18 BAB III
METODE PENELITIAN
A. Objek Penelitian
Objek penelitian dalam penelitian ini yaitu perusahaan sektor infrastruktur yang terdaftar di Bursa Efek Indonesia (BEI) periode tahun 2011-2020.
B. Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian kuantitatif, menurut Sugiyono (2016) penelitian kuantitatif adalah penelitian yang berlandaskan pada filsafat positivism, yang digunakan untuk meneliti populasi atau sampel tertentu, pengumpulan data menggunakan instrument penelitian, analisis data bersifat kuantitatif/statistik dengan tujuan untuk menguji hipotesis yang telah ditetapkan.
Setelah melakukan olah data statistik, selanjutnya akan dilanjutkan untuk menganalisis hasil data tersebut atau bisa disebut dengan kuantitatif deskriptif. Menurut Sugiyono (2015) kuantitatif deskriptif adalah menganalisis data dengan cara mendiskripsikan atau menggambarkan data yang telah diolah sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum.
C. Sumber Data
Sumber data yang digunakan dalam penelitian yaitu data sekunder.
Menurut Sugiyono (2012) data sekunder adalah data yang diperoleh dari sumber yang tidak langsung memberikan data kepada pengumpul data, misalnya melalui orang lain atau melalui dokumen.
D. Metode Pengambilan Data
Dalam penelitian ini, metode pengambilan data yang digunakan adalah Dokumentasi. Domentasi yang digunakan yaitu laporan keuangan perusahaan sektor infrastruktur yang terdaftar di Bursa Efek Indonesia (BEI) periode tahun 2011-2020. Laporan keuangan tersebut dapat diakses secara langsung dari situs resmi Bursa Efek Indonesia yaitu www.idx.co.id.
E. Populasi dan Sampel 1. Populasi
Populasi dalam penelitian ini yaitu seluruh perusahan sektor infrastuktur yang terdaftar di Bursa Efek Indonesia (BEI) periode 2016-2020. Jumlah perusahaan yang terdapat di sektor infrastruktur yang terdaftar di Bursa Efek Indonesia sebanyak 57 perusahaan.
2. Sampel
Sampel dalam diambil dari populasi dengan menggunakan teknik pengambilan sampel, di mana teknik pengambilan sampel yang akan digunakan yaitu Purposive Sampling yaitu teknik penentuan sampel dengan mempertimbangan kriteria tertentu.
Berdasarkan uraian di atas maka ditetepkan kriteria yang harus dipenuhi oleh sampel, antara lain :
a. Perusahaan sektor infrastruktur yang aktif melaporkan laporan keuangan tahunan per 31 desember pada periode tahun 2011-2020.
b. Perusahaan sektor infrastruktur yang melakukan IPO sebelum tahun 2011.
c. Harga saham Perusahaan sektor infrastruktur tidak dalam keadaan Sleep Stock atau saham tidak aktif dan harga saham lengkap sesuai data yang dibutuhkan untuk penelitian.
