Metode Pengumpulan Data Metode Analisis

60 X 1 X 2 X 3 Y 1 e 1 Substruktur I : Gambar 3.1 Hubungan Kausal X 1 , X 2 , X 3 terhadap Y 1 Bila dirumuskan kedalam persamaan matematis akan didapat model sebagai berikut: Y 1 = Y 1 X 1 + Y 1 X 2 + Y 1 X 3 + ε 1 Keterangan : Y 1 = Kebijakan Dividen Kas X 3 = Return On Equity X 1 = Struktur Kepemilikan Saham ε 1 = Residual Error X 2 = Free cash Flow Substruktur II : Gambar 3.2 Hubungan Kausal X 1 , X 2 , X 3 , X 4 , dan Y 1 terhadap Y 2 Bila dirumuskan kedalam persamaan matematis akan didapat model sebagai berikut: X 1 X 2 X 3 Y 1 e 2 Y 2 61 X 1 X 3 Y 1 Z e3 Y 2 Y 2 = Y 2 X 1 + Y 2 X 2 + Y 2 X 3 + Y 2 Y 1 + ε 2 Keterangan : Y 1 = Kebijakan deviden kas X 2 = Free Cash Flow Y 2 = Biaya Keagenan X 3 = Profitabilitas X 1 = Struktur kepemilikan saham ε 2 = Residual Error Substruktur III : Gambar 3.3 Hubungan Kausal X 1 , X 3 , Y 1 dan Y 2 terhadap Z Bila dirumuskan kedalam persamaan matematis akan didapat model sebagai berikut: Z = ZX 1 + ZY 1 + ZX 3 + ZY 2 + ε 3 Keterangan : Z = Nilai perusahaan X 1 = Struktur kepemilikan saham Y 1 = Kebijakan deviden kas X 3 = Profitabilitas Y 2 = Biaya keagenan ε 3 = ResidualError 62 Hair et.al 1998 dalam Ghozali 2008:61 mengajukan tahapan pemodelan dan analisis persamaan struktural menjadi 7 tujuh langkah yaitu: Langkah 1: Pengembangan Model Berdasar Teori Model persamaan struktural didasarkan pada hubungan kausalitas, dimana perubahan satu variabel diasumsikan akan berakibat pada perubahan variabel lainnya. Hubungan kausalitas dapat berarti hubungan yang ketat seperti ditemukan dalam proses fisik seperti dalam riset perilaku yaitu alasan seseorang membeli produk tertentu. Kuatnya hubungan kausalitas antara dua variabel yang diasumsikan oleh peneliti bukan terletak pada metode analisis yang dia pilih, tetapi terletak pada justifikasi pembenaran secara teoritis untuk mendukung analisis. Jadi jelas bahwa hubungan antar variabel dalam model merupakan dedukasi dari teori. Langkah 2 dan 3: Menyusun Diagram Jalur dan Persamaan Struktural Langkah berikutnya adalah menyusun hubungan kausalitas dengan diagram jalur dan menyusun persamaan strukturalnya. Ada dua hal yang perlu dilakukan yaitu menyusun model struktural yaitu menghubungkan antar model konstruk laten baik endogen maupun eksogen dan menyusun measurement model yaitu menghubungkan konstrak laten endogen atau eksogen dengan variabel indikator atau manifest. Langkah 4: Memilih Jenis Input Matrik dan Estimasi Model yang Diusulkan Model persamaan struktural berbeda dari teknik analisis multivariate lainnya, SEM hanya menggunakan data input berupa matrik variankovarian 63 atau matrik korelasi. Data mentah observasi individu dapat dimasukkan dalam program AMOS, tetapi program AMOS akan merubah dahulu data mentah menjadi matrik kovarian atau matrik korelasi. Analisis terhadap data outlier harus dilakukan sebelum matrik kovarian atau korelasi dihitung. Teknik estimasi model persamaan struktural pada awalnya dilakukan dengan ordinary least square OLS regression, tetapi teknik ini mulai digantikan oleh Maximum Likelihood Estimation ML yang lebih efisien dan unbiased jika asumsi normalitas multivariate dipenuhi. Teknik ML sekarang digunakan oleh banyak program komputer. Namun demikian teknik ML sangat sensitif terhadap non-normalitas data sehingga diciptakan teknik