Metode Analisis Data METODOLOGI PENELITIAN

77 dan variabel tergantung. Dengan demikian, analisis faktor termasuk dalam analisis interdependence technique Suliyanto, 2005:114 . Tujuan analisis faktor, Singgih Santoso 2010:58 pada dasarnya tujuan analisis faktor adalah: a. Data summarization, yakni mengidentifikasi adanya hubungan antar variabel dengan menggunakan uji korelasi. Jika korelasi dilak ukan antar variabel dalam pengertian SPSS adalah „kolom‟, analisis tersebut dinamakan R Factor Analysis. Namun, jika korelasi dilakukan antar responden atau sampel dalam pengertian SPSS adalah „baris‟, analisis disebut Q Factor Analysis, yang juga populer disebut CLUSTER ANALYSIS. b. Data reduction, yakni setelah melakukan korelasi, dilakukan proses membuat sebuah variabel set baru yang dinamakan faktor untuk menggantikan sejumlah variabel tertentu. Dalam analisis faktor juga dihasilkan factor score. Factor score tersebut dapat digunakan untuk kegunaan analisis lanjutan. Santoso 2010:58 SPSS membuat satu atau beberapa factor score sebagai hasil analisis faktor, di mana variabel factor score tersebut bisa digunakan untuk analisis lanjutan, seperti t test, ANOVA dan sebagainya. Prosedur analisis faktor, widarjono 2010:240 prosedur analisis faktor meliputi langkah-langkah menghitung korelasi antara indikator yang diobservasi, ekstraksi faktor dan rotasi faktor. 78 a. Menghitung Korelasi Indikator Metode yang pertama adalah memeriksa korelasi matriks. Tingginya korelasi antara indikator mengindikasikan bahwa indikator-indikator tersebut dapat dikelompokkan ke dalam sebuah indikator yang homogen sehingga setiap indikator mampu mampu membentuk faktor umum atau faktor konstruk. Metode kedua memeriksa korelsi parsial yaitu mencari korelasi satu indikator dengan indikator lain Widarjono, 2010:241. Korelasi parsial ini disebut dengan negative anti-image correlation. Dalam tahap ini juga ditentukan indikator mana saja yang layak untuk dianalisis lebih lanjut. Untuk menguji apakah suatu suatu variabel layak untuk dianalisis lebih lanjut dapat menggunakan metode Kaiser-Meyer Olkin KMO. Singgih Santoso 2010:66 Alat uji KMO and Barlett’s test of sphericity dan Anti-Image digunakan untuk uji awal apakah data yang ada dapat di‟urai‟ menjadi sejumlah faktor. Hipotesis untuk signifikansi adalah: Ho = sampel variabel belum memadai untuk dianalisis lebih lanjut. Hi = sampel variabel sudah memadai untuk dianalisis lebih lanjut. 79 Kriteria dengan melihat probabililitas signifikan: - Angka Sig. 0,05 maka Ho diterima - Angka Sig. 0,05 maka Hi ditolak Angka MSA Measure of Smpling Adequacy berkisar 0 sampai 1, dengan kriteria: - MSA = 1, variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel yang lain. - MSA 0,5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut. - MSA 0,5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya. b. Ekstraksi Faktor Langkah kedua di dalam analisis faktor adalah ektraksi faktor extraction. Ekstraksi faktor adalah suatu metode yang digunakan untuk mereduksi data dari beberapa indikator untuk menghasilkan faktor lebih sedikit yang mampu menjelaskan korelasi antara indikator yang diobservasi. Menurut Darmawan Wibisono 2008:245 dalam penelitian Savitri 2010 Untuk mengekstraksi faktor dikenal dua metode rotasi, yaitu: a Orthogonal factors: ekstraksi faktor dengan cara merotasikan sumbu faktor yang kedudukannya saling tegak lurus satu sama