pengaruh investment opportunity set, voluntary...
TRANSCRIPT
PENGARUH INVESTMENT OPPORTUNITY SET, VOLUNTARY DISCLOSURE,
LEVERAGE, DAN LIKUIDITAS TERHADAP KUALITAS LABA
(Studi pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia
Periode 2010-2014)
Skripsi
Diajukan kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat-syarat Guna Meraih Gelar Sarjana Ekonomi
Disusun oleh:
Reza Fahlevi
NIM: 1111082000093
JURUSAN AKUNTANSI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1437 H/2016 M
DAFTAR RIWAYAT HIDUP
I. Data Pribadi
Nama : Reza Fahlevi
Tempat/Tanggal Lahir : Jakarta, 8 Mei 1992
Jenis Kelamin : Laki-Laki
Nama Ayah : Ahmad Zailani
Nama Ibu : Susilawati
Anak Ke Dari : 2 dari 3 bersaudara
Status : Belum Menikah
Agama : Islam
Alamat : Jl. Bayam RT 002/06
No.9 Kel. Pondok Cabe Ilir, Kec.
Pamulang
Tangerang Selatan, 15418
No. Telp : 087808375123
E-mail : [email protected]
II. Pendidikan Formal
SD Dharma Karya UT : Tahun 1998-2004
SMPN 2 Tangerang Selatan : Tahun 2004-2007
SMAN 1 Tangerang Selatan : Tahun 2007-2010
Universitas Islam Negeri Syarif Hidayatullah Jakarta : Tahun 2011-2016
vi
III. Pengalaman Organisasi
1. Anggota Divisi Sosial dan Agama Himpunan Mahasiswa Jurusan
Akuntansi Periode 2012-2013.
2. Sekertaris Koordinator Divisi Dana Usaha Mandiri Himpunan Mahasiswa Jurusan Akuntansi Periode 2013-2014
IV. Seminar dan Workshop
1. Sebagai peserta dalam “Dialog Jurusan dan Seminar Konsentrasi”, 23
September 2013, Fakultas Ekonomi dan Bisnis, UIN Syarif Hidayatullah
Jakarta.
2. Sebagai peserta dalam “Safari Ramadhan OJK Edukasi Produk dan Jasa
Keuangan Gerakan literasi Keuangan”, 10 Juni 2014, Auditorium Harun
Nasution, UIN Syarif Hidayatullah Jakarta.
3. Sebagai peserta dalam “Kuliah Umum Sosialisasi Hemat Energi”, 8
November 2012, Fakultas Ekonomi dan Bisnis, UIN Syarif Hidayatullah
Jakarta.
4. Sebagai peserta dalam “Industri Hulu Migas Perspektif Pembangunan
Ekonomi Nasonal”, 2 Mei 2013, Wisma Syahida Inn, UIN Syarif
Hidayatullah Jakarta.
vii
THE EFFECTS OF INVESTMENT OPPORTUNITY SET, VOLUNTARY DISCLOSURE, LEVERAGE, AND LIQUIDITY TOWARDS EARNING
QUALITY
ABSTRACT
The purposes of this research to analyze the effects of investment opportunity set (IOS), voluntary disclosre, leverage, and liquidity towards earning quality. This research used all the manufacture companies listed on Indonesian Exchange in the peroid 2010 until 2014. The number of all companies that were became in this study were 39 companies with 5 year observation. Based on method purposive sampling, research sample total is 195 financial statements and annual report.
This research used secondary data obtain from www.idx.co.id and corporate websites. Data analyzed by multiple regression use data panel with eviews 9. Based on the result of multiple regression with data panel with a significant 5%, the result of this study conclude that: 1) Investment opportunity set influences significantly positive on the earning quality with the significant value 0,000<0,05. 2) Voluntary disclosure influances significanly positive on the earning quality with the significant value 0,0076>0,05. 3) Leverage doesn’t influences on the earning quality with the significant value 0,3770<0,05. 4) Liquidity influences on the earning quality with significant value 0,0009<0,05.
Keywords : investment opportunity set, voluntary disclosure, leverage, liquidity,
earning quality.
viii
PENGARUH INVESTMENT OPPORTUNITY SET, VOLUNTARY
DISCLOSURE, LEVERAGE, DAN LIKUIDITAS TERHADAP KUALITAS LABA
ABSTRAK
Penelitian ini bertujuan untuk menganalisis pengaruh investment opportunity set, voluntary disclosure, leverage dan likuiditas terhadap kualitas laba. Penelitian ini menggunakan sampel perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia selama periode 2010 sampai 2014. Jumlah seluruh perusahaan yang dijadikan sampel penelitian ini adalah 39 perusahaan dengan pengamatan selama 5 tahun. Berdasarkan metode purposive sampling, total sampel penelitian adalah 195 laporan keuangan dan laporan tahunan.
Metode pengumpulan data yang digunakan adalah data sekunder, yang diperoleh peneliti dari www.idx.co.id dan. Pengujian hipotesis dalam penelitian ini menggunakan metode analisis regresi berganda menggunakan data panel yang pengolahannya melalui eviws 9. Berdasrkan hasil regresi berganda dengan data panel dengan tingkat signifikansi sebesar 5%, hasil penelitian ini menyimpulkan bahwa: 1) Investment opportunity set berpengaruh positif terhadap kualitas laba dengan nilai signifikan 0.0000 < 0.05. 2) Voluntary disclosure berpengaruh positif terhadap kualitas laba dengan nilai signifikan 0.0076 < 0.05. 3) Leverage tidak berpengaruh terhadap kualitas laba dengan nilai signifikan 0.3770 > 0.05. 4) Likuiditas berpengaruh terhadap kualitas laba dengan nilai signifikan 0.0009 < 0.05.
Kata kunci : investment opportunity set, voluntary disclosure, leverage, likuiditas, kualitas laba
ix
KATA PENGANTAR
Alhamdulillahi Robbil ’Alamin, segala puji dan syukur hanya milik Allah
SWT yang telah melimpahkan segala rahmat dan kasih sayang-Nya kepada kita
semua karena hanya dengan ridho-Nya lah penulis dapat menyelesaikan skripsi yang
berjudul “Pengaruh Investment Opportunity Set (IOS), Voluntary Disclosure,
Leverage dan Likuiditas Terhadap Kualitas Laba (Studi Empiris Pada
Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia Pada Tahun
2010-2014)”. Shalawat dan salam semoga selalu tercurahkan kepada junjungan Nabi
Besar kita Muhammad SAW beserta keluarga dan para sahabatnya
Dalam penyusunan skripsi ini, penulis juga tidak luput dari berbagai masalah
dan menyadari sepenuhnya bahwa keberhasilan yang diperoleh bukanlah semata-
mata hasil usaha penulis sendiri, melainkan berkat bantuan, dorongan, bimbingan dan
pengarahan yang tidak ternilai harganya dari pihak lain, yakni ucapan terima kasih
yang tak terhingga kepada:
1. Terimakasih kepada orang tuaku ibu dan bapak atas dukungannya selama ini
dan seluruh keluargaku
2. Ibu Yusro Rahma, SE,,M.Si selaku dosen pembimbing I, terimakasih atas
waktu yang telah diluangkan utuk ilmu, saran, arahan, nasehat yang sangat
berharga selama penyusunan skripsi ini. Terimaksih banyak atas bimbingan
terbaiknya bu
3. Bapak Dr. Arif Mufraini, Lc., MSi selaku Dekan Fakultas Ekonomi dan Bisnis
UIN Syarif Hidayatullah Jakarta.
4. Ibu Yesi Fitri SE, M.M selaku Ketua Jurusan Akuntansi Fakultas Ekonomi
dan Bisnis.
x
5. Bapak Hepi Prayudiawan, SE., MM., Ak selaku Sekretaris Jurusan Akuntansi
Fakultas Ekonomi dan Bisnis.
6. Seluruh dosen dan karyawan Fakultas Ekonomi dan Bisnis UIN Syarif
Hidayatullah Jakarta yang telah banyak memberikan bantuan kepada penulis
selama menempuh masa studi
7. Sahabat-sahabatku dilingkungan kampus dan luar kampus
8. Teman-teman Akuntansi Angkatan 2011 dan kelas Akuntansi manajemen.
9. Semua pihak yang tidak dapat disebutkan satu persatu.
Semoga Allah SWT memberikan balasan yang berlipat ganda kepada semua
pihak atas bantuan dan amal baik yang telah diberikan kepada penulis dalam
penyusunan skripsi ini sampai dengan selesai. Akhir kata, penulis mengharapkan
semoga skripsi ini dapat bermanfaat bagi semua pihak yang memerlukan.
