Metode dan Teknik Pengumpulan Data Pengolahan Data Definisi Operasional Variabel Penelitian

35 kinerja perusahaan tercatat volume transaksi selama periode 2009 sampai 2011. Pengambilan sampel dalam penelitian ini menggunakan metode purposive sampling untuk mendapatkan sampel yang representatif dengan kriteria sebagai berikut: 1. Perusahaan sektor pertambangan yang tercatat di Bursa Efek Jakarta. 2. Perusahaan yang secara konsisten aktif selama periode 2009 sampai 2011 di Bursa Efek Jakarta. 3. Perusahaan yang memenuhi indikator variabel dependen dan independen selama periode 2009 sampai 2011. Dari populasi tersebut terdapat 10 perusahaan yang memenuhi kriteria - kriteria yang telah ditentukan. Daftar perusahaan yang memenuhi kriteria -kriteria tersebut dalam dilihat dalam tabel berikut. Tabel 3.1 Daftar Sampel Perusahaan NO PERUSAHAAN KODE 1 Adaro Energy Tbk. ADRO 2 Aneka Tambang Persero Tbk. ANTM 3 ATPK Resources Tbk. ATPK 4 Bumi Resources Tbk. BUMI 5 Exploitasi Energi Indonesia Tbk. CNKO 6 Citatah Industri Marmer Tbk. CTTH 7 Darma Henwa Tbk. DEWA 8 Elnusa Tbk. ELSA 9 Energi Mega Persada Tbk. ENRG 10 Vale Indonesia Tbk. INCO Sumber : BEI setelah diolah

3.3 Metode dan Teknik Pengumpulan Data

Teknik pengumpulan data dalam penelitian ini dilakukan dengan menggunakan metode dokumentasi. Dokumentasi yang dilakukan adalah mengumpulkan semua data sekunder , dimana data harga saham diperoleh melalui Universitas Sumatera Utara 36 situs www.finance.yahoo.com sedangkan data laporan keuangan dan tahunan perusahaan dan ringkasan kinerja perusahaan tercatat diperoleh melalui www.idx.co.id . Selain itu data yang diperlukan juga diperoleh melalui buku, artikel, jurnal dan website yang berkaitan dengan penelitian ini. Hal ini dilakukan untuk mendukung proses penelitian yang dilakukan.

3.4 Pengolahan Data

Dalam mengolah data dalam penelitian ini dilakukan dengan menggunakan program komputer eviews 7 untuk menganalisis data yang diperoleh. Namun sebelumnya data-data yang diperoleh diformulasikan terlebih dahulu dengan menggunakan program microsoft office excel 2007 untuk memperoleh data variabel sebelum dianalisis dengan menggunakan program eviews 7.

3.5 Teknik Analisis Data

3.5.1 Metode dan Model Analisis Penelitian ini menggunakan metode regresi linier berganda dengan data panel untuk memperoleh gambaran yang menyeluruh mengenai pengaruh variabel independen terhadap dependen. Regresi linier berganda adalah regresi antara variabel dimana variabel bebasnya lebih dari satu Pratomo dan Hidayat, 2007. Menurut Pratomo dan Hidayat, data panel merupakan data campuran cross section dan time series. Metode yang digunakan dalam penelitian ini adalah model regresi data panel fixed effect. Universitas Sumatera Utara 37