estimasi lain seperti weight least square WLS, generalized least square GLS dan asymptotivally distribution free ADF. Langkah 5 : Menilai Identifikasi Model Struktural Selama proses estimasi berlangsung dengan program komputer, sering didapat hasil estimasi yang tidak logis atau meaningless dan hal ini berkaitan dengan masalah identifikasi model struktural. Problem identifikasi adalah ketidakmampuan proposed model untuk menghasilkan unique estimate . Cara melihat ada tidaknya problem identifikasi adalah dengan melihat hasil estimasi yang meliputi: 1 adanya nilai standar error yang besar untuk satu atau lebih koefisien, 2 ketidakmampuan program untuk invert information matrix, 3 nilai estimasi yang tidak mungkin misalkan 64 error variance yang negatif , 4 adanya nilai korelasi yang tinggi 0,90 antar koefisien estimasi. Langkah 6 : Menilai Kriteria Goodness-of-Fit Salah satu tujuan dari Analisis Jalur adalah menentukan apakah model planusible masuk akal atau fit. Suatu model penelitian dikatakan baik, apabila memiliki model fit yang baik pula. Tingkat kesesuaian model dalam buku Ghozali 2008 terdiri dari: 1. Absolute Fit Measure Absolute fit measure mengukur model fit secara keseluruhan baik model strultural maupun model pengukuran secara bersamaan. a. LikeliHood-Ratio Chi-Square Statistic Ukuran fundamental dari overall fit adalah likeliHood-ratio chi- square 2 χ . Nilai chi-square yang tinggi relatif terhadap degree of freedom menunjukkan bahwa matrik kovarian atau korelasi yang diobservasi dengan yang diprediksi berbeda secara nyata dan ini menghasilkan probabilitas p akan menghasilkan nilai probabilitas p yang lebih besar dari tingkat signifikansi α dan ini menunjukkan bahwa input matrik kovarian antara prediksi dengan observasi sesungguhnya tidak berbeda secara signifikan. Dalam hal ini peneliti harus mencari nilai chi-square yang tidak signifikan p ≥ 0.05 karena mengharapkan bahwa model yang diusulkan cocok atau fit dengan data observasi 65 b. CMINDF Adalah nilai chi-square dibagi dengan degree of freedom. Beberapa pengarang menganjurkan menggunakan rasio ukuran ini untuk mengukur fit. Menurut Wheaton et. Al 1977 dalam Imam Ghozali 2008 nilai rasio 5 lima atau kurang dari lima merupakan ukuran yang reasonable . Peneliti lainnya seperti Byrne 1988 mengusulkan nilai ratio ini 2 merupakan ukuran fit. c. Goodness of Fit Index GFI Goodness of Fit Index GFI dikembangkan oleh Joreskog dan Sorbon 1984 yaitu ukuran non-statistik yang nilainya berkisar antar 0 poor fit sampai 1 perfect fit. Nilai GFI tinggi menunjukkan fit yang lebih baik dan berapa nilai GFI dapat diterima sebagai nilai yang layak belum ada standarnya, tetapi banyak peneliti menganjurkan nilai di atas 90 sebagai ukuran good fit. d. Root Mean Square Erorrs of Approximation RMSEA Root mean square error of approximination RMSEA merupakan ukuran yang mencoba memperbaiki kecenderungan statistic chi-square menolak model dengan jumlah sampel yang besar. Nilai RMSEA antara 0,05 sampai 0,08 merupakan ukuran yang dapat diterima. Hasil uji empiris RMSEA cocok untuk menguji model konfitmatori atau competing model strategy dengan jumlah sampel besar. 