BAB III. Desain dan Metode Penelitian

(1)

A. Desain dan Jenis Penelitian

Disain dan jenis penelitian yang digunakan penulis adalah penelitian kausal-penjelasan (causal-explanatory). Menurut Cooper & Schindler (2011) disain Penelitian Kausal (Causal Study), adalah bentuk penelitian yang berfokus pada pembelajaran bagaimana suatu variabel penelitian mempengaruhi variabel penelitian lainnya sampai membentuk suatu fenomena. Terdapat dua jenis penelitian kausal. Pertama, kausal-penjelasan (causal-explanatory) bagaimana satu variabel mempengaruhi perubahan variabel lainnya, bagaimana hubungan variabel-variabel tersebut. Kedua, kausal-prediktif (causal-predictive) yang mencoba memprediksi pengaruh dari satu variabel terhadap variabel lainnya sementara semua variabel lainnya tetap.

Penelitian kausal-penjelasan yang penulis lakukan adalah dengan menggunakan analisa lajur sebagai alat untuk mengukur dan membandingkan bagaimana pengaruh antara kualitas laba dan asimetri informasi sebagai varabel bebas terhadap Biaya modal ekuitas sebagai variabel terikat dalam penelitian.

(2)

B. Definisi Operasional Variabel

Menurut Zikmund et al. (2013), variabel adalah apa saja yang mungkin membentuk asumsi yang berbeda secara nilai, merupakan pengujian empiris dari sebuah konsep. Karena variabel bersifat empiris maka variabel dapat diukur oleh skala pengukuran tertentu, tahapan ini biasa disebut opersionalisasi variabel. Penulis dalam penelitian ini membagi variabel penelitian menjadi empat kelompok yaitu variabel dependen, variabel independen, variabel mediator dan variabel kontrol.

B.1. Variabel Dependen / Terikat

Variabel dependen atau terikat adalah variabel yang dipengaruhi oleh perubahan variabel lainnya dalam penelitian ini variabel dependen adalah biaya modal ekuitas, Asimetri Informasi, dan Kualitas Laba. Biaya modal ekuitas adalah tingkat imbal yang diharapkan oleh investor dalam pasar modal. Biaya modal ekuitas ini mencerminkan hasil yang diharapkan oleh investor untuk penyediaan modal dan asumsi risiko yang harus ditanggung investor selama menunggu imbal hasil ini (Ross et al. 2009).

B.2. Variabel Independen

Variabel independen atau bebas adalah variabel yang perubahannya mempengaruhi variabel lain. Dalam penelitian ini penulis menggunakan analisa

(3)

lajur dengan hubungan timbal balik yang dapat menyebabkan suatu variabel menjadi variabel dependen pada suatu hipetosa tetapi menjadi variabel independen pada hipotesa lainnya dalam penelitian. Variabel independen dalam penelitian ini adalah Asimetri Informasi dan Kualitas Laba.

Asimetri informasi pertama kali diperkenalkan oleh George A Akerlof (1970) adalah kondisi dimana terdapat ketidak seimbangan informasi dalam suatu hubungan transaksi yang dapat menciptakan ketidak seimbangan kekuatan transaksi sehingga membuat transaksi lebih menguntungkan salah satu pihak dan kegagalan pasar pada kondisi terburuknya. Pada penelitian ini asimetri informasi diukur dengan bid-ask spread yaitu perbedaan antara harga permintaan dan penawaran dari investor yang memiliki informasi terbatas dengan investor yang hanya memiliki informasi publik.

Kualitas laba adalah tingkat keakuratan laba perusahaan dalam memprediksi arus kas dimasa mendatang. Kualitas laba dapat diukur dengan Abnormal Accrual dan Accrual Quality. Dechow et al. (2002) mengemukakan bahwa terdapat hubungan antara karakteristik perusahaan dengan kualitas akrual dan terdapat kecenderungan manajemen untuk melakukan akuntansi akrual dengan tujuan manajemen laba agar mendapatkan hasil yang diinginkan (memenuhi ekspektasi).