3.5.2 Model Regresi Data Panel

Menurut Pratomo dan Hidayat 2007, pada umumnya data panel digunakan dalam penelitian karena berbagai alasan, salah satunya adalah karena keterbatasan jumlah tahun pengamatan. Oleh karena itu, dengan menggunakan data panel maka hasil penelitian akan lebih baik karena ketersediaan data akan menjadi sangat banyak. Model regresi data panel adalah pengabungan antara model data cross section dengan model data time series. Dalam mengestimasi parameter dari persamaan dengan data panel. Menurut Pratomo dan Hidayat 2007:167, maka dapat dibuat tiga model persamaan, yakni : 1. Ordinay Least Square OLS Metode ini sama seperti model regresi yang telah dijelaskan pada bagian awal. Data cross section dan data time series digabungkan dalam bentuk pool data. Kemudian data tersebut diregresikan dengan metode OLS, penggunaan estimasi dengan metode ini tidak realistis. Misalkan kita ingin menganalisis pengaruh pengeluaran pemerintah daerah terhadap pertumbuhan daerah. Dengan menggunakan OLS maka kita akan memeroleh nilai intercept dan koefisien parameter yang konstan untuk seluruh daerah. Apakah mungkin setiap daerah memiliki intercept yang sama? Oleh karena itu, penggunaan dua metode lainnya yakni Fixed Effect Model dan Random Effect Model lebih baik. 2. Fixed Effect Model FEM Model ini memiliki intercept persamaan yang tidak konstan atau terdapat perbedaan pada setiap individu data cross section. Sementara itu, slope koefisien dari regresi tidak berbeda pada setiap individu dan waktu. 3. Random Effect Model REM Pada model ini, perbedaan antar individu terdapat di error term dari persamaan. Model ini memperhitungkan bahwa error term mungkin berkorelasi sepanjang time series dan cross section. Dari ketiga model tersebut, hanya ada dua metode yang sesuai untuk data panel karena metode OLS tidak realistis untuk digunakan. Kedua model tersebut mempunyai keunggulannya masing-masing, dengan demikian penelitian ini Universitas Sumatera Utara 38 menggunakan metode FEM karena metode ini mempunyai keunggulan dalam membedakan efek individual dan efek waktu, selain itu FEM tidak perlu mengasumsikan bahwa komponen error tidak berkorelasi dengan variabel bebas. Untuk mengetahui pengaruh bid-ask spread, market value dan variance return terhadap holding period saham biasa di sektor pertambangan, maka digunakan model regresi fixed effect dengan fungsi sebagai berikut: �� = � �� + � �� + � �� + µ Di mana: Y it = Holding Period � = Intercept � , � , � = Koefisien Regresi = Bid-Ask Spread = Market Value = Variance Return i = Jenis Perusahaan t = Waktu = Term of error 3.5.3 Uji Hausman Uji Hausman merupakan pengujian metode regresi untuk mengetahui metode mana yang baik untuk digunakan dalam penelitian Pratomo dan Hidayat, 2007. Hal ini dapat dillihat dari signifikansi nilai chi square-nya dengan hipotesis sebagai berikut : H0 : Model Random Effect H1 : Model Fixed Effect Apabila nilai chi square-nya tidak signifikan pada tingkat signifikansi 1, 5 dan 10 maka H0 diterima artinya metode yang digunakan adalah metode random effect dan sebaliknya apabila nilai chi square-nya signifikan pada tingkat Universitas Sumatera Utara 39 signifikansi 1, 5 dan 10 maka H1 diterima, dengan demikian metode yang digunakan adalah metode fixed effect.

3.6 Uji Asumsi Klasik

Hasil suatu estimasi regresi linier dikatakan baik dan efesien apabila memenuhi beberapa asumsi klasik , seperti yang dikemukakan oleh Gujarati 2003 dalam buku Pratomo dan Hidayat 2007:89 terdapat beberapa asumsi klasik yang harus dipenuhi yaitu: 1. Model regresi adalah linier, yaitu linier didalam parameter. 2. Residual variabel pengganggu µ � mempunyai nilai rata —rata nol zero mean value of disturbance µ � . 3. Homoskedastisitasatau varian dari µ � adalah konstan. 4. Tidak ada autokorelasi antara variabel pengganggu µ � . 5. Kovarian antara µ � dan variabel independen Xi adalah nol. 6. Jumlah data observasi harus lebih banyak dibandingkan dengan jumlah parameter yang akan diestimasi. 7. Tidak ada multikolinieritas. 8. Variabel pengganggu harus berdistribusi normal atau stokastik.

3.6.1 Multikolinieritas

Sebuah model regresi dikatakan terkena multikolinieritas apabila terjadi hubungan linier yang sempurna di antara beberapa atau semua variabel bebas dari suatu model regresi sehingga variabel-variabel bebas tersebut tidak bersifat ortogonal. Variabel-variabel bebas yang bersifat orthogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Multikolinieritas dapat mengakibatkan nilai-nilai koefisien regresi menjadi tidak dapat ditaksir, kemudian nilai standar error setiap koefsien menjadi tak terhingga sehingga tingkat signifikansi variabel bebasnya buruk, selain itu juga dapat menyebabkan tanda koefisien regresi mengandung tanda yang berlawanan dengan teori. Universitas Sumatera Utara 40 Untuk mendeteksi estimasi regresi yang memiliki multikolinieritas dapat dilihat dari nilai R 2 yang tinggi namun standar error dan tingkat signifikansi masing-masing variabel rendah dan dapat juga dilihat dari nilai koefisien variabel apakah sesuai dengan hipotesis atau tidak Pratomo dan Hidayat, 2007.

