46
variabel-variabel independenbebas yang diukur. Sedangkan skala nominal menjelaskan kelompok dari variabel dependenterikat yang digunakan, yaitu suatu
perusahaan yang berpotensi gagal atau tidak berpotensi gagal yang dinyatakan dalam kode angka.
3.3. Teknik Penentuan Sampel 3.3.1. Populasi
Menurut Sugiyono 2001:72, Populasi adalah wilayah generalisiasi yang terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu
yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulan. Populasi dalam penelitian ini adalah perusahaan yang masuk dalam indeks LQ 45
dari tahun 2004-2008.
3.3.2 Sampel
Metode yang digunakan untuk pengambilan sampel dalam penelitian ini adalah purposive sampling. Teknik sampling ini dilakukan untuk mendapatkan
sampel yang dapat mewakili kriteria yang ditentukan. Adapun kriteria yang ditentukan dalam pengambilan sampel penelitian adalah sebagai berikut:
1. Perusahaan go publik di Indonesia yang terdaftar di BEI yang masuk
dalam indeks LQ 45 selama periode 2004-2008 2.
Perusahaan dalam indeks yang terpilih memiliki kelengkapan laporan keuangan selama periode 2004-2008
3. Perusahaan non-bank yang masuk dalam indeks LQ 45 selama 2004-2008
47
3.4. Teknik Pengumpulan Data 3.4.1. Jenis Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa laporan keuangan perusahaan masing-masing mulai tahun 2004 sampai
dengan 2008.
3.4.2. Sumber Data
Data dalam penelitian ini merupakan data yang bersumber dari catatan- catatan yang dipublikasikan di BEI dan data yang diperoleh dari Indonesian
Capital Market Directory ICMD, IDX Statistik serta data-data lain yang tersedia di internet dan BEI.
3.4.3. Pengumpulan Data
Pengumpulan data dalam peneletian ini dilakukan dengan menggunakan metode dokumentasi. Metode pengumpulan data dengan dokumentasi adalah
mencari data mengenai hal atau variabel yang berupa benda-benda tertulis seperti buku-buku, majalah, dokumen, peraturan-peraturan, catatan harian, dan
sebagainya. Arikunto, 1998: 149
48
3.5. Teknik Analisis dan Uji Hipotesis
Uji Diskriminan dalam penelitian ini digunakan untuk menguji hipotesis: H
: Model DuPont tidak dapat digunakan untuk membedakan pengelompokan dua kategori perusahaan yang gagal dan perusahaan yang tidak gagal dalam
indeks LQ45. H
1
: Model DuPont dapat digunakan untuk membedakan pengelompokan dua kategori perusahaan yang gagal dan perusahaan yang tidak gagal dalam
indeks LQ45. Dengan kriteria sebagai berikut:
H : P-value
α = 0,05 H
1
: P-value α = 0,05
Tahap-tahap dalam menguji hipotesis dengan alat uji diskriminan, sebagai berikut:
Tahap 1: Menyeleksi Obyek yang Akan Diteliti.
- Mengevaluasi perbedaan grup
Melakukan penghitungan rasio keuangan NPM, TAT, ROA, EM, dan ROE yang diperoleh dari data laporan keuangan tahunan
berupa laporan laba rugi dan neraca perusahaan-perusahaan yang termasuk dalam obyek penelitian untuk masing-masing periode
selama 5 tahun periode 2004-2008. -
Mengklasifikasikan hasil observasi dalam grup
Dilakukan pembagian sampel ke dalam dua kelompok, yaitu sampel perusahaan yang berpotensi tidak gagal dan sampel
49
perusahaan yang berpotensi gagal. Pembagian ini dilakukan dengan menggunakan analisis cluster.
Tahap 2 : Desain Penelitian untuk Analisis Diskriminan
- Menyeleksi variabel bebas
Penelitian ini menggunakan lima variabel bebas yaitu rasio NPM Net Profit Margin, TAT Total Assets Turnover, ROA Return
On Assets, FLM Financial Leverage Multiplier, dan ROE Return On Equity
- Mempertimbangkan ukuran sampel
Sampel yang digunakan dalam penelitian ini berjumlah 12 sampel perusahaaan.
Tahap 3: Asumsi pada Analisis Diskriminan
-
Menguji tingkat normalitas variabel bebas
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Uji normalitas ini digunakan karena pada analisis
statistic parametric, asumsi yang harus dimiliki oleh data adalah bahwa data tersebut terdistribusi secara normal. Maksud dari
terdistribusi secara normal adalah bahwa data akan mengikuti bentuk distribusi normal, di mana data akan memusat pada nilai
rata-rata. Dalam penelitian ini untuk menguji normalitas data digunakan uji statistik non parametrik Kolmogorov-Smirnov K-S.
Uji K-S ini dilakukan dengan membuat hipotesis: H0 : Data residual berdistribusi normal
50
H1 : Data residual tidak berdistribusi normal Kriteria pengambilan keputusannya adalah:
a. Jika angka signifikansi 0,05 hal ini berarti H0 ditolak,
yang berarti data residual tidak berdistribusi normal. b.
Jika angka signifikansi 0,05 hal ini berarti H0 diterima, yang berarti data residual berdistribusi normal.