(4)

B.3. Variabel Kontrol / Pengendali

Variabel pengendali adalah konstanta pengujian yang tidak berubah selama proses pengujian, dapat mempengaruhi hasil pengujian variabel penelitian namun bukan fokus utama dari penelitian.

Dalam penelitian ini penulis menggunakan ukuran besaran perusahaan (firm size) dan leverage perusahaan sebagai variabel pengendali. Firm Size adalah ukuran besar kecilnya sebuah perusahaan yang diukur dari total asetnya. Leverage adalah tingkat ketergantungan perusahaan terhadap utang dalam membiayai operasional perusahaannya.

C. Pengukuran Variabel

C.1. Kualitas Laba

Pada penelitian yang dilakukan oleh Francis et al. (2004) atribut laba berbasis pelporan akuntansi (accounting-based earning attributes) yang mencakup kualitas akrual, presistensi laba, dan smmothness atau kestabilan) memiliki pengaruh yang lebih besar kepada Biaya modal ekuitas bila dibandingkan dengan atribut-atribut berbasis pasar (market-based earning attribute) misalnya nilai relevan, ketepatan waktu, dan konservatisme. Kualitas akrual menurut penelitian tersebut adalah atribut akuntansi yang paling kuat secara empiris.

(5)

Berdasarkan uraian tersebut maka penulis menyimpulkan bahwa kualitas akrual merupakan ukuran empiris yang relevan dari variabel kualitas laba. Penulis menggunakan model Dechow dan Dichev (2002) untuk mengukur kualitas akrual yang telah dimodifikasi oleh McNicols (2002) dan digunakan juga oleh Francis et al (2005):

5,j

PPEj,t + Ʋj,t

TCAj,t : Total Current Accrual perusahaan j pada tahun t = ΔCAj;t -

ΔCLj;t - ΔCashj;t + ΔSTDEBTj;t

ø1,j CFOj,t-1: Cash flow dari operasional perusahaan j pada tahun t =

NIBEj,t – TAj,t, NIBEj,t adalah Net Income Before Extraordinary perusahaan j

pada tahun t dan TAj,t adalah Total Accrual = ΔCAj,t – ΔCLj,t – ΔCASHj,t +

ΔSTDEBTj,t – DEPNj,t. ΔCAj,t adalah perubahan aktiva lancar perusahaan, ΔCLj,t

adalah perubahan kewajiban lancar perusahaan, ΔCASHj,t adalah perubahan cash

perusahaan, ΔSTDEBTj,tadalah perubahan utang jangka pendek pada kewajiban

lancar perusahaan, dan DEPNj,t adalah biaya depresiasi dan amortisasi

perusahaan.

ø

4,j ΔREVj,t adalah perubahan pendapatan perusahaan, dan

ø

5,j PPEj,t

(6)

C.2. Asimetri Informasi

Untuk pengukuran asimetri informasi, penulis mengacu pada penelitian yang dilakukan oleh Greenstein dan Sami (1994). Pada penelitian tersebut disimpulkan bahwa terdapat hubungan negative antara pengungkapan publik dengan asimetri informasi. Penulis menggunakan model pengukuran bid-ask spread:

SPREADi,t = (aski,t – bidi,t )/ {(aski,t + bidi,t )/2} x 100

aski,t : harga ask tertinggi saham perusahaan i yang terjadi pada hari t

bidi,t : harga bid terendah saham perusahaan i yang terjadi pada hari t

C.3 Biaya modal ekuitas

Ukuran Biaya modal ekuitas pada penelitian ini mengacu pada model Ohlson yang telah disederhanakan yang digunakan juga pada penelitian Botosan (1997) dan Utami (2005):

r = (Bt + Xt+1 - Pt) / Pt

r: Biaya modal ekuitas

Bt: Nilai buku per lembar saham pada periode t

(7)

Pt: Harga saham pada periode t

C.4 Firm size

Ukuran sebuah perusahaan menurut Hackston dan Milne (1996) dapat ditentukan dari jumlah karyawan, log natural total aset, total penjualan ataupun peringkat indeks. Pada penelitian ini penulis memakai total aset yang dimiliki perusahaan sebagai ukuran firm size.

