BAB III
METODE PENELITIAN
Penelitian ini menggunakan data yang diperoleh dari Bursa Efek Indonesia (BEI)
sebagai sumber utama informasi. Bursa Efek Indonesia (BEI) adalah lembaga yang
Dalam studi ini, data yang digunakan bersumber dari platform online yang disediakan
oleh Bursa Efek Indonesia (BEI), sehingga tempat penelitian ini dapat dikategorikan
sebagai virtual. Data yang diambil dari Bursa Efek Indonesia (BEI) mencakup informasi
Hasil penelitian ini akan ditulis dalam bentuk laporan penelitian. Laporan
penelitian akan terdiri dari beberapa bab yang mencakup bab pendahuluan, tinjauan
Pustaka, metode penelitian, analisisis data, temuan penelitian, dan kesimpulan. Bab-bab
Adapun proses rencana penelitian dapat dilihat pada tabel sebagai berikut.
B. Desain Penelitian
regresi data panel. Menurut Basuki dan Prawoto (2017:275), Data Panel adalah hasil
penggabungan antara data berurutan dalam waktu (time series) dengan data
pengamatan pada titik tertentu (cross section). Data time series terdiri dari satu atau
lebih variabel yang diamati pada unit observasi selama periode waktu tertentu.
Sedangkan data cross section merupakan pengamatan dari beberapa observasi pada
satu titik.
Pemilihan penggunaan data panel dalam studi ini didasarkan pada alasan bahwa
penelitian tersebut melibatkan rentang waktu beberapa tahun dan banyak perusahaan .
Populasi studi ini adalah Perusahaan Manufaktur yang terdaftar di BEI periode 2017-2021.
Penentuan sampel studi ini menggunakan metode purposive sampling. Metode ini merupakan
penentuan sampel dengan menggunakan pertimbangan atau ciri-ciri tertentu (Cooper &
Schindler, 2014). Beberapa pertimbangan atau ciri-ciri tertentu studi ini sebagai berikut.
1. Perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia selama periode 2017 –
2021
Data sekunder digunakan dalam studi ini untuk menguji hipotesis. Data sekunder adalah
data yang diperoleh secara langsung dari laporan keuangan perusahaan yang dipublikasikan
Studi ini menggunakan definisi operasional dan pengukuran variabel untuk menjelaskan
secara konseptual variabel serta mengukur variabel. Alasannya adalah untuk mengukur variabel
yang tidak dapat diamati secara langsung, sehingga membutuhkan proksi. Definisi operasional
dan pengukuran variabel digunakan untuk setiap variabel yaitu, kebijakan dividen, kualitas laba
dan overconfidence managerial. Berikut ini adalah definisi operasional dan pengukuran
variabel.
1. Kebijakan Dividen
Pengukuran kebijakan dividen yang diproksi oleh dividend payout ratio. Dividend payout
ratio merupakan perbandingan antara dividen yang dibayarkan dengan laba bersih yang
didapatkan perusahaan.
Total Dividend
DPR=
Net Income
Semakin tinggi rasio pembayaran dividen (dividend payout ratio) akan menguntungkan
untuk pihak investor, tetapi tidak berlaku untuk perusahaan karena akan memperlemah
keuangan perusahaan, tetapi sebaliknya semakin rendah dividend payout ratio akan
memperkuat keuangan perusahaan dan akan merugikan para investor, karena dividen yang
2. Kualitas Laba
Kualitas laba adalah stabilitas laba bersih dari tahun ke tahun. Semakin tinggi stabilitas
pendapatan, semakin besar kontrol perusahaan akan keuntungan yang dipegang saat ini
akan semakin tinggi pula kualitas laba (Hasanzadeh, 2012). Dalam penelitian ini, kualitas laba
akan diukur menggunakan skala rasio. Menurut Ramadan (2015) rumus yang digunakan
CFO
EQ=
EBIT
Dimana EQ (Earning Quality) adalah proksi dari kualitas Laba, CFO (Cash Flow Operation)
adalah arus kas dari aktivitas operasi, EBIT (Earning Before Interest and Taxes) adalah laba
3. Overconfidence Managerial
Tujuan analisis deskriptif untuk memberikan gambaran atau deskripsi terkait variabel.
Deskripsi tersebut adalah nilai minimum, maksimum, rata-rata dan standar deviasi. Analisis
tersebut hanya memberikan deskripsi terkait karakteristik variabel, sehingga disebut sebagai
analisis univariat.
menggunakan pendekatan regresi data panel. Semakin kecil residual menunjukkan bahwa model
yang diajukan oleh peneliti memiliki BLUE (best linear unbiased estimator). Studi ini
menggunakan dua uji asumsi klasik yang berperan penting dalam mempengaruhi residual yaitu,
uji heteroskedastisitas, dan multikolinearitas. Studi ini tidak menggunakan uji normalitas karena
jumlah observasi sampel yang telah memenuhi kriteria central limith theorem (Cooper &
Schindler, 2014; Widarjono, 2016). Selain itu, pendekatan data panel tidak mensyaratkan uji
Tujuan uji heteroskedastisitas untuk mendeteksi adanya inkonsistensi varian suatu residual
error untuk mengoreksi masalah heteroskedastisitas dalam rangka memperoleh hasil kokoh
(robust). Ghozali & Ratmono (2017) menjelaskan bahwa hasil uji white-s heteroscedasticity-
consistent variance and standard error merupakan satu kesatuan dengan hasil uji hipotesis.