3.6.2 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah data dalam model regresi, variabel residual memiliki distribusi normal atau tidak sehingga data tersbut dapat digunakan dalam statistik parametrik. Untuk menguji apakah normal atau tidaknya faktor peganggu, menurut Pratomo dan Hidayat 2007 dapat dilakukan uji normalitas dengan menggunakan Jarque-Bera Test J-B test. Uji Jarquera -Bera menggunakan hasil estimasi residual dan chi square probability distribution . Bandingkan nilai J-B hitung dengan χ 2 tabel. Apabila nilai JB hitung χ 2 tabel, maka hipotesis yang menyatakan bahwa residual µ t berdistribusi normal dapat ditolak, sedangkan apabila nilai JB hitung χ 2 tabel, maka hipotesis yang menyatakan bahwa residual µ t berdistribusi normal tidak dapat ditolak. Cara lain untuk melihat apakah data telah berdistribusi normal dengan menggunakan JB test melalui angka probability-nya. Apabila angka probability signifikan pada tingkat signifikansi 1, 5 dan 10 maka dapat disimpulkan bahwa data berdistribusi normal, dan sebaliknya apabila angka probability-ynya tidak signifikan pada tingkat signifikansi 1, 5 dan 10 maka dapat ditarik kesimpulan bahwa data tidak berdistribusi normal. Universitas Sumatera Utara 41

3.6.3 Heteroskedastisitas

Heteroskedastistas adalah suatu penyimpangan asumsi OLS dalam bentuk varians gangguan estimasi yang dihasilkan oleh estimasi OLS yang tidak bernilai konstan. Pengujian heteroskedastisitas digunakan untuk mengetahui apakah dalam model regresi terdapat ketidaksamaan varians residual satu pengamatan ke pengamatan lain. Apabila varians � dari faktor pengganggu µ i adalah sama untuk semua observasi atas variabel bebas X i , ini disebut dengan homoskedatisitas atau varian yang sama dan apabila berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadinya heteroskedastisitas. Apabila terjadi heteroskedatisitas, hal ini dapat mengakibatkan kesalahan dalam interpretasi sehingga koefisien regresi atau parameternya menjadi tidak efisien dan dapat menyebabkan kesimpulan yang salah, selain itu nilai besarnya nilai varian akan mengakibatkan standar error semakin besar sehingga interval kepercayaan menjadi besar atau tidak dapat dipercaya Pratomo dan Hidayat, 2007. Untuk mendeteksi ada tidaknya gejala heteroskedastisitas dapat dilakukan dengan uji park dan uji white. Uji park dilakukan dengan melihat apabila koefisien parameter B adalah signifikan secara statistik maka dapat disimpulkan bahwa data dari model empiris terdapat heteroskedastisitas. Sedangkan pada uji white dapat dilihat apabila hasil estimasi menunjukkan bahwa X 2 hitung lebih besar dibandingkan dengan X 2 tabel maka terdapat masalah heteroskedastisitas dan sebaliknya. Data panel dalam penelitian menggunakan estimasi dengan Universitas Sumatera Utara 42 metode Coeficient Covariance Method - White Cross Section, sehingga hasil yang dikeluarkan terbebas dari heterokedastisitas.

