BAB III & BAB IV
-
Upload
wenita-yulistia -
Category
Documents
-
view
205 -
download
12
Transcript of BAB III & BAB IV
BAB 3 METODOLOGI PENELITIAN
3.1 3.1.1
Metodologi Pengumpulan Data Pemilihan Data Penelitian
Data penelitian ini, kami menggunakan data laporan keuangan perusahaan industri perkebunan dengan tahun buku 2009. Data ini diperoleh dari Laporan Keuangan Tahunan Perusahaan Kementerian Perdagangan. Data ini diperoleh langsung dari kementrian perdagangan sehingga tidak terjadi manipulasi data maupun data yang tidak valid.
Jumlah sampel yang kami ambil untuk penelitian ini adalah sebanyak 102 laporan keuangan perusahaan pada industri perkebunan dengan tahun buku 2009. Kelompok kami memilih sektor perkebunan, karena saat ini konsumsi atas pangan meningkat, dimana banyak para investor yang menanamkan investasinya. Di tahun 2009, kepemilikan saham baik lokal maupun asing jumlahnya naik secara signifikan. Untuk industri perkebunan, kepemilikan modal meningkat dari sebelumnya 61.1% di tahun 2008 menjadi 75.6% di tahun 2009. Begitu pula untuk kepemilikan asing yang meningkat 28% di tahun 2008 menjadi 34.1% di tahun 2009.
Grafik 3.1. Kepemilikan Saham Perkebunan dan Peternakan
16Universitas Indonesia
17
Pemilihan sampel dalam penelitian ini menggunakan metode purposive sampling yang didasarkan atas beberapa kriteria yaitu: 1. Data yang diambil berasal dari database LKTP Direktorat Bina Usaha dan Pendaftaran Perusahaan Kementerian Perdagangan 2. Laporan keuangan disajikan dalam mata uang rupiah 3. Perusahaan perusahaan manufaktur yang mencantumkan data data mengenai variabel struktur kepemilikan saham (kepemilikan lokal maupun asing) terutama yang harus memiliki
Gambar 3.1. Proses Pemilihan Sampel Penelitian
Database LKTP Direktorat Bina Usaha dan Pendaftaran Perusahaan Kementerian Perdagangan
Proses Pemilihan Data
Laporan keuangan disajikan dalam mata uang rupiah?
Ya
Data Variabvel Lengkap?
Tidak
Dikeluarkan
Ya
Sample Penelitian
Sumber: Olahan PenulisUniversitas Indonesia
18
3.1.2
Periode Penelitian
Laporan Keuangan yang kami gunakan dalam penelitian ini adalah laporan keuangan tahun buku 2009. Alasan yang melandasi pemilihan periode ini adalah terkait dengan ketersediaan data yang dimiliki.
3.1.3
Sampel, Sumber Data, dan Pengumpulan Data
Sampel data yang diambil adalah data-data yang di dapat dari laporan keuangan tahunan perusahaan kementerian perdagangan pada tahun 2009. Jadi data yang digunakan disini adalah data dalam bentuk cross section.
DATA
SATUAN
SUMBER DATA
PENGUMPULAN DATA
Harga Saham ROA
Rupiah
Kementerian Perdagangan
Pengumpulan sekunder Pengumpulan sekunder Pengumpulan sekunder Pengumpulan sekunder
data
Persentase Kementerian Perdagangan
data
ROE
Persentase Kementerian Perdagangan
data
TATO
Persentase Kementerian Perdagangan
data
3.2
Variabel Penelitian
Pada bagian ini dijelaskan mengenai variabel-variabel yang digunakan oleh peneliti. Variabel tersebut terdiri dari variabel dependen dan independen, dimana variabel independen dalam penelitian ini ialah variabel struktur kepemilikan dan variabel dependen ialah variabel kinerja perusahaan dan variabel produktivitas aset.