Jakarta, 5 Juni 2016
Reza Fahlevi
xi
DAFTAR ISI
LEMBAR PENGESAHAN SKRIPSI ................................................................... ii
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ..................................... iii
LEMBAR PENGESAHAN UJIAN SKRIPSI ........................................................ iv
SURAT PERNYATAAN KEASLIAN SKRIPSI ................................................. v
DAFTAR RIWAYAT HIDUP ............................................................................. vi
ABSTRACT ......................................................................................................... viii
ABSTRAK ............................................................................................................ ix
KATA PENGANTAR ........................................................................................... x
DAFTAR ISI ........................................................................................................ xii
DAFTAR TABEL .............................................................................................. xvii
DAFTAR GAMBAR ........................................................................................ xviii
DAFTAR GRAFIK ............................................................................................. xix
DAFTAR LAMPIRAN ........................................................................................ xx
BAB I PENDAHULUAN ................................................................................ 1
A. Latar Belakang Penelitian ................................................................. 1
B. Rumusan Masalah ......................................................................... 10
C. Tujuan Penelitian ........................................................................... 10
D. Manfaat Penelitian .......................................................................... 11
BAB II TINJAUAN PUSTAKA .................................................................... 13
A. Tinjauan Literatur .......................................................................... 13
1. Teori Agensi ............................................................................. 13
xii
2. Kualitas Laba…………………………………………………..14
3. Investment Opportunity Set ....................................................... 21
4. Voluntary Disclosure ............................................................... 26
5. Leverage ................................................................................... 29
6. Likuiditas ................................................................................... 34
B. Hasil-Hasil Penelitian Terdahulu ................................................. 38
C. Kerangka Pemikiran ..................................................................... 42
D. Hipotesis ....................................................................................... 43
1. Investment Opportunity Set terhadap Kualitas Laba ................ 44
2. Voluntary Disclosure terhadap Kualitas Laba ........................... 45
3. Leverage terhadap Kualitas Laba ............................................. 46
4. Likuiditas terhadap Kualitas Laba ............................................. 47
BAB III METODOLOGI PENELITIAN ...................................................... 48
A. Ruang Lingkup Penelitian ............................................................. 48
B. Metode Penentuan Sampel ............................................................ 48
C. Metode Pengmpulan Data ............................................................. 49
D. Metode Analisis Data .................................................................... 50
1. Metode Data Panel ................................................................... 51
2. Pemodelan Data Panel .............................................................. 52
a. Pendekatan Pooled Least Square ................................... 52
b. Pendektatan Fixed Effect Model .................................... 53
c. Pendekatan Random Effect Model ................................. 53
3. Pemlihan Model Data Panel .................................................... 54
xiii
a. Uji Chow ........................................................................ 55
b. Uji Hausman .................................................................. 55
4. Uji Asumsi Klasik .................................................................... 57
a. Uji Normalitas Data ........................................................... 58
b. Uji Multikolonieritas ......................................................... 58
c. Uji Heteroskedastisitas ...................................................... 60
d. Uji Autokorelasi ................................................................. 61
5. Uji Koefisien Determinasi (Adjusted R2) ............................ 62
6. Uji Hipotesis ............................................................................ 63
a. Uji F-statistic .................................................................... 63
b. Uji t-statistic ................................................................... 64
7. Model Regresi Berganda Menggunakan Data Panel ................. 65
E. Operasional Variabel ..................................................................... 66
1. Variabel Independen ................................................................ 66
a. Invesment Opportunity Set ............................................... 66
b. Voluntary Disclosure ......................................................... 67
c. Leverage ............................................................................. 68
d. Likuiditas ........................................................................... 69
2. Variabel Dependen .................................................................. 69
BAB IV HASIL DAN PEMBAHASAN .......................................................... 74
A. Sekilas Gambaran Umum Objek Penelitian ................................. 74
B. Analisis Hasil dan Pembahasan .................................................... 75
1. Statistik Deskriptif ................................................................... 75
xiv
2. Pemilihan Model Terbaik ......................................................... 77
a. Uji Chow ............................................................................ 77
b. Uji Hausman ....................................................................... 78
3. Hasil Uji Asumsi Klasik .......................................................... 80
a. Hasil Uji Normalitas .......................................................... 80
b. Hasil Uji Multikolonieritas ................................................ 81
c. Hasil Uji Heterokedastisitas .............................................. 82
4. Random Effect Model (REM) ................................................. 83
5. Hasil Uji Koefisien Determinasi (Adjusted R2)………………84
6. Hasil Uji Hipotesis ..................................................................... 85
a. Hasil Uji F-statistik ........................................................... 85
b. Hasil Uji t-statistik ............................................................ 86
BAB V PENUTUP ........................................................................................... 95
A. Kesimpulan ................................................................................... 95
B. Saran ............................................................................................ 96
DAFTAR PUSTAKA ......................................................................................... 98
LAMPIRAN ...................................................................................................... 103
xv
DAFTAR TABEL
Nomor Keterangan Halaman
2.1 Penelitian terdahulu 38
3.1 Operasional Variabel 73
4.1 Rincian sampel penelitian 74
4.2 Hasil uji Statistik Deskriptif 75
4.3 Hasil uji Chow 78
4.4 Hasil uji Hausman 79
4.5 Hasil uji Multikolinieritas 82
4.6 Hasil uji Park 83
4.7 Hasil uji Adjusted R2 84
4.8 Hasil uji F-statistic 85
4.9 Hasil uji t-statistic 86
4.10 Hasil uji t (SPSS) 94
xvi
DAFTAR GAMBAR
Nomor Keterangan Halaman
2.1 Kerangka pemikiran 42
xvii
DAFTAR GRAFIK
Nomor Keterangan Halaman
4.1 Hasil uji Normalitas 81
xviii
DAFTAR LAMPIRAN
Nomor Keterangan Halaman
1 Daftar sampel Perusahaan Manufaktur 104
2 Data Olahan 105
3 Checklist pengungkapan sukarela 166
4 Hasil Analisis 168
xix
BAB I
PENDAHULUAN
A. Latar Belakang Penelitian
Perkembangan zaman yang semakin cepat telah merubah pandangan
dan cara setiap pelaku ekonomi dalam melakukan pengaturan keuangannya,
terutama dalam melakukan investasi. Hal ini juga didukung perkembangan
teknologi yang semakin maju memudahkan seseorang yang ingin memulai
berinvestasi diberikan kemudahan dalam proses investasinya. Mungkin
dahulu di Indonesia hanya sebagian kecil investor saja yang tertarik pada
investasi di pasar modal, tetapi kini para investor pemilik modal di
Indonesia telah banyak beralih pada investasi berbentuk saham, ini juga
didorong dengan bertambah banyaknya perusahaan yang sudah go public
dan terdaftar dalam Bursa Efek Indonesia (BEI). Setiap tahun semakin
banyak jumlah perusahaan yang menawarkan saham perusahaannya di BEI.
Bursa Efek Indonesia mempunyai upaya untuk menaikkan jumlah investor
dengan menggelar Sharing Session di Jawa Timur, ini merupakan salah satu
indikator bahwa investasi terus ditingkatkan (Dwi Sahara Soekarno, 2016)
Laba merupakan bagian dari laporan keuangan, laba yang tidak
menyajikan fakta yang sebenarnya tentang kondisi ekonomi perusahaan
dapat diragukan kualitasnya (Paulus dan Hadiprajitno, 2012). Laba dari
perusahaan yang diragukan kualitasnya dapat menyebabkan kesalahan
pengambilan keputusan bagi pihak yang memerlukan informasi laba
1
perusahaan baik investor maupun kreditor. Hal ini dapat terjadi karena
adanya konflik keagenan (agency conflict) yang muncul sebagai akibat
pemisahan antara kepemilikan perusahaan dan pengelolaan perusahaan yang
menimbulkan adanya perbedaan kepentingan antara pihak agen (manajer
perusahaan) dan pihak prinsipal (pemilik perusahaan) (Oktarya, dkk, 2014)
Adanya konflik kepentingan tersebut meningkatkan kemungkinan
manajer perusahaan melakukan suatu tindakan yang tidak sesuai dengan
keinginan pemilik perusahaan. Tindakan manajemen yang diambil
berdasarkan keputusan sendiri dan demi kepentingan pribadi ini
dikhawatirkan akan menyebabkan kualitas laba perusahaan yang dihasilkan
menurun. Kualitas laba perusahaan yang rendah tidak akan dapat
mencerminkan keadaan perusahaan yang sesungguhnya.
Kualitas laba perusahaan menjadi lebih penting lagi karena laba yang
disajikan perusahaaan dalam laporan keuangannya merupakan informasi
yang sering dijadikan acuan oleh prinsipal dalam mengukur kinerja
perusahaan dan nilai dari perusahaan.
Kartina dan Nikmah (2011) menyatakan bahwa salah satu indikator
yang dapat digunakan dalam mengukur kinerja ataupun nilai dari
perusahaan adalah Investment Opportunity Set (IOS). Investment
Opportunity Set (IOS) memiliki kandungan informasi yang dibutuhkan oleh
investor dipasar modal, karena IOS merupakan proksi realisasi pertumbuhan
2
perusahaan dan berhubungan dengan berbagai variabel kebijakan
perusahaan, antara lain kebijakan pendanaan atau struktur utang, kebijakan
dividen, kebijakan leasing, dan kebijakan kompensasi. Perusahaan
dihadapkan pada perencanaan keputusan yang akan menimbulkan pengaruh
besar di masa mendatang, perusahaan yang baik diharapkan mampu
mengambil keputusan-keputusan yang tepat atas peluang atau kesempatan
yang muncul saat ini, agar dimasa mendatang peluang tersebut dapat
terealisasi yang memberi keuntungan lebih bagi perusahaan.
IOS (Investment opportunity set) merupakan kesempatan perusahaan
untuk tumbuh. IOS digunakan sebagai dasar untuk menentukan klasifikasi
pertumbuhan di masa depan. Bagi perusahaan yang memiliki set
kesempatan investasi tinggi senantiasa melakukan ekspansi dalam strategi
bisnisnya, maka akan semakin membutuhkan dana eksternal. Perusahaan
yang memiliki set kesempatan investasi atau investment opportunity set
(IOS) tinggi memiliki peluang pertumbuhan yang tinggi yang akan
mempengaruhi perubahan tingkat laba dan menentukan kualitas informasi
laba (Oktarya, dkk, 2014). Investment Opportunity Set menunjukkan
investasi perusahaan atau opsi pertumbuhan. Nilai opsi pertumbuhan
tersebut tergantung pada discretionary expenditure manajer. Manajemen
investment opportunities membutuhkan pembuatan keputusan dalam
lingkungan yang tidak pasti dan konsekuensinya tindakan manajerial
3
menjadi lebih unobservable (Smith dan Watts, 1992 dalam Wah, 2002).
Tindakan manajer yang unobservable dapat menyebabkan prinsipal tidak
dapat mengetahui apakah manajer telah melakukan tindakan yang sesuai
dengan keinginan prinsipal atau tidak.
Teori sinyal menjelaskan manajer memiliki insentif secara sukarela
melaporkan informasi kepada pasar (Astika, 2011). Laporan tahunan dan
laporan keuangan merupakan salah satu informasi yang secara formal wajib
dipublikasikan sebagai sarana pertanggung jawaban pihak manajemen
terhadap pengelolaan sumber daya pemilik. Selain itu, laporan tahunan dan
laporan keuangan merupakan jendela informasi yang memungkinkan bagi
pihak-pihak diluar manajemen untuk mengetahui kondisi perusahaan.
Namun sejauh mana informasi yang dapat diperoleh sangat tergantung pada
tingkat pengungkapan (disclosure) dari laporan tersebut.
Pengungkapan dalam laporan keuangan akan membantu pengguna
laporan keuangan untuk memahami isi dan angka yang dilaporkan dalam
laporan keuangan. Kegagalan dalam memahami laporan keuangan
mengakibatkan beberapa perusahaan mengalami kesalahan penilaian
(misvalued), baik undervalued maupun overvalued. Sehingga muncul
pertanyaan mengenai transparansi, pengungkapan informasi, dan peran
akuntansi dalam menghasilkan informasi keuangan yang relevan dan dapat
dipercaya, sehingga pemakai informasi akuntansi menerima sinyal tentang
kondisi perusahaan yang sebenarnya.
4
Luas dari pengungkapan sukarela yang dilakukan oleh perusahaan
mampu merubah nilai perusahaan disamping pengumuman laba perusahaan.
Perusahaan yang melakukan lebih banyak pengungkapan sukarela dalam
laporan tahunannya dapat memberikan nilai lebih dibandingkan dengan
perusahaan yang luas pengungkapan sukarelanya kurang.
Adanya pengungkapan sukarela mampu memberikan informasi tambahan
serta mengurangi asimetri informasi dan ketidakpastian perusahaan. Informasi
tambahan (good news maupun bad news) tersebut akan direspon investor
sebagai bahan penilaian perusahaan dan pertimbangan investasi selain
informasi laba perusahaan. Investor akan semakin yakin dengan pengungkapan
yang dilakukan oleh perusahaan, apabila tingkat pengungkapan yang dilakukan
oleh perusahaan semakin luas. Selain itu informasi sukarela yang diungkapkan
perusahaan akan memberikan informasi tentang expected future earnings
sehingga investor akan menggunakan informasi tersebut dan tidak
menggunakan informasi laba sebagai proksi expected future earnings. Dengan
demikian semakin luas pengungkapan sukarela yang dilakukan oleh perusahaan
akan mengakibatkan menurunnya nilai ERC (Paramita, 2012).
Menurut Sudarma dan Ratnadi (2015), teori keagenan mengatakan
bahwa agen biasanya bersikap oportunis dan tidak menyukai risiko (risk
averse). Karena itu, perusahaan khususnya manajer perusahaan yang
mendekati atau telah melanggar perjanjian utang akan berusaha untuk
mementingkan kepentingannya sendiri dan menghindari risiko yang ada.
5
Debt-convenant hypothesis menyatakan bahwa jika semua hal lain tetap
sama, semakin dekat perusahaan dengan pelanggaran perjanjian utang yang
berbasis akuntansi, lebih mungkin manajer perusahaan untuk memilih
prosedur akuntansi yang memindahkan laba yang dilaporkan dari periode
mana datang ke periode saat ini. Alasannya bahwa laba bersih yang
dilaporkan naik mengurangi profitabilitas kegagalan teknis.
Leverage merupakan salah satu faktor yang mempengaruhi kualitas
laba perusahan. Perusahaan yang masih muda dan belum menjadi
perusahaan publik memiliki sumber pendanaan yang terbatas dari sumber
internal sehingga perusahaan akan memiliki leverage yang besar.