Selain itu, Ekananda (2015) menjelaskan bahwa salah satu perbaikan masalah heteroskedastisitas
standard error.
Model yang baik adalah model yang tidak memiliki hubungan antara variabel independen.
Pengambilan kesimpulan uji multikolinearitas adalah apabila nilai korelasi > 0,9 menujukkan
bahwa model penelitian ini memiliki korelasi antarvariabel independen (Ekananda, 2015).
Tujuan analisis kesesuaian model adalah untuk mengetahui ketepatan fungsi regresi sampel
dalam menaksir nilai aktual (Ghozali, 2013). Peneliti menggunakan uji statistik-F untuk menilai
kesesuaian model penelitian. Model penelitian memenuhi uji kesesuaian model apabila nilai
signifikansi < 0,05. Selanjutnya, peneliti melakukan uji koefisien determinasi dengan tujuan
untuk mengukur seberapa jauh kemampuan model dalam menjelaskan variasi variabel dependen.
Nilai adjusted R2 digunakan oleh peneliti sebagai parameter untuk mengukur koefisien
determinasi. Ghozali (2013) menjelaskan bahwa nilai koefisien determinasi yang kecil
dependen terbatas dan nilai yang mendekati satu menunjukkan bahwa variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel
dependen.
Studi ini bertujuan untuk menguji dan menganalisis pengaruh tekanan anggaran terhadap
kesejahteraan masyarakat melalui deviasi anggaran. Studi ini menggunakan regresi data panel
untuk menguji hipotesis. Regresi data panel memiliki tiga model, yaitu common effect model,
fixed effect model, dan random effect model. Berikut ini adalah uraian ketiga model tersebut.
Common effect model merupakan pendekatan model data panel dengan kombinasi data time
series dan cross section tanpa melihat perbedaan antarwaktu dan individu. Metode ini disebut
juga dengan ordinary least square (OLS). Pada metode ini, diasumsikan bahwa perilaku data
Nachrowi & Usman (2006) menjelaskan bahwa adanya variabel-variabel yang tidak
semuanya masuk dalam model memungkinkan adanya intersep yang tidak konstan, sehingga
intersep tersebut kemungkinan berubah untuk setiap individu dan waktu. Untuk
mengakomodasi kondisi tersebut, maka munculah fixed effect model mengasumsikan bahwa
Nachrowi & Usman (2006) menjelaskan random effect model menunjukkan perbedaan
karakteristik individu dan waktu yang diakomodasikan pada error dari model. Pada model ini,
efek rata-rata dari data cross section dan time series direpresentasikan dalam intersep,
sedangkan deviasi efek secara random untuk data time serie direpresentasikan dalam
komponen error time series dan deviasi data cross section dinyatakan dalam komponen error
cross section.
Ketiga model tersebut perlu ditentukan berdasarkan tiga uji berpasangan, yaitu chow test,
lagrange multiplier test, dan hausman test (Widarjono, 2016). Berikut ini uraian untuk
1. Chow Test
Chow test merupakan metode untuk menentukan model common effect atau fixed effect dalam
data panel. Basuki & Prawoto (2017) menjelaskan bahwa penentuan model ini dilakukan
Kesimpulannya adalah ketika nilai α hasil chow test > 5%, maka H0 terdukung, sehingga
model yang cocok adalah common effect. Akan tetapi, ketika nilai α hasil chow test < 5%,
Lagrange multiplier test merupakan metode untuk menentukan model common effect atau
random effect dalam data panel. Basuki & Prawoto (2017) menjelaskan bahwa penentuan
Kesimpulannya adalah ketika nilai α hasil LM > 5%, maka H0 terdukung, sehingga model
yang cocok adalah common effect. Akan tetapi, ketika nilai α hasil LM test < 5%, maka Ha
3. Hausman Test
Hausman test merupakan metode untuk menentukan model fixed effect atau random effect
dalam data panel. Basuki & Prawoto (2017) menjelaskan bahwa penentuan model ini
Kesimpulannya adalah ketika nilai α hasil chow test > 5%, maka H0 terdukung, sehingga
model yang cocok adalah random effect. Akan tetapi, ketika nilai α hasil Hausman test < 5%,
Ketiga uji model tersebut dapat ditampilkan pada gambar 3.1 sebagai berikut.
Lagrange
Multiplier Test
Gambar 3.1
Model Penentuan Data Panel
Gambar 3.1 menunjukkan bahwa ketika nilai α hasil chow test 5%, maka model yang
cocok digunakan adalah fixed effect model, sehingga selanjutnya dapat dilakukan hausman test
untuk menentukan model yang paling tepat dalam menguji hipotesis penelitian. Sebaliknya,
ketika nilai α hasil chow test 5%, maka model yang cocok digunakan adalah common effect
model, sehingga selanjutnya dapat dilakukan lagrange multiplier test untuk menentukan model
Studi ini selanjutnya memisahkan uji hipotesis sesuai dengan aturan Baron & Kenny
(1986) dengan memisahkan antara uji efek langsung (direct effect) dan efek moderasi
(moderating effect). Hipotesis moderasi akan diuji menggunakan moderated regression analysis
Efek masing-masing
Kualitas Laba =
α + β 1 KebijakanDividen+ β 2 KecakapanManajerial+ β 3 KebijakanDividen∗KecakapanManajerial+ e
Kualitas Laba =
α + β 1 KebijakanDividen+ β 2 OverconfidenceManagerial+ β3 KebijakanDividen∗OverconfidenceManagerial+ e