Universitas Indonesia
19
3.2.1
Variabel Dependen
Pada variabel kinerja perusahaan terdapat dua ukuran untuk kinerja perusahaan, yaitu Return On Asset (ROA) dan Return On Equity (ROE). Pengukuran ROA dilakukan untuk mengetahui kemampuan perusahaan dalam menghasilkan laba dengan menggunakan total asset yang dimiliki. Formula ROA:
Pengukuran ROE dilakukan merupakan ukuran kompensasi yang diterima oleh pemegang sahan dari tiap saham yang ditanamkan. Formula ROE:
Pada variabel produktivitas aset yang digunakan sebagai proxy dari produktivitas ialah Total Asset Turnover (TATO). Variabel ini digunakan bagi perusahaan untuk menunjukan bagaimana perusahaan dapat menghasilkan laba operasi dengan aset yang dimiliki. Formula TATO:
3.2.2
Variabel Independen
Variabel struktur kepemilikan menggambarkan pemegang control utama dalam perusahaan yang dapat mengendalikan dan membentuk manajemen perusahaan dikarenakan memiliki suara mayoritas.proporsi kepemilikan digunakan peneliti sebagai acuan dalam menentukan variable dummy yaitu dummy foreign dan dummy domestic.
Variable dummy merupakan variable boneka dengan nilai nol atau satu. Dummy foreign yang merupakan variabel independen,bernilai 1 jika foreign shareholder bernilai lebih dari 50% ke atas dan bernilai 0 jika foreign shareholder kurang dari 50%. Dummy domestic yang merupakan variabel independen. Bernilai 1 jika foreign shareholder bernilai kurang dari 50% ke atas dan bernilai 0 jika foreign shareholder lebih dari 50%. Variable dummy dipilih sebagai variable independen
Universitas Indonesia
20
dalam penelitian untuk menunjukan bukti empiris bahwa pihak (domestik atau asing) yang menjadi largest shareholder memiliki pengaruh terhadap kinerja perusahaan dan produktivitas asset. Pihak (domestik atau asing) dalam sampel penelitian dilihat dari tingkat dominan pada kedua pihak (domestic atau asing) yang memiliki pengaruh dan kontrol yang cukup dalam meningkatkan kinerja perusahaan dan produktivitas asset.
Variabel Pengertian DUM_F
Fungsi
Sumber LKTP Bina dan
Dummy foreign menggambarkan Independen Database pemegang saham terbesar yang Direktorat Usaha Pendaftaran Perusahaan Kementrian Perdagangan
dimiliki pihak asing bernilai 1 jika foreign shareholder bernilai lebih dari 50% ke atas dan bernilai 0 jika foreign shareholder kurang dari 50%. DUM_D
Dummy domestic menggambarkan Independen Database pemegang saham terbesar yang Direktorat Usaha Pendaftaran Perusahaan Kementrian Perdagangan Database Direktorat Usaha Pendaftaran Perusahaan Kementrian Perdagangan
LKTP Bina dan
dimiliki pihak domestik bernilai bernilai 1 jika foreign shareholder bernilai kurang dari 50% ke atas dan bernilai 0 jika foreign
shareholder lebih dari 50%. ROA Return on Asset merupakan rasio Dependen yang digunakan untuk mengukur tingkat pengembalian yang
LKTP Bina dan
diperoleh perusahaan dari setiap asset yang dikeluarkan oleh
perusahaan. Rasio ini dihitung dengan formula net income dibagi total asset perusahaan ROE Return on equity merupakan rasio Dependen
Database
LKTP
Universitas Indonesia
21
yang digunakan untuk mengukur kemampuan perusahaan dalam
Direktorat Usaha Pendaftaran Perusahaan Kementrian Perdagangan
Bina dan
menghasilkan laba bersih dari modal yang digunakan oleh
perusahaan. Rasio ini diukur dari net income yang dibagi dengan nilai ekuitas perusahaan Variabel Pengertian TATO Fungsi
Sumber Database Direktorat Usaha Pendaftaran Perusahaan Kementrian Perdagangan LKTP Bina dan
Total Asset Turnover merupakan Dependen rasio yang digunakan untuk
mengukur perputaran jumlah asset yang dimiliki untuk operasi
perusahaan. Rasio ini diukur dari sales yang dibagi dengan nilai total asset.