Jika dalam menguji asumsi normalitas, terdapat sebuah variabel yang mempunyai sebaran data yang tidak normal, maka untuk
memperbaiki masalah normalitas dapat dilakukan dengan menambah atau menghilangkan jumlah data yang dianggap sebagai
penyebab tidak normalnya data. -
Menguji hubungan linear
Hubungan antara variabel bebas dengan variabel terikat bersifat linier.
- Menguji ketiadaan multikoloniearitas antara variabel bebas
Asumsi multikolinearitas menyatakan bahwa variabel independen harus terbebas dari gejala multikolinearitas gejala korelasi
antarvariabel independen. Gejala ini ditunjukkan dengan korelasi yang signifikan antar variabel independen. Apabila terjadi gejala
multikolinearitas, salah satu langkah untuk memperbaiki model adalah dengan menghilangkan variabel dari model regresi,
sehingga bisa dipilih model yang paling baik. Dalam penelitian ini, untuk mendeteksi ada atau tidaknya multikoliearitas di dalam
51
model regresi dilakukan dengan melihat nilai Variance Inflation Factor VIF. Nilai cutoff yang umumnya dipakai untuk
menunjukkan adanya multikolinearitas adalah VIF 10. Kriteria pengambilan keputusannya adalah:
a. Jika nilai Variance Inflation Factor VIF 10, maka terjadi
multikolinearitas antar variabel independen. b.
Jika nilai Variance Inflation Factor VIF 10, maka tidak terjadi multikolinearitas antar variabel independen.
Jika dalam menguji asumsi multikolinearitas ditemukan bahwa nilai korelasi antar variabel independen cukup kuat dan signifikan,
maka salah satu variabel harus dikeluarkan. -
Penyebaran matrik yang merata
Penyebaran matrik yang tidak merata dapat berpengaruh negatif untuk proses pengklasifikasian. Jika sampel berukuran kecil dan
penyebaran matrik tidak merata, maka signifikansi statistik dari proses estimasi akan berpengaruh kurang baik.
Tahap 4: Estimasi Fungsi Diskriminan dan Uji Kualitas Model
-
Perhitungan dengan Metode simultan cara langsung secara bersama-sama direct simultaneous method.
Metode ini dilakukan dengan cara memasukkan seluruh variabel bebas ke dalam fungsi diskriminan, metode ini dilakukan untuk
mengetahui kekuatan tiap-tiap variabel atau variabel, mana yang paling berperan sebagai pembeda most discriminating variables.
52
- Signifikansi statistik
Beberapa ukuran signifikansi statistik yang tersedia untuk Analisis Diskriminan adalah: 1 Wilk’s lambda, 2 Hotelling’s trace,
3 Mahalonobi’s D
2
, 4 Rao’s V, dan 5 Pillar’s criterion. Metode yang digunakan untuk mengestimasi fungsi dalam
penelitian adalah Mahalonobi’s D
2
. -
Menguji kecocokan model secara keseluruhan
Menghitung Z-skor untuk setiap pengamatan. Nilai Z dihitung dari fungsi diskriminan eksplisit yang dihasilkan
dari fungsi implisit: Z
jk
= a + W
1
X
1k
+ W
2
X
2k
+ . . . + W
n
X
nk
Di mana, Z
jk
= Z-skor diskriminan fungsi-j untuk pengamatan-k a = intercept
W
n
= koefisien diskriminan untuk variabel bebas-n X
nk
= variabel bebas-n untuk pengamatan-k
Tahap 5: Interpretasi Hasil
- Menginterpretasikan Discriminant Weight Bobot Diskriminan
Discriminant Weight Bobot Diskriminan atau bisa juga disebut menginterpretasikan koefisien diskriminan, yaitu variabel-variabel
independen yang memiliki bobot yang relatif besar serta memberikan kekuatan pembeda yang lebih besar dibandingkan
53
dengan variabel-variabel independen yang memiliki bobot yang
lebih kecil.
-
Menghitung diskriminan loading
Discriminant loadings merupakan korelasi linier struktural antara masing-masing variabel bebas dengan fungsi diskriminan.
Discriminant loadings merefleksikan variansi tingkat sumbangan relative variabel independen terhadap fungsi diskriminan dan bisa
diinterpretasi seperti factor loadings dalam menilai sumbangan relatif masing-masing variabel independen terhadap fungsi
diskriminan. Discriminant loadings dianggap lebih valid daripada standardized discriminant coefficients dalam mengartikan
kemampuan mendiskriminasi masing-masing variabel independen karena sifat korelatifnya. Walaupun demikian, peneliti tetap harus
berhati-hati dalam menggunakan pendekatan ini untuk menginterpretasi hasil.
- Menghitung kecocokan model
Makin besar nilai kecocokan model, makin besar pula kemampuan mendiskriminasi variabel independen yang bersangkutan. Secara
umum, perbandingan nilai kecocokan model ini sama dengan memperbandingkan standardized discriminant coefficients, namun
perbandingan ini telah lebih terbatas kepada koefisien-koefisien diskriminan yang signifikan.
54
BAB IV HASIL ANALISIS DAN PEMBAHASAN
4.1. Deskripsi Obyek Penelitian