Berdasarkan kriteria di atas, maka ditetapkan 10 sampel perusahaan yang memenuhi kriteria tersebut. Perusahan-perusahan tersebut sebagai berikut :
Tabel 3.1. Daftar Sampel Perusahaan No. Kode
Saham Nama Emiten Tanggal IPO 1 ADHI Adhi Karya (Persero)
Tbk 18 Maret 2004
2 CMNP Citra Marga Nusaphala
Persada Tbk 10 Januari 1995 3 EXCL XL Axiata Tbk 29 September
2005 4 JKON Jaya Konstruksi
Manggala Prata Tbk
04 Desember 2007 5 JSMR Jasa Marga (Persero)
Tbk
12 November 2007 6 SSIA Surya Semesta Internusa
Tbk 27 Maret 1997
7 TBIG Tower Bersama
Infrastructure Tbk 26 Oktober 2010 8 TLKM Telkom Indonesia
(Persero) Tbk
14 November 1995 9 TOTL Total Bangun Persada
Tbk 25 Juli 2006
10 WIKA Wijaya Karya (Persero)
Tbk 29 Oktober 2007
Sumber : data olahan (2022)
F. Metode Analisis Data
Metode analisis data dalam penelitian ini menggunakan data time series dan data cross section, sehingga menggunakan metode analisis data panel dengan bantuan software Eviews, adapun time series berjumlah 10 tahun dan data cross section berjumlah 10 sampel. Tahap-tahap dalam metode analisis data panel yaitu sebagai berikut :
1. Estimasi Model Regresi Data Panel
Menurut Yana Rohmana (2010), dalam metode estimasi model regresi data panel terdapat 3 tektik pendekatan, antara lain :
a. Common Effect Model (CEM)
Common Effect Model merupakan pendekatan model data panel yang paling sederhana yaitu dengan mengkombinasikan data time series dan cross section, selanjutnya dilakukan estimasi model menggunakan pendekatan Ordinary Least Square (OLS). Dimensi waktu maupun individu dalam model ini tidak diperhatikan, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Kelemahan dari model ini adalah ketidaksesuaian model dengan keadaan yang sebenarnya. Kondisi tiap objek dapat berbeda dan kondisi suatu suatu obyek satu waktu dengan waktu yang lain dapat berbeda. Menurut (Rohmana, 2010) rumus untuk model Common Effect Model adalah:
Ket :
= variabel dependen di waktu t untuk unit cross section i.
= intersep.
= parameter untuk variabel ke-j.
= variabel bebas j di waktu t untuk unit cross section i.
= komponen error di waktu t untuk unit cross section i.
t = time series (urutan waktu).
i = urutan perusahaan yang di observasi.
j = urutan variabel.
b. Fixed Effect Model (FEM)
Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya.
Perbedaan nilai parameter yang berbeda-beda baik secara time series maupun cross section Perbedaan intersep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif. Namun, slop antar perusahaan sama. Menurut (Rohmana, 2010) rumus sebagai berikut :
c. Random Effect Model (REM)
Model ini digunakan untuk mengatasi kelemahan model efek tetap yang menggunakan variabel boneka, sehingga variabel mengalami ketidakpastian karena variabel boneka akan mengurangi derajat bebas yang pada akhirnya mengurangi efisiensi dari parameter yang diestimasi. Model REM menggunakan residual yang diduga memiliki hubungan antar waktu dan antar individu sehingga REM mengasumsikan bahwa setiap individu mempunyai perbedaan intersep yang merupakan variabel random. Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Perbedaan intersep pada Model Random Effect diakomodasi oleh error terms masing- masing perusahaan. Keuntungan menggunakan model Random Effect adalah menghilangkan heteroskedastisitas.
Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS).
Menurut (Rohmana, 2010) rumus untuk random effect model dituliskan sebagai berikut:
Ket :
= merupakan komponen cross-section error.
= merupakan komponen time series error.
= merupakan time series dan cross section error.
2. Metode Pemilihan Model
Hal mendasar yang terlebih dahulu harus dilakukan adalah dengan melakukan uji F untuk memilih model yang paling tepat digunakan dari ketiga model tersebut dalam mengelola data panel, terdapat beberapa pengujian yang dapat dilakukan melalui Eviews 9 (Basuki, 2015) sebagai berikut :
a. Uji Chow yakni pengujian untuk menentukan model Common Effect atau Fixed Effect yang paling tepat digunakan dalam mengestimasi data panel. Dalam uji chow, data diregresikan dengan menggunakan common effect dan fixed effect terlebih dahulu kemudian dibuat hipotesis untuk diuji. Hipotesis untuk uji chow adalah sebagai berikut:
H0 = Jika nilai probabilitas cross-section F ≥ α (0.05), maka H0 diterima artinya Common Effect diterima.
H1 = Jika nilai probabilitas cross-section F < α (0.05), maka H0 ditolak artinya Fixed Effect diterima.
b. Uji Hausman adalah pengujian statistik untuk memilih apakah model Fixed Effect atau Random Effect yang paling tepat digunakan. Untuk mengujinya, data juga diregresikan terlebih dahulu dengan menggunakan model random effect kemudian dibandingkan antara fixed effect dengan random effect. Hipotesis untuk uji Hausman adalah sebagai berikut :
H0 = Jika nilai prob > 0,05 maka model Random Effect.
