METODOLOGI PENELITIAN
3.1 Kerangka Pikiran
Dalam memilih saham, seorang investor memperhatikan faktor- faktor fundamental yang mempengaruhi harga saham tersebut, bukan berdasarkan pada gosip, isu atau informasi jangka pendek semata. Oleh karena itu, dalam pergerakan saham sehari- hari, informasi fundamental seharusnya memegang peranan sangat penting. Khususnya dalam pergerakan saham perbankan, kita perlu mempertimbangakan faktor mengenai risiko kredit yang meliputi beberapa rasio yaitu CAR, NPL, PPAP.
Dalam tesis ini penulis berusaha untuk memberikan gambaran hasil keseluruhan penelitian yang dilakukan untuk menganalisis pengaruh risiko kredit terhadap imbal hasil saham perbankan dengan menggunakan pengujian statistik. Risiko kredit yang diwakili CAR, NPL, dan PPAP, yang diambil dari periode Januari 2001 hingga Desember 2005. Pada penelitian ini, aspek ekonomi dan non-ekonomi yang lain seperti perubahan suhu politik, sasaran konsumen (nasabah), dan sebagainya tidak diperhitungkan. Kemudian data dari risiko kredit yang diwakili CAR, NPL, dan PPAP yang merupakan variabel bebasnya akan dilihat pengaruhnya terhadap data imbal hasil saham yang merupakan variabel terikat yang terjadi pada kuartal I 2001, kuartal II 2001, dan seterusnya sampai kuartal IV 2005 dengan menggunakan regresi berganda.
3.2 Variabel
Variabel-variabel yang akan diukur dalam penelitian ini dikelompokkan menjadi dua, yaitu:
a. Variabel terikat (dependent variable), dimana dalam penelitian ini adalah imbal hasil saham
b. Variabel bebas (independent variable), yang dalam penelitian ini adalah: - Capital Adequacy Ratio (CAR)
- Non Performing Loan (NPL)
- Penyisihan Penghapusan Aktiva Produktif (PPAP)
3.3 Hipotesis
Hipotesis untuk menguji apakah terdapat pengaruh yang signifikan dari keseluruhan variabel independent terhadap variabel dependent (menggunakan uji regresi berganda antara variabel independent terhadap variabel dependent).
Ho : Tidak ada pengaruh yang signifikan dari risiko kredit yang terdiri dari CAR, NPL, PPAP secara bersama-sama ataupun individual terhadap imbal hasil saham
perbankan .
H1: Ada pengaruh yang signifikan dari risiko kredit yang terdiri dari CAR, NPL, PPAP secara bersama-sama ataupun individual terhadap imbal hasil saham
Hipotesis yang bersifat statistik pada dasarnya dapat diartikan sebagai suatu asumsi mengenai parameter fungsi frekuensi variabel acak. Pengujian hipotesis dapat dinyatakan dalam bentuk Ho yang merupakan hipotesis nol (Null hypothesis) dan
sebagai hipotesis yang akan diuji yang pada akhirnya keputusan untuk menerima atau menolak ditentukan oleh hasil eksperimen atau pemilihan sampelnya serta sebagai suatu pernyataan tegas terhadap nilai atas suatu parameter populasi yang dianggap tidak benar. H1 merupakan hipotesis tandingan (alternative hypothesis) dan sebagai
suatu pernyataan terhadap nilai atas suatu parameter populasi yang dianggap tidak benar. Macam keputusan yang dapat diambil atas hipotesis yang akan dibuat adalah, bilamana Ho benar, maka tindakan korektif tidak perlu dilakukan, akan tetapi
bilamana H1 benar, maka tindakan korektif perlu dilakukan.
Untuk menentukan apakah Ho diterima atau tidak, digunakan niali statistic
sampel sebagai dasar dalam menentukan daerah kritis (critical region) pengujian itu sendiri. Dalam tiap proses pengambilan keputusan untuk menerima atatu menolak hipotesis tertentu, seringkali dihadapkan pada dua macam kesalahan pengambilan keputusan yang berbeda, diantaranya adalah :
1. Kesalahan jenis I (type I error), merupakan kesalahan menolak Ho yang
benar atau kesalahan a (a error) dengan probabilitas sebesar a, yaitu taraf nyata pengujiannya.
