Return Saham

Return Saham merupakan salah satu tujuan investor berinvestasi adalah untuk mendapatkan return. Tanpa adanya tingkat keuntungan yang dinikmati dari suatu investasi, tentunya investor tidak akan melakukan investasi. 

Jadi semua investasi mempunyai tujuan utama mendapatkan return (Ang, 1997: 202)

a. Pengertian Return Saham

1. Menurut Jogiyanto (2009: 199), return merupakan hasil yang diperoleh dari investasi.
2. Menurut Samsul (2006: 291), return adalah pendapatan yang dinyatakan dalam persentase dari modal awal investasi. Pendapatan investasi dalam saham ini merupakan keuntungan yang diperoleh dari jual beli saham, dimana jika untung disebut capital gain dan jika rugi disebut capital loss.
3. Menurut Brigham dan Houston (2006: 215), return atau tingkat pengembalian adalah selisih antara jumlah yang diterima dan jumlah yang diinvestasikan, dibagi dengan jumlah yang diinvestasikan.

Dari beberapa definisi di atas dapat disimpulkan  bahwa return saham merupakan tingkat pengembalian berupa imbalan yang diperoleh dari hasil jual beli saham. 

b. Jenis-jenis Return Saham

Menurut Jogiyanto (2009: 199), return saham dapat dibagi menjadi dua yaitu:

1) Return realisasian

Return realisasian merupakan return yang telah terjadi yang dihitung berdasarkan data historis.

2) Return ekspektasian

Return ekspektasian adalah return yang diharapkan akan diperoleh oleh investor dimasa mendatang.

c. Komponen Return Saham

1) Menurut Tandelilin (2001: 48), return saham terdiri dari dua komponen, yaitu:

a. Capital gain (loss)

Capital gain (loss) yaitu kenaikan (penurunan) harga suatu saham yang bisa memberikan keuntungan (kerugian) bagi investor.

b. Yield

Yield merupakan komponen return yang mencerminkan aliran kas atau pendapatan yang diperoleh secara periodik dari suatu investasi saham.

d. Rumus Menghitung Return Saham

Karena pada laporan keuangan telah diketahui harga penutupan pada perusahaan setiap tahunnya dan karena tidak semua perusahaan membagikan dividen secara periodik sehingga pada penelitian ini penulis menggunakan rumus return saham yang di ambil dari Brigham dan Houston (2006: 410) untuk memudahkan peneliti dalam menghitung return saham tersebut.

Pada penelitian sebelumnya juga banyak peneliti yang menggunakan rumus tersebut.

Faktor-faktor yang Mempengaruhi Return Saham

Menurut Samsul (2006: 200), faktor-faktor yang mempengaruhi return saham terdiri atas faktor makro dan faktor mikro.

• Faktor makro yaitu faktor yang berada di luar perusahaan, yaitu:

1. Faktor makro ekonomi yang meliputi tingkat bunga umum domestik, tingkat inflasi, kurs valuta asing dan kondisi ekonomi internasional.
2. Faktor non ekonomi yang meliputi peristiwa politik dalam negeri, peristiwa politik di luar negeri, peperangan, demonstrasi massa dan kasus lingkungan hidup.

• Faktor mikro yaitu faktor yang berada di dalam perusahaan itu sendiri, yaitu:

1. Laba bersih per saham
2. Nilai buku per saham
3. Rasio utang terhadap ekuitas
4. Dan rasio keuangan lainnya.

Menurut Tandelilin (2001: 240), dari sudut pandang investor, salah satu indikator penting untuk menilai prospek perusahaan dimasa datang adalah dengan melihat sejauh mana pertumbuhan profitabilitas perusahaan, salah satunya adalah Return On Asset (ROA). Indikator ini sangat penting diperhatikan untuk mengetahui sejauhmana aktiva yang dimiliki perusahaan bisa menghasilkan laba yang nantinya akan mempengaruhi peningkatan harga saham dan mampu memberikan return yang sesuai dengan tingkat yang diinginkan investor.