3.3 3.3.1
Metode Penelitian Model Penelitian
Variabel dependen pada penelitian ini merupakan kinerja perusahaan dengan pendekatan secara akuntansi yang terdiri dari dua proksi yaitu return on equity (ROE) dan return on asset (ROA) seperti yang sudah dijelaskan sebelumnya. Selain kinerja perusahaan, produktivitas aset juga merupakan variabel dependen yang diukur melalui total asset turnover (TATO). Peneliti juga ingin mengetahui hubungan antara dua variabel dependen, bagimana pengaruh produktivitas aset (TATO) terhadap kinerja perusahaan (ROE dan ROA). Peneliti memiliki empat model penelitian yang akan diuji secara empiris untuk mengetahui pengaruh struktur kepemilikan terhadap kinerja perusahaan dan produktiivitas aset. Model penelitian dapat digambarkan sebagai berikut: Model 1
Universitas Indonesia
22
Model 2
Model 3
Model 4
Dimana: = Konstanta = Koefisien regresi = Variabel dependen sebagai indikator kinerja perusahaan = Variabel dependen sebagai indikator kinerja perusahaan = Variabel dependen sebagai indikator produktivitas aset = Dummy foreign yang merupakan variabel independen. Bernilai 1 jika foreign shareholder bernilai lebih dari 50% ke atas dan bernilai 0 jika foreign shareholder kurang dari 50%. = Dummy domestic yang merupakan variabel independen. Bernilai 1 jika foreign shareholder bernilai kurang dari 50% ke atas dan bernilai 0 jika foreign shareholder lebih dari 50%. = Kesalahan atau error
3.3.2
Hipotesis Penelitian
Penelitian yang dilakukan untuk mengetahui pengaruh struktur kepemilikan terhadap kinerja perusahaan dan produktivitas aset ini terdiri atas tiga model utama seperti yang telah dijelaskan sebelumnya. Sehingga hipotesis yang diajukan oleh peneliti sebagai berikut:
Model 1 = Terdapat pengaruh antara dummy foreign (DUM_F) dengan return on
Universitas Indonesia
23
equity (ROE) = Terdapat pengaruh antara dummy domestic (DUM_D) dengan return on equity (ROE)
Model 2 = Terdapat pengaruh antara dummy foreign (DUM_F) dengan return on asset (ROA) = Terdapat pengaruh antara dummy domestic (DUM_D) dengan return on asset (ROA)
Model 3 = Terdapat pengaruh antara dummy foreign (DUM_F) dengan total asset turnover (TATO) = Terdapat pengaruh antara dummy domestic (DUM_D) dengan total asset turnover (TATO)
Model 4 = Terdapat pengaruh antara return on equity (ROE) dengan total asset turnover (TATO) = Terdapat pengaruh antara return on asset (ROA) dengan total asset turnover (TATO)
3.3.3
Analisis Data
Prosedur yang digunakan dalam menganalisis data adalah regresi Ordinary Least Square (OLS) yaitu metode yang meminimalkan jumlah kuadrat simpangan. Sedangkan program yang digunakan untuk membantu analisa data adalah E-views dan SPSS.