2. Kesalahan jenis II (type II error), merupakan kesalahan menerima Ho yang
salah atau kesalahan ß (ß error) dengan probabilitas sebesar ß, yaitu daerah kuasa pengujiannya.
Secara teoritis, kedua jenis kesalahan tersebut harus semampu mungkin untuk diminimalisasikan melalui pemilihan daerah kritis yang setepatnya. Dengan demikian pengujian hipotesis yang terbaik harus mengikuti suatu landasan umum, bahwa bilamana terdapat beberapa daerah kritis yang memiliki probabilitas jenis I yang sama dan yang sudah ditentukan, maka pengujian hipotesis yang terbaik adalah yang memiliki probabilitas kesalahan jenis II yang sekecil mungkin. Probabilitas kesalahan jenis I dapat dispesifikasikan, tetapi probabilitas kesalahan jenis II tergantung pada nilai parameter yang tidak diketahui. Ketiga kuantitas a, ß, dan n berhubungan sedemikian rupa sehingga jika dua dari ke tiga kuantitas tersebut dispesifikasikan, maka yang ketiga akan dapat ditentukan dengan sendirinya.
3.4 Populasi dan Sampel
1. Populasi. Bank yang listing di BEJ sejak tahun 2001-2005
2. Sampel. Dari populasi tersebut, dipilih sampel dengan teknik purposive sampling.
Anggota sampel yang diambil harus memenuhi kriteria berikut ini: a. Bank yang listing di Bursa Efek Jakarta sejak tahun 2001
b. Bank yang listing di Bursa Efek Jakarta dari sebelum Desember 2000 hingga Desember 2005
c. Bank yang tidak melakukan proses merger dan atau akuisisi selama periode penelitian
d. Bank yang kegiatannya dalam periode penelitian tidak pernah terjadi partial
e. Bank yang telah menerbitkan laporan keuangan selama 5 tahun, yaitu tahun 2001, 2002, 2003, dan 2004, 2005 lengkap dengan data rasio keuangan yang termasuk risiko kredit yang menjadi variabel independen penelitian ini.
f. Bank yang mempunyai laporan keuangan per kuartal yang berakhir pada bulan 31 Maret, 31 Juni, 31 September dan 31 Desember. Hal ini dilakukan untuk menghindari adanya pengaruh perbedaan waktu dalam pengukuran variabel.
Berikut ini merupakan daftar perbankan yang sesuai dengan kriteria penelitian, yaitu : 1. Bank Central Asia
2. Bank Niaga 3. Bank Mayapada
4. Bank Artha Niaga Kencana 5. Lippobank
6. Bank Panin 7. Bank Mega
8. Bank Buana Indonesia
3.5 Metode Pengumpulan Data
Penelitian ini menggunakan data diperoleh dari Bursa Efek Jakarta. Data-data tersebut berupa harga saham harian perbankan yang telah go public mulai dari tahun 2001 sampai 2005 dan laporan keuangan yang diperoleh dari Bank Indonesia. Untuk laporan keuangan digunakan laporan keuangan kuartalan tahun 2001 sampai 2005. Pengambilan data bersumber dari Bursa Efek Jakarta karena Bursa Efek Jakarta
merupakan bursa utama dalam perdagangan saham di Indonesia dengan demikian data yang diambil dapat mewakili pelaku pasar modal dalam mengambil keputusan investasi. Pengambilan laporan keuangan adalah dari Bank Indonesia karena setiap perbankan harus menyerahkan laporan keuangan kepada Bank Indonesia yang berfungsi sebagai Bank Sentral.