C.4 Leverage

Leverage dalam suatu perusahaan menggambarkan tingkat

ketergantungan perusahaan terhadap utang dalam rangka membiayai operasional perusahaan. Pada penelitian ini penulis memakai Debt to Equity ratio sebagai ukuran leverage yaitu dengan membagi total kewajiban dengan total ekuitas perusahaan.

D. Populasi dan Sampel Penelitian

D.1. Populasi

Menurut Zikmund et al. (2013) populasi didalam sebuah penelitian dapat diartikan sebagai keseluruhan dari sebuah kelompok entitas yang memiliki kesamaan karakteristik pada umumnya. Dalam penelitian ini, populasi yang

(8)

dimaksud adalah seluruh perusahaan terbuka dan terdaftar pada Bursa Efek Indonesia dalam rentang waktu 2013-2015.

D.2. Sampel

Sampel merupakan bagian dari suatu populasi yang lebih besar dan memiliki kesamaan karakteristik (Zikmund, 2013). Pada penelitian ini peneiliti menggunakan disain sampel non-probabilitas yaitu Purposive Sampling (Cooper dan Schindler, 2011) dalam menetukan sampel penelitian yaitu dengan cara penentuan kriteria spesifik untuk pengambilan sampel yang akan diuji. Pada penelitian ini penulis menentukan kriteria sample:

a. Seluruh perusahaan yang masuk kedalam kelompok saham LQ 45 dalam rentang waktu 2012-2014 secara konsisten selama 2 periode.

b. Bukan bergerak diindustri perbankan dan/atau lembaga keuangan bukan bank.

c. Seluruh perusahaan yang melaporkan laporan keuangannya dalam mata uang rupiah.

d. Seluruh perusahaan yang memiliki awal periode buku Januari dan akhir periode buku Desember.

Latar belakang penentuan sampel penelitian ini adalah karena kelompok saham LQ 45 adalah kelompok saham yang paling aktif ditransaksikan

(9)

pada Bursa Efek Indonesia sehingga diharapkan dapat mengurangi saham-saham dengan volume transaksi yang lebih kecil yang dapat membuat hasil pengujian menjadi bias.

E. Teknik Pengumpulan Data

Teknik pengumpulan data dalam penelitian ini menggunakan analisa berbasis pasar (market-based analysis). Menurut Cooper dan Schindler (2011) market-based analysis dilakukan dengan mengamati fenomena yang terjadi berdasarkan data-data yang tersedia di pasar, dalam penelitian ini khususnya pasar modal di Indonesia atau yang dikenal dengan Bursa Efek Indonesia.

Teknik ini dipilih karena sumber data yang digunakan oleh peneliti data sekunder yang diperoleh dari berbagai macam sumber sekunder yaitu Pojok Bursa Efek Indonesia dan situs Indonesia Stock Exchange, serta literatur-literatur, jurnal dan publikasi ilmiah lainnya.

F. Metode Analisis Data

Teknik analisis yang digunakan dalam penelitian ini terdiri dari dua bagian, yaitu: (1) pengujian asumsi klasik, dan (2) pengujian hipotesis penelitian.

(10)

F.1.Pengujian Asumsi Klasik

Pengujian asumsi klasik ini bertujuan untuk mengetahui dan menguji kelayakan atas model regresi yang digunakan dalam penelitian ini. Pengujian ini juga dimaksudkan untuk memastikan bahwa di dalam model regresi yang digunakan tidak terdapat autokorelasi, multikolinieritas dan heteroskedastisitas serta untuk memastikan bahwa data yang dihasilkan berdistribusi normal (Ghozali, 2009:68).

F.1.1.Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah variabel-variabel dalam model regresi yang digunakan pada penelitian memiliki distribusi normal. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Distribusi normal adalah kurva simetris berbentuk lonceng yang menggambarkan distribusi dari kemungkinan yang diharapkan (Zikmund, 2013). Normalitas variabel dapat dideteksi dengan menggunakan statistik Kolmogorov-Smirnov dengan cara melihat nilai probabilitas signifikan yang bernilai di atas nilai 0,05 maka data tersebut berdistribusi normal. Nilai normalitas distribusi data dilihat dengan menggunakan metode analisis grafik Normal Probability Plot (P-P Plot), apabila sebaran data mengikuti garis diagonal maka data berdistribusi normal atau mendekati distribusi normal dan model regresi memenuhi asumsi normalitas (Ghozali, 2009:72).