Perusahaan yang besar akan diikuti dengan upaya manajer untuk
meningkatkan kinerja dan menghasilkan laba yang tinggi. Hal tersebut
dilakukan agar manajer tetap mendapatkan kepercayaan ketika akan
mencari sumber pendapatan dari pasar hutang. Perusahaan dengan leverage
yang tinggi akan memiliki kecenderungan melakukan manajemen laba yang
lebih tinggi yang menyebabkan kualitas laba menjadi lebih rendah (Irawati,
2012).
Menurut Gaol (2012) menjelaskan bahwa Hutang yang dipergunakan
secara efektif dan efesien maka akan meningkatkan nilai perusahaan,
Leverage menggambarkan sumber dana operasi yang digunakan oleh
perusahaan, leverage juga menunjukkan risiko yang dihadapi perusahaan.
6
Semakin besar risiko yang dihadapi oleh perusahaan maka ketidakpastian
untuk menghasilkan laba dimasa depan juga akan semakin meningkat.
Terdapat hubungan antara leverage dengan return perusahaan, artinya
hutang dapat digunakan untuk memprediksi keuntungan yang kemungkinan
bisa diperoleh bagi investor jika berinvestasi pada suatu perusahaan.
Likuiditas adalah kemampuan suatu perusahaan untuk memenuhi
hutang jangka pendeknya dengan aktiva lancar yang dimiliki. Likuiditas
mempunyai pengaruh terhadap kualitas laba karena jika suatu perusahaan
memiliki kemampuan dalam membayar hutang jangka pendeknya berarti
perusahaan memiliki kinerja keuangan yang baik dalam pemenuhan hutang
lancar sehingga perusahaan tidak perlu melakukan praktek manipulasi laba.
Jadi likuiditas berpengaruh positif terhadap kualitas laba.
Likuiditas menunjukkan bahwa perusahaan mampu untuk memenuhi
kewajiban finansialnya dalam jangka pendek menggunakan dana lancar
yang tersedia. Namun apabila likuiditas perusahaan terlalu besar maka
perusahaan tersebut berarti tidak mampu mengelola aktiva lancarnya
semaksimal mungkin sehingga kinerja keuangan menjadi kurang baik dan
kemungkinan ada manipulasi laba untuk mempercantik informasi laba
tersebut. Likuiditas meningkat karena adanya asimetri informasi (Amihud,
2008).
7
Likuiditas adalah rasio keuangan yang mengukur kemampuan suatu
perusahaan untuk memenuhi kewajiban jangka pendek dengan aset
lancarnya (Sugiarto dan Siagian, 2007). Rasio likuiditas yang umum
digunakan adalah current ratio. Current ratio yang tinggi biasanya
dianggap menunjukkan tidak terjadi masalah dalam likuiditas, sehingga
semakin tinggi likuiditas artinya laba yang dihasilkan suatu perusahaan
berkualitas karena manajemen perusahaan tidak perlu melakukan praktik
manajemen laba.
Menurut Nurhanifah dan Jaya (2014) likuiditas berpengaruh terhadap
kualitas laba karena jika suatu perusahaan memiliki kemampuan dalam
membayar hutang jangka pendeknya berarti perusahaan memiliki kinerja
keuangan yang baik dalam pemenuhan hutang lancar sehingga perusahaan
tidak perlu melakukan praktek manipulasi laba. Suatu perusahaan yang
memiliki kemampuan dalam memenuhi kewajibannya menunjukan bahwa
perusahaan memiliki kelangsungan hidup yang baik. Dengan kondisi seperti
ini sangat dimanfaatkan oleh pihak manajemen dalam memberikan sinyal
atas kondisi perusahaan kepada pasar. Kuatnya reaksi pasar akan
mengindikasikan bahwa laba perusahaan semakin berkualitas. karena
likuiditas merupakan salah satu tinjauan terhadap kinerja perusahaan.
8
Berdasarkan latar belakang yang telah diuraikan, maka peneliti
bertujuan untuk melakukan penelitian terhadap kualitas laba dengan judul
“Investment Opportunity Set, Voluntary Disclosure, Leverage, dan
Likuiditas Terhadap Kualitas Laba” (Studi Pada Perusahaan Manufaktur
Yang Terdaftar Pada BEI Periode 2010-2014)
Penelitian ini merupakan penelitian replikasi dari penelitian
sebelumnya yang dilakukan oleh Nurhanifah dan Jaya (2014) dan Sudarma
dan Ratnadi (2015). Perbedaan penelitian ini dengan penelitian sebelumnya
adalah sebagai berikut:
1. Variabel yang digunakan peneliti terdahulu Sudarma dan Ratnadi
(2015) adalah hanya memamakai Voluntary Disclosure sebagai
variabel independen yang diduga mempengaruhi kualitas laba.
Sedangkan Nurhanifah dan Jaya (2014) menggunakan alokasi pajak,
investment opportunity set, leverage likuiditas Sedangkan, dalam
penelitian ini, peneliti menambahkan variabel dengan variabel
independen lain yaitu leverage.
2. Tahun pemilihan populasi dan sampel yang dilakukan penelitian
sebelumnya yaitu dari tahun 2009-2013. Sedangkan pada penelitian
ini menggunakan tahun 2010-2014.
9
3. Dalam menganalisis ekonometrik dan statistika, peneliti terdahulu
menggunakan program spss. Sedangkan dalam penelitian ini
menggunakan program eviews 9.
B. Perumusan Masalah
Berdasarkan uraian latar belakang di atas, maka dapat diketahui
permasalahan dalam penelitian ini:
1. Bagaimana pengaruh Investment Opportunity Set, Voluntary
Disclosure, Leverage, dan Likuiditas terhadap Kualitas Laba?
2. Variabel independen manakah yang paling dominan
mempengaruhi kualitas laba?
C. Tujuan Penelitian
Beradasarkan rumusan di atas penelitian ini bertujuan untuk
menemukan bukti empiris atas hal-hal sebagai berikut:
a. Menganalisis pengaruh Investment Opportunity Set, Voluntary
Disclosure, Leverage, dan Likuiditas terhadap Kualitas Laba.
b. Menganalisis variabel independen yang paling dominan
mempengaruhi kualitas laba.
10
D. Manfaat Penelitian
Berdasarkan tujuan penelitian diatas, maka penelitian ini diharapkan
dapat memberikan manfaat bagi:
a. Bagi Praktisi
1. Bagi perusahaan: sebagai tambahan informasi bagi para
manajer dalam upaya memaksimalkan kualitas laba yang akan
memaksimalkan nilai perusahaan sebagai tujuan utama
perusahaan.
2. Bagi Investor: menjadi bahan masukan atau informasi dalam
rangka pengambilan keputusan investasi.
3. BAPEPAM dan Komite Penyusun Standar Akuntansi
Keuangan (PSAK): membantu regulator dalam mengevaluasi
regulasi-regulasi dan standar akuntansi yang telah
dikeluarkan. Hasil evaluasi tersebut dapat dijadikan acuan
dalam mengeluarkan regulasi-regulasi dan standar akuntansi
dimasa yang akan datang.
b. Bagi perkembangan ilmu pengetahuan
1. Memahami pengetahuan tentang pengaruh Investment
Opportunity Set, Voluntary Disclosure, Leverage, dan
Likuiditas terhadap Kualitas Laba
11
2. Sebagai bahan untuk mengembangkan materi perkuliahan
sebagai tambahan ilmu dari realita yang ada.
c. Bagi peneliti
Menambah wawasan dan pengetahuan serta memahami
tentang pengaruh Investment Opportunity Set, Voluntary
Disclosure, Leverage, dan Likuiditas terhadap Kualitas Laba.
12
BAB II
TINJAUAN PUSTAKA
A. TINJAUAN LITERATUR
1. Teori Agensi
Didalam perusahaan memiliki dua bagian penting yaitu orang yang
berperan sebagai principal dan orang yang berperan sebagai agent. Jensen dan
Meckling (1976) dalam Nurhanifah dan Jaya (2014) menjelaskan hubungan
keagenan di dalam teori agensi (agency theory) bahwa perusahaan merupakan
kumpulan kontrak (nexus of contract) antara pemilik sumber daya ekonomis
(principal) dan manajer (agent) yang mengurus penggunaan dan pengendalian
sumber daya tersebut.
Pada teori ini mengasumsikan bahwa tiap-tiap individu semata-mata
termotivasi oleh kepentingan dirinya sendiri sehingga menimbulkan konflik
kepentingan antara principal dan agent. Di satu sisi agent memiliki informasi
yang lebih banyak disbanding dengan principal, sehingga menimbulkan
adanya asimetry information. Dalam kondisi asimetri tersebut, agent dapat
mempengaruhi angka-angka akuntansi yang disajikan dalam laporan
keuangan dengan cara melakukan manipulasi laba. Tindakan agent dengan
melaporkan laba secara oportunistik yang memaksimumkan kepentingan
pribadinya dapat menyebabkan rendahnya kualitas laba. dengan kualitas laba
yang rendah akan mempengaruhi dalam membuat keputusan bagi para
13
pengguna informasi laba seperti investor dan kreditur (Nurhanifah dan Jaya,
2014)
Didalam teori keagenan, konflik yang sering terjadi adalah asimetri
informasi. Asimetri informasi adalah situasi saat informasi yang dimiliki oleh
pihak agen sebagai penyedia informasi lebih banyak dibandingkan dengan
prinsipal atau pemegang saham. Situasi ini menjadi keuntungan bagi pihak
manajemen untuk melakukan tindakan yang menguntungkan mereka, situasi
ini juga akan menimbulkan perbedaan tujuan dan referensi antara agen dan
prinsipal karena prinsipal tidak dapat mengontrol dan tidak pernah tahu secara
pasti bagaimana keadaan yang sebenarnya atas kontribusi pihak agen akibat
tidak mencukupinya informasi yang dimiliki pihak prinsipal.
Berdasarkan teori agensi, pada penelitian ini peniliti menggunakan
faktor-faktor yang diasumsikan dapat mempengaruhi kualitas laba yaitu
investment opportunity set, voluntary disclosure, leverage, dan likuiditas.
2. Kualitas Laba
PSAK No. 1 yang menyatakan dengan memberikan informasi mengenai
posisi keuangan, kinerja keuangan, dan arus kas entitas bermanfaat bagi
sebagian besar kalangan pengguna laporan dalam pembuatan keputusan
ekonomi. Kualitas laba, dalam akuntansi, merujuk kepada kemasukakalan
seluruh laba yang dilaporkan Knechel, Salterio, dan Ballou (2007) dalam
Rinawati (2011). Kualitas laba adalah penilaian sejauh mana laba sebuah
14
perusahaan itu dapat diperoleh berulang-ulang, dapat dikendalikan, dan laik
bank (memenuhi syarat untuk mengajukan kredit/pinjaman pada bank), di
antara faktor-faktor lainnya (Paulus dan Hadiprajitno, 2012). Kualitas laba
mengakui fakta bahwa dampak ekonomi transaksi yang terjadi akan beragam
diantara perusahaan sebagai fungsi dari karakter dasar bisnis mereka, dan
secara beragam dirumuskan sebagai tingkat laba yang menunjukkan apakah
dampak ekonomi pokoknya lebih baik dalam memperkirakan arus kas atau
juga dapat diramalkan.