Menurut Brigham dan Houston (2006: 158), investor sebaiknya memerhatikan perputaran persediaan dengan seksama, karena jika tidak diamati dengan seksama maka perputaran persediaan yang rendah akan menyebabkan kehilangan penjualan dan menyebabkan meningkatnya biaya penyimpanan yang berlebihan sehingga menimbulkan kerugian atas investasi yang telah ditanamkan.

Return On Asset (ROA)

a. Pengertian Return On Asset (ROA)

Return On Asset (ROA) merupakan salah satu rasio profitabilitas yang penting digunakan untuk mengetahui sejauhmana kemampuan aktiva yang dimiliki perusahaan bisamenghasilkan laba (Tandelilin, 2001: 240). Return On Asset (ROA) digunakan untuk mengukur efektivitas perusahaan di dalam menghasilkan keuntungan dengan memanfaatkan aktiva yang dimilikinya (Husnan, 1998: 340). Return On Asset (ROA) merupakan rasio antara laba bersih terhadap total aktiva. Semakin besar ROA menunjukkan kinerja perusahaan semakin baik.

Investor percaya bahwa manajemen perusahaan telah menggunakan aktiva perusahaan secara efektif untuk menghasilkan laba bagi para pemiliknya. Keadaan ini akan direspon positif oleh investor sehingga permintaan saham perusahaan meningkat dan dapat menaikkan harga saham sehingga akan berdampak pada return yang meningkat pula. (Husnan, 1998: 340)

Return On Asset (ROA) merupakan perkalian antara faktor margin laba dengan perputaran total aktiva. Margin laba menunjukkan kemampuan memperoleh laba bersih dari setiap penjualan yang diciptakan oleh perusahaan, sedangkan perputaran total aktiva menunjukkan seberapa jauh perusahaan mampu menciptakan penjualan dari total aktiva yang dimilikinya (Brigham dan Houston, 2006: 114). Apabila salah satu faktor tersebut meningkat (atau keduanya), maka ROA juga akan meningkat.

Apabila ROA meningkat, berarti profitabilitas perusahaan juga meningkat, sehingga dampaknya adalah peningkatan profitabilitas yang dinikmati oleh pemegang saham.

b. Rumus Mengitung Return On Asset (ROA)

Pada penelitian ini penulis menggunakan rumus ROA dari Brigham dan Houston (2006: 115) karena pada laporan keuangan telah diketahui laba bersih dengan total aktiva yang dimiliki oleh setiap perusahaan pada setiap tahunnya, sehingga memudahkan peneliti untuk menghitung ROA. Pada penelitian sebelumnya juga banyak peneliti yang menggunakan rumus tersebut.

Debt To Equity Ratio (DER)

a. Pengertian Debt to Equity Ratio (DER)

Salah satu aspek yang dinilai dalam mengukur kinerja perusahaan adalah aspek leverage atau utang perusahaan. Utang merupakan komponen penting perusahaan, khususnya sebagai salah satu sarana pendanaan. Penurunan kinerja sering terjadi karena perusahaan memiliki utang yang cukup besar dan kesulitan dalam memenuhi kewajiban tersebut.

Debt to equity ratio adalah rasio yang mengukur sejauhmana besarnya utang dapat ditutupi oleh modal sendiri.

(Darmadji dan Fakhruddin, 2006: 200). Rasio ini menunjukkan komposisi atau struktur modal dari total utang terhadap total modal yang dimiliki perusahaan. Semakin tinggi debt to equity ratio menunjukkan komposisi total utang (jangka pendek dan jangka panjang) semakin besar dibanding dengan total modal sendiri, sehingga berdampak semakin besar beban perusahaan terhadap pihak luar (kreditur) (Ang, 1997: 38). Debt to equity ratio mengukur kemampuan modal sendiri perusahaan untuk dijadikan jaminan semua utang. Menurut Brigham (2006: 103) perusahaan dengan debt to equity yang rendah akan memiliki risiko kerugian yang kecil ketika keadaan ekonomi mengalami kemerosotan, namun ketika kondisi ekonomi membaik, kesempatan dalam memperoleh laba juga rendah. Sebaliknya perusahaan dengan rasio leverage yang tinggi memang menanggung risiko kerugian yang besar pula ketika perekonomian sedang merosot, tetapi dalam keadaan baik, perusahaan ini memiliki kesempatan memperoleh laba besar. 

