3. METODE PENELITIAN

3. METODE PENELITIAN

3.1. Model Analisis

Model di dalam penelitian ini ditunjukkan dengan variabel Product Market Competition sebagai variabel independen, Earnings ManagementI dan Financial distress sebagai variabel intervening, dan Firm Value sebagai variabel dependen. Model analisis yang akan digunakan dalam penelitian ini untuk menguji hipotesis adalah sebagai berikut:

Gambar 3.1. Model Analisis Product

Market Competition

Financial Distress

Firm Value

Earnings

Management

3.2. Definisi Operasional Variabel

3.2.1. Variabel Independen (Product Market Competition)

Product market competition adalah kompetisi yang terjadi di pasar di dalam suatu industri. Herfindahl–Hirschman Index (HHI) yang biasa disebut Herfindahl Index, adalah alat pengukuran statistik untuk mengukur tingkat konsentrasi. Tingkat konsentrasi perusahaan di pasar adalah determinan dari kompetisi. HHI digunakan sebagai alat ukur ekonomi untuk mengukur kompetisi (Laksmana & Yang, 2015; Kordestania & Mohammadi, 2016;

Rad, Fereidouni, Gholami, & Ortodi, 2014). Nilai HHI yang tinggi menunjukkan tingkat product market competition yang rendah atau konsentrasi industri yang tinggi (Laksmana & Yang, 2015). Jika tingkat konsentrasi rendah yang berarti banyak perusahaan dengan market share yang rendah menunjukkan tingkat kompetisi di pasar kuat (Rhoades, 1993).

Berikut cara perhitungan HHI:

earnings management. (Habib, Bhuiyan, & Islam, 2013; Jones, 1991;

Karuna, Subramanyam, & Tian, 2012; Amirdehi & Roshan, 2015) Berikut cara perhitungannya:

1. Menghitung total accruals

= revenues pada tahun t dikurangi revenues pada tahun t-1 untuk perusahaan i;

= net receivables pada tahun t dikurangi net receivables pada tahun t-1 untuk perusahaan i;

X 3 = Earnings before interest and taxes / Total assets X 4 = Market value equity / Book value of total debt X 5 = Sales / Total assets

Z = Overall Index

3.2.4. Variabel Dependen (Firm Value)

Firm value adalah nilai perusahaan di pasar yang diberikan oleh kreditor dan shareholder berdasarkan performa perusahaan.

Tobin’s q adalah indikator untuk mengukur kinerja perusahaan, khususnya tentang nilai perusahaan, yang menunjukkan suatu proforma manajemen dalam mengelola aktiva perusahaan. Tobin’s Q sering digunakan didalam penelitian keuangan sebagai alat untuk mengukur nilai perusahaan terutama penelitian yang mengambil tema penelitian tentang nilai perusahaan (Sudiyatno & Puspitasari, 2010). Tobin’s Q diperkenalkan oleh Brainard &

Tobin (1968). Berikut cara perhitungannya:

3.5. Instrumen dan Metode Pengumpulan Data

Penelitian ini menggunakan sumber data yang berupa laporan keuangan perusahaan yang terdaftar di Bursa Efek Indonesia pada tahun 2011 hingga 2015 yang diambil dari Bloomberg.

3.6. Populasi

Populasi yang digunakan dalam penelitian ini adalah perusahaan tbk yang terdaftar di Bursa Efek Indonesia selama periode 2011-2015. Total perusahaan tersebut berjumlah 533 perusahaan.

3.7. Sampel dan Teknik Sampling 3.7.1. Sampel

Sampel yang digunakan dalam penelitian ini adalah 252 perusahaan Tbk yang terdaftar di Bursa Efek Indonesia selama periode 2011-2015.

3.7.2. Teknik Sampling

Metode pengambilan sampel pada penelitian ini menggunakan teknik purposive sampling dengan kriteria sebagai berikut:

1. Merupakan perusahaan Tbk yang terdaftar di Bursa Efek Indonesia yang mempublikasikan laporan keuangan selama periode 2010-2015.

2. Bukan merupakan perusahaan sektor keuangan.

3.8. Unit Analisis

Unit analisis yang pada penelitian ini adalah seluruh perusahaan yang terdaftar di Bursa Efek Indonesia.

3.9. Sample Penelitian

Penelitian ini menggunakan data laporan keuangan yang diperoleh dari

Bloomberg. Jumlah sampel yang memenuhi kriteria penentuan sampel pada

penelitian ini berjumlah 252 perusahaan yang terdaftar di Bursa Efek Indonesia

(BEI) dalam kurun waktu 2010-2015. Profil perusahaan yang digunakan sebagai

sample dalam penelitian ini dapat dilihat pada tabel 3.1.

