BAB III

METODOLOGI PENELITIAN

A. Waktu dan Tempat Penelitian

Waktu yang digunakan dalam penelitian ini dari bulan September 2019

sampai dengan Juni 2020, dengan menggunakan data sekunder. Dalam

memperoleh data yang diperlukan dalam penelitian ini, penulis melakukan

penelitian pada sektor Makanan dan Minuman yang terdaftar di Bursa Efek

Indonesia (BEI) dengan nama pelaporan keuangan dari periode 2014-2018 di

situs resmi BEI.

B. Desain Penelitian

Penelitian ini merupakan jenis penelitian asosiatif dengan hubungan

kausal, penelitian yang bertujuan untuk mengetahui pengaruh ataupun

hubungan antara dua variabel atau lebih dimana terdapat variabel bebas dan

variabel terikat. Dilihat dari data yang diperoleh, penelitian ini merupakan

jenis penelitian kuantitatif karena di dalamnya mengacu pada perhitungan data

penelitian yang berupa angka-angka. Variable penelitian ini meliputi variable

independen (variabel yang mempengaruhi) dan variabel dependen

(dipengaruhi).
 C. Definisi dan Operasional Variabel

1. Definisi Variabel

Menurut Sekaran dan Bougie (2017:77) variabel adalah apapun yang dapat

membedakan atau mengubah nilai. Nilai ini dapat berbeda pada berbagai

waktu untuk objek atau orang yang sama, atau pada waktu yang sama untuk

objek atau orang yang berbeda.

Variabel yang digunakan dalam penelitian ini terdiri dari satu variabel

terikat dan tiga variabel bebas, antara lain:

a. Variabel Terikat (Dependent Variable)

Variabel terikat (dependent variable) adalah variabel yang menjadi

perhatian utama peneliti dan merupakan variabel utama yang sesuai dalam

investigasi (Sekaran dan Bougie, 2017:77).

Pada penelitian ini, yang menjadi variabel terikat adalah harga saham.

Harga saham dapat dihitung dengan harga saham relatif menggunakan rumus:

Pti−(Pt −i)
Rit=
(Pt −I )

Keterangan :

Rit = Return realisasi saham ke-i pada periode ke-t

Pti = Harga saham pada periode ke-t

Pt-i = Harga saham pada periode ke t-i

b. Variabel Bebas (Independent Variable)

Variabel bebas (independent variable) adalah variabel yang

mempengaruhi variabel terikat, baik secara positif maupun negatif (Sekaran

dan Bougie, 2017:79). Variabel bebas yang digunakan pada penelitian ini

yaitu Return On Asset, Return On Equity, dan Earning Per Share.

1. Return On Assets (X1)

Brigham & Ehrhadrt, 2005 mengatakan bahwa Return On Assets

adalah rasio pendapatan sebelum bunga dan pajak (EBIT) atau net

pendapatan dibagi dengan nilai buku aset di awal tahun fiskal. Return On

Assets mengukur pendapatan perusahaan dalam hubungan dengan semua

sumber daya itu pada bagian disposal (modal pemegang saham ditambah

dana jangka pendek dan panjang yang dipinjam) Suatu indikator

bagaimana keuntungan perusahaan relatif terhadap total aset. Return On

Assets memberikan ide mengenai bagaimana manajemen yang efisien

menggunakan aset-asetnya untuk menghasilkan penghasilan. Dihitung

dengan membagi penghasilan tahunan perusahaan dari total aset.

2. Return On Equity (X2)

Return On Equity (ROE) merupakan rasio profitabilitas yang

digunakan untuk mengukur tingkat efektivitas perusahaan dalam

menghasilkan keuntungan dengan memanfaatkan ekuitas. Rasio ini

merupakan salah satu rasio yang mengukur perbandingan antar laba bersih

setelah pajak terhadap pernyataan modal sendiri. Menurut Mardiyanto

 (2009: 196) mengatakan Return On Equity (ROE) adalah rasio yang dapat

digunakan untuk mengukur keberhasilan perusahaan tersebut dapat

menghasilkan keuntungan dengan memanfaatkan ekuitas yang dimiliki

oleh perusahaan.

3. Earning Per Share (X3)

Earning Per Share (EPS) merupakan perbandingan antara laba

bersih dengan jumlah saham yang beredar. Semakin tinnggi EPS maka

akan semakin mahal harga perlembar saham dan sebaliknya.

Menurut Darmadji (2001: 139), menyatakan semakin tinggi nilai

Earning Per Share (EPS) maka menggembirakan para pemegang saham

karena semakin besarnya laba yang disediakan untuk pemegang saham.

Dengan mengetahui EPS, maka investor bisa menilai potensi pendapatan

yang akan diterima.