lainnya. Dengan melakukan rotasi ini maka setiap 80 faktor bersifat independen terhadap faktor lain karena sumbunya saling tegak lurus. Orthogonal factors solution digunakan bila analisis bertujuan untuk mereduksi jumlah variabel tanpa mempertimbangkan seberapa berartinya faktor yang diekstraksi. b Oblique factors: ekstraksi faktor dilakukan dengan merotasikan sumbu faktor yang kedudukannya saling membentuk sudut dengan besar sudut tertentu. Dengan rotasi ini maka korelasi antar setiap faktor masih diperhitungkan karena sumbu faktor tidak saling tegak lurus satu dengan lainnya. Oblique factor solution digunakan untuk memperoleh jumlah faktor yang ssecara teoritis cukup berarti. Ekstraksi faktor digunakan untuk menentukan jenis-jenis faktor yang akan dipakai. Estimasi faktor dapat menggunakan metode Principal Component Analysis selain itu terdapat metode common factor analysis Savitri, 2010. Analisis komponen utama principal components Analysis merupakan metode paling sederhana di dalam melakukan rotasi faktor. Metode ini membentuk kombinasi linier dari indikator yang diobservasi. Komponen utama yang pertama adalah kombinasi yang menjelaskan varian paling besar dari sampel. Selanjutnya, komponnen utama yang kedua adalah menjelaskan jumlah varian 81 yang paling besar kedua dan tidak berhubungan dengan komponen utama yang pertama. Komponen utama berikutnya menjelaskan porsi yang lebih kesil dari varian sampel total dan tidak berhubungan dengan yang lainnya Widarjono, 2010:243. c. Rotasi Faktor Rotasi faktor ini diperlukan jika metode ekstraksi faktor belum menghasilkan komponen faktor utama yang jelas. Tujuan dari rotasi faktor ini agar dapat memperoleh struktur faktor yang lebih sederhana agar mudah diinterpretasikan. Ada beberapa metode rotasi faktor yang bisa digunakan, yaitu:  Varimax Method, metode rotasi orthogonal untuk meminimalisisi jumlah indikator yang mempunyai factor loading tinggi pada tiap faktor.  Quartimax Method, metode rotasi untuk meminimalisasi jumlah faktor yang digunakan untuk menjelaskan indikator.  Equamax Method, metode gabungan antara varimax method yang meminimalkan indikator dan quartimax method yang meminimalkan faktor. Selain ketiga langkah tersebut, masih terdapat langkah lain yang dapat dilakukan, yaitu membuat factor score. d. Membuat Factor Scores Factor Scores pada dasarnya adalah upaya untuk membuat satu atau beberapa variabel yang lebih sedikit dan berfungsi 82 menggantikan variabel asli yang sudah ada. Pembuatan akan berguna jika akan dilakukan analisis lanjutan, seperti analisis regresi atau analisis diskriminan Santoso, 2010:105. 4 Regresi Logistik Analisis regresi logistik digunakan untuk melihat pengaruh sejumlah variabel independen X1, X1,...Xk terhadap variabel dependen y yang berupa variabel kategoriknbinominal, multinominal atau ordinal atau juga untuk memprediksi nilai suatu variabel dependen y yang berupa variabel kategorik berdasarkan nilai variabel-variabel independen X1, X2,....Xk. Stanislaus 2006:225 SPSS menyediakan tiga prosedur regresi logistik yaitu: a Regresi Logistik Biner binary logistic regression, adalah regresi logistik dimana variabel dependennya berupa variabel dikotomi atau variabel biner. Contoh variabel dikotomi atau variabel biner adalah: sukses-gagal, ya-tidak, benar-salah, hudup-mati, hadir-bolos, pria-perempuan dan seterusnya. b Regresi Logistik Multinominal miltinominal logistic regression, adalah regresi logistik dimana variabel dependennya berupa variabel kategorik yang terdiri lebih dari dua nilai seperti: merah, biru, kuning, hitam atau Islam, Kristen, Hindu, Budha, dan seterusnya. 