Dechow dan Schrand (2009), laba yang berkualitas merupakan laba
yang memiliki 3 karakteristik berikut ini :
a. Mampu mencerminkan kinerja operasi perusahaan saat ini dengan
akurat
b. Mampu memberikan indikator yang baik mengenai kinerja
perusahaan di masa depan
c. Dapat menjadi ukuran yang baik untuk menilai kinerja
perusahaan
Givoly et al. (2010) mengukur kualitas laba menggunakan:
1. persistensi akrual
Persistensi akrual Kualitas laba didasarkan pada perbedaan
relatif persistensi akrual terhadap arus kas. Persistensi diukur
dengan menggunakan regresi sebagai berikut:
15
OI i,t+1 = α + β 1 CF i,t + β 2 ACCR i,t + ε i,t
dimana OI adalah pendapatan operasi (Operating Income)
setelah dikurangi depresiasi, CF adalah arus kas operasi (cash
flow) yang dihitung dari OI dikurangi ACCR. ACCR (accrual
component of earnings) dihitung dari perubahan NOA (net
operating asset) tahun t-1 terhadap t. Nama perusahaan
ditunjukkan oleh I dan t menunjukkan tahun. Seluruh variabel
distandarisasi oleh NOAt-1 dan kontribusi tambahan akrual
ditentukan oleh besarnya signifikansi β2.
2. Estimasi kesalahan dalam proses akrual
Estimasi Kesalahan Dalam Proses Akrual Akrual memberikan
informasi tentang arus kas masa yang akan datang. Untuk
meningkatkan bahwa proses akrual bebas dari kesalahan
estimasi, akrual dan laba akan di representasi dengan arus kas
masa yang akan datang. Givoly et al. (2010) menggunakan
ukuran akrual sebagaimana yang digunakan oleh Dechow dan
Dichey (2002) dan telah dimodifikasi oleh McNichols (2002)
dan Francis et al (2005) yang didasarkan pada model va-rian
residual berikut ini:
TCAi,t= β0 + β1CFOi,t-1 + β2CFOi,t + β3CFOi,t-1 + β4∆Revi,t
+ β5∆PPEi,t + εi,t
16
Dimana TCA adalah Total current accruals, CFO adalah Cash
flows from operations (pendapatan dari operasi utama dikurangi
total akrual. Total akrual sama dengan total current accruals
dikurangi biaya depresisasi dan amortisasi). ∆Rev adalah
perubahan pendapatan dari tahun t-1 terhadap t. PPE adalah
keseimbangan antara property, plant dan equipment (atas dasar
PPE bruto). Seluruh variabel diregress dan diskala dengan rata-
rata total assets dalam tahun t. Diregres juga secara cross
sectional untuk tiap industry dengan sedikitnya 20 perusahaan
tiap tahunnya. Ukuran kualitas kedua adalah variabilitas (dinilai
dengan standar deviasi) residual dari regresi. Semakin tinggi
variabilitas hubungan antara laba dan arus kas, maka semakin
rendah kualitas akrual dan semakin rendah pula kualitas la-
banya. Kualitas akrual didefinisikan juga sebagai rasio standar
deviasi residual dari regresi terhadap standard deviation total
current accruals.
3. Ketiadaan manajemen laba
Ketiadaan manajemen laba Sulit untuk menentukan apakah
perusahaan melakukan manajemen laba atau tidak, karena sulit
untuk diteliti. Namun begitu pola tertentu terhadap laba dapat
mengindikasikan keberadaan atau ketiadaan manajemen laba.
17
Givoly et al. (2010) mengidentifikasi manajemen laba dengan
menggunakan akrual yang diharapkan atau non discretionary
accruals modifikasi model Jones sebagai berikut:
TACCi,t = α1*[1/TAi,t-1] + α2*[(∆REVi,t - ∆TRi,t) / TAi,t-1] +
α3*[PPEi,t /TAi,t-1] + εi,t
Dimana TACC adalah total akrual yang didefinisikan sebagai
perbedaan antara pendapatan dari operasi dan arus kas bersih
dari aktivitas operasi, tidak termasuk pos-pos luar biasa dan
operasi yang dihentikan. TA adalah total asset awal tahun, ∆Rev
adalah Perubahan penjualan. PPE adalah tingkat property, plant
dan equipment kotor. ∆TR adalah Perubahan dalam piutang
dagang (trade receivable)
4. konservatisme.
Konservatisme Givoly et al. (2010) menggunakan ukuran
konservatisme sebagaimana yang digunakan oleh Ball and
shivakumar, yaitu mendeskripsikan perbedaan ketepatan waktu
dalam mengakui keuntungan dan kerugian berdasarkan pada
hubungan antara akrual dan arus kas sebagai berikut:
ACCi,t = α0 + α1 * DCFOi,t + α2 * CFOi,t + α3 * DCFOi,t *
CFOi,t + εi,t-1
18
ACC adalah total akrual dalam tahun t, CFO adalah arus kas
operasi dalam tahun t, DCFO adalah dummy variabel, 1 jika
CFO negatif dan 0 jika CFO positif. Jika α2 < 0 berarti tidak
konservatif dan jika α3 > 0 berarti konservatif.
Menurut Statement of Financial Accounting Concept (SFAC) No. 1,
informasi laba merupakan perhatian utama untuk memperkirakan kinerja atau
pertanggung jawaban pihak manajemen perusahaan. Kualitas laba dapat
diartikan sebagai kemampuan informasi laba memberikan respon kepada
pasar. Dengan kata lain laba yang dilaporkan memiliki kekuatan respon
(power of response). Kuatnya reaksi pasar terhadap informasi laba yang
tercermin dari tingginya Earning Response Coefficient (ERC), menunukkan
laba yang dilaporkan berkualitas. ERC adalah reaksi atas laba yang
diumumkan (published) oleh perusahaan. Reaksi ini mencerminkan kualitas
dari laba yang dilaporkan oleh perusahaan dan tinggi rendahnya ERC sangat
ditentukan dari kekuatan responsif yang tercermin dari informasi (good/bad
news) yang terkandung dalam laba. Kualitas laba yang lebih tinggi
memberikan informasi lebih lanjut tentang fitur kinerja keuangan perusahaan
yang relevan dengan keputusan spesifik yang dibuat oleh pembuat keputusan
tertentu (Dechow, 2010). Maka kualitas laba dapat dilakukan pengukuran
dengan menggunakan Koefisien respon laba atau disebut earning response
coefficient (ERC). ERC didefinisikan sebagai berikut: “An earnings response
19
coefficient measure the extent of a scurity’sabnormal market return in
response to the unexpected component of reported earnings of the firm issuing
that security.” (Scott, 2003).
Earnings Response Coefficient (ERC) adalah ukuran besaran abnormal
return suatu saham sebagai respon terhadap komponen laba abnormal
(unexpected earnings) yang dilaporkan oleh perusahaan yang mengeluarkan
saham tersebut (Scott, 2003). ERC berguna dalam analisis fundamental oleh
investor, dalam model penilaian untuk menentukan reaksi pasar atas informasi
laba perusahaan perusahaan. ERC merupakan koefisien yang diperoleh dari
regresi antara proksi harga saham dan laba akuntansi. Proksi harga saham
yang digunakan adalah cummulative abnormal return (CAR), sedangkan
proksi laba akuntansi adalah unexpected earning (UE). Regresi model tersebut
akan menghasilkan ERC untuk masing-masing sampel yang akan digunakan
untuk analisis berikutnya.
ERC merupakan pengaruh laba abnormal (unexpected earnings)
terhadap CAR, yang ditunjukkan melalui slope coeficient dalam regresi
abnormal return saham dengan unexpected earnings (Scott, 2003). Hal ini
menunjukkan bahwa ERC adalah reaksi CAR terhadap laba yang diumumkan
oleh perusahaan.
Nilai Earnings Response Coeffisiens diprediksi lebih tinggi jika laba
perusahaan lebih persisitensi di masa depan. Demikian juga jika kualitas laba
20
semakin baik, maka diprediksi nilai ERC akan semakin tinggi. Beta
mencerminkan risiko sistematis. Investor akan menilai laba sekarang untuk
memprediksi laba dan return dimasa yang akan datang. Jika future return
tersebut semakin berisiko, maka reaksi investor terhadap unexpected earnings
perusahaan juga semakin rendah (Scott, 2003).
ERC adalah ukuran besaran abnormal return suatu sekuritas sebagai
respon terhadap komponen laba kejutan (unexpected earnings) yang
dilaporkan oleh perusahaan yang mengeluarkan sekuritas tersebut. ERC
merupakan proksi dari kualitas laba. Penelitian ini menggunakan
pengukuran ERC (Sudarma dan Ratnadi, 2015).
3. Investment Opportunity Set
Penilaian suatu perusahaan dalam bidang akuntansi dan keuangan
sekarang ini masih beragam. Di satu pihak, nilai suatu perusahaan khususnya
neraca perusahaan yang berisi informasi keuangan masa lalu, sementara di
pihak lain beranggapan bahwa nilai sekarang dari aktiva yang dimiliki
perusahaan, bahkan ada yang beranggapan bahwa nilai suatu perusahaan
tercermin dari nilai investasi yang akan dikeluarkan di masa mendatang
(Pagalung, 2003) dalam (Kartina dan Nikmah, 2011). Kombinasi aktiva yang
dimiliki oleh opsi investasi di masa yang akan datang yang diukur dengan
invesment opportuity set (IOS) akan menunjukkan nilai suatu perusahaan.
21
Keputusan investasi tidak dapat diamati secara langsung oleh pihak
luar. Beberapa studi yang dilakukan dalam hubungannya dengan keputusan
investsasi anatara lain Myers (1984) yang memperkenalkan Investment
Opportunities Set (IOS). IOS memberi petunjuk yang lebih luas dimana nilai
perusahaan tergantung pada pengeluaran perusahaan dimasa yang akan
datang. Jadi prospek perusahaan dapat ditaksir dari investment opportunity set
(IOS), yang didifinisikan sebagai kombinasi antara aktiva yang dimiliki
(assets in place) dan pilihan investasi dimasa akan datang dengan net present
value positif.
IOS (Investment opportunity set) merupakan kesempatan perusahaan
untuk tumbuh. IOS digunakan sebagai dasar untuk menentukan klasifikasi
pertumbuhan di masa depan. Bagi perusahaan yang memiliki set kesempatan
investasi tinggi senantiasa melakukan ekspansi dalam strategi bisnisnya, maka
akan semakin membutuhkan dana eksternal. Perusahaan yang memiliki set
kesempatan investasi atau investment opportunity set (IOS) tinggi memiliki
peluang pertumbuhan yang tinggi yang akan mempengaruhi perubahan
tingkat laba dan menentukan kualitas informasi laba (Oktarya, Syafitri, dan
Wijaya, 2012)
IOS (Investment opportunity set) merupakan kesempatan perusahaan
untuk tumbuh. IOS digunakan sebagai dasar untuk menentukan klasifikasi
pertumbuhan di masa depan. Bagi perusahaan yang memiliki set kesempatan
22
investasi tinggi senantiasa melakukan ekspansi dalam strategi bisnisnya, maka
akan semakin membutuhkan dana eksternal. Perusahaan yang memiliki set
kesempatan investasi atau investment opportunity set (IOS) tinggi memiliki
peluang pertumbuhan yang tinggi yang akan mempengaruhi perubahan
tingkat laba dan menentukan kualitas informasi laba.