1. Operasionalisasi Variabel

Operasional variabel diperlukan untuk menentukan jenis, indikator serta

skala dari variabel-variabel terkait di dalam penelitian, sehingga pengujian

hipotesis dengan alat bantu statistik dapat dilakukan dengan benar sesuai

dengan judul penelitian.

 Tabel 3.1
Operasionalisasi Variabel

INDIKATO SKAL
VARIABEL PENGUKURAN
R A
Harga Closing Price
Harga Saham Rasio
Saham
Return on Asset dalam penelitian
ini dihitung dengan (Lukman
Return on Asset Syamsuddin (2009:63):
ROA Rasio
(X1) Laba Bersih setelah
ROA = pajak
Total Aset
Return on Equity dalam penelitian
ini dihitung dengan (Syamsuddin,
Return on Equity 2013):
ROE Rasio
(X2) Laba bersih setelah
ROE = pajak
Total Equity
Earning per Share dalam penelitian
ini dihitung dengan:
Earning per Share Laba Bersih setelah
EPS Rasio
(X3) pajak
EPS =
Total Saham per
lembar
Sumber : Diolah Oleh Penulis

D. Populasi dan Sampel Penelitian

1. Populasi

Menurut Sekaran dan Bougie (2017:53) populasi mengacu pada

keseluruhan kelompok orang, kejadian, atau hal-hal menarik yang ingin

peneliti investigasi. Populasi dalam penelitian ini adalah 17 perusahaan

makanan dan minuman yang terdaftar di Bursa Efek Indonesia (BEI) selama

periode tahun 2014-2018 dan setelah dilakukan proses seleksi berdasarkan

 kriteria pemilihan sampel, maka didapatkan sebanyak 85 perusahaan yang

kemudian dijadikan sebagai sampel dalam penelitian ini.

2. Sampel penelitian

Menurut Sekaran dan Bougie (2017:54) sampel adalah sebagian dari

populasi. Sampel terdiri atas sejumlah anggota yang dipilih dari populasi.

Pengambilan sampel dalam penelitian ini menggunakan teknik purposive

sampling dengan periode pengamatan sebanyak 5 tahun, yaitu 2014-2018,

yang menggunakan kriteria-kriteria sebagai berikut:

Tabel 3.2
KRITERIA PEMILIHAN SAMPEL

No
Kriteria Pemilihan Sampel Jumlah
.
Jumlah perusahaan makanan dan minuman
1 yang terdaftar di BEI selama periode tahun 26
2014-2018
Jumlah perusahaan makanan dan minuman
2 yang baru melakukan IPO pada periode (4)
tahun 2014-2018
Jumlah perusahaan makanan dan minuman
3 yang delisting selama periode tahun 2014- (5)
2018
Jumlah perusahaan makanan dan minuman
4 yang datanya lengkap selama periode tahun 17
2014-2018 dan terpilih sebagai sampel
Sumber : BEI, data diolah 2019

Berdasarkan kriteria tersebut, maka perusahaan pertambangan yang terpilih

menjadi sampel dalam penelitian ini berjumlah 17 perusahaan.

E. Teknik Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah

metode dokumenter, yaitu dengan mempelajari, mengklasifikasi, dan

menganalisis data sekunder berupa laporan keuangan tahunan. Penelitian ini

juga dilakukan dengan menggunakan studi kepustakaan yaitu dengan

membaca, mempelajari literature dan informasi lainnya yang terkait dengan

lingkup pembahasan penelitian ini.

F. Metode Analisis Data

Metode analisis data adalah cara pengolahan data yang terkumpul untuk

kemudian dapat memberikan interpretasi hasil pengolahan data ini digunakan

untuk menjawab permasalahan yang telah di rumuskan, penelitian ini

menggunakan analisis regresi untuk mengukur pengaruh rasio keuangan

terhadap harga saham perusahaan yang terdaftar di pasar modal Indonesia.

Data tersebut selanjutnya diuji dan dianalisis dengan Statistical Package for

the Social Science (SPSS) versi 23. Adapun data yang digunakan dalam

penelitian ini adalah :

1. Statistik Deskriptif

Menurut Ghozali (2016:19) statistik deskriptif digunakan untuk

mendeskripsikan variabel dalam penelitian ini. Statistik deskriptif memberikan

gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean),

standar deviasi, varian, maksimum, minimum, sum, range, kuortosis dan

skewness (kemencengan distribusi).

2. Uji Asumsi Klasik

Menurut Ghozali (2016) uji asumsi klasik bertujuan untuk mengetahui dan

menguji kelayakan atas model regresi yang digunakan dalam penelitian.