66 2. Incremental Fit Measures Incremental fit measures membandingkan proposed model dengan baseline model sering disebut dengan null model. Null model merupakan model realistic dimana model-model yang lain harus diatasnya. a. Adjusted Goodness of Fit Indes AGFI Adjusted Goodnbess of Fit Index AGFI merupakan pengembangan dari GFI yang disesuaikan dengan ratio degree of freedom untuk propsed model dengan degree of freedom untuk null model. Nilai yang direkomendasikan adalah ≥ 0,90. b. Tucker-Lewis Index TLI Tucker-Lewis Index atau dikenal dengan nonnormed fit index NNFI. Pertama kali diusulkan sebagai alat untuk mengevaluasi analisis faktor, tetapi sekarang dikembangkan untuk SEM. Ukuran ini menggabungkan ukuran parsimony kedalam indek komparasi antara proposed model dan null model dan nilai TLI berkisar dari 0 sampai 1.0. Nilai TLI yang direkomemdasikan adalah ≥ 0,90. c. Normed Fit Index NFI Normed Fit Index merupakan ukuran perbandingan antara proposed model dan null model. Nilai NFI akan bervariasi dari 0 no fit at all sampai 1.0 perfect fit. Seperti halnya TLI tidak ada nilai absolute yang dapat digunakan sebagai standar, tetapi umumnya direkomendasikan ≥ 0,90. 67 3. Parsimony Fit Measures Ukuran ini menghubungkan goodness-of-fit model dengan sejumlah koefisien estimasi yang diperlukan untuk mencapai level fit. Tujuan dasarnya adalah untuk mendiagnosa apakah model fit telah tercapai dengan “overfitting” data yang memiliki banyak koefisien. Prosedur ini mirip dengan “adjustment” terhadap nilai R 2 didalam multiple regression. Namun demikian karena tidak ada uji statistik yang tersedia maka penggunaannya hanya terbatas untuk membandingkan model. a. Parsimony Goodness of Fit Index PGFI Parsimonious goodness-of-fit index PGFI memodifikasi GFI atas dasar parsimony estimated model. Nilai PGFI berkisar antara 0 sampai 1.0 debngan nilai semakin tinggi menunjukkan model lebih parsimony. b. Parsimony Normed Fit Index PNFI Parsimonious normal fit index PNFI merupakan modifikasi dari NFI. PNFI memasukkan jumlah degree of freedom yang digunakan untuk mencapai level fit. Semakin tinggi nilai PNFI semakin baik. Kegunaan utama dari PNFI adalah untuk membandingkan model dengan degree of freedom yang berbeda. Digunakan untuk membandingkan model alternatif sehingga tidak ada nilai yang direkomendasikan sebagai nilai fit yang diterima. Namun demikian jika membandingkan dua model maka perbedaan PNFI 0,60 sampai 0,90 menunjukkan adanya perbedaan model yang signifikan. 68 Tabel 3.1 Standar Penilaian Kesesuaian Fit Laporan Statistik Nilai yang Direkomendasikan Imam Ghozali 2008 Cut of value Keterangan Absolut Fit Probabilitas 2 χ Tidak signifikan p0.05 Model yang diusulkan cocok fit dengan data observasi 2 χ df 5 2 - Ukuran yang reasonable - Ukuran fit RMSEA 0.1 0.05 0.01 0.05 x 0.08 - good fit - very good fit - outstanding fit - reasonable fit GFI 0.9 good fit Incremental Fit AGFI 0.9 good fit TLI 0.9 good fit NFI 0.9 good fit Parsimonious Fit PNFI 0-1.0 Lebih besar lebih baik PGFI 0-1.0 Lebih besar lebih baik Sumber : Imam Ghozali, 2008 Langkah 7 : Interpretasi dan Modifikasi Model Ketika model telah dinyatakan diterima, maka peneliti dapat mempertimbangkan dilakukannya modifikasi model untuk memperbaiki penjelasan teoritis atau goodness-of-fit. Modifikasi dari model awal harus dilakukan setelah dikaji banyak pertimbangan. Jika model dimodifikasi, maka model tersebut harus di cross-validated diestimasi dengan data terpisah sebelum model modifikasi diterima. 69