3.6 Metode Analisis
Ada beberapa metode untuk menganalisa data : o Perhitungan imbal hasil saham o Regresi Berganda
o Pengujian Hipotesis ada 3 cara R-square F-test T-test o Multicollinearity o Autocorrelation o Heteroscedasitcity o Uji Normalitas
3.6.1 Perhitungan Imbal Hasil Saham
Data yang terkumpul, berupa harga saham mingguan penutupan yang selanjutnya diolah agar dapat menghasilkan imbal saham dengan rumus:
t p p t p Ri i ti i − −1 = di mana:
Rit = imbal hasil saham i pada periode t
Pit = harga saham penutupan perusahaan i pada periode t
Pit-1 = harga saham penutupan perusahaan i pada periode t-1
Jika selama periode penelitian bank melakukan stock split atau reverse stock split, maka pada tanggal tersebut imbal hasil akan dilakukan penyesuaian dengan rumus berikut: Ri = t t t price open price open price g closin −
3.6.2 Regresi Linier Berganda
Analisis regresi berganda digunakan untuk memprediksikan bagaimana keadaan (naik turunnya) variabel dependen, bila dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi (dinaik-turunkan nilainya). Jadi, analisis regresi ganda akan dilakukan bila jumlah variabel independennya minimal dua.
Untuk bisa membuat ramalan melalui regresi, maka data setiap variabel harus tersedia. Selanjutnya, berdasarkan data itu peneliti harus dapat menemukan persamaan melalui perhitungan. (Sugiyono, 2003, p210-211).
Model analisis dalam penelitian ini adalah sebagai berikut:
Gambar 3.1 Model Regresi
Persamaan untuk regresi berganda adalah :
Y = b0 + (b1 x X1) + (b2 x X2) + (b3 x X3) + ………….+ (bn x Xn)
Sehingga dapat dibuat persamaan regresi berganda untuk perhitungan imbal hasil : Y1= b0 + (b1 x X1) + (b2 x X2) + (b3 x X3)
Keterangan :
Y1= Imbal hasil tiap sahamnya
X1 = CAR
X2 = NPL
X3 = PPAP
b0 = Konstanta
b1 = Konstanta untuk perhitungan CAR
b2 = Konstanta untuk perhitungan NPL
b3 = Konstanta untuk perhitungan PPAP
Imbal hasil saham
NPL
PPAP CAR
3.6.3 Pengujian Hipotesis
Pengujian hipotesis adalah suatu prosedur yang akan menghasilkan suatu keputusan, yaitu keputusan gagal menolak (fail to reject) atau menolak hipotesis ini. Dalam penelitian tesis ini, digunakan prosedur pengujian hipotesis, seperti berikut
1. Menentukan formulasi hipotesisnya Hipotesis nol (Ho)
Hipotesis Alternatif (H1)
2. Menentukan taraf kesalahan dan taraf kepercayaan
Taraf kesalahan adalah batas toleransi dalam menerima kesalahan dari hasil hipotesis terhadap nilai parameter populasinya. Suatu kesimpulan dari data sampel yang akan diberlakukan untuk populasi mempunyai peluang kesalahan dan kebenaran (kepercayaan) yang akan dinyatakan dalam bentuk persentase. Jika peluang kesalahan 5 %, maka taraf kepercayaan 95%. Peluang kesalahan dan kepercayaan ini disebut level of significant atau tingkat signifikansi. Suatu hipotesis dengan taraf kesalahan 1% berarti jika penelitian dilakukan pada 100 sampel yang diambil dari populasi yang sama, akan terdapat satu kesimpulan yang salah yang diberlakukan untuk populasi. Jadi, signifikansi adalah kemampuan untuk digeneralisasikan dengan kesalahan tertentu. Ada hubungan signifikan berarti hubungan itu dapat digeneralisasikan. Ada perbedaan signifikan berarti perbedaan itu dapat digeneralisasikan (dapat berlaku umum). (Sugiyono, 2003, p144)
Dalam penelitian ini, peneliti menggunakan peluang kesalahan 5% dan taraf kepercayaan 95%.
3. Menentukan kriteria pengujian
Kriteria pengujian adalah bentuk pembuatan keputusan dalam hal gagal menolak atau menolak hipotesis nol dengan cara membandingkan nilai hitung dengan nilai tabel atau dengan menggunakan probabilitas.
4. Melakukan uji statistik
Uji statistik yang dilakukan dalam penelitian ini adalah uji multiple regresi (uji F, uji t parsial)
Membuat kesimpulan
Pembuatan kesimpulan merupakan pene tapan keputusan dalam hal gagal ditolak atau menolak hipotesis nol sesuai dengan kriteria pengujian.
