bulanan, dan tahunan. Sumber data dalam penelitian ini diperoleh dengan cara mendownload melalui situs
www.idx.co.id
diakses. Pada penelitian ini metode pengumpulan data yang digunakan adalah
analisis regresi linier berganda, yaitu suatu metode statistik yang umum digunakan untuk meneliti hubungan antara sebuah variabel dependen dengan
beberapa variabel independen.
3.5 Defenisi Operasional dan Pengukuran Variabel
Variabel didefinisikan sebagai segala sesuatu yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi
tentang hal tersebut, kemudian ditarik kesimpulannya. Variabel yang digunakan dalam penelitian ini adalah variabel independen, variabel
dependen.
3.5.1 Variabel dependen
Variabel dependen adalah variabel yang dipengaruhi atau menjadi akibat karena adanya variabel bebas. Variabel dependen dalam
penelitian ini adalah harga saham pada perusahaan
property
dan
real estate
yang terdaftar di Bursa Efek Indonesia 2011-2013.
3.5.2 Variabel independen
Variabel independen adalah variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen.
Variabel independen dalam penelitian ini adalah laba akuntansi, profitabilitas, dan
Economic Value Added EVA.
Universitas Sumatera Utara
1. Laba akuntansi
Sebagai operasional didefinisikan sebagai perbedaan antara pendapatan yang direalisasikan yang berasal dari transaksi suatu
periode dan berhubungan dengan biaya historis Murtanto, 2000
Dalam penelitian ini konsep laba yang dipakai adalah laba bersih bagi investor yaitu kelebihan hasil
revenue
dari biaya, seluruh pendapatan dan rugi setelah dikurangi pajak atau
Net Income Earning After Tax.
Laba yang digunakan sebagai data penelitian adalah rata-rata nilai bersih dari tahun 2011-2013.
Laba akuntansi = total pendapatan – total beban
2. Profitabilitas
Profitabilitas merupakan kemampuan suatu perusahaan untuk mendapatkan laba keuntungan dalam suatu periode tertentu
Husnan:2001. Dalam penelitian ini, profitabilitas diproksikan dengan
Return On Assets
ROA
. Return On Assets
atau disebut juga rentabilitas ekonomi ialah laba usaha dengan modal sendiri
dan modal asing yang dipergunakan untuk menghasilkan laba terssebut dan dinyatakan dalam persentase.
Return On Assets
dirumuskan sebagai berikut Husnan, 2004: 72 :
Return On Assets = Laba Bersihx100 Total Aktiva Rata-rata
Universitas Sumatera Utara
3. EVA
Economic Value Added
EVA merupakan
keuntungan operasi
setelah pajak
dikurangin dengan biaya modal dari seluruh modal untuk menghasilkan laba.
Langkah-langkah menghitung EVA
Economic Value Added
Rumus EVA = NOPAT – WACC x Invested Capital
Keterangan : NOPAT
= Net Operating After Tax
WACC =
Weighted Average Cost of Capital
Universitas Sumatera Utara
Tabel 3.1. Definisi Operasional Variabel
No Variabel Definisi
Skala Rumus
1 Laba
akuntansi Selisih pengukuran
pendapatan dan
biaya Rasio
Laba Akuntansi =
Total pendapatan
– total beban 2
ROA Perbandingan laba
bersih setelah pajak terhadap total aset
perusahaan Rasio
Laba Bersih Total Aktiva Rata-rata x 100
3 EVA
Keuntungan operasi setelah
pajak, dikurangin
biaya modal
Rasio EVA= NOPAT-WACC x
Invested capital
4 Harga
Saham Harga rata-rata nilai
pasar saham suatu perusahaan
Rasio Kebijakan pasar
3.6 Teknik Analisis Data
Keselurahan data yang terkumpul selanjutnya dianalisis untuk dapat memberikan jawaban dari masalah yang dibahas dalam penelitian ini. Dalam
menganalisis data, peneliti menggunakan progam IBM Statistic SPSS versi 21. Metode analisis data yang digunakan dalam penelitian ini adalah metode
analisis statistik.
3.6.1 Analisis statistik deskritif
Statistik deskristif adalah statistik yang digunakan untuk menganalisa data dengan cara mengdeskripsikan atau menggambarkan data yang telah
terkumpul sebagaimana adanya.