Pengujian ini juga dimaksudkan untuk memastikan bahwa di dalam model

regresi yang digunakan tidak terdapat multikolinearitas dan heteroskedastisitas

serta untuk memastikan bahwa data yang dihasilkan berdistribusi normal.

a. Uji Normalitas

Menurut Ghozali (2016:154-159) uji normalitas bertujuan untuk menguji

apakah dalam model regresi, variabel pengganggu atau residual memiliki

distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa

nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji

statistik menjadi tidak valid untuk jumlah sampel kecil. Cara mendeteksi

apakah residual terdistribusi normal atau tidak yaitu dengan analisis grafik dan

uji statistik non-parametrik Kolmogorov-Smirnov (K-S).

Uji normalitas dengan grafik dapat menyesatkan jika tidak hati-hati. Secara

visual terlihat normal, padahal secara statistik bisa sebaliknya. Oleh karena itu,

dianjurkan utuk melakukan uji statistik, selain uji grafik. Uji statistik yang

dapat digunakan untuk menguji normalitas residual adalah uji statistik non-

parametrik Kolmogorov Smirnov (K-S).

Uji K-S dilakukan dengan membuat hipotesis:

H0 : Data residual berdistribusi normal

Ha : Data residual tidak berdistribusi normal

 Variabel-variabel dalam uji Kolmogorov Smirnov yang mempunayi Asymp.

Sig. (2-tailed) dibawah tingkat signifikan sebesar 0,05 diartikan bahwa

variabel-variabel tersebut memiliki distribusi tidak normal, dan sebaliknya.

b.Uji Multikolinearitas

Menurut Ghozali (2016:103-104) uji multikolinearitas bertujuan untuk

menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas

(independen). Model regresi yang baik seharusnya tidak terjadi korelasi

diantara variabel independen. Jika variabel independen saling berkorelasi,

maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel

independen yang nilai korelasi antar sesama variabel independen sama dengan

nol. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model

regresi adalah sebagai berikut:

1) Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat

tinggi, tetapi secara individual variabel-variabel independen banyak yang

tidak signifikan mempengaruhi variabel dependen.

2) Menganalisis matrik korelasi variabel-variabel independen. Jika antar

variabel independen ada korelasi yang cukup tinggi (umumnya diatas 0,90),

maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya

korelasi yang tinggi antar variabel independen tidak berarti bebas dari

multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek

kombinasi dua atau lebih variabel independen.

3) Multikolinearitas dapat juga dilihat dari (1) nilai tolerance dan lawannya,

(2) Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap
 variabel independen manakah yang dijelaskan oleh variabel independen

lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih

yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance

yang rendah sama dengan nilai VIF tinggi (karena VIF=1/Tolerance). Nilai

cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas

adalah nilai Tolerance≤0,10 atau sama dengan nilai VIF ≥ 10.

c. Uji Heteroskedastisitas

Menurut Ghozali (2016:134) uji heteroskedastisitas bertujuan menguji

apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu

pengamatan ke pengamatan yang lain. Jika varians dari residual satu

pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas

dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah

yang homokedastisitas atau tidak terjadi heteroskedastisitas.

Salah satu cara mendeteksi ada atau tidaknya heteroskedastisitas adalah

dengan melihat grafik scatter plot antara nilai prediksi variabel terikat yaitu

ZPRED dengan residualnya SRESID dengan dasar analisis sebagai berikut:

1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola

tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka

diindikasikan telah terjadi heteroskedastisitas.

2) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di

bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

Selain itu, dalam menguji heteroskedastisitas juga menggunakan uji statistik

glejser untuk lebih menjamin keakuratan hasil. Uji glejser meregres nilai absolut
residual terhadap variabel independen (Ghozali, 2016). Jika variabel independen

signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi

terjadi heteroskedastisitas. Jadi, jika nilai signifikansinya diatas 0,05 maka tidak

terjadi heteroskedastisitas.

d.Uji Autokorelasi

Ghozali (2016:107) menyatakan uji autokorelasi bertujuan untuk menguji

apakah dalam suatu model regresi linear ada korelasi antara kesalahan

pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1

(sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem

autokorelasi. Model regresi yang baik adalah yang tidak terjadi autokorelasi.

Autokorelasi dalam suatu linear dapat mengganggu suatu model karena akan

menyebabkan kebiasan pada kesimpulan yang diambil. Autokorelasi sering

ditemukan pada data runtut waktu (time series) karena gangguan pada seorang

individu atau kelompok cenderung mempengaruhi gangguan pada individu

atau kelompok yang sama pada periode berikutnya.

Autokorelasi dapat diuji menggunakan run test. Run test sebagai bagian dari

statistik non-parametrik dapat pula digunakan untuk menguji apakah antar

residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat

korelasi maka dikatakan bahwa residual adalah acak atau random. Run test

digunakan untuk melihat apakah data residual terjadi secara random atau tidak

(sistematis). Uji run test dilakukan dengan membuat hipotesis:

H0 : Data residual random (acak)

Ha : Data residual tidak random

Dasar pengambilan keputusan uji statistik dengan run test adalah:

1) Jika nilai asymp. sig. (2-tailed) kurang dari 0,05 maka H0 ditolak. Hal ini

berarti data residual terjadi secara tidak random (sistematis).

