3.5 Populasi dan Sampel Penelitian
Populasi dalam penelitian ini adalah perusahaan-perusahaan yang berada pada sektor industri manufaktur di Bursa Efek Indonesia dengan
menggunakan kriteria tertentu. Kriteria yang digunakan dalam penelitian ini adalah:
1. Perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia selama periode Januari 2011 sampai dengan Desember 2013 dan tidak mengalami delisting
selama periode penelitian. 2. Mengeluarkan data laporan keuangan lengkap dan laporan kinerja perusahaan
yang mendukung penelitian selama tahun 2011 – 2013. 3. Perusahaan yang menghasilkan laba selama periode penelitian.
Berdasarkan kriteria, maka populasi dalam penelitian ini adalah 137 perusahaan manufaktur
www.sahamok.com . Metode penarikan sampel
penelitian adalah purposive sampling method, yaitu metode sampling dengan membatasi pemilihan sampel berdasarkan kriteria tertentu. Dari proses
pengambilan sampel, terdapat 63 perusahaan yang memenuhi ketiga kriteria di atas. Berikut ditunjukkan proses pengambilan sampel :
Tabel 3.2 Proses Pengambilan Sampel
Keterangan Jumlah
Jumlah populasi perusahaan manufaktur yang terdaftar di BEI sampai dengan tahun 2013
137 Jumlah populasi yang tidak memenuhi kriteria sampel 1
-8 Jumlah populasi yang tidak memenuhi kriteria sampel 2
-38 Jumlah populasi yang tidak memenuhi kriteria sampel 3
-28
Jumlah Sampel Terpilih 63
sumber : lampiran 1
Universitas Sumatera Utara
3.6 Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder. Data diperoleh dari hasil publikasi Bursa Efek Indonesia mengenai data perusahaan,
laporan kinerja perusahaan, laporan keuangan dan tahunan, serta buku-buku referensi, internet, dan literatur ilmiah yang berhubungan dengan penelitian.
3.7 Metode Pengumpulan Data
Metode pengumpulan data dalam penetilian ini disebut strategi arsip archival, yaitu data dikumpulkan dari catatan atau basis data yang sudah ada
Jogiyanto, 2004:82.
3.8 Teknik Analisis Data
Berdasarkan hipotesis dalam penelitian ini maka metode analisis data yang digunakan adalah analisis kuantitatif. Analisis kuantitatif adalah suatu
pengukuran yang digunakan dalam suatu penelitian yang dapat diuntungkan dengan jumlah satuan tertentu atau dinyatakan dengan angka-angka. Analisis ini
meliputi pengolahan data, pengorganisasian data, dan penemuan hasil. Pengujian data yang dilakukan dalam penelitian ini adalah dengan menggunakan model
regresi, terdiri dari : 3.8.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran dari fenomena atau karakteristik dari data. Karakteristik data yang digambarkan adalah
karakteristik distribusinya Jogiyanto, 2004:163.
Universitas Sumatera Utara
3.8.2 Analisis Faktor Analisis faktor digunakan untuk membentuk proksi gabungan dari
kelima proksi tunggal set peluang investasi. Analisis faktor yang digunakan adalah common factor analysis, yaitu untuk memperoleh nilai factor score
sebagai indeks umum variabel set peluang investasi Gaver dan Gaver, 1995. Layak tidaknya digunakan analisis faktor ini dapat dilihat dari besarnya nilai
Measure of Sampling Adequacy MSA. Nilai MSA yang berada di bawah
angka 0,50 tergolong tidak dapat diterima. Jumlah faktor yang dapat digunakan lebih lanjut adalah faktor yang mempunyai nilai eigenvalues sama
atau lebih dari satu karena dianggap telah mewakili nilai-nilai keseluruhan variabel. Apabila faktor yang terbentuk lebih dari satu maka nilai tersebut
akan dijumlahkan menjadi satu indeks faktor saja. Indeks faktor yang diperoleh selanjutnya akan digunakan sebagai nilai yang mewakili proksi
tunggal set peluang investasi. 3.8.3 Uji Asumsi Klasik
Penggunaan model regresi harus memenuhi asumsi-asumsi klasik agar model regresi dapat dijadikan alat estimasi yang tidak bias jika telah
memenuhi syarat BLUE Best Linier Unbiased Estimator, terdiri dari: 3.8.3.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi
normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Persyaratan normalitas bisa
Universitas Sumatera Utara
dipenuhi jika residual berasal dari distribusi normal dan nilai-nilai sebaran data akan terletak disekitar garis lurus. Uji ini dapat dilakukan
dengan beberapa pendekatan, antara lain : a. Pendekatan Histogram
Untuk menguji normalitas data dapat dilihat dengan kurva normal. Kurva normal yaitu kurva yang memiliki ciri-ciri khusus, salah satu