3.6.3.1 R-Square ( Coefficient of Determinant )
R-Square menunjukkan seberapa besar keseluruhan variabel independen
menjelaskan perubahan dalam nilai variabel dependen. R-Square digunakan untuk menguji berapa persen variabel independen secara bersama-sama menjelaskan perilaku variasi dalam variabel dependen. Semakin besar nilai
R-Square maka semakin besar pengaruh variabel independen terhadap variabel
3.6.3.2 Uji F (F-test)
Uji F digunakan untuk melakukan pengujian hipotesis bagi lebih dari dua variabel. Pengujian ini dimaksudkan untuk mengetahui apakah persamaan regresi yang diperoleh berdasarkan penelitian memiliki arti bila digunakan dalam penarikan kesimpulan mengenai hubungan sejumlah variabel yang dipelajari.
Rumus F-test adalah
(
)
(
)
2 2 R k F= 1 - R n - k - 1 Kriteria pengujian:Dengan membandingkan statistik hitung dengan statistik tabel:
o Jika F hitung > F tabel yang diperoleh dari tabel distribusi F dengan taraf signifikasi 5% maka Ho ditolak.
o Jika F hitung < F tabel yang diperoleh dari tabel distribusi F dengan taraf signifikasi 5% maka Ho gagal ditolak.
Berdasarkan probabilitas
o Jika probabilitas > 0.05 maka Ho diterima.
3.6.3.3 Uji t (t-Test)
Uji t dilakukan untuk mengetahui apakah variabel- variabel independen secara individual / parsial memiliki pengaruh yang signifikan terhadap variabel dependen.
Dasar pengambilan keputusan:
Jika sig-t >0.05 berarti variabel independen tidak mempunyai pengaruh signifikan dengan variabel dependen
Jika sig-t <0.05 berarti variabel independen mempunyai pengaruh signifikan dengan variabel dependen
3.6.4 Multikolinearitas (Multicollinearity)
Dalam regresi berganda dengan variabel independen X lebih dari satu, dua atau lebih variabel X adalah collinear jika variabel tersebut merupakan kombinasi linear antara masing- masing variabel. Multicollinearity dapat membuat perhitungan yang diperlukan regresi menjadi tidak stabil, bahkan menjadi mustahil. Multicollinearity juga dapat menghasilkan estimasi tak terduga standard error yang besar untuk koefisien variabel X. multicollinearity juga dikenal sebagai collinearity dan ill conditioning.
Variabel X1 dan X2 merupakan collinear sejati bila:
Variance Inflation Factor (VIF) 2 h h 1 VIF (X ) = 1 - R ,
di mana Rh² adalah nilai R² yang diperoleh untuk regresi variabel Xh,
sebagai dependen variabel, pada variabel X lainnya di persamaan awal dalam memprediksi Y.
Solusi dari multicollinearity adalah:
Salah satu solusi terbaik adalah dengan menghilangkan collinear variabel dari persamaan regresi yang ada.
1. Jika multicollinearity disebabkan oleh skema sampling yang cenderung mengandung nilai yang sama dari independen variabel lainnnya, perubahaan dalam perencanaan sampling dengan memasukkan elemen di luar jangkauan
multicollinearity akan membantu mengurangi perluasan dari masalah ini.
2. Metode lain yang seringkali berhasil mengurangi penyebaran dari
multicollinearity, atau bahkan menghilangkannya, adalah dengan mengubah
bentuk dari beberapa variabel. Cara yang terbaik adalah dengan membentuk kombinasi baru dari variabel X yang tidak berhubungan dengan yang lain dan memasukkannya ke persamaan regresi. Sehingga yang jelas informasi yang terkandung akan tetap terjaga dan multicollinearity akan dihapus.
3. Multicollinearity mungkin dapat dihilangkan dengan menggunakan alternatif least squares procedure yang disebut ridge regression. Estimator koefisien yang dihasilkan oleh ridge regression menjadi bias, akan tetapi dalam
kasus tertentu, hal ini menjadi layak dipertimbangkan dengan pengurangan tingginya variasi dari estimator hasil multicollinearity.
