METODE PENELITIAN

Populasi dan Sampel

Populasi dalam penelitian ini adalah seluruh perusahaan manufaktur
yang terdaftar di Bursa Efek Indonesia (BEI) periode 2016-2019 yang
jumlahnya ada 183 perusahaan, berikut rinciannya:
Tabel 1
Populasi Perusahaan Manufaktur Yang Terdaftar
di BEI Periode 2016-2019
Sektor ∑
Industri Dasar dan Kimia 63
Aneka Industri 41
Industri Barang Konsumsi 43
Jumlah 147
Sumber: Bursa Efek Indonesia (BEI) periode 2016-2019

Berdasarkan data jumlah perusahaan tersebut, maka total populasi

dalam penelitian ini adalah sebanyak 588 observasi. Angka tersebut
diperoleh dari hasil perkalian jumlah perusahaan dikalikan tahun
pengamatan, yakni 2016-2019, berarti ada 4 (empat) tahun data yang
diamati.
Teknik sampling yang digunakan dalam penelitian ini adalah
purposive sampling, berarti sampel yang diambil adalah sampel yang
memenuhi beberapa kriteria tertentu (Sugiyono, 2012). Berikut beberapa
kriteria yang ditetapkan oleh peneliti, yaitu: 1) Perusahaan manufaktur yang
terdaftar di BEI pada tahun 2016-2019, jadi perusahaan keberadaan harus
tetap ada antara tahun 2016-2019, 2) Menerbitkan laporan keuangan dari
tahun 2017 sampai tahun 2019, 3) Perusahaan menerbitkan laporan
keuangan untuk periode yang berakhir pada 31 Desember dan telah diaudit,
4) Secara statistik data tidak memiliki variasi yang tidak terlalu rendah
ataupun terlalu tinggi dibanding data lainnya dalam 1 (satu) variabel yang
diamati.
Berdasarkan kriteria-kriteria tersebut maka terdapat 7 (tujuh)
perusahaan yang dikeluarkan, yakni: Astra International Tbk, Wilmar

19
 Cahaya Indonesia Tbk, Magna Investama Mandiri Tbk, Multi Bintang
Indonesia Tbk, dan Pratama Abadi Nusa Industri Tbk. Oleh karena itu
dalam penelitian ini terdapat 140 perusahaan yang dinilai layak diamati,
sehingga jumlah sampel dalam penelitian ini adalah 522 observasi.
Tabel 2
Sampel Perusahaan Manufaktur Yang Terdaftar
di BEI Periode 2016-2019
Sektor ∑
Industri Dasar dan Kimia 63
Aneka Industri 40
Industri Barang Konsumsi 37
Jumlah 140

Sumber: Bursa Efek Indonesia (BEI) periode 2016-2019

Variabel Penelitian
Variabel dalam penelitian terdiri dari variabel dependen, variabel
independen, dan variabel moderasi. Variabel dependen atau terikat dalam
penelitian ini adalah profitabilitas (Y), sedang variabel independen atau
variabel bebas dalam penelitian ini adalah struktur modal (X1), perputaran
modal kerja (X2), pertumbuhan penjualan (X3), dan ukuran perusahaan
(X4). Variabel moderasi pada penelitian ini adalah umur perusahaan (Z).

Definisi Operasional Variabel

Tabel 3
Definisi Operasional Variabel

Variabel Definisi Operasional Pengukuran Variabel

Profitabilitas Profitabilitas dalam
penelitian ini adalah seberapa
efektif perusahaan- (Brigham dan Houston, 2012)
perusahaan manufaktur
sampel yang terdaftar di BEI
periode 2016-2019 dalam
menghasilkan laba.

20
Struktur Modal Struktur modal dalam
penelitian ini adalah
kemampuanperusahaan-
(Supartiningsih, 2016)
perusahaan manufaktur
sampel yang terdaftar di BEI
periode 2016-2019 untuk
membayar hutang-hutangnya
baik jangka pendek maupun
jangka panjang.
Perputaran Perputaran modal kerja
Modal Kerja dalam penelitian ini adalah
seberapa banyak modal kerja (Riyanto, 2010)
perusahaan-perusahaan
manufaktur sampel yang
terdaftar di BEI berputar
selama periode 2016-2019.
Pertumbuhan Pertumbuhan penjualan
Penjualan adalah peningkatan penjualan
perusahaan-perusahaan
(Miswanto, et al, 2017)
manufaktur sampel yang
terdaftar di BEI antara
periode 2016-2019 yang
dinyatakan dalam bentuk
presentase.
Ukuran Ukuran perusahaan dalam Natural log dari total aset
perusahaan penelitian ini adalah ukuran
perusahaan(Miswanto, et al, 2017).
atas besarnya aktiva yang
dimiliki oleh perusahaan-
perusahaan manufaktur
sampel yang terdaftar di BEI
periode 2016-2019.

Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data
sekunder. Sumber data sekunder tersebut adalah laporan keuangan
perusahaan yang terdaftar di BEI tahun 2016-2019 dan dari situs resmi
www.idx.co.id.

21
Uji Asumsi Klasik
Data panel memiliki implikasi tidak harus dilakukan pengujian
asumsi klasik, maka data panel tidak membutuhkan pengujian asumsi klasik
seperti normalitas atau autokorelasi. Alasannya, uji normalitas hanya
digunakan jika jumlah observasi adalah kurang dari 30, untuk mengetahui
apakah eror term mendekati distribusi normal. Jika jumlah observasi lebih
dari 30, maka tidak perlu dilakukan uji normalitas karena distribusi
sampling eror term mendekati normal (Ajija, et al, 2011). Dalam penelitian
ini menggunakan jumlah observasi 522 maka uji normalitas dapat
diabaikan.
Uji Autokorelasi digunakan untuk menguji apakah model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode sebelumnya. Metode Generalized Least
Square (GLS) adalah sebuah metode untuk membuang autokorelasi urutan
pertama pada sebuah estimasi persamaan regresi (Ajija, et al, 2011). Oleh
karena itu data panel tidak membutuhkan uji autokorelasi, sebab metode
GLS dapat menekan autokorelasi yang biasanya timbul dalam rums OLS
(Ordinary Least Square) sebagai akibat dari kesalahan estimasi varians
(Gujarati, 2003).
Berdasarkan penjelasan tersebut maka dalam penelitian uji asumsi
klasik yang digunakan adalah uji multikolinieritas, dan uji
heteroskedastisitas. Uji multikolinieritas, mengetahui ada tidaknya gejala ini
dapat dilakukan dengan melihat besarnya nilai korelasi antar variabel.
Apabila hubungan antar variabel di bawah angka 0,8, maka tidak terdapat
multikolinieritas (Ghozali, 2016).
Uji heteroskedastisitas, pendeteksian gejala ini dilakukan dengan
menggunakan uji Glejser. Suatu model regresi terbebas dari
heteroskedastisitas apabila nilai sig. hasil analisis masing-masing variabel
independen > sig (0,05) (Ghozali, 2016).
Metode Analisis Data
Alat analisis data yang digunakan dalam penelitian ini adalah regresi
data panel. Alasan data yang digunakan dalam penelitian ini diambil dalam

22
rentang waktu beberapa tahun dan juga dari banyak perusahaan, sehingga
data tersebut dinamakan data panel. Data panel merupakan gabungan antara
data cross section dan data time series, yang mana unit cross section yang
sama diukur pada waktu yang berbeda. Oleh karena itu, metode analisis data
yang digunakan dalam penelitian ini adalah analisis regresi data panel.
Analisis regresi data panel adalah adalah analisis regresi untuk mengamati
hubungan antara satu variabel dependen (terikat) dengan satu atau lebih
variabel independen (bebas) (Jaya dan Sunengsih, 2009).
Secara teori model regresi data panel dapat diestimasi menggunakan
tiga pendekatan, yaitu common effect model (CEM), fixed effect model
(FEM), dan random effect model (REM).
1. Common Effect Model (Model Efek Umum
Common Effect Model merupakan model yang paling sederhana
dalam mengestimasi model regresi data panel. Pendekatan ini mengabaikan
heterogenitas antar unit cross section maupun antar waktu, sehingga
mengasumsikan bahwa perilaku data antar unit cross section sama dalam
berbagai kurun waktu. Model Common Effect Model dinyatakan sebagai
berikut: (Prasanti, Wuryandari, dan Rusgiyono, 2015)
Yit = α + β Xit + εit ; i = 1, 2, ..., N; t = 1, 2, ..., T
2. Fixed Effect Model (Model Efek Tetap)
Model efek tetap merupakan model estimasi regresi data panel yang
memperhatikan unit cross section dengan mengijinkan nilai intersep
berbeda-beda untuk setiap unit cross section namun masih mengasumsikan
slope koefisien tetap (Apriliawan, Tarno, dan Yasin, 2013). Perbedaan nilai
intersep tersebut disebabkan karena penggunaan variabel dummy untuk
menjelaskan perbedaan intersep yang muncul antarindividu (Ratnasari,
Kencana, dan Gandhiadi 2014). Model efek tetap dapat ditulis sebagai
berikut:
Yit = α + β Xit + αit + εit ; i = 1, 2, ..., N; t = 1, 2, ..., T