Secara umum dapat dikatakan bahwa IOS menggambarkan tentang
luasnya kesempatan atau peluang investasi bagi suatu perusahaan, namun
sangat tergantung pada pilihan expenditure perusahaan untuk kepentingan di
masa yang akan datang. Dengan demikian IOS bersifat tidak dapat
diobservasi, sehingga perlu dipilih suatu proksi yang dapat dihubungkan
dengan variabel lain dalam perusahaan, misalnya variabel pertumbuhan,
variabel kebijakan dan lain-lain. Proksi IOS yang digunakan dalam bidang
akuntansi dan keungan digolongkan menjadi 3 (tiga) jenis, yaitu IOS berbasis
harga, IOS berbasis investasi, dan IOS berbasis varian (Kallapur dan
Trombley, 2001):
1. Proksi IOS berbasis harga ( price-based proxies)
Proksi IOS yang berbasis pada harga merupakan proksi yang
menyatakan bahwa prospek pertumbuhan perusahaan sebagian
dinyatakan dalam harga pasar. Proksi berdasarkan anggapan yang
menyatakan bahwa prospek pertumbuhan perusahaan secara parsial
dinyatakan dalam harga-harga saham, dan perusahaan yang tumbuh
23
akan memiliki nilai pasar yang lebih tinggi secara relatif untuk
aktiva-aktiva yang dimiliki (asset in place) dibandingkan perusahaan
yang tidak tumbuh. IOS yang didasari pada harga akan berbentuk
suatu rasio sebagai suatu ukuran aktiva yang dimiliki dan nilai pasar
perusahaan.
Proksi IOS yang merupakan proksi berbasis harga adalah:
market of equity plus book value of debt, ratio of book to market
value of asset, ratio of book to market value of equity, ratio of book
value of property, plant, and equipment to firm value, ratio of
replacement value of assets to market value, ratio of
depreciation expense to value dan earning price ratio.
2. Proksi IOS berbasis investasi ( investment-based proxies)
Proksi IOS berbasis pada investasi merupakan proksi yang
percaya pada gagasan bahwa suatu level kegiatan investasi yang
tinggi berkaitan secara positif dengan nilai IOS suatu perusahaan.
Proksi IOS yang merupakan proksi IOS berbasis investasi
adalah: ratio R&D expense to firm value, ratio of R&D expense to
total assets, ratio of R&D expense to sales, ratio of capital addition
to firm value, dan ratio of capital addition to asset book value.
24
3. Proksi IOS berbasis pada varian (variance measures).
Proksi IOS berbasis pada varian (variance measurement)
merupakan proksi yang mengungkapkan bahwa suatu opsi akan
menjadi lebih bernilai jika menggunakan variabilitas ukuran untuk
memperkirakan besarnya opsi yang tumbuh, seperti variabilitas
return yang mendasari peningkatan aktiva. Proksi IOS yang berbasis
varian adalah: VARRET (variance of total return), dan Market
model Beta.
Menurut Puteri dan Rohman (2012) menyebutkan bahwa investment
opportunity set dapat diukur melalui rasio nilai buku ekuitas (market to book
value of equity). Maksud pemilihan proksi ini karena dapat mencerminkan
besarnya return dari aktiva yang ada dan investasi yang diharapkan di masa
yang akan datang akan melebihi return dari ekuitas yang diinginkan. Apabila
suatu perusahaan dapat memanfaatkan modalnya dengan baik dalam
menjalankan usaha, maka semakin besar kemungkinan perusahaan tersebut
untuk bertumbuh, maka harga saham perusahaan tersebut diperkirakan akan
meningkat, dan pada akhirnya semakin meningkat pula nilai suatu
perusahaan. Secara matematis variabel investment opportunity set
diformulasikan sebagai berikut:
MBVE =
(Share Outstanding 𝑥𝑥 Closing Price)
Total Equity
25
Menurut Nurhanifah dan Jaya (2014) menyebutkan bahwa
investment opportunity dapat diukur melalui market to book value of
assets, Secara matematis variabel investment opportunity diformulasikan
sebagai berikut :
Rasio market to book value of assets ini berbanding lurus dengan
nilai IOS, semakin besar market book value of assets suatu peusahaan,
maka semakin bagus pula nilai IOSnya.
Penelitian ini menggunakan pengukuran market book value asset
(MBVE), yaitu menurut penelitian Puteri dan Rohman (2012) yang
menyebutkan bahwa investment opportunity set dapat diukur melalui
rasio nilai buku ekuitas (market to book value of equity).
4. Voluntary Disclosure
Pengungkapan sukarela (voluntary disclosure) yaitu pengungkapan
yang bersifat sukarela dilaksanakan perusahaan dimana pengungkapan butir-
butir yang dilakukan secara sukarela oleh perusahaan tanpa diharuskan oleh
peraturan yang berlaku.Pengungkapan sukarela merupakan pilihan bebas
manajemen dengan pertimbangan kebijakan tertentu untuk menyampaikan
informasi yang relevan kepada pengguna informasi keuangan terkait dengan
aktivitas-aktivitas perusahaan (Indriani, dkk, 2014).
MBVA = 𝐴𝐴𝑠𝑠𝑠𝑠𝑒𝑒𝑡𝑡𝑠𝑠−𝑡𝑡𝑜𝑜𝑡𝑡𝑎𝑎𝑙𝑙 𝑒𝑒𝑘𝑘𝑢𝑢𝑖𝑖𝑡𝑡𝑎𝑎𝑠𝑠+(𝐽𝐽𝑈𝑈𝐵𝐵 𝑥𝑥 𝐶𝐶𝑙𝑙𝑜𝑜𝑠𝑠𝑖𝑖𝑛𝑛𝑔𝑔 𝑝𝑝𝑟𝑟𝑖𝑖𝑐𝑐𝑒𝑒)
𝑇𝑇𝑜𝑜𝑡𝑡𝑎𝑎𝑙𝑙 𝐴𝐴𝑠𝑠𝑠𝑠𝑒𝑒𝑡𝑡𝑠𝑠
26
Pengungkapan sukarela adalah pengungkapan yang dapat dengan
leluasa dilakukan perusahaan sesuai kepentingan perusahaan yang dianggap
relevan dan mendukung dalam pengambilan keputusan ekonomi yang akan
dilakukan oleh pengguna informasi tahunan (annual report) (Adhi, 2012).
Sedangkan pengungkapan sukarela dalam SAK No.1 paragraf 12 (IAI, 2009)
dijelaskan sebagai berikut: Entitas dapat pula menyajikan, terpisah dari
laporankeuangan, laporan mengenai lingkungan hidup dan laporan
nilaitambah (value added statement), khususnya bagi industri dimana faktor
lingkungan hidup memegang peranan penting dan bagi industri yang
menganggap karyawan sebagai kelompok pengguna informasi yang
memegang peranan penting. Laporan tambahan tersebut di luar ruang lingkup
Standar Akuntansi Keuangan.
Berdasarkan keputusan Ketua BAPEPAM No. SE-02/PM/2002, telah
disebutkan informasi-informasi yang wajib disampaikan oleh manajemen
perusahaan dalam laporan keuangan tahunan perusahaan. Tingginya
kebutuhan informasi mengenai prospek perusahaan bagi para stakeholder
menuntut sebagian besar manajemen perusahaan untuk melakukan
pengungkapan informasi keuangan melebihi dari informasi yang diwajibkan
oleh BAPEPAM, dimana pengungkapan ini disebut dengan pengungkapan
sukarela (Baskaraningrum dan Merkusiwati, 2012).
27
Pengungkapan sukarela bisa mengungkapkan butir-butir informasi
selain yang berkaitan tentang keuangan perusahaan yang dilakukan secara
leluasa dimana tidak menghalangi manajemen untuk memberikan tambahan
pengungkapan secara sukarela.Standar-standar akuntansi biasanya tidak
mewajibkan pengungkapan yang maksimal, tetapi tidak menghalangi
manajemen untuk untuk memberikan tambahan pengungkapan informasi
secara sukarela. Pertimbangan manajemen dalam kebijakannya untuk
mengungkapkan informasi secara sukarela umumnya dipengaruhi oleh faktor
biaya dan manfaat. Manajemen akan mengungkapkan informasi secara
sukarela bila manfaat yang diperoleh pengungkapan informasi tersebut lebih
besar dari biayanya (Sutomo, 2004).
Luas dari pengungkapan sukarela yang dilakukan oleh perusahaan
mampu merubah nilai perusahaan disamping pengumuman laba perusahaan.
Perusahaan yang melakukan lebih banyak pengungkapan sukarela dalam
laporan tahunannya dapat memberikan nilai lebih dibandingkan dengan
perusahaan yang luas pengungkapan sukarelanya kurang. Adanya
pengungkapan sukarela mampu memberikan informasi tambahan serta
mengurangi asimetri informasi dan ketidakpastian perusahaan. Informasi
tambahan (good news maupun bad news) tersebut akan direspon investor
sebagai bahan penilaian perusahaan dan pertimbangan investasi selain
informasi laba perusahaan. Investor akan semakin yakin dengan
28
pengungkapan yang dilakukan oleh perusahaan, apabila tingkat pengungkapan
yang dilakukan oleh perusahaan semakin luas. Selain itu informasi sukarela
yang diungkapkan perusahaan akan memberikan informasi tentang expected
future earnings sehingga investor akan menggunakan informasi tersebut dan
tidak menggunakan informasi laba sebagai proksi expected future earnings
(Sudarma dan Ratnadi, 2015).
Pengungkapan sukarela dalam penelitian ini menggunakan daftar item
pengungkapan yang digunakan oleh Sudarma (2015) yang berjumlah 8 poin
dan dibagi menjadi 46 item. 8 poin tersebut adalah :
1. Background Information (5 item)
2. Financial overview (2 item)
3. Key non-financial statistics (10 item)
4. Projected information (10 item)
5. Management discussion and analysis (4 item)
6. Research and Development activities (4 item)
7. Employee information (9 item)
8. Value added information (2 item)
5. Leverage
Teori keagenan mengatakan bahwa agen biasanya bersikap oportunis
dan tidak menyukai risiko (risk averse). Karena itu perusahaan khususnya
manajer perusahaan yang mendekati atau telah melanggar perjanjian utang
29
akan berusahan untuk meningkatkan kepentingannya sendiri dan menghidari
risiko yang ada. Debt-covenant hypothesis menyatakan bahwa jika semua hal
lain tetap sama, semakin dekat perusahaan dengan pelanggaran perjanjian
utang yang berbasis akuntansi, lebih mungkin manajer perusahaan untuk
memilih prosedur akuntansi yang memindahkan laba yang dilaporkan dari
periode masa datang ke periode saat ini. Alasannya bahwa laba bersih yang
dilaporkan naik akan mengurangi profitabilitas kegagalan teknis (Herawati
dan Baridwan, 2007)
Astute (2004) menyatakan perusahaan yang mempunyai rasio leverage
yang tinggi, berarti proporsi hutangnya lebih tinggi dibandingkan dengan
proporsi aktivanya, maka akan cenderung melakukan manipulasi dalam
bentuk manajemen laba. Perusahaan dengan leverage tinggi akan menerapkan
standar akuntansi yang menurunkan atau menaikkan laba yang dilaporkan.
Dengan demikian, disimpulkan bahwa perusahaan dengan tingkat leverage
yang tinggi cenderung mengatur labanya dibandingkan dengan perusahaan
dengan tingkat leverage yang rendah.
Menurut Brigham dan Houston (2001), Leverage keuangan (financial
Leverage) merupakan suatu ukuran yang menunjukkan sampai sejauh mana
sekuritas berpenghasilan tetap (utang dan saham preferen) digunakan dalam
stuktur modal perusahaan. Pada umumnya ada dua jenis Leverage, yaitu
Leverage operasi (operating Leverage) dan Leverage keuangan (financial
30
Leverage), yang dimaksud Leverage dalam penelitian ini adalah Leverage
keuangan (financial Leverage). Leverage keuangan menunjukkan proporsi
atas penggunaan utang untuk membiayai investasinya.