3.6.5 Autokorelasi (Autocorrelation)
Salah satu asumpsi dasar dari model regresi yang telah dipertimbangkan adalah kebebasan dari error. Asumpsi ini sering dilanggar ketika data dikumpulkan lewat sekuent ial periode waktu karena residual dari point dalam waktu yang cenderung sama dengan residual poin waktu terdekatnya. Pola residual seperti ini dikenal dengan autocorrelation. Ketika autocorrelation muncul di dalam data, validitas dari regresi menjadi sangat diragukan.
Statistik Durbin-Watson akan membantu mendeteksi keberadaan
autocorrelation dalam data.
Test Durbin-Watson adalah: H0 : p1 = 0
H1 : p1 ? 0
Test statistik Durbin-Watson adalah:
2 2 i i-1 i = 2 i i = 1 (e -e ) d = e i i
∑
∑
ei = error pada hari ke i
3.6.6 Heteroskedastisitas (Heteroscedasticity)
Dalam statistik, suatu urutan dari random variabel dikatakan
Heteroscedastic bila urutan random variabel tersebut mempunyai varian yang
berbeda-beda. Ketika heteroscedasticity ada, metode least-squares biasa tidak dapat digunakan untuk memperkirakan regresi dan metode lebih komplek harus digunakan, yang dikenal dengan generalized least-squares. Jadi
heteroscedasticity berarti non constant error variance, Hetero = different; scedasticity = tendency to scatter.
Heteroskedastisitas menunjukkan bahwa varian dari setiap error bersifat heterogen yang berarti melanggar asumsi klasik yang mensyaratkan bahwa varian dari error harus bersifat homogen.
Pengujian Heteroskedastisitas pada prinsipnya adalah akan menguji apakah antar prediktor mempunyai pengaruh signifikan dengan nilai residualnya. Jika nilai korelasi ini signifikan maka nilai residualnya tidak dapat diabaikan.
Pengujian Heteroskedastisitas menggunakan korelasi Pearson karena akan diujinya keeratan hubungan antara hasil – hasil pengamatan dari populasi yang mempunyai dua varian atau lebih (bivariate), di mana perhitungan ini mensyaratkan bahwa populasi asal sampel mempunyai dua varian atau lebih dan berdistribusikan normal. Korelasi Pearson banyak digunakan untuk mengukur korelasi interval atau rasio.
Dalam pengujian Heteroskedastisitas, digunakan software SPSS dengan memilih menu save agar didapatkan nilai residual dalam analisa regresi dan
aktifkan Unstandardized pada kelompok residual. Setelah munculnya satu variabel baru bernama res_1, korelasikan nilai residual ini dengan menggunakan korelasi Pearson. Cara mengkorelasikannya adalah dengan menggunakan menu analyze > correlate > Bivariate dan masukan semua variabel kecuali variabel terikat serta aktifkan Correlation Coefficient Pearson. Berdasarkan tingkat signifikansi dari korelasi Pearson maka :
o Jika tingkat signifikansi > a = 0.05, maka tidak terjadi Heteroskedastisitas.
o
Jika tingkat signifikansi < a = 0.05, maka terjadi Heteroskedastisitas3.6.7 Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Cara yang digunakan dalam penelitian ini adalah dengan melakukan analisis grafik. Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal atau grafik atau dengan melihat histogram dari residualnya. Dasar penga mbilan kepurutusannya adalah:
• Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distrbusi normal, maka model regresi memenuhi asumsi normalitas.
• Jika data menyebar jauh dari diagonal dan/tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distrbusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Setelah model regresi dinyatakan valid secara statistik, langkah selanjutnya adalah melakukan uji apakah variabel- variabel independen mempunyai pengaruh secara signifikan terhadap variabel dependen. Berikut uji yang dilakukan.
3.7. Diagram Alur Metode Penelitian
Gambar 3.2
Diagram Alur Metode Penelitian
-Harga saham mingguan -Rasio keuangan
Pemilihan titik sampel -Penentuan periode -Penentuan jumlah sampel Pengambilan data
Perhitungan imbal hasil rata-rata kua rtalan
Perhitungan imbal hasil mingguan rata-rata kuartalan
Uji Model Multiple
Regression
Rasio keuangan terhadap Imbal Hasil