H1 = Jika nilai prob < 0,05 maka model Fixed Effect.
c. Uji LM (Lagrange Multiplier)
Uji LM dilakukan untuk memilih apakah model Common Effect atau Random Effect yang paling tepat digunakan. Uji LM dilakukan ketika melakukan uji Chow yang terpilih adalah model Common Effect. Hipotesis untuk uji LM adalah sebagai berikut :
H0 = Jika nilai prob > 0,05 maka model Random Effect.
H1 = Jika nilai prob < 0,05 maka model Common Effect.
3. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam sebuah model regresi, variabel pengganggu atau residual memiliki distribusi yang normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal (Santoso, 2015).
Ketika p value statistic uji jarque-bera > 0,05 dapat diputuskan untuk menolak H0 dan disimpulkan bahwa asumsi normalitas error/ residual terpenuhi (data berdistribusi normal). Dan ketika menerima H1 maka data tidak berdistribusi normal.
H0 : error berdistribusi normal.
H1 : erro tidak berdistribusi normal.
b. Uji Multikolinearitas
Uji ini digunakan bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (Ghozali., 2005). Multikolinearitas menyebabkan tingginya variabel pada sampel, yang berarti
standar eror besar yang nantinya akan berakibat ketika nanti diuji t-hitung akan bernilai kecil dari t-tabel. Hal tersebut menunjukkan tidak adanya hubungan linier antara variabel bebas yang dipengaruh dengan variabel terikat. Untuk menemukan apakah terdapat atau tidaknya multikolinearitas dalam model regresi dapat diketahui dari nilai tolerance dan nilai variance inflation factor (VIF).
Nilai tolerance digunakan untuk mengukur variablitias dari variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jika nilai tolerance rendah sama dengan nilai VIF tinggi, karena VIF = 1/ tolerance dan akan menunjukkan terdapat kolinearitas yang tinggi.
Nilai cut off yang digunakan yaitu untuk nilai tolerance 0,10 atau nilai VIF di atas 10. Menurut (Santoso, 2012) rumus yang digunakan yaitu sebagai berikut :
Atau
c. Uji Autokorelasi
Uji autokorelasi digunakan bertujuan untuk mengetahui apakah dalam model regresi terdapat korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan yang ada pada periode sebelumnya. Pada penelitian ini menggunakan uji Durbin-Watson untuk menguji autokorelasi, menurut (Ghozali, 2016) terdapat beberapa dasar keputusan uji Durbin-Watson sebagai berikut :
Tabel 3.2. Dasar Keputusan Uji Durbin-Watson Hipotesis Nol (H0) Keputusan Jika Tidak ada autokorelasi
positif
H0 ditolak 0 < d < dL
Tidak ada autokorelasi positif
Tidak ada Keputusan
dL ≤ d ≤ dU
Tidak ada autokorelasi negatif
H0 ditolak 4 - dL < d < 4
Tidak ada autokorelasi negatif
Tidak ada Keputusan
4 – dU ≤ d ≤ 4 - dL
Tidak ada autokorelasi positif atau negatif
H0 ditolak atau diterima
DU < d < 4 - dU
Sumber : Ghozali (2016) Keterangan :
d : Durbin-Watson (DW)
dU : Durbin-Watson upper (batas atas DW) dL : Durbin-Watson lower (batas bawah DW)
4. Uji Hipotesis
a. Uji Signifikan Parsial (Uji T)
Uji T pada dasarnya untuk menunjukkan seberapa jauh pengaruh masing-masing variabel bebas terhadap variabel terikat (Sekaran, 2006). Untuk menguji pengaruh variabel bebas terhadap variabel terikat secara parsial dengan membandingkan persamaan regresi, antar variabel dinyatakan signifikan apabila nilai t signifikan lebih kecil sama dengan 0,05. Kriteria yang digunakan sebagai berikut :
1) Jika <0,05, maka dapat dikatakan terdapat pengaruh signifikan antara variabel bebas terhadap variabel terikat.