3.3.3.1 Regresi Ordinary Least Squares (OLS) Model regresi linier merupakan model yang parameternya linier, dan secara kuantitatif dapat digunakan untuk menganalisa pengaruh suatu variable terhadap variable lainnya. Ada dua jenis regresi linier yang sangat popular, yaitu regresi
Universitas Indonesia
24
linier sederhana dan regresi linier majemuk. Pada regresi linear sederhana, hanya digunakan sebuah variable bebas (independen) yang mempengaruhi variable terikat (dependen). Pada regresi linier majemuk digunakan lebih dari sebuah variable bebas. Model regresi majemuk untuk populasi dituliskan sebagi berikut : Yi = 0 + 1X1i + 2X2i + 3X3i + .. + kXki + ui Yi = variable dependen 0 = intercept 1,2,3,k = slope ui = error term I = 1,2,3, . , N (banyaknya observasi) (3.4) Mengingat data yang digunakan berasal dari sampel, maka nilai-nilai parameter tersebut harus diduga,sehingga modelnya menjadi : ^Y = b0 + b1 X1i + b2 X2i + b3 X3i + + bk Xki + ei I = 1,2,3, , N (banyaknya observasi) b0 , b1, b2, b3, .., bk, ei dugaan 0, 1, 2, 3, k, ui(3.5)
Metode kuadrat terkecil atau disingkat dengan OLS (Ordinary Least Square) digunakan untuk mencapai penyimpangan atau error yang minimum. Prinsip OLS mengatakan bahwa untuk mendapat persamaan regresi perlu menduga nilai 0 dan 1 sehingga u2i minimum. Artinya, diperlukan mencari nilai penduga 0 dan 1 sedekian sehingga fungsi regresi yang terestimasi dekat sekali dengan model regresi yang sesungguhnya (Nachrowi,2006)
3.3.3.2 Uji Asumsi Klasik Metode OLS dapat memberikan penduga koefisien regresi yang baik atau bersifat bersifat BLUE (best linier unbiased estimator),Asumsi-asumsi diyang telah dijelaskan sebelumnya harus dipenuhi untuk mendapatkan estimasi parameter yang bersifat BLUE,yaitu: Bebas = yang terbaik; Linier = merupakan kombinasi linier dari data sampel; Unbiased = rata-rata atau nilai harapan (E / b) harus sama dengan nilai sebenarnya (b1);
Universitas Indonesia
25
Efficient estimator = memiliki varians yang minimal diantara pemerikira lain yang tidak bias.
Sedangkan hasil analisis regresi adalah berupa koefisien regresi untuk masingmasing variabel independen. Variabel ini diperoleh dengan cara memprediksi nilai variabel dependen dengan suatu persamaan. Koefisien regresi dihitung dengan 2 (dua) tujuan : pertama, meminimumkan penyimpangan antara nilai aktual dan nilai estimasi variabel dependen; kedua, mengoptimalkan korelasi antara nilai aktual dan nilai estimasi varaibel dependen berdasarkan data yang ada. Masalah yang seringkali muncul yang dapat menyebabkan tidak terpenuhinya persyaratan tersebut yaitu multikolinearitas, autokorelasi, heteroskedatisitas.
3.4
Pengujian Ekonometrik
3.4.1 Uji Multikolinieritas Multikolinieritas adalah hubungan linier antar variable bebas (independen)., dimana menunjukan adanya korelasi antar variable bebas dengan model. Korelasi antar variable bebas ini mengakibatkan hasil yang bias dalam perhitungan varians masing-masing koefisien parameter. Akibatnya, nilai koefisien bias menjadi tidak signifikan secara statistik karena nilai t statistiknya terlalu kecil atau sebaliknya. Untuk mendeteksi gejala multikolinearita, R2 yang terlalu Gujarati besar dan sebagi Porter tanda (2009) adanya
mengindikasi
dari nilai
multikolinieritas. Untuk lebih menyakinkan adanya multikolinieritas antar variabel, E-views menyediakan tools table korelasi antar variabel. Sebuah variabel dikatakan memiliki korelasi yang kuat dengan variable lainnya jika nilai korelasinya diatas delapan puluh persen.
3.4.2 Heteroskedastisitas Heteroskedastisitas adalah kondisi dimana varian dari error berubah-ubah (tidak konstan) atau tidak identik dari masing-masing observasi.. Heteroskedastisitas biasanya muncul pada data cross section dan tidak terjadi pada data time series (deret waktu) karena perubahan-perubahan dalam variabel dependen dan perubahan-perubahan dalam satu atau lebih variabel independen kemungkinan
Universitas Indonesia
26
adalah sama besar. Heteroskedastisitas terjadi apabila varians dari setiap kesalahan pengganggu tidak bersifat konstan.