di antaranya adalah mean, modus, dan median pada tempat yang sama. Ukuran kemiringan puncak kurva ke kiri atau ke kanan
dikenal dengan nama kemiringan kurva atau kemencengan kurva skewness. Kemencengan suatu kurva distribusi data dapat
bertanda positif arah kanan dan bertanda negatif arah kiri. b. Pendekatan Normal Probability Plot
Normal probability plot akan membentuk plot antara nilai-nilai
teoretis sumbu x melawan nilai-nilai yang didapat dari sampel sumbu y. Apabila plot dari keduanya berbentuk linear didekati
garis lurus, maka hal ini merupakan indikasi bahwa residual menyebar normal. Bila pola-pola titik yang terletak selain di ujung-
ujung plot masih berbentuk linear, meskipun ujung-ujung plot agak menyimpang dari garis lurus, dapat dikatakan bahwa sebaran data
adalah menyebar normal. c. Pendekatan Kolmogorov-Smirnov
Alat uji ini digunakan untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal. Jika nilai Asymp.Sig. 2-tailed
Universitas Sumatera Utara
berada di atas nilai signifikannya, maka variabel residual berdistribusi normal, demikian sebaliknya.
3.8.3.2 Uji Multikolonieritas Uji ini digunakan untuk menguji apakah dalam sebuah model
regresi ditemukan adanya korelasi antara variabel independen. Jika terjadi korelasi, maka dikatakan terdapat masalah multikolonieritas.
Model regresi yang baik seharusnya tidak terjadi korelasi antarvariabel independen. Pengujian terhadap ada tidaknya multikolonieritas
dilakukan dengan melihat toleransi variabel dan Variance Inflation Factor
VIF dengan membandingkan sebagai berikut : a. Bila VIF 10 terdapat masalah multikolonieritas
b. Bila VIF 10 tidak terdapat masalah multikolonieritas c. Tolerance
0,1 maka diduga mempunyai persoalan multikolonieritas
d. Tolerance 0,1 maka tidak terdapat multikolonieritas. 3.8.3.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dari model regresi terjadi ketidaksamaan varian dari residual suatu
pengamatan dengan pengamatan yang lain. Model regresi yang baik adalah yang homoskedastisitas, di mana pada nilai variabel independen
tertentu masing-masing kesalahan mempunyai nilai varian yang sama. Jika model yang diperoleh ternyata tidak memenuhi asumsi tersebut
maka dalam model tersebut terjadi heteroskedastisitas. Pada penelitian
Universitas Sumatera Utara
ini, uji heteroskedastisitas dilakukan dengan melihat grafik plot antara nilai prediksi variabel terikat dengan dependen yaitu ZPRED dengan
residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik
scatterplot antara SRESID dengan ZPRED di mana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y
sesungguhnya yang telah di-studentized. 3.8.3.4 Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 atau sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual atau
kesalahaan penggangguan tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu atau time
series karena “gangguan” pada seorang individukelompok cenderung
mempengaruhi “gangguan” pada individukelompok yang sama pada periode berikutnya. Pada data cross section atau silang waktu, masalah
autokorelasi relatif jarang terjadi karena “gangguan” pada observasi yang berbeda berasal dari individukelompok yang berbeda. Model
regresi yang baik adalah regresi yang bebas dari autokorelasi, Ghozali 2013:110. Pada penelitian ini, uji autokorelasi dilakukan dengan
Universitas Sumatera Utara
menggunakan uji Durbin-Watson. Jika nilai Durbin-Watson nilai du dan terletak antara -2 sampai 2, maka pada model regresi tidak terjadi
autokorelasi. 3.8.4 Uji Hipotesis
Pengujian hipotesis penelitian dilakukan dengan menggunakan model analisis regresi linear sederhana dan analisis regresi linier berganda.
Tujuan penggunaan teknik analisis regresi secara umum adalah untuk mengetahui pola hubungan positif, negatif, atau tidak ada hubungan antara
variabel bebas dengan terikat dan menaksirkan nilai variabel terikat berdasarkan nilai variabel bebas yang telah diketahui.
Analisis regresi linear sederhana bertujuan untuk menguji hubungan antara dua variabel, sedangkan regresi linear berganda multiple
regression bertujuan untuk menguji hubungan antara beberapa variabel
bebas dengan satu variabel terikat. Proses pengolahan data dalam analisis regresi linier dilakukan dengan bantuan program SPSS Statistic Program
For Social Science 20.0 for windows.