Dimana αit merupakan efek tetap di waktu t untuk unit cross section i.
3. Random Effect Model (Model Efek Acak)

23
 Random Effect Model (REM) mengasumsikan bahwa setiap unit
cross section mempunyai perbedaan intersep, namun diasumsikan bahwa
intersep αi = α0 + εi dengan εi merupakan error random yang mempunyai
mean nol dan varian . (Gujarati) persamaan model efek acak adalah
sebagai berikut: (Prasanti, et al, 2015)
Yit = α0 + β Xit + wit ; i = 1, 2, ..., N; t = 1, 2, ..., T, adapun wit = εi +
սit
εiadalah komponen error cross section dan սit adalah error secara
menyeluruh yang merupakan kombinasi time series dan cross section.
Sebelum mengestimasi model regresi panel, terlebih dahulu
dilakukan beberapa uji untuk memilih pendekatan estimasi yang tepat.

1. Uji Chow
Uji Chow dilakukan untuk memilih antara model fixed effect dan
model common effect. Uji Chow dapat dilakukan dengan meregresikan data
menggunakan model common effect dan fixed effect terlebih dahulu,
kemudian membuat hipotesis untuk diuji, antara lain sebagai berikut:
H0 : α1 = α2 = ... = αN = α (Model Common Effect)
H1 : sekurang-kurangnya ada satu intersep αi yang berbeda (Model Fixed
Effect)
Selanjutnya jika nilai statistik dari uji F memiliki nilai p-value< 0,05, maka
H0 ditolak dan sebaliknya. Jika Ho ditolak atau Ha diterima, maka model
yang tepat adalah Fixed Effect, sementara jika Ho yang diterima maka
model yang tepat adalah Random Effect.
2. Uji Hausman
Uji Hausman dilakukan dengan tujuan untuk membandingkan mana
yang lebih baik antara model Fixed Effect dengan model Random Effect.
Greene dalam (Prasanti,et al, 2015) menjelaskan bahwa dalam pengujian
Hausman ditentukan hipotesis sebagai berikut:
H0 :corr(Xit, Uit) = 0 (Model Random Effect)
H1 :corr(Xit, Uit) ≠ 0 (Model Fixed Effect)

24
Untuk menentukan hipotesis mana yang akan ditolak, jika uji Hausman
menunjukkan nilai p-value<0,05, maka H1 diterima, berarti uji yang tepat
untuk digunakan adalah Model Fixed Effect, sementara jika uji Hausman
menunjukkan nilai p-value> 0,05, maka Ho diterima, berarti Model Random
Effect. Jika kedua hasil uji menunjukkan hasil yang sama, maka uji
dihentikan, atau tidak perlu dilakukan uji selanjutnya, yakni Uji Lagrange
Multiplier (Uji LM) dalam menentukan model regresi yang tepat untuk
menganalisis data penelitian.
Terlepas dari penjelasan teori tersebut di atas, Nachrowi (2006)
mengemukakan, menurut para ahli ekonometri dikatakan, jika data panel
yang dimiliki memiliki jumlah waktu (t) lebih besar dibanding jumlah
jumlah individu (i), disarankan menggunakan Fixed Effect Model (Model
Efek Tetap); sementara jika data panel yang dimiliki memiliki jumlah waktu
(t) lebih kecil dibanding jumlah jumlah individu (i), disarankan
menggunakan Random Effect Model (Model Efek Acak).
Sama halnya dengan regresi klasik, ketentuan penerimaan hipotesis
(Ha diterima), yaitu jika nilai p-value hasil analisis < Sig (α) = 5%,
sementara hipotesis ditolak (Ha ditolak), yaitu jika p-value hasil analisis
>α=5%.
3. Uji Moderating Regression Analysis (MRA)
Uji interaksi atau sering disebut Moderated Regression Analysis (MRA)
merupakan aplikasi khusus regresi berganda linear dimana dalam persamaan
regresinya mengandung unsur interaksi (perkalian dua atau lebih
independen) yang bertujuan untuk mengetahui apakah variabel moderating
akan memperkuat atau memperlemah hubungan antara variabel independen
dan variabel dependen. (Ghozali, 2016).

25