3.6.4 Autokorelasi

Autokorelasi merupakan gangguan pada fungsi regresi berupa korelasi diantara faktor gangguan error term. Autokorelasi pada umumnya terjadi pada penelitian yang menggunakan data time series namun juga dapat terjadi pada data cross section . Menurut Hidayat dan Pratomo 2007 terdapat beberapa penyebab terjadinya autokorelasi yakni tidak diikutsertakannya seluruh variabel bebas yang relevan dalam model regresi yang diduga, terjadinya kesalahan spesifikasi model matematika yang digunakan, pemakaian data yang kurang baik karena interpolasi data atau sumber data yang kurang akurat serta terjadinya kesalahan spesifikasi variabel gangguan. Autokorelasi dapat mengakibatkan hasil estimasi untuk standar error dan varians koefisien regresi yang di dapat akan underestimate, dengan demikian nilai koefisien determinasi R 2 akan besar dan akibatnya uji t, uji F dan interval kepercayaan menjadi tidak sahih lagi untuk digunakan. Selain itu autokorelasi yang kuat dapat menyebabkan dua variabel yang tidak berhubungan menjadi berhubungan. Untuk mendeteksi terjadinya autokorelasi atau tidak dapat digunakan dengan beberapa cara yakni dengan metode durbin Watson DW test dan Uji Langrange Multiplier LM test. Metode DW hanya berlaku untuk model regresi yang variabel-variabel bebasnya tidak mengandung lagged dependent variabel Universitas Sumatera Utara 43 time lag. DW tidak relevan digunakan dalam penaksiran model regresi yang menggunakan data cross section dan penaksiran model regresi tanpa intercept. Untuk melihat ada tidaknya autokorelasi pada metode DW maka dapat dilihat dari nilai DW pada hasil estimasi model regresi dan dapat diambil keputusan dengan melihat tabel DW. Sedangkan pada uji LM dapat digunakan untuk menguji model lag , untuk melihat ada atau tidaknya autokorelasi dapat dilihat dari hasil estimasi model regresi, apabila hasil estimasi yang diperoleh menunjukkan bahwa nilai ObsR-squared X 2 hitung X² tabel atau nilai probability lebih rendah dari 0,05 pada tingkat signifikansi 5 maka terdapat gejala autokorelasi pada hasil estimasi tersebut Pratomo dan Hidayat, 2007.

3.7 Test of Goodness of Fit

3.7.1 Koefisien Determinasi

Koefisien determinasi R 2 merupakan kemampuan variabel X variabel bebas mempengarui variabel Y variabel terikat. Dimana semakin besar koefisien determinasi maka menunjukkan semakin baik kemampuan variabel bebas menerangkan variabel terikat Sudardjat, 2010. Koefisien determinasi R 2 dinyatakan dalam persentase ,besarnya koefisien determinasi berkisar antara 0R 2 1. Apabila nilai koefisien determinasi mendekati satu maka variabel bebas dapat menerangkan variabel terikat semakin besar, dan sebaliknya nilai koefisien determinasi yang kecil artinya kemampuan variabel bebas dalam menjelaskan variabel terikat sangat terbatas. Universitas Sumatera Utara 44

3.7.2 Uji F-Statistik

Uji F-statistik dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Pengujian F-statistik dapat dirumuskan dengan hipotesis sebagai berikut: 1. H : β 1 = β 2 = β 3 = 0, artinya secara bersama-sama variabel bebas independent variable tidak mempengaruhi variabel terikat dependent variable secara signifikan. 2. H a : β 1 ≠ β 2 ≠ β 3 ≠ 0, artinya secara bersama-sama variabel bebas independent variable mempengaruhi variabel terikat dependent variabel secara signifikan. Uji F-statistik dapat dilihat dengan melakukan perbandingan antara nilai probability F-statistik dengan tingkat signifikansi dimana taraf nyata yang digunakan sebesar α 1. 5 dan 10 . Dari pengujian hipotesis di atas maka dapat ditarik kesimpulan sebagai berikut: 1. H diterima dan Ha ditolak apabila nilai probability F-stat α 5, artinya Artinya variabel bebas independent variable secara bersama-sama tidak memiliki pengaruh yang signifikan terhadap variabel terikat dependent variable . 2. Ha diterima dan H ditolak apabila nilai probability F-stat α 5. Artinya variabel bebas independent variable secara bersama-sama memiliki pengaruh yang signifikan terhadap variabel terikat dependent variable. Universitas Sumatera Utara 45 3.7.3 Uji T-Statistik Partial Test Uji t-statistik dilakukan untuk mengetahui apakah koefisien regresi dari masing-masing variabel bebas secara simultan signifikan mempengaruhi variabel terikat, dengan menganggap variabel bebas lain adalah konstan. Dalam pengujian t-statistik yang belum diketahui arahnya digunakan kurva dua arah. Untuk menguji t-statistik dirumuskan hipotesis sebagai berikut: 1. H : β 1 = 0, variabel bebas secara individu tidak mempengaruhi variabel terikat dengan siginfikan. 2. Ha : β 1 ≠ 0, variabel bebas secara individu mempengaruhi variabel terikat dengan signifikan. Untuk mendapatkan nilai t-hitung digunakan rumus berikut ini: − ℎ = � � Dari pengujian hipotesis di atas maka dapat ditarik kesimpulan sebagai berikut: 1. H diterima dan Ha ditolak apabila nilai t-hitung t-tabel. Artinya variabel bebas independent variable secara simultan tidak memiliki pengaruh yang signifikan terhadap variabel terikat dependent variable. 2. Ha diterima dan H ditolak apabila nilai t-hitung t-tabel. Artinya variabel bebas independent variable secara simultan memiliki pengaruh yang signifikan terhadap variabel terikat dependent variable.

