
Penentuan Model Estimasi Common
Effect Model
Fixed Effect Model Random Effect Model
Penentuan Metode Estimasi Chow Test Lagrange Multiplier
Test
Durbin-Wu-Hausman Test
Pengujian Asumsi dan Kesesuaian Model
Normalitas Multikolinearitas Heteroskedastisitas Autokorelasi
Interpretasi
R-Squared Adjusted R-Squared Uji Simultan Uji Parsial
a. Penentuan Model Estimasi
Pada tahapan pertama uji regresi data panel dilakukan penentuan salah satu model estimasi dari tiga jenis model estimasi.
Model estimasi yang dipilih dianggap menjadi model yang tepat.
Adapun model penentuan estimasi regresi data panel sebagai berikut:
1) Common Effect Model (CEM) atau Pooled Least Square (PLS) Common Effect Model (CEM) merupakan model penentuan estimasi yang mengkombinasikan data time series dan data cross section dengan mengabaikan dimensi waktu dan individu, sehingga perilaku data dapat diasumsikan sama.
Asumsi sama tersebut menjadikan kelemahan model ini, karena tidak sesuai dengan keadaan yang sesungguhnya.
Model ini dapat juga disebut dengan istilah Pooled Least Square (PLS), karena menggunakan prinsip kuadrat terkecil (Ordinary Least Square/OLS).
20 2) Fixed Effect Model (FEM) atau Least Squares Dummy Variable (LSDV) Fixed Effect Model (FEM) merupakan salah satu model penentuan estimasi yang memperlakukan dimensi waktu dan setiap individu memiliki koefisien yang tetap, sehingga dapat diasumsikan dapat mengakomodasi perbedaan.
Estimasi pada model Fixed Effect Model (FEM) dapat menggunakan variabel dummy yang mana setiap individu menjadi variabel dummy, sehingga dapat juga disebut dengan istilah Least Squares Dummy Variable (LSDV)
3) Random Effect Model (REM) atau Error Component Model (ECM) Random Effect Model (REM) berbeda Fixed Effect Model (FEM) walaupun keduanya dapat mengatasi permasalahan heterogenitas antar individu, namun secara spesifik dapat juga digunakan untuk mengatasi masalah heterogenitas pada masing-masing individu. Model ini menggunakan pendekatan Generalized Least Square (GLS) yang merupakan teknik untuk memperkirakan parameter yang tidak diketahui ketika ada tingkat korelasi tertentu antara residual, sehingga tidak memerlukan uji autokorelasi maupun uji heteroskedastisitas dan dapat juga disebut dengan istilah Error Component Model (ECM)
b. Penentuan Metode Estimasi
Metode estimasi diperlukan untuk menentukan model estimasi yang tepat dalam regresi data panel dengan taraf signifikansi (α) yang ditentukan oleh peneliti sebesar 0,05. Adapun metode estimasi regresi data panel sebagai berikut:
21 1) Chow Test Chow test
digunakan untuk menentukan antara Common Effect Model (CEM) atau Fixed Effect Model (FEM) dengan asumsi sebagai berikut:
a) H0 diterima jika nilai (Prob>F) > α pada output FEM yang artinya H1 ditolak dan model estimasi yang tepat adalah CEM.
b) H1 diterima jika nilai (Prob>F) < α pada output FEM, artinya H0 ditolak dan model estimasi yang tepat adalah FEM.
2) Durbin-Wu-Hausman test
digunakan untuk menentukan antara Fixed Effect Model (FEM) atau Random Effect Model (REM) dengan asumsi sebagai berikut:
a) H0 diterima jika nilai (Prob>Chi2) > α pada output Durbin-WuHausman test, artinya H1 ditolak dan model estimasi yang tepat adalah REM.
b) H1 diterima jika nilai (Prob>Chi2) < α pada output Durbin-WuHausman test, artinya H0 ditolak dan model estimasi yang tepat adalah FEM.
3) Lagrange Multiplier Test
Lagrange multiplier test digunakan untuk menentukan antara Common Effect Model (CEM) atau Random Effect Model (REM) dengan asumsi sebagai berikut:
a) H0 diterima jika nilai (Prob>Chibar2) > α pada output Lagrange Multiplier Test, artinya H1 ditolak dan model estimasi yang tepat adalah CEM.
22 b) H1 diterima jika nilai (Prob>Chibar2) < α pada output Lagrange Multiplier Test, artinya H0 ditolak dan model estimasi yang tepat adalah REM
Ketiga metode estimasi diatas dapat digambarkan kedalam bentuk diagram sebagai berikut:
Gambar 3.2 Diagram Penentuan Model Estimasi Regresi Data Panel
c. Pengujian Asumsi dan Kesesuaian Model
Uji asumsi adalah analisis yang dilakukan untuk menilai apakah di dalam sebuah model persamaan regresi yang perhitungannya menggunakan metode Ordinary Least Square (OLS) terdapat masalahmasalah asumsi klasik. Dalam model persamaan regresi metode Ordinary Least Square (OLS) ini, ada beberapa syarat yang harus dipenuhi agar peramalan yang dibuat menjadi valid sebagai alat peramalan. Berikut pengujian asumsi klasik dalam penelitian ini dengan taraf signifikansi (α) yang ditentukan oleh peneliti sebesar 0,05:
1) Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal.