3.8.4.1 Analisis Regresi Linear Sederhana Analisis regresi linear sederhana digunakan untuk menguji
pengaruh Investment Opportunity Set IOS dan struktur modal secara parsial terhadap profitabilitas, serta pengaruh Investment Opportunity
Set IOS, struktur modal, dan profitabilitas secara parsial terhadap
nilai perusahaan publik sektor industri manufaktur di Indonesia. Analisis regresi linear sederhana dilakukan dengan uji signifikansi
Universitas Sumatera Utara
parsial uji-t, menggunakan tingkat signifikan 5. Jika nilai sig. t 0,05 maka H0 diterima, artinya tidak ada pengaruh yang signifikan
secara parsial dari masing-masing variabel independen terhadap variabel dependen. Sebaliknya, jika nilai signifikansi t 0,05 maka Ha
diterima, artinya ada pengaruh yang signifikan secara parsial dari masing-masing variabel independen terhadap variabel dependen.
Pengambilan keputusan juga dapat dilakukan dengan membandingkan nilai t-hitung dan nilai t-tabel, di mana kriterianya, yaitu :
a. H0 diterima jika t-hitung t-tabel pada signifikansi 5 b. Ha diterima jika t-hitung t-tabel pada signifikansi 5
3.8.4.2 Analisis Regresi Linear Model Baron dan Kenny Analisis regresi linear model Baron dan Kenny 1986
Ghozali, 2013:247 digunakan untuk menguji pengaruh tidak langsung Investment Opportunity Set
IOS dan struktur modal terhadap nilai perusahaan publik sektor industri manufaktur di Indonesia melalui
intervensi profitabilitas, jika memenuhi kondisi-kondisi di bawah ini: 1. Variabel independen IOS dan struktur modal secara signifikan
berhubungan dengan variabel dependen nilai perusahaan. 2. Variabel independen IOS dan struktur modal secara signifikan
berhubungan dengan variabel intervensi profitabilitas. 3. Variabel intervensi profitabilitas secara signifikan berhubungan
dengan variabel dependen nilai perusahaan.
Universitas Sumatera Utara
4. Persamaan keempat ini dibentuk untuk menentukan pernanan profitabilitas sebagai intervensi penuh atau intervensi sebagian.
Ketika variabel independen dan variabel intervensi dikendalikan, hubungan yang sebelumnya signifikan diantara variabel independen
dengan variabel dependen tidak lagi signifikan atau berkurang tingkat signifikannya.
Bentuk dari model persamaan regresi linear berganda secara matematis adalah sebagai berikut :
Y = α0 +
β0X1 + β1X2 + ε............................................................1 Z =
α1 + β2X1 + β3X2 + ε.............................................................2
Y = α2 + β4Z + ε............................................................................3
Y = α
3 + β5X1 + β6X2 + θZ + ε....................................................4 Di mana :
Y = nilai perusahaan X1 = Investment Opportunity Set IOS
X2 = struktur modal Z
= profitabilitas α = kostanta; β,θ = koefisien regresi
ε = error Intervensi sebagian terjadi apabila pengaruh variabel
independen pada variabel dependen setelah dimediasi lebih kecil daripada sebelum dimediasi dan tetap signifikan. Intervensi penuh akan
terjadi bila variabel independen tidak berpengaruh secara signifikan
Universitas Sumatera Utara
pada variabel dependen setelah dimediasi. Tingkat signifikan sebesar 5.
Intervensi sebagian jika : α0 = signifikan
α1 = signifikan α2 = signifikan, juga θ = signifikan
α3 = signifikan tetapi α3 α0 Intervensi penuh jika :
α0 = signifikan α1 = signifikan
α2 = signifikan, juga θ = signifikan α3 = tidak signifikan
Untuk melihat besarnya pengaruh langsung dan tidak langsung dapat dijelaskan melalui rumus di bawah ini dengan melihat
besarnya nilai koefisien path Ghozali, 2013:250 : Pengaruh langsung X1 ke Y
= p5 Pengaruh tidak langsung X1 ke Z ke Y = p1 x p3
Total Pengaruh = p5 + p1 x p3
Pengaruh langsung X2 ke Y = p4
Pengaruh tidak langsung X2 ke Z ke Y = p2 x p3
Total Pengaruh = p4 + p2 x p3
Total pengaruh Z ke Y = p3
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum Sampel Penelitian