2) Jika nilai asymp. sig. (2-tailed) lebih dari 0,05 maka H0 diterima. Hal ini

berarti data residual terjadi secara random (acak).

Dalam penelitian ini, selain menggunakan uji run test, autokorelasi juga

diuji dengan menggunakan uji Durbin Watson, dimana dalam pengambilan

keputusan melihat berapa jumlah sampel (n) dan jumlah variabel bebas (k) yang

diteliti pada tabel Durbin Watson. Nilai Durbin Watson (d) harus dihitung terlebih

dahulu, kemudian dibandingkan dengan nilai batas atas (du) dan nilai batas bawah

(dl) dengan ketentuan sebagai berikut:

1) 0 < d < dl, tidak ada autokorelasi positif (+)

2) dl ≤ d ≤ du, tidak dapat disimpulkan

3) 4-dl < d < 4, tidak ada korelasi negatif (-)

4) 4-du ≤ d ≤ 4-dl, tidak dapat disimpulkan

5) du < d < 4-du, tidak ada autokorelasi

3. Uji Kelayakan Model

a. Uji Signifikansi Simultan (Uji Statistik F)

Uji statistik F pada dasarnya menunjukkan apakah semua variabel

independen atau bebas yang dimasukkan dalam model mempunyai pengaruh

secara bersama-sama terhadap variabel dependen/terikat. Uji F dilakukan untuk

menguji apakah model regresi yang digunakan fit. Dasar pengambilan

keputusannya adalah:
1) Jika F-hitung < F-tabel, maka model regresi tidak fit (hipotesis ditolak).

2) Jika F-hitung > F-tabel, maka model regresi fit (hipotesis diterima).

Atau dengan melihat signifikansi (α) dengan ketentuan:

α> 5% : Tidak mampu menolak H0 (hipotesis diterima)

α< 5% : Menolak H0 (hipotesis ditolak).

b. Uji Koefisien Determinasi (R²)

Menurut Ghozali (2016:95) Koefisien determinasi (R²) pada intinya

mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel

dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R² kecil

berarti kemampuan variabel-variabel independen dalam menjelaskan variasi

variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-

variabel independen memberikan hampir semua informasi yang dibutuhkan untuk

memprediksi variasi variabel dependen.

c. Uji Hipotesis Secara Parsial / Parameter Individual (Uji T)

Uji koefisien regresi secara parsial (Uji t) untuk mengetahui apakah dalam

model regresi variabel independen secara parsial berpengaruh terhadap variabel

dependen. Menurut Ghozali (2013) Uji statistik t digunakan untuk menunjukkan

seberapa jauh pengaruhs satu variabel independen secara individual dalam

menerangkan variabel dependen. Pengujian secara parsial dapat dilakukan dengan

cara membandingkan antara tingkat signifikan t dari hasil pengujian dengan nilai

signifikan yang digunakan dalam penelitian ini.

1). Jika nilai signifikan t > 0,05 maka Ho ditolak, artinya secara parsial variabel

independen tidak berpengaruh terhadap variabel dependen.

2). Jika nilai signifikan t < 0,05 maka Ho diterima, artinya secara parsial variabel

independen berpengaruh terhadap variabel dependen.

3). Jika t hitung > t tabel, maka variabel independen secara individu berpengaruh

terhadap variabel dependen.

4). Jika t hitung < t tabel, maka variabel independen secara individu tidak

berpengaruh terhadap variabel dependen.

4. Analisis Regresi Linier Berganda

Pada penelitian ini, model analisis data yang digunakan yaitu analisis

statistik inferensial, yaitu analisis regresi berganda. Jika satu variabel dependen

bergantung pada lebih dari satu variabel independen, hubungan antara kedua

variabel disebut analisis regresi berganda (multiple regression). Uji regresi

dilakukan untuk menguji seberapa besar hubungan antara variabel independen

dengan variabel dependen serta untuk mengetahui arah hubungan tersebut.

Analisis regresi berganda dalam penelitian ini digunakan untuk menguji

pengaruh variabel independen (Return on Asset, Return on Equity, dan Earning

per Share) terhadap harga saham.

Model persamaan regresi yang digunakan untuk menguji hipotesis pada

penelitian ini adalah sebagai berikut:

Y = ∂ + β1x1 + β2x2 + β3x3 + e

Keterangan:

Y = Harga Saham

x1 = Return On Assets (ROA)

x2 = Return On Equity (ROE)

x3 = Earning Per Share (EPS)

β1, β2, β3 = Koefisien Regresi

∂ = Konstanta

e = Error Term (Variabel Pengganggu)