Efek dari Heteroskedastisitas Pendugaan kuadrat terkecil membobot lebih berat pada observasi yang memiliki varians kesalahan lebih besar dibandingkan pada observasi yang memiliki varians kesalahan lebih kecil. Hal ini terjadi karena jumlah residual kuadrat dari kesalahan yang memiliki varians yang lebih besar kemungkinan adalah lebih besar dari pada jumlah residual kuadrat dari kesalahan yang mempunyai varians yang lebih kecil. Garis regresi akan disesuaikan untuk meminimumkan jumlah residual kuadrat total dan ini dilakukan dengan memastikan kecocokan dalam porsi varians besar dari data. Karena pembobotan implisit ini, pendugaan-pendugaan parameter kuadrat terkecil biasa adalah tidak bias dan konsisten, tapi tidak efisien, yaitu varians dugaannya bukanlah varians minimum. Selain itu, varians dugaan dari parameter-parameter dugaan adalah penduga-penduga yang bias dari varians yang sebenarnya.
Uji-uji Heteroskedastisitas 1. Uji Goldfeld Quandt, langkah-langkahnya yaitu; mengurutkan data menurut besaran variabel independen yang dianggap berkaitan dengan varians kesalahan, menghapus observasi tengah d yang besarnya kira-kira seperlima dari sampel, dua regresi terpisah, menghitung jumlah kuadrat masing-masing refresi (melihat ESS), jika uji signifikan berarti terdapat masalah Heteroskedastisitas, uji ini digunakan jika kita tahu pasti penyebab heteroskedastisitas. 2. Uji Breusch-Pagan, merupakan uji alternatif yang tidak membutuhkan urutan dan mudah diterapkan. 3. Uji White, terkait dengan Uji Breusch-Pagan, tapi tidak tergantung pada asumsi kesalahan normal. Varians kesalahan yang digunakan disini adalah varians kesalahan normal.
Universitas Indonesia
27
Pemecahan masalah heteroskedastisitas adalah dengan menggunakan Weighted Least Square, yaitu membobotkan setiap variabel dengan varians yang tidak konstan dengan tujuan untuk membuat varians menjadi konstan.
Heterokedastisitas tidak akan membuat parameter-parameter pada OLS menjadi bias, hanya saja koefisiennya menjadi tidak efisien. Program E-views menyediakan metode koreksi untuk koefisien dalam model. Untuk
menghilangkkan adanya heteroskedastisitas maka pada pengujian model peneliti menambahkan metode koreksi keofisien white cross-section sehingga koreksi dapat secara otomatis dilakukan.
3.4.3 Uji Autokorelasi Uji Autokorelasi muncul jika error term pada model berautokorelasi sehingga hasil estimasi menjadi tidak efisien meskipun hasilnya masih tetap unbiased dan konsisten. Untuk mengetahui apakah ada autokorelasi pada model,program Eviews menyajikan Durbin Watson (DW) statistic sebagai bagian dalam outputnya. Bila tidak terdapat korelasi serial atau autokorelasi maka nilai DW statistik akan berkisar pada angka 2. Jika DW statistik berada dibawah 1,5 maka ada terdapat korelasi serial positif dalam model dan jika DW statistik berada diatas 2,5 hingga 4 berarti terdapat korelasi serial negative dalam model. Nilai DW statistik pada model penelitian ini menunjukan adanya gejala autokorelasi. Peneliti menggunakan metode estimasi generalized least squared (GLS) yang disediakan program E-views untuk menghilangkan efek autokorelasi serial yang muncul dalam penelitian dimana peneliti memberikan pembobotan (cross section weight) pada cross section dari masing-masing individu yang menjadisampel penelitian.
Universitas Indonesia
28
BAB 4 HASIL EMPIRIS DAN ANALISIS
Pada bab ini, akan dijelaskan mengenai hasil yang ditemukan oleh peneliti. Penyajian dimulai dengan penjelasan deskriptif, dilannjutkan dengan memaparkan hasil yang didapat oleh peniliti tentnag pengaruh struktur kepemilikan modal terhadap kinerja perusahaan dan produktivitas aset.