2) Jika >0,05, maka dapat dikatakan tidak terdapat pengaruh signifikan antara variabel bebas terhadap variabel terikat.
b. Uji Signifikan Simultan (Uji F)
Uji F pada dasarnya menunjukkan seberapa jauh pengaruh variabel bebas secara bersama-sama (simultan) terhadap variabel terikat (Sekaran, 2006). Untuk menguji pengaruh variabel bebas secara bersama-sama terhadap variabel terikat dapat dilihat pada hasil Prob (F-statistic) yang ada pada model yang terpilih, hasil uji F harus sesuai dengan kriteria sebagai berikut:
1) Jika <0,05, maka dapat dikatakan terdapat pengaruh signifikan secara bersama-sama variabel bebas terhadap variabel terikat.
2) Jika >0,05, maka dapat dikatakan tidak terdapat pengaruh signifikan secara bersama-sama variabel bebas terhadap variabel terikat.
c. Koefisien Determinasi (R-Squared/R2)
Koefisien Determinasi pada dasarnya digunakan untuk mengetahui sejauhmana kemampuan variabel bebas secara bersama-sama dapat menjelaskan variabel terikat (Suharyadi, 2015). Menurut (Suharyadi, 2015) rumus untuk menentukan koefisien determinasi yaitu sebagai berikut :
Keterangan :
R2 = Koefisien Determinasi n = Banyaknya observasi Y = Harga Saham
X1 = Current Ratio (CR) X2 = Net Profit Margin (NPM) X3 = Debt to Equity Ratio (DER) X4 = Receivable Turnover (RETO)
Dari rumus di atas ada kemungkinan hasil yang akan didapat, yaitu :
1) Jika R2 = 0, maka tidak ada sedikutpun persentase kontribusi pengaruh yang diterima variabel bebas terhadap variabel terikat.
2) Jika R2 = 1, maka terdapat persentase kontribusi pengaruh yang diterima variabel bebas terhadap variabel terikat.
G. Definisi Operasional Variabel
1. Variabel Terikat atau Variabel Dependent (Y)
Variabel terikat dalam penelitian ini yaitu harga saham, harga saham yang dimaksud dalam penelitian ini yaitu harga pasar akhir tahun pada saat closing price.
2. Variabel Bebas atau Variabel Independent (X)
Dalam penelitian ini terdapat 4 variabel bebas, dengan menggunakan 4 rasio kinerja keuangan, yaitu Current Ratio (CR), Net Profit Margin (NPM), Debt to Equity Ratio (DER) dan Receivable Turnover (RTO),
a. Current Ratio (CR)
Current Ratio adalah rasio yang menggambarkan sejauh mana asset lancar dalam memenuhi utang lancar
atau utang jangka pendek dan nyatakan dalam bentuk persen. Current Ratio dapat ditentukan dengan cara membandingkan asset lancar dan utang lancar perusahan, dan CR dapat dihitung dengan menggunakan rumus, sebagai berikut :
b. Net Profit Margin (NPM)
Net Profit Margin adalah rasio yang menggambarkan kemampuan perusahaan dalam menghasilkan laba bersih pada tingkat penjual tertentu dan nyatakan dalam bentuk persen. NPM dapat ditentukan dengan cara membandingkan laba bersih setelah pajak atau Earning After Tax dan total penjualan perusahaan. Dan NPM dapat dihitung dengan menggunakan rumus, sebagai berikut :
c. Debt to Equity Ratio (DER)
Debt to Equity Ratio adalah rasio yang menggambarkan sejauh mana modal perusahaan dapat menutupi total utang perusahaan dan nyatakan dalam bentuk persen. DER dapat ditentukan dengan cara membandingkan total utang dan modal perusahaan. DER dapat dihitung dengan menggunakan rumus, sebagai berikut :
d. Receivable Turnover (RETO)
Receivable Turnover adalah rasio yang digunakan untuk menggambarkan sejauhmana kemampuan perusahaan dalam mengelolah piutang usaha secara efisien. Rasio ini dinyatakan dalam bentuk persen dan dapat dihitung dengan menggunakan rumus, sebagai berikut :
