Populasi dan Sampel Penelitian Jenis dan Sumber Data Metode Pengumpulan Data Teknik Analisis Data

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