Perusahaan dengan laba yang lebih tinggi akan mampu membayar dividen yang lebih tinggi, sehingga berkaitan dengan laba perlembar saham yang akan naik karena tingkat utang yang lebih tinggi, maka leverage akan dapat menaikkan harga saham (Brigham dan Houston, 2006: 24). Menurut Wild (2005: 213), dua motivasi menmperoleh pendanaan usaha melalui utang adalah karena bunga sebagian besar utang jumlahnya tetap dan, jika bunga lebih kecil dari pengembalian yang diperoleh dari pendanaan utang, selisih lebih atas pengembalian akan menjadi keuntungan bagi investor ekuitas. Yang kedua, bunga merupakan beban yang dapat mengurangi pajak sedangkan dividen tidak. Beban bunga yang ditimbulkan dari utang dapat mengurangi pajak yang dapat digunakan untuk meningkatkan arus kas bagi perusahaan yang berdampak pada meningkatnya kinerja perusahaan. Apabila kinerja perusahaan meningkat maka hal ini dapat menarik perhatian investor untuk memiliki saham perusahaan tersebut, sehingga hal ini berakibat pada naiknya harga saham dan kemudian berdampak pada meningkatnya return saham (Wild, 2005: 213).

Menurut teori pertukaran struktur modal yang dikembangkan oleh Modigliani dan Miller menunjukkan bahwa utang adalah suatu hal yang bermanfaat karena bunga merupakan pengurang pajak, tetapi utang juga membawa serta biaya-biaya yang dikaitkan dengan kemungkinan atau kenyataan kebangkrutan.

Menurut teori MM, struktur modal yang optimal adalah keseimbangan antara manfaat pajak dari utang dan biaya-biaya yang berhubungan dengan kebangkrutan. Saat mencapai struktur modal yang optimal, penggunaan utang akan meningkatkan nilai saham.

b. Rumus Menghitung Debt to Equity Ratio

Pada penelitian ini penulis menggunakan rumus DER dari Kasmir (2008: 158) karena pada laporan keuangan telah diketahui total utang dengan ekuitas yang dimiliki oleh setiap perusahaan pada setiap tahunnya, sehingga memudahkan peneliti untuk menghitung DER. Pada penelitian sebelumnya juga banyak peneliti yang menggunakan rumus tersebut.

Earning Per Share (EPS)

a. Pengertian Earning Per Share (EPS)

Tandelilin (2001:241) mendefinisikan Earning Per Share (EPS) sebagai perbandingan antara jumlah laba (dalam hal ini laba bersih yang siap dibagikan bagi pemegang saham) dengan jumlah saham yang beredar.

Darmaji dan Fakhruddin (2006: 195) mendefinisikan Laba Per Saham sebagai rasio yang menunjukkan bagian laba untuk setiap saham. Earning Per Share menggambarkan profitabilitas perusahaan yang tergambar pada setiap lembar saham. Semakin tinggi nilai EPS tentu saja menyebabkan semakin besar laba dan kemungkinan peningkatan jumlah dividen yang diterima pemegang saham. Hal ini akan menarik perhatian investor  sehingga banyak investor membeli saham perusahaan tersebut yang akan berpengaruh terhadap meningkatnya harga saham dan return saham yang akan meningkat pula.

b. Faktor-faktor Penyebab Kenaikan dan Penurunan Earnings Per Share (EPS)

