METODE RISET

BAB III

METODE PENELITIAN

3.1 Populasi dan Sampel

Populasi dari penelitian ini adalah saham yang termasuk LQ 45 di BEJ dalam periode pengamatan 2001-2004 berjumlah 23 perusahaan. Sampel dalam penelitian ini berjumlah 13 perusahaan, diambil dengan

menggunakan metode purposive sampling dengan kriteria sebagai berikut :

1. Masuk dalam saham LQ 45 selama periode pengamatan tahun 2001-2004

2. Tidak melakukan company stock action (stock split, stock devidend dan right issue) supaya tidak terjadi  

    Bias pada return saham.

Alasan pemilihan sampel tersebut karena indeks LQ 45 memiliki tingkat kesalahan prediksi yang lebih kecil dibandingkan IHSG. Oleh sebab itu indeks LQ 45 dapat dikatakan lebih tepat digunakan untuk mewakili pasar saham (Bima Putra, 2001).

3.2 Jenis Data

Penelitian ini menggunakan data sekunder. Menurut Indriyantoro dan  Supomo (1999) data sekunder yaitu data penelitian yang diperoleh peneliti secara  tidak langsung melalui media perantara (diperoleh dan dicatat oleh pihak lain). Data sekunder yang digunakan dalam penelitian ini berupa data harga penutupan saham bulanan dan Indeks LQ 45.

3.3 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah  metode dokumentasi yaitu mencari dan mencatat data yang diperlukan dari data- data historis. Data yang digunakan diperoleh dari

JSX Monthly dan quarter, Indonesian Capital Market Directory, dan homepage www.jsx.co.id.

3.4. Pengujian Asumsi Klasik

Uji Normalitas

bertujuan untuk menguji apakah dalam sebuat model  regresi, variable bebas/variabel terikat kedua-duanya mempunyai distribusi normal atau tidak. Uji normalitas data dilakukan dengan menggunakan uji

Kolmogorov Smirnov satu arah. Hair et al (1998) mengemukakan bahwa normalitas data dapat dilihat dengan uji Kolmogorov Smirnov. Apabila nilai Z statistiknya tidak signifikan maka suatu data disimpulkan terdistribusi secara normal. Uji Kolmogorov Smirnov dipilih dalam penelitian ini karena uji ini dapat  secara langsung menyimpulkan apakah data yang ada terdistribusi normal secara statistik atau tidak. Sementara uji normalitas data yang lain seperti dari statistika  deskriptif dirasa tidak efisien karena memerlukan kesimpulan tambahan.

Uji Multikolinieritas

 bertujuan untuk mengetahui adanya hubungan yang  sempurna antar variabel independen dalam model regressi. Metode untuk mendiagnose adanya multicollinearity dilakukan dengan diduganya nilai toleransi

diatas 0,70 (Singgih Santoso, 1999:262); dan ketika korelasi derajat nol juga tinggi, tetapi tak satupun atau sangat sedikit koefisien regresi parsial yang secara  individu signifikan secara statistik atas dasar pengujian “ t “ yang konvensional (Gujarati, 1995:166). Disamping itu juga dapat digunakan uji Variance Inflation Factor.

Uji Heteroskedastisitas

dilakukan untuk mendeteksi adanya penyebaran atau pancaran dari variabel-variabel. Selain itu juga untuk menguji apakah dalam sebuah model regressi terjadi ketidaksamaan varian dari residual dari satu

pengamatan ke pengamatan yang lain. Jika varian dari residual dari pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas, dan jika varians berbeda disebut heteroskedastisitas. Model regressi yang baik adalah tidak terjadi heteroskedastisitas. Uji heteroskedastisitas pada penelitian ini menggunakan metode grafik untuk melihat pola dari variabel yang ada berupa sebaran data. variasinya mendekati nol atau sebaliknya variance yang terlalu menyolok.

3.6. Analisis Regressi

Untuk menguji hipotesis dan menyatakan kejelasan tentang kekuatan variabel penentu terhadap return saham digunakan analisis regressi berganda melalui program SPSS secara komputif dengan persamaan kuadrat terkecil (OLS) sebagai berikut: 

Ret = ßo + ß1 X1 + ß2 X2 + ß3 X3 + ß4 X4 +

e 

Dimana,

Ret   = Return Saham

 ßo   = Intersept

ß1, ß2, ß3 dan ß4 = Koefisien parameter variabel independen

X1 = Beta saham dengan single index model

X2 = Growth opportunity

X3 = Return on Asset

X4 = Debt to Equity Ratio

e = error sampling

3.7. Pengujian Hipotesis

Pengujian terhadap hipotesis dilakukan dengan cara sebagai berikut:

1. Uji signifikansi (pengaruh nyata) variabel independen (X variabel dependen (Y) baik secara bersama-sama (serentak) maupun secara parsial (individual) dilakukan dengan uji statistik F (F-test) dan uji

statistik t (t-test). 

a.

 Uji F-statistik 

Uji ini digunakan untuk menguji keberartian pengaruh dari seluruh

variabel independen secara bersama-sama terhadap variabel dependen.

Hipotesis ini dirumuskan sebagai berikut:

b.  Uji t-statistik

Uji keberartian koefisien (bi) dilakukan dengan statistik-t (student-t). Hal ini digunakan untuk menguji koefisien regresi secara parsial dari variabel independennya. Artinya terdapat pengaruh yang signifikan secara parsial darivariabel independen (X1 s/d X4) terhadap variabel dependen (Y).

Dengan a = 5% maka untuk menentukan apakah pengaruhnya signifikan atau tidak, dilakukan analisis melalui peluang galatnya (p) dengan criteria sebagai berikut (sutrisno Hadi, 1994) :

 P>0,05 maka dinyatakan non signifikan atau Ho diterima

 0,05>P>0,01 maka dinyatakan signifikan atau Ho ditolak

 P<0,01 maka dinyatakan sangat signifikan atau Ho ditolak

c. Uji Chow Test

Chow test adalah alat untuk menguji test for equality of  coefficients atau uji kesamaan koefisien dan test ini ditemukan oleh Gregory Chow, oleh karena itu untuk menguji hipotesis 5

yang membedakan hasil regresi pada perusahaan pada periode bullish dan periode bearish, selanjutnya digunakan model regresiChow Test (alat untuk menguji kesamaan koefisien). Langkah Melakukan Chow Test (Ghozali, 2005):

1. Lakukan regressi dengan observasi total (seluruh perusahaan sampel, n=47) dan dapatkan nilai restricted residual sum of squares atau RSSr (RSS2) dengan df=(n1+n2-k) dimana k adalah jumlah parameter yang diestimasi dalam hal ini 4.

2. Lakukan regressi dengan observasi pada perusahaan pada periode bullish dan dapatkan nilai RSS1 dengan df=(n1-k).

3.Lakukan regressi dengan observasi pada perusahaan pada periode bearish dan dapatkan nilai RSS2 dengan df=(n2-k).

4. jumlahkan nilai RSS1, dan RSS2 untuk mendapatkan apa yang disebut unrestricted residual sum of squares (RSSur): RSSur = RSS1 + RSS2, dengan df (n1 +n2 – 2k)

5. Hitunglah nilai F test dengan rumus.