Pengujian normalitas pada penelitian ini menggunakan metode Skewness-Kurtosis tests dengan asumsi sebagai berikut:
Common Effect Model (CEM)
Random Effect Model (REM) Fixed Effect
Model (FEM)
Chow Test H0 : CEM H1 : FEM
Lagrange Multiplier Test H0 : CEM H1 : FEM Durbin-Wu-Hausman
Test H0 : CEM H1 : FEM
23 a) H0 diterima jika nilai (Prob>chi2) > α, artinya H1 ditolak
dan nilai residual telah terdistribusi normal.
b) H1 diterima jika nilai (Prob>chi2) < α, artinya H0 ditolak dan nilai residual tidak terdistribusi normal
2) Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas terhadap variabel terikat dalam suatu model regresi linear. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Pengujian multikolinearitas pada penelitian ini menggunakan nilai Variance Inflation Factor (VIF) dengan asumsi sebagai berikut:
a) H0 diterima jika nilai VIF < 10, artinya H1 ditolak dan model regresi dikatagorikan bebas dari masalah multikolinearitas.
b) H1 diterima jika nilai VIF > 10, artinya H0 ditolak dan model regresi dikatagorikan terjadi masalah multikolinearitas
3) Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk melihat apakah terdapat ketidaksamaan varian dari residual agar model regresi dinyatakan valid. Untuk mengetahui terjadi atau tidaknya masalah heteroskedastisitas disasumsikan sebagai berikut:
a) H0 diterima jika nilai (Prob>chi2) > α, artinya H1 ditolak dan tidak terjadi masalah heteroskedastisitas.
b) H1 diterima jika nilai (Prob>chi2) < α, artinya H0 ditolak dan terjadi masalah heteroskedastisitas
24 4) Uji Autokorelasi
Uji autokorelasi dilakukan untuk melihat apakah terjadi korelasi antar periode atau pengaruh antara variabel bebas terhadap variabel terikat. Dengan demikian tidak boleh ada korelasi antar data observasi. Untuk mengetahui terjadi atau tidaknya masalah autokorelasi diasumsikan sebagai berikut:
a) H0 diterima jika nilai (Prob>chi2) < α, artinya H1 ditolak dan tidak terjadi masalah autokorelasi.
b) H1 diterima jika nilai (Prob>chi2) < α, artinya H0 ditolak dan terjadi masalah autokorelasi
d. Interpretasi
Interpretasi adalah pengambilan keputusan yang didasarkan dari analisis data dari percobaan yang dilakukan. Berikut interpretasi hasil pengujian statistik regresi data panel:
1) R-Squared
R-squared menunjukkan seberapa baik kesesuaian model pada variasi variabel terikat yang dijelaskan oleh variabel bebas .
2) Adjusted R-squared
Adjusted R-squared menunjukkan proporsi variasi variabel terikat yang diterangkan oleh variabel bebas setelah terkoreksi dengan standar error yang diasumsikan sebagai berikut : a) Model Estimasi Common Effect Model (CEM) dan Fixed
Effect Model (FEM) Jika adjusted R-square mendekati angka 1, artinya variabel-variabel bebas semakin baik dalam memberikan informasi yang dibutuhkan untuk menjelaskan variasi variabel terikat.
b) Model Estimasi Random Effect Model (REM)
Jika adjusted R-square mendekati angka 0, artinya variabel-variabel bebas semakin baik dalam memberikan
25 informasi yang dibutuhkan untuk menjelaskan variasi variabel terikat.
3) Uji Simultan
Uji simultan digunakan untuk mengetahui apakah semua variabel bebas mempunyai pengaruh secara bersama-sama terhadap variabel terikat dengan asumsi sebagai berikut:
a) Model Estimasi Common Effect Model (CEM) dan Fixed Effect Model (FEM) Jika nilai (Prob>F) > α maka semua variabel bebas tidak berpengaruh terhadap variabel terikat.
Sebaliknya, jika nilai (Prob>F) < α maka semua variabel bebas berpengaruh terhadap variabel terikat.
b) Model Estimasi Random Effect Model (REM) Jika nilai (Prob>Chi2) > α, maka semua variabel bebas tidak berpengaruh terhadap variabel terikat. Sebaliknya, jika nilai (Prob>Chi2) < α maka semua variabel bebas berpengaruh terhadap variabel terikat.
4) Uji Parsial
T-Test (uji parsial) digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam variasi variabel terikat. Berikut asumsi berdasarkan model estimasi dengan taraf signifikansi (α) yang ditentukan oleh peneliti sebesar 0,05:
a) Model Estimasi Common Effect Model (CEM) dan Fixed Effect Model (FEM)
Jika nilai (P>|t|) > α maka H0 diterima dan H1 ditolak yang artinya secara parsial variabel bebas tidak berpengaruh terhadap variabel terikat. Sebaliknya, jika nilai (P>|t|) < α maka H0 ditolak dan H1 diterima yang artinya secara parsial variabel bebas berpengaruh terhadap variabel terikat.
b) Model Estimasi Random Effect Model (REM)
26 Jika nilai (P>|z|) > α maka H0 diterima dan H1 ditolak yang artinya secara parsial variabel bebas tidak berpengaruh terhadap variabel terikat. Sebaliknya, jika nilai (P>|z|) < α maka H0 ditolak dan H1 diterima yang artinya secara parsial variabel bebas berpengaruh terhadap variabel terikat