Menurut Brigham dan Houston (1993: 23), faktor-faktor penyebab kenaikan dan penurunan Earnings Per Share (EPS) adalah:

1) Faktor- faktor penyebab kenaikan Earning Per Share (EPS):

• Laba bersih naik dan jumlah lembar saham biasa yang beredar tetap.
• Laba bersih tetap dan jumlah lembar saham biasa yang beredar turun.
• Laba bersih naik dan jumlah lembar saham biasa yang beredar turun.
• Persentase kenaikan laba bersih lebih besar daripada persentase kenaikan jumlah lembar saham biasa yang beredar.
• Persentase penurunan jumlah lembar saham biasa yang beredar lebih besar daripada persentase penurunan lababersih.

Jadi bagi suatu perusahaan, nilai laba per saham akan meningkat apabila persentase kenaikan laba bersihnya lebih besar daripada persentase kenaikan jumlah lembar saham biasa yang beredar, begitu pula sebaliknya.

c. Rumus Menghitung Earning Per Share (EPS)

Pada penelitian ini penulis menggunakan rumus EPS dari Brigham dan Houston (2006: 19) karena pada laporan keuangan telah diketahui laba bersih dengan jumlah saham beredar yang dimiliki oleh setiap perusahaan pada setiap tahunnya, sehingga memudahkan peneliti untuk menghitung EPS. Pada penelitian sebelumnya juga banyak peneliti yang menggunakan rumus tersebut.

Inventory Turnover (ITO)

a. Pengertian Inventory Turnover (ITO)

Menurut Brigham dan Houston (2006: 97), rasio perputaran persediaan adalah rasio manajemen aktiva yang dihitung dengan membagi penjualan dengan persediaan. Sedangkan menurut Kasmir (2008: 180), inventory turnover adalah rasio yang digunakan untuk mengukur berapa kali dana yang ditanam dalam persediaan berputar dalam suatu periode. Rasio perputaran persediaan ini menunjukkan seberapa efisien perusahaan mengatur persediaannya yaitu dengan menunjukkan berapa kali perputaran persediaan selama satu tahun (Ang, 1997:18). Perputaranpersediaan yang rendah menunjukkan perusahaan terlalu banyak menyimpan persediaan. Terlalu banyak menyimpan persediaan adalah suatu hal yang tidak produktif dan mencerminkan suatu investasi dengan pengembalian yang rendah atau nihil (Brigham dan Houston, 2006: 97). Jika persediaan yang disimpan terlalu banyak, hal ini akan menyebabkan biaya perawatan dan kerusakan secara fisik menjadi tinggi sehingga mengurangi keuntungan.

Sehingga dapat disimpulkan bahwa dengan perputaran persediaan yang tinggi maka hal ini adalah indikasi yang baik karena semakin cepat perputaran persediaan mengindikasikan penjualan yang lancar sehingga meningkatkan keuntungan. Peningkatan keuntungan ini akan direspon positif oleh investor sehingga harga saham naik dan return saham menjadi meningkat.

b. Rumus Menghitung Inventory Turnover (ITO) 

Pada penelitian ini penulis menggunakan rumus ITO dari Brigham dan Houston (2006: 97) karena pada laporan keuangan telah diketahui penjualan dengan persediaan yang dimiliki oleh setiap perusahaan pada setiap tahunnya, sehingga memudahkan peneliti untuk menghitung ITO. Pada penelitian sebelumnya juga banyak peneliti yang menggunakan rumus tersebut.

Read More

Uji Asumsi Klasik

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal.  

Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dilakukan pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data cross sectional. 
 

Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang dihitung dengan market model, atau market adjusted model. Perhitungan nilai return yang diharapkan dapat dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik. 
 

Uji asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada. Sebagai contoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. Kemudian dilakukan perbaikan pada uji tersebut, dan setelah memenuhi persyaratan, dilakukan pengujian pada uji yang lain.  