Universitas Sumatera Utara
3.6.2 Uji asumsi klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi - asumsi klasik seperti normalitas data, multikolinearitas,
heterokedastisitas, dan asumsi – asumsi klasik lainya. Adapun
pengujian asumsi klasik yang digunakan adalah sebagai berikut :
3.6.2.1 Uji normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi variabel penggangu atau residual
memiliki distribusi normal. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
Ada dua cara untuk mendektesi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan
uji analisis statistik. 1.
Analisis Grafik Pada prisipnya normalitas dapat dideteksi dengan melihat
penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histrogram dari residualnya. Dasar
pengambilan kesimpulan yaitu : a.
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram
tidak menunjukan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Universitas Sumatera Utara
b. Jika data menyebar jauh dari diagonal dan atau tidak
menunjukan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
2. Analisis Statistik Untuk menentukan uji didasarkan kepada
kolmogorov – Smirnov
Goodness of Fit Test
terhadap model
yang diuji
pedoman untuk
pengambilan keputusannya didasarkan sebagaimana diungkpkan Ghozali
2005: 114 “ Apabila nilai signifikan atau nilai profitabilitas 0,05, maka distribusi data normal. Apabila
nilai signifikan atau nilai profitabilitas 0,005, maka distribusi data tidak normal.
3.6.2.2 Uji multikolinieritas
Multikolinearitas adalah situasi adanya korelasi variabel –
variabel independen antara yang satu dengan yang lainnya. Uji ini bertujuan untuk menguji apakah model regresi ditemukan
adanya korelasi diantara variabel independen. Untuk melihat ada atau tidaknya multikolinearitas dalam model regresi dapat
dilihat dari liabilitas. -
Nilai
tolerance
dan lawanya. -
Variance infalation
VIF Kedua ukuran ini menunjukan setiap variabel independen
manakah yang dijelaskan oleh variabel independen lainya.
Tolerance
mengukur variabelitas variabel independen yang
Universitas Sumatera Utara
terpilih yang tidak dijelaskan oleh variabel independen lainya. Jadi, nilai
Tolerence
yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1
tolerance
. Nilai
cutoff
yang umum dipakai untuk menujukan adanya multikolinearitas adalah nilai
Tolerence
0.10 atau sama dengan VIF 10.
3.6.2.3 Uji autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi anatara kesalahan penggangu pada
periode t dengan kesalahan penggangu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada
problem autokorelasi Ghozali, 2009. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu
sama lainnya. Masalah ini timbul karena residual kesalahan penganggu tidak bebas dari satu observasi ke observasi lainnya.
Hal ini sering ditemukan pada data runtut waktu
times series
karena “gangguan” pada seorang individu kelompok lebih cenderung mempengaruhi “ganguan” pada individu kelompok
yang sama pada periode berikutnya. Pada
data
crosssection
silang waktu,
masalah autokorelasi relatif jarang terja
di karena “gangguan” pada observasi yang berbeda berasal dari individu. Kelompok yang
berbeda. Model regresi yang baik adalah adalah regresi yang
Universitas Sumatera Utara
bebas dari autokorelasi. Ada beberapa cara yang dapat digunkan untuk mendekteksi ada atau tidaknya autokorelasi.
a. Uji Durbin – Watson DW test
Uji Durbin Watson hanya diguanakan untuk autokorelasi tingakt satu
first order autocorrelation
dan memasyarakatkan adanya intercept konstanta dalam
model regersi dan tidak ada variabel lagi di antara variabel independen. Hipotesis yang akan diuji adalah :
HO : tidak ada autokorelasi r = 0 HA: ada autokorelasi r ≠ 0
Pengambilan keputusan ada tidaknya autokorelasi :
Tabel 3.2. Autokorelasi Hipotesis nol
Keputusan Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No desicision Dl ≤ d ≤ du
Tidak ada korelasi negative Tolak
4 – dl d 4
Tidak ada korelasi negative No decision
4 – dl ≤ d ≤ 4 – dl
Tidak ada autokorelasi positif negative
Tidak ditolak Du d 4
– du
3.6.2.4 Uji heteroskedastitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual
suatu pengamatan ke pengamatan yang lain. Jika
varians
dari residual satu pengamatan ke pengamatan lainnya tetap, maka
disebut homokedastisitas dan jika berbeda disebut dengan heterokedasitas. Model regresi yang baik adalah yang
homokedesitas atau tidak terjadi heterokedasitas. Untuk
Universitas Sumatera Utara