Tabel 3.1 Profil Perusahaan Berdasarkan Sektor

Sektor Jumlah Persentase

Agliculture 11 4,37%

Basic Industry & Chemicals 42 16,67%

Consumer Goods Industries 25 9,92%

Infrastructure, Utilities & Transportation 21 8,33%

Mining 17 6,75%

Miscellaneous Industry 29 11,5%

Property, Real Estate & Building Construction 36 14,29%

Trade, Services & Investment 71 28,17%

Total 252 100%

Sampel penelitian ini terdiri dari 11 perusahaan pada sektor agliculture (4,37%), 42 perusahaan pada sektor basic industry & chemicals (16,67%), 25 perusahaan pada sektor consumer goods industries (9,92%), 21 perusahaan pada sektor infrastructure, utilities & transportation (8,33%), 17 perusahaan pada sektor mining (6,75%), 29 perusahaan pada sektor miscellaneous industry (11,5%), 36 perusahaan sektor property, real estate & building construction (14,29%), 71 perusahaan pada sektor trade, services & investment (28,71%).

3.10. Teknik Analisis Data

Penelitian ini akan menggunakan teknik analisis data structural equation

modelling (SEM) dengan menggunakan software WarpPLS. Untuk mendapatkan

nilai discretionary accruals (proxy earning management) dilakukan pengolahan

data menggunakan program SPSS (Statistical Package for the Social Sciences)

versi 22. Statistik deskriptif pada penelitian ini juga dihitung dengan

menggunakan software SPSS, statistik deskriptif yang disajikan dalam penelitian ini adalah mean, minimum, maximum, dan standard deviation.

3.10.1. WarpPLS

Analisis WarpPLS adalah pengembangan dari analisis PLS. Partial Least Square (PLS) pertama kali dikembangkan oleh Herman Wold. PLS merupakan metode analisis yang powerful karena dapat diterapkan pada semua skala data, tidak membutuhkan banyak asumsi dan ukuran sampel tidak harus besar. PLS selain dapat digunakan sebagai konfirmasi teori (uji hipotesis) juga dapat digunakan untuk membangun pengaruh yang belum ada landasan teorinya atau untuk pengujian proposisi. Terdapat tiga algoritma di dalam analisis WarpPLS, yaitu algoritma pendugaan outer model, inner model, dan pengujian hipotesis (Solimun, 2017).

3.10.1.1. Evaluasi Outer Model

Menurut Solimun (2017), outer model merupakan spesifikasi pengaruh antara variabel laten dengan indikatornya. Alogaritma analisis outer model, pada dasarnya adalah proses perhitungan data variabel laten yang bersumber dari data indikator. Di dalam program WarpPLS terdapat lima alogaritma outer model, meliputi:

1. PLS regression, yaitu inner model tidak mempengaruhi outer model

2. PLS mode M atau “MIMIC” atau “mixed”, yaitu inner model mempengaruhi outer model

3. PLS mode A, untuk model indikator reflektif 4. PLS mode B, untuk model indikator formatif

5. Robust Path Analysis, yaitu data variabel laten berupa rata-rata skor indikator

Outer model terdiri dari uji validitas dan uji reliabilitas. Uji

validitas dilakukan untuk mengetahui kemampuan penelitian mengukur

apa yang seharusnya diukur. Sedangkan uji reliabilitas dilakukan untuk

mengukur konsistensi alat ukur dalam mengukur suatu konsep atau dapat

juga digunakan untuk mengukur konsistensi responden dalam menjawab pertanyaan dalam kuesioner.

3.10.1.1.1. Uji Validitas

Uji validitas dilakukan untuk mengetahui kemampuan instrumen penelitian. Validitas terdiri dari validitas eksternal dan validitas internal. Validitas eksternal menunjukkan bahwa hasil dari suatu penelitian adalah valid yang dapat digeneralisir ke semua objek, situasi dan waktu yang berbeda. Validitas internal menunjukkan kemampuan dari instrumen penelitian mengukur apa yang seharusnya diukur dari suatu konsep (Solimun, 2017).