 

1.      Uji Normalitas 
 

Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel. Hal ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masing-masing variabel penelitian. 
 

Pengertian normal secara sederhana dapat dianalogikan dengan sebuah kelas. Dalam kelas siswa yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada kategori sedang atau rata-rata. Jika kelas tersebut bodoh semua maka tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai maka kelas tersebut tidak normal atau merupakan kelas unggulan. Pengamatan data yang normal akan memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga nilai rata-rata, modus dan median relatif dekat. 
 

Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov. Tidak ada metode yang paling baik atau paling tepat. Tipsnya adalah bahwa pengujian dengan metode grafik sering menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji normalitas dengan uji statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa pengujian dengan uji statistik lebih baik dari pada pengujian dengan metode grafik. 
 

Jika residual tidak normal tetapi dekat dengan nilai kritis (misalnya signifikansi Kolmogorov Smirnov sebesar 0,049) maka dapat dicoba dengan metode lain yang mungkin memberikan justifikasi normal. Tetapi jika jauh dari nilai normal, maka dapat dilakukan beberapa langkah yaitu: melakukan transformasi data, melakukan trimming data outliers atau menambah data observasi. Transformasi dapat dilakukan ke dalam bentuk Logaritma natural, akar kuadrat, inverse, atau bentuk yang lain tergantung dari bentuk kurva normalnya, apakah condong ke kiri, ke kanan, mengumpul di tengah atau menyebar ke samping kanan dan kiri. 
 

2.      Uji Multikolinearitas 
 

Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Sebagai ilustrasi, adalah model regresi dengan variabel bebasnya motivasi, kepemimpinan dan kepuasan kerja dengan variabel terikatnya adalah kinerja. Logika sederhananya adalah bahwa model tersebut untuk mencari pengaruh antara motivasi, kepemimpinan dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi antara motivasi dengan kepemimpinan, motivasi dengan kepuasan kerja atau antara kepemimpinan dengan kepuasan kerja. 
 

Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan variance inflation factor (VIF), korelasi pearson antara variabel-variabel bebas, atau dengan melihat eigenvalues dan condition index (CI). 
 

Beberapa alternatif cara untuk mengatasi masalah multikolinearitas adalah sebagai berikut:

1.         Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.

2.         Menambah jumlah observasi.

3.         Mentransformasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat atau bentuk first difference delta. 
 

3.      Uji Heteroskedastisitas 
 

Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas. 

Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit. Uji statistik yang dapat digunakan adalah uji Glejser, uji Park atau uji White.
 

Beberapa alternatif solusi jika model menyalahi asumsi heteroskedastisitas adalah dengan mentransformasikan ke dalam bentuk logaritma, yang hanya dapat dilakukan jika semua data bernilai positif. Atau dapat juga dilakukan dengan membagi semua variabel dengan variabel yang mengalami gangguan heteroskedastisitas. 
 

4.      Uji Autokorelasi 
 

Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya. Sebagai contoh adalah pengaruh antara tingkat inflasi bulanan terhadap nilai tukar rupiah terhadap dollar. Data tingkat inflasi pada bulan tertentu, katakanlah bulan Februari, akan dipengaruhi oleh tingkat inflasi bulan Januari. Berarti terdapat gangguan autokorelasi pada model tersebut. Contoh lain, pengeluaran rutin dalam suatu rumah tangga. Ketika pada bulan Januari suatu keluarga mengeluarkan belanja bulanan yang relatif tinggi, maka tanpa ada pengaruh dari apapun, pengeluaran pada bulan Februari akan rendah. 
 

Uji autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak perlu dilakukan pada data cross section seperti pada kuesioner di mana pengukuran semua variabel dilakukan secara serempak pada saat yang bersamaan. Model regresi pada penelitian di Bursa Efek Indonesia di mana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi. 
 

Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, uji dengan Run Test dan jika data observasi di atas 100 data sebaiknya menggunakan uji Lagrange Multiplier. Beberapa cara untuk menanggulangi masalah autokorelasi adalah dengan mentransformasikan data atau bisa juga dengan mengubah model regresi ke dalam bentuk persamaan beda umum (generalized difference equation). Selain itu juga dapat dilakukan dengan memasukkan variabel lag dari variabel terikatnya menjadi salah satu variabel bebas, sehingga data observasi menjadi berkurang 1. 
 

5.      Uji Linearitas 
 

Uji linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai hubungan linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian, karena biasanya model dibentuk berdasarkan telah teoritis bahwa hubungan antara variabel bebas dengan variabel terikatnya adalah linear. Hubungan antar variabel yang secara teori bukan merupakan hubungan linear sebenarnya sudah tidak dapat dianalisis dengan regresi linear, misalnya masalah elastisitas. 
 

Jika ada hubungan antara dua variabel yang belum diketahui apakah linear atau tidak, uji linearitas tidak dapat digunakan untuk memberikan adjustment bahwa hubungan tersebut bersifat linear atau tidak. Uji linearitas digunakan untuk mengkonfirmasikan apakah sifat linear antara dua variabel yang diidentifikasikan secara teori sesuai atau tidak dengan hasil observasi yang ada. Uji linearitas dapat menggunakan uji Durbin-Watson, Ramsey Test atau uji Lagrange Multiplier.
 

Read More

Pengelompokan Teknik Pengambilan Sampling

Melakukan penelitian, baik itu skripsi, tesis, maupun desertasi, keberadaan sampel memiliki peran yang sangat vital. Hal ini dikarenakan sampel penelitian dijadikan sebagai sumber pengambilan data baik itu secara kuantitatif maupun kualitatif. Menurut Sugiyono (2011:62), sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Sedangkan pengertian dari populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2011:61).  

Teknik sampling sangatlah diperlukan dalam sebuah penelitian karena hal ini digunakan untuk menentukan siapa saja anggota dari populasi yang hendak dijadikan sampel. Untuk itu teknik sampling haruslah secara jelas tergambarkan dalam rencana penelitian sehingga jelas dan tidak membingungkan ketika terjun dilapangan. 
 

Sugiyono (2011:62) mengelompokkan teknik sampling menjadi 2 (dua) yaitu Probability Sampling dan Nonprobability Sampling. Probability Sampling yaitu teknik pengambilan sampel yang memberikan peluang yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel. (Sugiyono, 2011: 63).

Probability Sampling terdiri dari 4 (empat) macam yang akan dijelaskan sebagai berikut: 

1. Simple Random Sampling : Dikatakan simple (sederhana) karena pengambilan anggota sampel dari populasi dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu (Sugiyono, 2011:64).   

2. Proportionate Stratified Random Sampling : Teknik ini digunakan bila populasi mempunyai anggota/unsur yang tidak homogen dan berstrata secara proporsional (Sugiyono, 2011:64).

Contoh: Suatu perusahaan memiliki pegawai dengan pendidikan berstrata lulus (S1 = 50 orang; S2 = 30 orang; SMK = 800 orang; SMA = 400 orang; dan SD = 300 orang). Maka contoh pengambilan sampel dengan teknik ini adalah dengan asumsi 10% dari populasi masing-masing strata yang diambil. Jadi dari S1 diambil 5 orang (acak), S2 diambil 3 orang (acak), SMK diambil 80 orang (acak), SMA diambil 40 orang (acak), dan SD diambil 30 orang (acak). Maka total sampel yang diambil adalah 5+3+80+40+30 = 158 orang.  

3. Disproportionate Stratified Random Sampling : Teknik ini digunakan untuk menentukan jumlah sampel, bila populasi berstrata tetapi kurang proporsional (Sugiyono, 2011:64).