4.1. Deskripsi Data Tabel 4.1. menyajikan gambaran umum mengenai nilai rata-rata, nilai minimum dan nilai maksimum dari beberapa variabel yang diamati dalam penelitian ini. Dependent Variable, dalam penelitian ini adalah ROE dan ROA yang digunakan oleh peneliti sebagai pendekatan estimasi kinerja perusahaan dan TATO yang kami gunakan dalam mengukur Produktivitas asset. Sedangkan Independent Variable dalam penelitian ini adalah dummy foreign (Dummy_F) yang mengukur konsentrasi kepemilikan asing dan dummy domestic (Dummy_D) yang menunjukkan konsentrasi kepemilikan dalam negri (domestik).
Tabel 4.1. Tabel Rangkuman Statistik Sampel Penelitian
Universitas Indonesia
29
4.2. Pengujian Asumsi 4.2.1. Uji Multikolinieritas Besaran angka kolerasi yang ditunjukkan dalam table matriks korelasi terbilang xxx. Nachrowi menyebutkan bahwa korelasi terbilang kuat jika besarnya diatas 0,8. Maka, korelasi variabel dalam penelitian ini xxx. Table matriks korelasi terlampir pada lampiran xxx. Model 1
a. Dari hasil output uji regresi model 1 terlihat bahwa tidak ada kemungkinan multicolinearity dimana nilai R-Squared yang rendah 0.033743 dan variable nilai t-statistic dan nilai F-Statistic tidak signifikan. Dengan cara ini tampak bahwa tidak ada kemungkinan multicolinearity. b. Dilihat dari koefisien korelasi terlihat ada tidak nilai yang lebih dari 0,8 sehingga dapat disimpulkan tidak terjadi multikolinieritas. c. Dari hasil regresi bantuan diketahui bahwa kedua hasil regresi bantuan ada yang nilai R-Squared yang melebihi nilai R-Squared pada regresi awal. Semua nilai R-Squared regresi bantuan lebih besar dari 0.033743. Dapat disimpulkan terdapat multicolinearity. d. Koefisien regresi dengan tanda yang sama antara variable independen dan dependen mendeteksi tidak ada kemungkinan multicolinearity. Model 2
Model 3
Model 4
a. Dari hasil output uji regresi model 4 terlihat bahwa tidak ada kemungkinan multicolinearity dimana nilai R-Squared yang rendah 0,077311 dan variable nilai t-statistic signifikan dan nilai F-Statistic
Universitas Indonesia
30
tidak signifikan. Dengan cara ini tampak bahwa tidak ada kemungkinan multicolinearity. b. Dilihat dari koefisien korelasi terlihat ada tidak nilai yang lebih dari 0,8 sehingga dapat disimpulkan tidak terjadi multikolinieritas. c. Dari hasil regresi bantuan diketahui bahwa kedua hasil regresi bantuan ada yang nilai R-Squared yang melebihi nilai R-Squared pada regresi awal. Semua nilai R-Squared regresi bantuan lebih besar dari 0,077311. Dapat disimpulkan terdapat multicolinearity. d. Koefisien regresi dengan tanda yang sama antara variable independen dan dependenm mendeteksi tidak ada kemungkinan multicolinearity.
4.2.2. Uji Autokorelasi Untuk menguji ada tidaknya auto korelasi dalam regresi penelitian ini, kita dapat melihat dari nilai Durbin-Watson berada pada kisaran xxx. Hal ini menunjukkan bahwa pada model ini xxx. dilihat pada lampiran xxx. Nilai Dulbin-Watson dapat
Universitas Indonesia
31
Model 1
a. Hasil regresi model 4 didapatkan nilai Durbin-Watson stat (DW) sebesar 2.106055. Untuk mengetahui ada autocorrelation atau tidak diperlukan identifikasi nilai dari dl dan du yang dilihat pada tabel. Berdasarkan tabel dengan n = 102, k = 2 dan = 5%, didapat dl = 1, 634 dan du = 1,715. Nilai DW berada diantara 2