Rasio Leverage merupakan proporsi total hutang terhadap equitas
pemegang saham. Rasio tersebut digunakan untuk memberikan gambaran
mengenai struktur modal yang dimiliki perusahaan, sehingga dapat dilihat
resiko tak tertagihnya suatu utang (Luciana dan Ikka, 2007). Rasio Leverage
adalah ukuran dari seberapa banyak aset perusahaan berpengaruh terhadap
equitas. Perusahaan dengan rasio Leverage yang tinggi berarti bahwa
perusahaan menggunakan hutang dan kewajiban lainnya untuk membiayai
asset dan berisiko lebih tinggi dibandingkan perusahaan dengan Leverage
yang lebih rendah (Paramita, 2012).
Menurut Sutrisno (2013) rasio leverage menunjukkan seberapa besar
kebutuhan dana perusahaan dibelanjai dengan hutang. Apabila perusahaan
tidak mempunyai leverage atau leverage = 0 artinya perusahaan dalam
beroperasi sepenuhnya menggunakan modal sendiri atau tanpa menggunakan
hutang. Semakin rendah leverage faktor, perusahaan mempunyai resiko yang
kecil bila kondisi ekonomi merosot. Penggunaan dana hutang bagi perusahaan
tersebut mempunyati 3 dimensi (1) pemberi kredit akan menitik beratkan pada
besarnyan jaminan atas kredit yang diberikan, (2) dengan menggunakan dana
hutang, maka apabila perusahaan mendapatkan keuntungan yang lebih besar
31
dari beban tetapnya maka pemilik perusahaan keuntungannya akan
meningkat, dan (3) dengan penggunaan hutang, pemilik mendapatkan dana
tanpa kehilangan pengendalian pada perusahaannya. Semakin besar tingkat
leverage perusahaan, akan semakin besar jumlah hutang yang digunakan, dan
semakin besar resiko bisnis yang dihadapi terutama apabila kondisi
perekonomian memburuk. Ada lima rasio leverage yang bisa dimanfaatkan
oleh perusahaan yakni sebagi berikut :
1. Total Debt to Total Asset Ratio
Rasio total hutang drngan total aktiva yang disebut rasio hutang (debt
ratio) mengukur persentase besarnya dana yang berasal dari hutang.
Yang dimaksud dengan hutang adalah semua hutang yang dimiliki
oleh perusahaan baik yang berjangka pendek maupun yang berjangka
panjang. Kreditor lebih menyukai debt ratio yang rendah, sebab
tingkat kemanan dananya semakin baik. Untuk mengukur besarnya
debt ratio bisa dihitung dengan rumus sebagai berikut :
2. Debt to Equity Ratio
Rasio hutang dengan modal sendiri (debt to equity ratio) merupakan
imbangan antara hutang yang dimiliki perusahaan dengan modal
sendiri. Semakin tinggi rasio ini berarti modal sendiri semakin sedikit
disbanding dengan hutangnya. Bagi perusahaan, sebaiknya besarnya
hutang tidak boleh melebihi modal sendiri agar beban tetapnya tidak
32
terlalu tinggi. Untuk pendekatan konservatif besarnya hutang
maksimal sama dengan modal sendiri, artinya debt to equitynya
maksimal 100%. Untuk menghitung debt to equity ratio bisa
menggunakan rumus sebagai berikut :
3. Time Interest Earned Ratio
Time Interest Earned Ratio yang sering disebut sebagai converage
ratio merupakan rasio antara laba sebelum bunga dan pajak dengan
beban bunga. Rasio ini mengukur kemampuan perusahaan memenuhi
beban tetapnya berupa bunga dengan laba yang diperolehnya, atau
mengukur berapa kali besarnya laba bisa menutup beban bunganya.
Rumus yang digunakan adalah :
4. Fixed Charge Coverage Ratio
Rasio ini mengukur kemampuan perusahaan untuk menutup beban
tetapnya termasuk pembayaran deviden saham preferen, bunga,
angsuran pinjaman, dan sewa. Karena mungkin saja perusahaan
menggunakan aktiva tetap dengan cara leasing. Sehingga harus
Laba sebelum bunga & pajak X 100% Time Interest Earned Ratio=
Debt to Equity Ratio =
Total Hutang
Modal X 100%
Beban bunga
33
membayar angsuran tertentu. Untuk menghitung rasio ini bisa
menggunakan rumus :
5. Debt Service Ratio
debt Service Ratio merupakan kemampuan perusahaan dalam
memenuhi beban tetapnya termasuk angsuran pokok pinjaman. Rumus
yang digunakan sebagai berikut :
Pengukuran leverage dalam penelitian ini menggunakan debt to equity
ratio (DER) yang digunakan dalam penelitian Ahalik dan Hardi (2015). Rasio
leverage diukur dengan membagi total hutang dengan jumlah modal
perusahaan.
6. Likuiditas
Likuiditas adalah suatu usaha bisnis yang diartikan sebagai
kemampuan perusahaan untuk memenuhi semua kewajibannya yang telah
Fixed Charge Converage Ratio =
EBIT + Bunga + Angsuran Leasse
Bunga + Angsuran Leasse
Debt Service Ratio =
Laba sebelum bunga & pajak
Bunga + Sewa +
Angsuran pokok pinjaman (1-tarif pajak)
34
jatuh tempo (Keown et al, 2008) seperti membayar listrik, telepon, air PDAM,
gaji karyawan dan sebagainya. Likuiditas berpengaruh terhadap kualitas laba
karena jika suatu perusahaan memiliki kemampuan dalam membayar hutang
jangka pendeknya berarti perusahaan memiliki kinerja keuangan yang baik
dalam pemenuhan hutang lancar sehingga perusahaan tidak perlu melakukan
praktek manipulasi laba. Suatu perusahaan yang memiliki kemampuan dalam
memenuhi kewajibannya menunjukan bahwa perusahaan memiliki
kelangsungan hidup yang baik. Dengan kondisi seperti ini sangat
dimanfaatkan oleh pihak manajemen dalam memberikan sinyal atas kondisi
perusahaan kepada pasar. Kuatnya reaksi pasar akan mengindikasikan bahwa
laba perusahaan semakin berkualitas. karena likuiditas merupakan salah satu
tinjauan terhadap kinerja perusahaan.
Likuiditas menunjukkan bahwa perusahaan mampu untuk memenuhi
kewajiban finansialnya dalam jangka pendek menggunakan dana lancar yang
tersedia. Namun apabila likuiditas perusahaan terlalu besar maka perusahaan
tersebut berarti tidak mampu mengelola aktiva lancarnya semaksimal
mungkin sehingga kinerja keuangan menjadi kurang baik dan kemungkinan
ada manipulasi laba untuk mempercantik informasi laba tersebut (Dira dan
Astika, 2014).
Menurut Sutrisno (2013), likuiditas adalah kemampuan perusahaan
untuk membayar kewajiban-kewajibannya yang segera harus dipenuhi.
35
Kewajiban yang harus dipenuhi hutang jangka pendek, oleh karena itu rasio
ini bisa digunakan untuk mengukur tingkat keamanan kredit jangka pendek,
serta mengukur apakah operasi perusahaan tidak akan terganggu bila
kewajiban jangka pendekini segera ditagih. Ukuran rasio likuiditas terdiri dari
tiga alat ukur.
1. Current Ratio
Current Ratio adalah rasio yang membandingkan antara aktiva lancar
yang dimiliki perusahaan dengan hutang jangka pendek. Aktiva lancar
meliputi kas, piutang dagang, efek, persediaan, dan aktiva lancar
lainnya. Sedangkan hutang jangka pendek meliputi hutang dagang,
hutang wesel, hutang bank, hutang gaji, dan hutang lainnya yang
segera harus dibayar. Rumus current ratio adalah :
2. Quick Ratio atau Acid Test Ratio
Quick Ratio merupakan rasio antara aktiva lancar sesudah dikurangi
persediaan dengan hutang lancar. Rasio ini menunjukkan besarnya alat
likuid yang paling cepat yang bisa digunakan untuk melunasi hutang
lancar. Persediaan dianggap aktiva lancar yang paling tidak lancar,
sebab untuk menjadi uang tunai (kas) memerlukan dua langkah yakni
Current Ratio = Hutang Lancar
Aktiva Lancar
36
menjadi piutang terlebih dahulu sebelum menjadi kas. Formulasi
untuk menghitung quick ratio adalah :
3. Cash Ratio
Cash Ratio adalah rasio yang membandingkan antara kas dan aktiva
lancar yang bisa segera menjadi uang kas dengan hutang lancar.
Aktiva lancar yang bisasegera menjadi uang kas adalah efek atau
surat berharga. Dengan demikian rumus untuk menghitung cash ratio
adalah sebagai berikut :
Rasio likuiditas yang umum digunakan adalah current ratio. Current
ratio yang tinggi biasanya dianggap menunjukkan tidak terjadi masalah dalam
likuiditas, sehingga semakin tinggi likuiditas artinya laba yang dihasilkan
suatu perusahaan berkualitas karena manajemen perusahaan tidak perlu
melakukan praktik manajemen laba.
Rasio likuiditas yang digunakan pada penelitian ini adalah menggunakan
current ratio, yang digunakan dalam penelitian Nurhanifah dan Jaya (2014).
Current Ratio adalah rasio yang membandingkan antara aktiva lancar yang
dimiliki perusahaan dengan hutang jangka pendek. Aktiva lancar meliputi kas,
Quick Ratio = Aktiva Lancar - Persediaan
Hutang Lancar
Quick Ratio = Efek + Kas
Hutang Lancar
37
piutang dagang, efek, persediaan, dan aktiva lancar lainnya. Sedangkan
hutang jangka pendek meliputi hutang dagang, hutang wesel, hutang bank,
hutang gaji, dan hutang lainnya yang segera harus dibayar
B. Hasil-hasil penelitian terdahulu
Berikut adalah hasil penelitian serta persamaan dan perbedaan
penelitian sebelumnya dengan penelitian ini. Untuk selengkapnya dapat
dilihat pada tabel 2.1 di halaman berikut.