83 c Regresi Logistik Ordinal ordinal logistic regression, adalah regresi logistik di mana variabel dependennya berupa variabel dengan skala ordinal seperti: sangat setuju, setuju, netral, tak setuju, sangat tidak setuju atau halus, sedang, kasar. Penelitian ini menggunakan menggunakan regresi logistik biner karena variabel dependennya yaitu peringkat obligasi berupa variabel dikotomi yang terbagi menjadi kategori investment grade dan non- investmnet grade. Ghazali 2009 menyatakan bahwa analisis ini tidak memerlukan asumsi normalitas pada variabel bebasnya. Tahapan dalam melakukan analisis regresi logistik: a. Menilai Model Fit  -2 Log likehood Menilai angka -2 log likelihood pada awal blok number = 0 dan angka -2 log likelihood pada blok number = 1, jika terjadi penurunan angka -2 log likelihood maka menunjukkan model regresi yang baik. Log likelihood pada regresi logistik mirip dengan pengertian “sum of squared error ” pada model regresi, sehingga penurunan log likelihood menunjukkan model regresi yang baik.  Nagel Karke R² Nagel Karke R Square pada tabel Model Summary merupakan modifikasi dari koefisien Cox dan Snell’s R Square 84 agar nilai maksimumnya bisa mencapai satu dan mempunyai kisaran nilai antara 0 sampai 1, sama seperti koefisien determinasi R 2 pad regresi linear berganda. Nilai Nagel Karke R Square umumnya lebih besar dari nilai Cox dan Snell’s R Square tapi cenderung lebih kecil dibandingkan dengan nilai determinasi R 2 pada regresi linear berganda.  Hosmer dan Lemeshow Model fit dapat juga diuji dengan Hosmer and Lemeshow‟s Goodness of Fit dengan hipotesis: Ho : Model yang dihipotesiskan fit dengan data Ha : Model yang dihipotesiskan tidak fit dengan data Dasar pengambilan keputusan adalah sebagai berikut: Nilai goodness of fit test yang diukur dengan nilai chi- square pada bagian bawah uji Hosmer dan Lemeshow. - Jika probabilitas 0,05 maka Ho diterima dan Ha ditolak - Jika Probabilitas 0,05 maka Ho ditolak dan Ha diterima b. Menilai Ketepatan Prediksi Salah satu cara untuk menilai ketepatan prediksi adalah dengan melihat tabel tabel Calssification 2 x 2 yang menghitung nilai estimasi yang benar correct dan salah incorrect. Classification table, menunjukkan tabel 2x2 dengan kolom berupa predict values dari variabel dependen dan baris berupa nilai data aktual yang diamati Stanislaus, 2006:234. 85 c. Menguji Koefisien Regresi Uji Wald pad tabel Variables In The Equation digunakan untuk menguji apakah masing-masing koefisien regresi logistik signifikan Stanislaus, 2006:235. Singgih Santoso 2010:213, hipotesis dan pengambilan keputusan: Hipotesis Ho = Koefisien regresi tidak signifikan Ha = Koefisien regresi signifikan Pengambilan Keputusan Berdasarkan probabilitas. o Jika probabilitas 0,05 maka Ho diterima o Jika probabilitas 0,05 maka Ho ditolak Raharja Sari 2008 adapun model prediksi yang dibentuk dari regresi logistik disajikan pada tabel 3.3 berikut ini. Tabel 3.3 Model Fungsi Regresi Logistik Model Persamaan Regresi Logistik: Y= α0 +β1X1+β2X2+β3X3+…+βnXn+ε Notasi: Y = 0 jika non investmen grade; 1 jika investment grade α0 = Konstanta ε βn = Error Term = Koefisien regresi 1,2,3,n X1,X2,X3,...Xn = Rasio-rasio keuangan 86