3.8 Definisi Operasional Variabel Penelitian

Defenisi operasional bertujuan untuk mengarahkan dan membatasi penelitian. Variabel bebas independent variable adalah variabel yang Universitas Sumatera Utara 46 mempengaruhi variabel lainnya. Variabel bebas dalam penelitian ini adalah bid- ask spread, market value dan variance return. Sedangkan variabel terikat dependent variable adalah variabel yang dipengaruhi oleh variabel lainnya. Variabel terikat dalam penelitian ini adalah holding period saham. Adapun batasan-batasan definisi dalam penelitian ini adalah : 1. Holding period saham Y it adalah rata-rata lamanya investor dalam menahan atau memegang saham perusahaan i sektor pertambangan selama satu tahun ke-t. 2. Bid-ask spread X 1it adalah selisih harga beli tertinggi yang ditawarkan oleh pihak yang akan melakukan pembelian saham perusahaan i sektor pertambangan dengan harga jual terendah dari pihak yang bersedia menjual saham i perusahaan sektor pertambagan pada hari ke-t atau dapat juga diartikan rata-rata nilai keseluruhan selisih harga beli tertinggi dan terendah saham perusahaan i sektor pertambangan selama tahun ke-t dalam satuan rasio. 3. Market value X 2it adalah harga saham i perusahaan sektor pertambangan yang terjadi di pasar Bursa Efek Jakarta pada tahun ke-t atau dapat juga diartikan sebagai rata-rata nilai keseluruhan suatu perusahaan i selama tahun ke-t dalam satuan triliun rupiah. 4. Variance Return X 3it adalah proksi dari tingkat risiko yang diakibatkan oleh fluktuasi harga saham i perusahaan sektor pertambangan atau juga dapat diartikan sebagai rata-rata nilai keseluruhan varians dari investasi pada saham i sektor pertambangan selama tahun ke-t dalam satuan rasio. Universitas Sumatera Utara 47

BAB IV HASIL DAN PEMBAHASAN

4.1 Deskripsi Objek Penelitian

Berdasarkan data yang diperoleh dengan metode purposive sampling maka didapat 10 perusahaan dari 31 perusahaan sektor pertambangan yang tercatat di Bursa Efek Indonesia selama periode 2009 sampai 2011 untuk dianalisis pengaruh bid-ask spread, market value dan variance return terhadap holding period saham biasa. Dari sampel tersebut maka diperoleh 30 data observasi yang digunakan untuk menganalisis data dan melakukan pengujian hipotesis. Untuk mendapatkan data bid-ask spread, market value, variance return dan holding period maka dilakukan perhitungan terlebih dahulu terhadap masing-masing variabel. Untuk mendapatkan data bid-ask spread maka terlebih dahulu dilakukan pengambilan data harga saham dari situs www.finance.yahoo.com kemudian dari harga penutupan saham dilakukan perhitungan untuk mencari nilai ask dan bid nya dengan formula sebagai berikut: �� = � �� – � �� × . . . . . . . . . . . . . . . . 4.1 �� = � �� + � �� × . . . . . . . . . . . . . . . 4.2 Di mana : Ask it = harga jual terendah yang menyebabkan investor setuju untuk menjual saham perusahaan i pada hari ke- t Bid it = harga beli tertinggi yang menyebabkan investor setuju untuk membeli saham perusahaan i pada hari ke- t P it = harga penutupan saham i pada hari ke-t Auto rejection = kelompok harga dan besaran persentase yang telah ditetapkan Universitas Sumatera Utara