(11)

F.1.2.Uji Autokorelasi

Uji Autokorelasi menurut Ghozali (2009) bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara residual pada periode t dengan residual pada periode t-1 (periode sebelumnya). Pada asumsi Ordinary Least Square (OLS) terdapat persyaratan bahwa persamaan regresi yang terbentuk tidak boleh ada autokorelasi. Autokorelasi merupakan korelasi antar anggota dalam runut waktu (time series) atau antara space data cross section. Cara mendeteksi adanya gejala autokorelasi adalah dengan melihat nilai Durbin-Watson (DW). Asumsi penggunaan analisis DW adalah hanya digunakan untuk autokorelasi tingkat pertama dan model regresi mensyaratkan adanya intercept (konstanta) serta tidak terdapat variabel lagi diantara variabel bebas. Pengambilan keputusan bila menggunakan uji DW adalah sebagai berikut:

1) Nilai DW terletak di antara upper bound (du) dan 4-du (du < DW < 4-du), maka autokrelasi sama dengan nol, berarti tidak ada autokorelasi.

2) Nilai DW terletak di bawah lower bound (dl) atau DW < dl, maka akan mempunyai koefisien korelasi lebih besar dari nol dan memiliki autokorelasi positif.

3) Nilai DW > (4-dl), maka koefisien korelasi kurang dari nol, maka akan memiliki autokorelasi negatif.

(12)

4) Nilai DW terletak di antara batas atas (du) dan batas bawah (dl) atau terletak antara (4-du) dan (4-dl) maka hasilnya tidak dapat disimpulkan.

F.1.3.Uji Multikolinearitas

Salah satu asumsi model regresi linier klasik adalah tidak adanya korelasi yang sempurna, atau korelasi tidak sempurna tetapi relatif sangat tinggi pada variabel-variabel bebasnya. Dalam asumsi klasik Ordinary Least Square (OLS) diterangkan bahwa tidak ada multikolinieritas yang sempurna antarvariabel independen. Jika terdapat nilai korelasi di antara variabel independen adalah satu maka koefisiennya: (1) Koefisien untuk nilai-nilai regresi tidak dapat diperkirakan, (2) Nilai standard error dari setiap koefisien regresi menjadi nilai yang tak terhingga.

Cara mendeteksi multikolinearitas dilakukan dengan melihat tolerance value dan Variance Inflation Factor (VIF). Multikolinearitas terjadi jika nilai VIF di atas 10 atau tolerance value di bawah 0,10 (Ghozali, 2009). Nilai VIF dapat dihitung dengan rumus:

VIF =

Tolerance 1

(13)

a. Transformasi variabel. Jika terlihat pada model awal dengan adanya multikolinieritas maka dapat dilakukan transformasi variabel yang bersangkutan kedalam bentuk Logaritma Natural atau bentuk-bentuk transformasi lainnya, sehingga nilai t hitung yang dihasilkan secara individu variabel independen dapat secara signifikan mempengaruhi variabel terkait.

b. Mengeluarkan satu atau lebih variabel bebas yang mempunyai korelasi yang tinggi dengan model regresi dan identifikasi variabel bebas lainnya untuk membantu prediksi.

c. Menggunakan model dengan variabel bebas yang mempunyai korelasi tinggi hanya untuk prediksi.

d. Menggunakan korelasi sederhana antara variabel bebas dan variabel terikatnya untuk memahami hubungan antar variabel. e. Menggunakan metode analisis regresi yang lebih kompleks dan

spesifik seperti ridge regression.