E. Operasional Variabel Penelitian

1. Variabel Dependen

Variabel terikat yang digunakan dalam penelitian ini ialah peringkat obligasi dan rasio-rasio keuangan. Skala peringkat mulai dari AAA sampai dengan D yang secara umum terbagi menjadi dua kategori, yaitu investment grade AAA, AA, A, BB dan non- investment grade BB, B, CCC, D. Pengukuran variabel dilakukan dengan memberi nilai pada masing-masing peringkat sesuai dengan peringkat yang dikeluarkan oleh PEFINDO. Pemberian nilai peringkat obligasi adalah sebagai berikut: Tabel 3.4 Kategori Peringkat Obligasi Nilai Peringkat Peringkat Kategori D Non- Investment Grade CCC Non- Investment Grade B Non- Investment Grade BB Non- Investment Grade 1 BBB Investment Grade 1 A Investment Grade 1 AA Investment Grade 1 AAA Investment Grade

2. Variabel Independen

Variabel bebas yang digunakan dalam penelitian ini ialah rasio- rasio keuangan, meliputi rasio CACL, CAICL, CCL, LTDTE, TLTA, TLTE, STA, SFA dan NITA.  CACL : Rasio lancar current ratio merupakan rasio untuk mengukur kemampuan perusahaan dalam membayar kewajiban 87 jangka pendek atau utang yang segera jatuh tempo pada saaat ditagih secara keseluruhan. � � = Aktiva Lancar � Utang Lancar �� � � �  CAICL : Rasio cepat quick ratio atau rasio sangat lancar atau atau acid test ratio merupakan rasio yang menunjukkan kemampuan perusahaan dalam memenuhi tau membayar kewajiban atau utang lancar utang jangka pendek dengan aktiva lancar tanpa memperhitungkan nilai sediaan inventory. � �� � = Aktiva Lancar � − � Utang Lancar �� � � �  CCL : Rasio kas atau cash ratio merupakan alat yang digunakan untuk mengukur seberapa pas uang kas yang tersedia untuk membayar utang. � = ℎ ℎ � �  LTDTE : LTDtER merupakan rasio antara utang jangka panjang dengan modal sendiri. Tujuannya adalah untuk mengukur berapa bagian dari setiap rupiah modal yang dijadikan jaminan utang jangka panjang dengan cara membandingakan antara utang jangka panjang dengan modal sendiri yang disediakan oleh perusahaan � � = � � Total Ekuitas �  TLTA : Rasio ini merupakan rasio utang yang digunakan untuk mengukur perbandingan antara total utang dengan dengan total 88 aktiva. Dengan kata lain, seberapa besar aktiva perusahaan dibiayai oleh utang atau seberapa besar utang perusahaan berpengaruh terhadap pengelolaan aktiva. � � � = Total Utang �� � � � Total Aktiva �  TLTE : Debt to equity ratio merupakan rasio yang digunakan untuk menilai utang dengan ekuitas. Rasio ini berguna untuk mengetahui jumlah dana yang disediakan peminjam kreditor dengan pemilik perusahaan. Dengan kata lain, rasio ini berfungsi untuk mengetahui setiap rupiah modal sendiri yang dijadikan untuk jaminan utang. � = Total Utang �� � � � Total Ekuitas �  SFA : Fixed assets turn over merupakan rasio yang digunakan untuk mengukur berapa kali dana yang ditanamkan dalam aktiva tetap berputar dalam satu periode. � � = Penjualan Total Aktiva Tetap � �  NITA : Rasio ROA atau NIAT merupakan rasio yang menunjukkan berapa besar laba bersih diperoleh perusahaan bila diukur dari nilai aktiva. ROA dapat dihitung dengan rumus: � � � = � � Total Aktiva � 89

BAB IV ANALISIS DAN PEMBAHASAN

A. Sejarah dan Perkembangan Pasar Modal

Secara historis, pasar modal telah hadir jauh sebelum Indonesia merdeka. Pasar modal atau bursa efek telah hadir sejak jaman kolonial Belanda dan tepatnya pada tahun 1912 di Batavia. Pasar modal ketika itu didirikan oleh pemerintah Hindia Belanda untuk kepentingan pemerintah kolonial atau VOC. BEI,2011. Dalam perjalanannya, pasar modal Indonesia mengalami pasang surut. Bahkan pemerintah indonesia sempat membekukan kegiatan pasar modal, karena perang dunia I dan II, kebijakan nasionalisasi Pemerintah Indonesia pada tahun 1956.pasar modal baru dibuka kembali pada tahun 1977 setelah pencanangan orde pembangunan. Seiring dengan kian gencarnya pemerintah melakukan pembangunan, keberadaan pasar modal kian dirasakan sebagai suatu kebutuhan. Pertumbuhan yang diperkirakan akan terus meningkat dianggap sebagai momentum yang tepat untuk mengaktifkan kembali pasar modal. dengan mengaktifkan kembali pasar modal diharapkan mampu menggerakkan potensi masyarakat untuk berpartisipasi dalam pembangunan sekaligus menciptakan pemerataan pendapatan dan demokratisasi ekonomi. Pasar modal mencapai perkembangan puncaknya pada tahun awal 1990-an, tingkat pertumbuhan ekonomi yang tinggi membuka peluang bagi perusahaan untuk 89