Validitas internal terdiri dari validitas kualitatif dan validitas konstruk. Menurut beberapa peneliti, validitas kualitatif kurang valid sehingga tidak digunakan dalam penelitian ini. Validitas konstruk menunjukkan seberapa baik hasil yang diperoleh dari penggunaan suatu pengukuran sesuai teori-teori yang digunakan untuk mendefinisikan suatu konstruk. Korelasi yang kuat antara konstruk dan item-item pertanyaannya serta pengaruh yang lemah dengan variabel lainnya merupakan salah satu cara untuk menguji validitas konstruk (construct validity). Validitas konstruk meliputi convergent validity dan discriminant validity (Solimun, 2017).

a. Convergent Validity

Korelasi antara skor indikator refleksif dengan skor variabel latennya. Untuk penelitian tahap awal dari pengembangan skala pengukuran nilai loading 0,5 sampai 0,6 dianggap cukup pada jumlah indikator pervariabel laten tidak besar, kisaran antara 3-7 indikator (Solimun, 2017).

b. Discriminant Validity

Model pengukuran dengan refleksif indikator dinilai

berdasarkan cross loading pengukuran dengan variabel

variabel bersangkutan terbesar dibandingkan dengan cross loading pada variabel laten lainnya maka dikatakan valid.

Terdapat metode lain dalam penilaian discriminant validity yaitu dengan membandingkan nilai square root of average variance extracted (AVE) setiap variabel laten dengan korelasi antar variabel laten lainnya dalam model, jika square root of average variance extracted (AVE) variabel laten lebih besar dari korelasi dengan seluruh variabel laten lainnya maka dikatakan memiliki nilai discriminant validity yang baik.

Direkomendasikan nilai pengukuran lebih besar dari 0.50 dan

dikatakan valid. Adapun perhitungan AVE dapat dilakukan

dengan rumus :

b. Cronbach's alpha

Cronbach's alpha mengukur batas bawah nilai reliabilitas suatu konstruk, sedangkan. Kelompok indikator yang mengukur sebuah variabel memiliki reliabilitas komposit yang baik jika memiliki koefisien alfa lebih besar atau sama dengan 0.6 (Solimun, 2017).

3.10.2. Inner model

Menurut Solimun (2017), inner model menggambarkan pengaruh antar variabel laten berdasarkan teori substansif penelitian.

Alogaritma yang digunakan didalam analisis inner model adalah metode dan proses perhitungan koefisien jalur, yaitu koefisien pengaruh antar variabel laten yang meliputi:

1. Linear, model pengaruh anatara variabel laten

2. Warp2, pengaruh antar variabel laten berbentuk kurva U 3. Warp3, pengaruh antar variabel laten berbentuk kurva S

Inner model didalam WarpPLS menggunakan Goodness of Fit Model.

Goodness of Fit merupakan indeks dan ukuran kebaikan pengaruh antar variabel laten (inner model).

Tabel 3.2 Model Fit and Quality Indices

No Model fit and quality indeces Kriteria Fit 1 Average path coefficient (APC) p < 0.05

2 Average R-squared (ARS) p < 0.05 3 Average adjusted R-sqaured (AARS) p < 0.05

4 Average block VIF (AVIF) Acceptable if <= 5, ideally <= 3.3 5 Average full collinearity VIF (AFVIF) Acceptable if <= 5,

ideally <= 3.3

6 Tenenhaus GoF (GoF) Small >= 0.1, medium >= 0.25 large >= 0.36

7 Sympson’s paradox ratio (SPR) Acceptable if <= 0.7, ideally <= 1

8 R-squared contribution ratio Acceptable if <= 0.9, ideally <= 1

9 Statistical suppression ratio (SSR) Acceptable if >= 0.7 10 Nonlinear bivariate causality direction

ratio (NLBCDR)

Acceptable if >= 0.7

Untuk mengukur goodness of fit inner model suatu penelitian dapat diketahui melalui nilai Q-square. Q-square mengukur seberapa baik nilai observasi yang dihasilkan oleh model dan juga estimasi parameternya.

Berikut merupakan rumus perhitungan Q-square:

Q ² = 1 – (1 – R ₁ ² ) (1 – R ₂ ² ) … (1 – R _p ² )

3.11. Pengujian Hipotesis

Setelah melakukan perumusan hipotesis, maka dilakukan uji statistik

untuk menentukan daerah penerimaan Hipotesis sehingga penulis dapat

memperoleh kesimpulan hasil hipotesis penelitian. Pengujian statistik yang

digunakan adalah statistik t atau uji t. Pengujian dilakukan dengan t-test, bila

mana diperoleh p-value ≤ 0,05 (alpha 5%), maka dapat disimpulkan signifikan.