F.1.4.Uji Heterokedastisitas

Asumsi penting lainnya dari model regresi linier klasik adalah homoskedastisitas. Untuk mengetahui dipenuhinya asumsi tersebut maka dilakukan uji asumsi regresi berganda heteroskedastisitas. Tujuan dari uji heterokedastisitas adalah menguji apakah dalam sebuah model regresi, terjadi

(14)

ketidaksamaan varians dari residual dari suatu pengamatan ke pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan yamg lain tetap, maka disebut homoskedastisitas. Dan jika varians berbeda, disebut heteroskedastisitas. Model regresi dapat dikatakan baik apabila tidak terjadi heteroskedastisitas.

Cara untuk mendeteksi ada tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai residu variabel independen (SRESID) dengan nilai prediksi (ZPRED). Dasar analisis uji heterokedastisitas:

a. Jika ada pola terentu, seperti titik-titik membentuk pola yang teratur (bergelombang, melebar kemudian menyempit), maka telah terjadi heteroskedastisitas.

b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka pada sumbu Y, maka tidak terjadi heteroskedastisitas (Ghazali, 2009:78).

F.2.Pengujian Hipotesis Penelitian

Untuk menguji hipotesis yang diajukan digunakan analisis statistik. Ada dua analisis statistik yang dipergunakan dalam penelitian ini, yaitu statistik deskriptif dan statistik inferensial.

(15)

F.2.1.Statistik Deskriptif

Analisis deskriptif merupakan metode yang digunakan untuk menganalisis data yang tersedia dan diolah sehingga diperoleh gambaran yang jelas mengenai fakta-fakta dan hubungan antar fenomena yang diteliti. Dalam statistik ini data yang disajikan dalam bentuk tabel, mean, dan standar deviasi.

F.2.2.Statistik Inferensial

Statistik inferensial yang digunakan untuk menguji hipotesis penelitian adalah menggunakan analisis regresi berganda. Rumus persamaan regresi yang digunakan penelitian ini adalah:

F.2.2.1 Model regresi berganda Biaya modal ekuitas

3 Size: Besar perusahaan (Size by total asset)

(17)

Menurut Ghozali (2009) ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of fit. Secara statistik, setidaknya ini dapat diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t.

1) Uji Signifikansi Simultan (Uji F)

Untuk menguji model regresi yang menjelaskan bentuk hubungan dan pengaruh seluruh variabel bebas terhadap variabel terikat secara bersama-sama, digunakan uji signifikansi simultan (uji F) sebagai berikut: F = _             R 1 R k 1 k n 2 dimana : R² = koefisien determinasi n = ukuran sampel

k = banyaknya variabel bebas

Nilai F dari hasil perhitungan di atas kemudian dibandingkan dengan Ftabel atau F yang diperoleh dengan mempergunakan tingkat resiko atau significance 5% dan degree of freedom pembilang dan penyebut, yaitu V1=k dan V2=(n-k-1) dimana kriteria yang digunakan adalah:

(18)

Jika Fhitung ≤ Ftabel maka Hx diterima Jika Fhitung > Ftabel maka Hx ditolak

2) Analisis Koefisien Determinasi

Menurut Ghozali (2009), Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2_{yang kecil berarti kemampuan variabel-variabel}

independen dalam menjelaskan variasi variabel dependen amat terbatas. Oleh karena itu, dianjurkan untuk menggunakan nilai Adjusted R2_{pada saat mengevaluasi mana model regresi terbaik,}

karena nilai Adjusted R2_{dapat naik atau turun apabila satu variabel}

independen ditambahkan kedalam model. Kelemahan mendasar dari penggunaan koefisien determinasi adalah bias terhadap jumlah variable independen yang dimasukan kedalam model.

3) Uji Signifikansi Parameter Individual (Uji t)

Untuk menguji pengaruh satu variabel bebas terhadap variabel terikat, digunakan penguji koefisien regresi secara parsial (uji t), yaitu dengan membandingkan t tabel dan t hitung yang dirumuskan sebagai berikut:

t = xi

_{ }

₂ r 1 1 k n r   

(19)

Masing-masing nilai t, hasil perhitungan ini kemudian dibandingkan dengan ttabel yang diperoleh dengan menggunakan signifikansi 0,05 (5%).