Tabel 2.1 Penelitian terdahulu
Peneliti/Judul Penelitian/Tahun
Variabel dan metode penelitian sebelumnya Hasil Penelitan Persamaan Perbedaan Puteri, Paramitha
Anggia dan Rohman, Abdul/
Analisis Pengaruh IOS Dan Mekanisme
GCG Terhadap Kualitas Laba Dan Nilai Perusahaan/
2012
1. Menggunakan variabel independen IOS
2. Menggunakan variabel dependen kualitas laba
1. Menganti variabel independen GCG menjadi voluntary disclosure, leverage, dan likuiditas
1. Investement opportunuty set berpengaruh terhadap kualitas laba.
Paulus dan Hadiprajitno /
Analisis Faktor-faktor yang
Mempengaruhi Kualitas Laba/2012
1. Menggunakan variabel independen investment opportunity set
2. Menggunakan variabel dependen kualitas laba
3. Menggunakan data sekunder
1. Menggunakan program yang berbeda antara SPSS dan Eviews
2. Mengganti variabel Independent Commissioner, Managerial Ownership, Institutional Ownership,menjadi voluntary disclosure, leverage, dan likuiditas
1. Investment opportunity Set berpengaruh positif terhadap kualitas laba.
Berlanjut ke halaman berikutnya
38
Tabel 2.1 (lanjutan) Peneliti/Judul
Penelitian/Tahun Variabel dan metode penelitian sebelumnya Hasil Penelitan Persamaan Perbedaan
Paramita/ Pengaruh
Leverage, Firm Size Dan Voluntary
Disclousure Terhadap Earnings Response
Coeffisient (ERC)/2012
1. Menggunakan variabel independen leverage and voluntary disclosure
2. Menggunakan perhitungan ERC
3. Menggunakan data sekunder
1. Mengganti variable firm size menjadi IOS, dan likuiditas
2. Menggunakan data sekunder
1. Leverage tidak berpengaruh terhadap kualitas laba
2. Voluntary disclosure berpengaruh positi terhadap kualitas laba
Yushita, Amanita Novi dkk. /Pengaruh Corporate
Governance, Kualitas Auditor Eksternal, dan
Likuiditas Terhadap Kualitas
Laba/2013
1. Menggunakan variabel independen likuiditas dan variabel dependen kualitas laba
1. Mengganti variabel independen Corporate Governance, Kualitas Auditor Eksternal menjadi Investment Opportunity Set, Leverage, dan voluntary disclosure
1. Likuiditas tidak berpengaruh terhadap kualitas laba
Nurhanifah dan Jaya/ Pengaruh alokasi pajak antar periode,
investment opportunity set, dan likuiditas
terhadap kualitas laba/ 2014
1. Menggunakan variabel independen IOS dan likuiditas
2. Menggunakan variabel dependen kualitas laba
3. Menggunakan
data sekunder
1. Mengganti variabel struktur modal, pertumbuhan perusahaan, dan ukuran perusahaan dengan variabel voluntary disclosure dan leverage
2. Menggunakan metode data panel.
1. Lukuiditas berpengaruh terhadap kualitas laba
Berlanjut ke halaman berikutnya
39
Tabel 2.1 (lanjutan) Peneliti/Judul
Penelitian/Tahun Variabel dan metode penelitian sebelumnya Hasil Penelitan Persamaan Perbedaan
Gaio dan Raposo/ Corporate
Governance and Earnings Quality:
International Evidence/2014
1. Menggunakan variabel independen leverag
2. Menggunakan data sekunder
1. Mengganti variable firm size menjadi IOS, dan likuiditas
2. Menggunakan data panel
1. Leverage berpengaruh negatif terhadap kualitas laba
Kuo dan Lin/ Disclosure
Levels, Stock Market Liquidity,
and Earnings Quality: Evidence
from Taiwan/ 2014
1. Menggunakan variabel independen likuiditas dan voluntary disclosure dan variabel dependen kualitas laba
1. Menambahkan variabel independen Investment Opportunity Set, Leverage, dan voluntary disclosure
1. Likuiditas dan voluntary disclosure berpengaruh terhadap kualitas laba
Sudarma dan Ratnadi/pengaruh
voluntary disclosure pada earnings respons coefficient/ Bali
2015.
1. Menggunakan variabel voluntary disclosure
2. Menggunakan data sekunder
1. Menambahkan variabel IOS, leverage, dan likuiditas.
2. Menggunakan data panel
1. Voluntary disclosure berpengaruh negative terhadap earning respons doefficient.
Simamora, Erikson, Tanjung Rusli, dan Julita/
Pengaruh investment
opportunity set (IOS), mekanisme
good corporate governance dan reputasi KAP
terhadap kualitas laba perusahaan/
2014
1. Menggunakan variabel independen investment opportunity set dan variabel dependen kualitas laba
1. Mengganti variabel GCG dan reputasi KAP menjadi voluntary disclosure, leverage, dan likuiditas.
1. Investment Opporunity Set tidak berpengaruh terhadap kualitas laba.
Berlanjut ke halaman berikutnya
40
Tabel 2.1 (lanjutan) Peneliti/Judul
Penelitian/Tahun Variabel dan metode penelitian sebelumnya Hasil Penelitan Persamaan Perbedaan
Balgacem, Ines and Omri, Abdelwahed/
Does Corporate Social Disclosure Affect Earnings
Quality? Empirical Ev
idence From Tunisia/ 2015
1. Menggunakan variabel independen Voluntary Disclosure
2. Menggunakan variabel dependen kualitas laba
3. Menggunakan data sekunder
1. Menambahkan variabel independen, Investment Opportunity Set, Leverage, dan likuiditas
1. Voluntary Disclosure berpengaruh terhadap kualitas laba.
Ahalik and Hardy/The impact
of ifrs implementation,
leverage, Audit quality, institutional ownership,
And managerial ownership towards Earnings quality of indonesian listed
Companies in lq-45 index/ 2015
1. Menggunakan variabel independen leverage
2. Menggunakan data sekunder
1. Mengganti variable independen ifrs implementation, Audit quality, institutional ownership,
And managerial ownership menjadi ios, voluntary disclosure, dan likuiditas
1. Leverage berpengaruh positif terhadap kualitas laba
41
C. Kerangka Pemikiran
Hubungan variabel independen, dan variabel dependen dalam penelitian ini dapat digambarkan dalam gambar 2.1
Gambar 2.1 Kerangka Pemikiran
Pengaruh, Investment Opportunity Set. Voluntary Disclosure, Leverage, dan Likuiditas
terhadap Kualitas Laba
Agency Teory
Kualitas Laba Investment Opportunity Set Voluntary Disclosure Leverage Likuiditas
Metode Estimasi Data Panel
Pooled Least Square Fixed Effect Random Effect
Pemilihan Model Regresi Panel
Uji Hausman Uji Chow
Uji Asumsi Klasik
Heterokedastisitas Multikolonieritas Normalitas
Adjusted R2
Uji F Uji t
Uji Signifikansi
Interprestasi
42
D. Hipotesis
1. Investment Opportunity Set dengan Kualitas Laba
Investment Opportunity Set (IOS) adalah tersedianya alternative
investasi di masa datang bagi perusahaan (Hartono 1999). IOS merupakan
nilai sekarang dan pilihan perusahaan untuk membuat investasi di masa
mendatang (Myers, 1977 dalam Hasnawati, 2005). IOS merupakan keputusan
investasi dalam bentuk kombinasi dari aktiva yang dimiliki dan opsi investasi
di masa yang akan datang, dimana IOS tersebut akan mempengaruhi nilai
suatu perusahaan (Pagalung, 2003). Maka IOS dijadikan sebagai dasar untuk
menentukan klasifikasi pertumbuhan perusahaan di masa depan, apakah suatu
perusahaan termasuk dalam klasifikasi bertumbuh atau tidak bertumbuh.
Tinggi rendahnya nilai kesempatan investasi menggambarkan kualitas
informasi yang diungkapkan perusahaan dalam laporan keuangan. Pada saat
kesempatan investasi menguntungkan, akan menunjukan kemampuan
menghasilkan laba yang tinggi. Dengan kemampuan perusahaan yang
mempunyai kesempatan bertumbuh, akan memberikan sinyal pada reaksi
pasar terhadap perusahaaan. Berdasarkan penelitian yang dilakukan oleh
Nurhanifah dan Jaya (2014) menyimpulkan bahwa manajer dari perusahaan
yang memiliki IOS tinggi cenderung memanipulasi laba hingga kualitas
labanya menjadi rendah. Signaling theory dapat mengindikasikan adanya
asymmetric information, dimana pihak manajemen mempunyai informasi
43
yang lebih baik dibandingkan dengan pihak luar. Manajemen berusaha
mengungkap informasi untuk mengungkap informasi yang menurut
pertimbangannya akan diminati oleh para pengguna informasi. Dengan nilai
IOS yang merupakan pilihan manajemen dimungkinkan adanya tindakan
manipulasi, hal ini dapat mengakibatkan pasar merespon rendah terhadap
perusahaan yang mempunyai kesempatan bertumbuh. Dan kemungkinan
dalam penelitian ini nilai IOS juga kurang menjadi pusat perhatian investor
dan dimungkinkan investor hanya berfokus angka laba akuntansi. Serta
motivasi investor dalam berinvestasi bukan unuk mendapakan keuntungan
jangka panjang. Namun bertujuan unuk mendapatkan keuntungan jangka
pendek (capital gain).
Beberapa peneliti telah meneliti apakah investment opportunity set
berperngaruh terhadap kualitas laba. Penelitian yang dilakukan oleh
Nurhanifah dan Jaya (2014) menghasilkan kesimpulan bahwa investment
opportunity set berpengaruh terhadap kualitas laba, hal ini juga mendukung
hasil penelitian dari Puteri dan Rohman (2012) yang menyebutkan bahwa
investment opportunity set berpengaruh terhadap kualitas laba. Dengan
demikian keterkaitan antara investment opportunity set dengan kualitas laba
dapat dirumuskan melalui hipotesis sebagai berikut:
Ha1 : investment opportunity set berpengaruh terhadap kualitas laba
44
2. Voluntary Disclosure dengan Kualitas Laba
Luas dari pengungkapan sukarela yang dilakukan oleh perusahaan
mampu merubah nilai perusahaan disamping pengumuman laba perusahaan.
Perusahaan yang melakukan lebih banyak pengungkapan sukarela dalam
laporan tahunannya dapat memberikan nilai lebih dibandingkan dengan
perusahaan yang luas pengungkapan sukarelanya kurang. Adanya
pengungkapan sukarela mampu memberikan informasi tambahan serta
mengurangi asimetri informasi dan ketidakpastian perusahaan. Informasi
tambahan (good news maupun bad news) tersebut akan direspon investor
sebagai bahan penilaian perusahaan dan pertimbangan investasi selain
informasi laba perusahaan. Investor akan semakin yakin dengan
pengungkapan yang dilakukan oleh perusahaan, apabila tingkat pengungkapan
yang dilakukan oleh perusahaan semakin luas..
Penelitian yang dilakukan oleh Paramita (2012) menghasilkan
kesimpulan bahwa luas pengungkapan sukarela berpengaruh positif terhadap
Earning Response Coefficient (ERC), Sudarma (2015) juga menghasilkan
kesimpulan bahwa voluntary disclosures level berpengaruh terhadap Earning
Response Coefficient (ERC). Dengan demikian keterkaitan antara voluntary
disclosure dengan kualitas laba dapat dirumuskan melalui hipotesis sebagai
berikut:
Ha2 : voluntary disclosure berpengaruh terhadap kualitas laba
45
3. Leverage dengan Kualitas Laba
Leverage merupakan salah satu faktor yang mempengaruhi kualitas
laba perusahaan. penelitian ini menjelaskan bahwa perusahaan yang masih
muda dan belum menjadi perusahaan public memiliki sumber pendanaan yang
terbatas dari sumber internal sehingga perusahaan akan memiliki leverage
yang besar. Perusahaan yang besar akan diikuti dengan upaya manajer untuk
meningkatkan kinerja dan menghasilkan laba yang tinggi. Hal tersebut
dilakukan agar manajer tetap mendapatkan kepercayaan ketika akan mencari
sumber pendapatan dari pasar hutang. Perusahaan dengan leverage yang
tinggi akan memiliki kecenderungan melakukan manajemen laba dengan
menggunakan akrual untuk melaporkan laba lebih tinggi yang menyebabkan
kualitas laba menjadi lebih rendah (Anggraini, 2010).
Beberapa peneliti telah meguji apakah terdapat pengaruh antara
leverage dengan kualitas laba. Penelitian yang dilakukan oleh Ahalik dan
Hardy (2015) menyatakan bahwa leverage berpengaruh terhadap kualitas
laba. Dengan demikian keterkaitan antara leverage dengan kualitas laba dapat
dirumuskan melalui hipotesis sebagai berikut:
Ha3 : leverage berpengaruh terhadap kualitas laba.
4. Likuiditas dengan Kualitas Laba
Likuiditas menunjukkan bahwa perusahaan mampu untuk memenuhi
kewajiban finansialnya dalam jangka pendek menggunakan dana lancar yang
46
tersedia. Namun apabila likuiditas perusahaan terlalu besar maka perusahaan
tersebut berarti tidak mampu mengelola aktiva lancarnya semaksimal
mungkin sehingga kinerja keuangan menjadi kurang baik dan kemungkinan
ada manipulasi laba untuk mempercantik informasi laba tersebut. Likuiditas
meningkat karena adanya asimetri informasi (Amihud, 2008). Gharezi and
Zadeh (2013) menyatakan bahwa likuiditas memiliki hubungan yang lemah
dan negatif pada kualitas laba.