Contoh: Suatu perusahaan memiliki pegawai dengan pendidikan berstrata lulus (S1 = 50 orang; S2 = 30 orang; SMK = 800 orang; SMA = 400 orang; dan SD = 300 orang). Maka pengambilan sampel dengan teknik ini dilakukan secara bebas (seenaknya) yaitu S1 diambil 50 orang atau semua populasi S1 dan S2 diambil 30 orang atau semua populasi S2. Sementara kelompok strata yang lain diabaikan karena jumlah populasinya terlalu besar. Sehingga total sampel yang digunakan adalah 50 + 30 = 80 orang. 

4. Cluster Sampling (Area Sampling)  : Teknik sampling daerah digunakan untuk menentukan sampel bila obyek yang akan diteliti atau sumber data sangat luas (Sugiyono, 2011:65).

Contoh: Di kota Banyuwangi terdapat 30 SMP sebagai populasi. Karena itu pengambilan sampelnya ditentukan sebesar 15 SMP saja dengan pemilihan secara random (acak).
Teknik sampel ini terdiri dari 2 tahap, yaitu (1) tahap penentuan sampel daerah, dan (2) tahap penentuan orang-orang yang ada di daerah itu.   

Sedangkan pada Nonprobability Sampling yaitu teknik pengambilan sampel yang tidak memberi peluang/kesempatan yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel. (Sugiyono, 2011: 66). Nonprobability Sampling terdiri dari 6 (enam) macam yang akan dijabarkan sebagai berikut ini: 

1. Sampling Sistematis : Sampling Sistematis adalah teknik pengambilan sampel berdasarkan urutan dari anggota populasi yang telah diberi nomor urut (Sugiyono, 2011:66).

Misalnya jumlah populasi 100 orang dan masing-masing diberi nomor urut 1 s/d 100. Sampelnya dapat ditentukan dengan cara memilih orang dengan nomor urut ganjil (1,3,5,7,9,…, dst) atau memilih orang dengan nomor urut genap (2,4,6,8,…,dst).  

2. Sampling Kuota  : Sampling Kuota adalah teknik untuk menentukan sampel dari populasi yang mempunyai ciri-ciri tertentu sampai jumlah kuota yang diinginkan (Sugiyono, 2011:67).

Misalnya ingin melakukan penelitian tentang pendapat mahasiswa terhadap layanan kampus. Jumlah sampel yang ditentukan adalah 500 mahasiswa. Kalau pengumpulan data belum mencapai kuota 500 mahasiswa, maka penelitian dipandang belum selesai.  

3. Sampling Insidental  : Sampling Insidental adalah tekik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang secara kebetulan/insidental bertemu dengan peneliti dapat digunakan sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data (Sugiyono, 2011:67).

4. Sampling Purposive  : Sampling Purposive adalah teknik penentuan sampel dengan pertimbangan tertentu (Sugiyono, 2011:68). Teknik ini paling cocok digunakan untuk penelitian kualitatif yang tidak melakukan generalisasi.

Misalnya penelitian tentang kualitas makanan, maka sampel sumber datanya adalah orang yang ahli makanan atau ahli gizi.  

5. Sampling Jenuh  : Sampling Jenuh adalah teknik penentuan sampel bila semua anggota populasi digunakan sebagai sampel (Sugiyono, 2011:68).

Hal ini sering digunakan untuk penelitian dengan jumlah sampel dibawah 30 orang, atau untuk penelitian yang ingin membuat generalisasi dengan tingkat kesalahan yang sedikit atau kecil.

Misalnya jika jumlah populasi 20 orang, maka 20 orang tersebutlah yang dijadikan sampel.

6. Snowball Sampling : Snowball Sampling adalah teknik penentuan sampel yang mula-mula jumlahnya kecil, kemudian membesar (Sugiyono, 2011:68).

Misalnya suatu penelitian menggunakan sampel sebanyak 10 orang, tetapi karena peneliti merasa dengan 10 orang sampel ini datanya masih kurang lengkap, maka peneliti mencari orang lain yang dirasa layak dan lebih tahu tentang penelitiannya dan mampu melengkapi datanya.

Read More