E. Operasional Variabel Penelitian

Untuk mendukung pengujian hipotesis yang telah dikemukakan di atas maka dilakukan penelitian dari data-data yang diperoleh dengan menggunakan beberapa variabel. 1. Variabel Endogen a. Nilai Perusahaan Firm Value Nilai perusahaan pada penelitian ini diukur dengan Price Book Value PBV yaitu perbandingan antara nilai pasar saham dengan nilai buku saham. Rasio ini mengukur nilai yang diberikan pasar keuangan kepada manajemen dan organisasi perusahan sebagai sebuah perusahaan yang terus tumbuh Brigham, 2001: 92 Rasio ini membandingkan harga pasar sebuah saham dengan nilai buku sebenarnya. Harga pasar adalah harga saham yang terjadi di pasar bursa pada saat tertentu yang ditentukan oleh para pelaku pasar sedangkan nilai buku adalah nilai yang dicatat pada saat saham dijual oleh perusahaan atau jumlah yang dikembalikan pada saat perusahaan mengalami kebangkrutan. Jogiyanto, 2008: 88. saham per buku Nilai saham pasar Harga PBV = 70 b. Kebijakan Dividen Kas Cash Dividend Policy Kebijakan dividen kas adalah pembayaran dividen yang dibayarkan secara tunai oleh perusahaan kepada setiap pemegang saham Nurhidayati,2006. Data dari deviden kas diambil dari IDX quarterly Statistics Cumulative data yang datanya diambil dari periode 2004-2009. c. Biaya Keagenan Agency Cost Dalam mengukur biaya keagenan, penelitian ini menggunakan total asset turn over ratio Fadah, vol. 5, 2007:197. Total asset turn over ratio yaitu rasio yang mengukur perputaran semua aktiva perusahaan rasio ini dihitung dengan membagi penjualan dengan total aktiva Astuti, 2004:34. Rumusnya: 2. Variabel Eksogen a. Struktur Kepemilikan Saham Ownership Structure Kepemilikan saham orang dalam insider ownershipdiukur sesuai dengan proporsi kepemilikan saham yang dimiliki oleh komisaris dan direktur pada akhir tahun yang diukur dalam persen. INSD= − − t ke tahun pada beredar saham t ke tahun pada direktur dan komisaris oleh dimiliki yang saham Asset Total Sales Over Turn Asset Total = 71 b. Profitabilitas Profitability Dalam penelitian ini digunaka ROE return on Equity untuk mengukur profitabilitas perusahaan karena Return On Equity ROE telah dipublikasikan secara luas, serta merupakan rasio keuangan yang sering digunakan oleh investor dari manajer untuk menilai kemampuan perusahaan dalam menghasilkan laba Bangun Wati, vol. 11, 2007:113. Profitability adalah tingkat keuntungan bersih yang mampu diraih perusahaan pada saat menjalankan operasinya. Profitability dalam penelitian ini diukur dengan menggunakan rasio Return On Equity yang merupakan rasio yang menunjukkan hasil pengembalian investasi atas pemilik atau pemegang saham dan dinyatakan dalam . ROE dapat dirumuskan sebagai berikut: c.Arus Kas Bebas Free cash Flow Free cash flow adalah aliran kas bersih yang tidak dapat diinvestasikan kembali karena tidak tersedia kesempatan investasi yang menguntungkan. Arus kas bebas free cash flow adalah arus kas yang benar- benar tersedia untuk didistribusikan kepada seluruh investor 100 X sendiri Modal pajak setelah bersih Laba ROE = 72 pemegang saham dan pemilik utang setelah perusahaan menempatkan seluruh investasinya pada aktiva tetap, produk-produk baru dan modal kerja yang dibutuhkan untuk mempertahankan operasi yang sedang berjalan. Brigham Houston, 2009:65. t ke tahun pada asset Total Dividen operasi kas Arus FCF − − =