Menurut Nurhanifah dan Jaya (2014) menyatakan bahwa likuiditas
berpengaruh terhadap kualitas laba karena jika suatu perusahaan memiliki
kemampuan dalam membayar hutang jangka pendeknya berarti perusahaan
memiliki kinerja keuangan yang baik dalam pemenuhan hutang lancar
sehingga perusahaan tidak perlu melakukan praktek manipulasi laba. Suatu
perusahaan yang memiliki kemampuan dalam memenuhi kewajibannya
menunjukan bahwa perusahaan memiliki kelangsungan hidup yang baik.
Dengan kondisi seperti ini sangat dimanfaatkan oleh pihak manajemen dalam
memberikan sinyal atas kondisi perusahaan kepada pasar. Kuatnya reaksi
pasar akan mengindikasikan bahwa laba perusahaan semakin berkualitas.
karena likuiditas merupakan salah satu tinjauan terhadap kinerja perusahaan.
Dengan demikian keterkaitan antara likuiditas dengan kualitas laba dapat
dirumuskan melalui hipotesis sebagai berikut:
Ha4 : likuiditas berpengaruh terhadap kualitas laba.
47
BAB III
METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
Penelitian ini menggunakan model regresi untuk keperluan estimasi.
Penelitian ini menggunakan 1 (satu) variabel dependent yaitu kualitas laba dan 4
(empat) variabel independent (bebas) yaitu investment opportunity set, voluntary
disclosure, leverage, dan likuiditas. Data yang digunakan adalah data sekunder.
Analisis dalam penelitian ini menggunakan analisis regresi berganda
menggunakan data panel, yaitu analisis yang menggabungkan data time series dan
cross section. Adapun data time series yang telah ditentukan adalah tahun 2010-
2014, selain itu telah ditentukan juga data cross section yang akan diteliti yaitu
perusahaan manufaktur yang terdaftar di BEI.
B. Metode Penentuan Sampel
Populasi adalah jumlah keseluruhan dari unit analisis yang ciri-cirinya akan
diduga. Populasi dalam penelitian ini adalah perusahaan manufaktur dalam public
yang terdaftar di Bursa Efek Indonesia (BEI) selama periode tahun 2010 sampai
dengan 2014. Pengambilan sampel dalam penelitian ini dilakukan dengan
menggunakan metode purposive sampling, dalam hal ini lebih khusus pada
penggunaan metode judgment sampling. Judgment sampling merupakan tipe
pemilihan sampel secara tidak acak yang informasinya diperoleh dengan
48
menggunakan pertimbangan tertentu yang umumnya disesuaikan dengan tujuan
atau masalah penelitian (Indrianto dan Supomo, 1999).
Adapun kriteria pemilihan sampel pada penelitian ini adalah sebagai berikut :
1. Seluruh perusahaan manufaktur go public yang terdaftar di BEI
selama periode penelitian yaitu tahun 2010 – 2014
2. Data laporan keuangan perusahaan tersedia selama periode penelitian
3. Perusahaan menerbitkan laporan keuangan untuk periode yang
berakhir pada 31 Desember selama periode penelitian
4. Perusahaan sampel memiliki semua data yang diperlukan secara
lengkap.
5. Perusahaan memiliki data harga penutupan saham akhir tahun dimana
saham tersebut aktif diperdagangkan selama periode penelitian.
6. Perusahaan yang mengalami profit selama periode penelitian.
C. Metode Pengumpulan Data
Dalam mengumpulkan data, sumber data menjadi hal penting dalam
menentukan teknik pengumpulan data. Ada dua macam sumber data yang bisa
digunakan dalam penelitian, yaitu data primer dan data sekunder. Dalam
penelitian ini digunakan data sekunder. Data sekunder adalah data penelitian yang
diperoleh peneliti secara tidak langsung melalui media perantara atau telah
diperoleh dan dicatat oleh pihak lain yang umumya berupa bukti, catatan atau
laporan historis yang telah tersusun dalam arsip yang dipublikasikan atau yang
49
tidak dipublikasikan. Data sekunder lebih mudah untuk diperoleh karena sudah
tersedia dan peneliti tinggal mengolah data tersebut. Dalam menggunakan data
sekunder peneliti harus lebih hati-hati karena suatu data yang dilaporkan sumber
yang berbeda ada kemungkinan datanya juga berbeda (Indriantoro dan Supomo,
2002).
Metode pengumpulan data yang digunakan dalam penelitian ini adalah
studi kepustakaan, yaitu data diperoleh dari beberapa literatur yang berkaitan
dengan masalah yang sedang diteliti, penelusuran data ini dilakukan dengan cara:
1. Penelusuran secara manual untuk data dalam format kertas hasil
cetakan. Data yang disajikan dalam format kertas hasil cetakan antara
lain berupa jurnal, buku, skripsi dan thesis.
2. Penelusuran dengan menggunakan komputer untuk data dalam format
elektronik. Data ini antara lain berupa laporan keuangan yang terdapat
di PRPM BEI dan yang di publikasikan di situs BEI yang berupa file
komputer dari internet
D. Metode Analisis Data
Sesuai dengan data yang telah diperoleh maka pendekatan yang sesuai
dalam penelitian ini adalah pendekatan kuantitatif, yaitu pendekatan yang
menekankan pada angka-angka dalam penelitiannya. Dari data angka yang telah
diperoleh maka diharap dapat memberikan kesimpulan yang tepat.
50
1. Metode Data Panel
Menurut Winarno (2011), data panel atau pooled data merupakan data
yang terdiri atas data seksi silang (beberapa variabel) dan data runtut waktu
(berdasar waktu). Analisis regresi berganda dengan data panel adalah analisis
regresi yang didasarkan pada data panel untuk mengamati hubungan antara
variabel terikat (dependen) dan variabel bebas (independen).
Model dengan data cross section :
Yi = α + β Xi + Ɛi ; i = 1,2,…,N
N = Banyaknya data cross section
Model dengan data time seris :
Yt = α + β Xt + Ɛi ; t = 1,2,…,T
T = Banyaknya data time series
Melihat data panel merupakan gabungan antara data cross section dan data
time series maka model yang dapat disimpulkan adalah sebagai berikut :
Yit = α + β Xit + Ɛit ; I = 1,2,…,N; t = 1,2,…,T
Dimana :
N = Banyaknya data cross section
T = Banyaknya data time series
N x T = Banyaknya data panel
Keunggulan penggunaan metode data panel dibandingkan metode time
series atau cross section adalah:
51
1. Estimasi data panel dapat menunjukkan adanya heterogenitas dalam tiap
individu.
2. Dengan data panel, data lebih informasif, lebih bervariasi, mengurangi
kolinearitas antar variabel, meningkatkan derajat kebebasan (degree of
freedom), dan lebih efisien.
3. Studi data panel lebih memuaskan untuk menentukan perubahan dinamis
dibandingkan dengan studi berulang dari cross section.
4. Data panel lebih mendeteksi dan mengukur efek yang secara sederhana
tidak dapat diukur oleh data time series atau cross section.
5. Data panel membantu studi untuk menganalisis perilaku yang lebih
kompleks.
6. Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi
individu atau perusahaan karena unit data lebih banyak.
2. Pemodelan data panel
Terdapat tiga pendekatan yang dapat digunakan dalam mengestimasi data
panel, yaitu : 1) pendekatan OLS biasa (Pooled Least Square), 2) pendekatan
efek tetap (Fixed Effect Model), dan 3) pendekatan efek acak (Random Effect
Model).
a. Pendekatan Pooled Least Square (PLS)
Pendekatan ini merupakan pendekatan yang paling sederhana karena
menggabungkan data cross section dan data time series sebagai
52
analisisnya. Dalam pendekatan ini tidak memperhatikan dimensi antar
individu maupun rentang waktu, sehingga model ini dapat pula dapat pula
disebut sebagai model OLS biasa karena menggunakan kuadrat terkecil.
b. Pendekatan Fixed Effect Model (FEM)
Metode efek tetap ini dapat menunjukan perbedaan antar objek
meskipun dengan regresor yang sama. Model ini dikenal dengan model
regresi Fixed Effect (efek tetap). Efek tetap ini dimaksudkan adalah bahwa
sutu objek, memiliki konstan yang tetap besarannya untuk berbagai
periode waktu. Demikian juga dengan koefisien regresinya, tetap
besaranya dari waktu ke waktu (time invariant).
Keuntungan metode efek tetap ini adalah dapat membedakan efek
individual dan efek waktu dan tidak perlu mengasumsikan bahwa
komponen eror tidak berkolerasi dengan variabel bebas yang mungkin
sulit dipenuhi. Dan kelemahan metode efek tetap ini adalah
ketidaksesuaian model dengan keadaan yang sesungguhnya. Kondisi tiap
objek saling berbeda, bahkan satu objek pada suatu waktu akan sangat
berbeda dengan kondisi objek tersebut pada waktu yang lain.
c. Pendekatan Random Effect Model (REM)
Keputusan untuk memasukan variabel boneka dalam model efek tetap
(fixed effect) tidak dapat dipungkiri akan dapat menimbulkan konsekuensi
(trade off). Penambahan variabel boneka ini akan dapat mengurangi
53
banyaknya derajat kebebasan (degree of freedom) yang pada akhirnya
akan mengurangi efisiensi dari parameter yang diestimasi. Model panel
data yang didalamnya melibatkan kolerasi antar error term karena
berubahnya waktu karena berbedanya observasi dapat diatasi dengan
pendekatan model komponen eror (eror component model) atau disebut
juga model efek acak (random effect)
Metode ini digunakan untuk mengatasi kelemahan metode efek tetap yang
menggunakan variabel semu, sehingga model mengalami ketidakpastian.
Tanpa menggunakan variabel semu, metode efek menggunakan residual,
yang diduga memiliki hubungan antar waktu dan antar objek. Syarat untuk
menganalisis efek random yaitu objek data silang harus lebih besar dari
pada banyaknya koefisien (Winarno, 2007).
3. Pemilihan Model Data Panel
Ada dua tahap dalam memilih metode dalam data panel. Pertama kita
harus membandingkan PLS dengan FEM terlebih dahulu. Kemudian
dilakukan uji F-test. Jika hasil menunjukkan model PLS yang diterima, maka
model PLS lah yang akan dianalisa. Tapi jika model FEM yang diterima,
maka tahap kedua dijalankan, yakni melakukan perbandingan lagi dengan
model REM. Setelah itu dilakukan pengujian dengan Hausman test untuk
menentukan metode mana yang akan dipakai, apakah FEM atau REM.
54
a. Uji Chow
Uji ini dilakukan untuk mengetahui model Pooled Least Square (PLS)
atau FEM yang akan digunakan dalam estimasi. Relatif terhadap Fixed
Effect Model, Pooled Least Square adalah restricted model dimana ia
menerapkan intercept yang sama untuk seluruh individu. Padahal asumsi
bahwa setiap unit cross section memiliki perilaku yang sama cenderung
tidak realistis mengingat dimungkinkan saja setiap unit tersebut memiliki
perilaku yang berbeda. Untuk mengujinya dapat digunakan restricted F-
test, dengan hipotesis sebagai berikut.
H0: Model Pooled Least Square (PLS)
H1: Model Fixed Effect
Jika nilai F-hitung > F-tabel, atau nilai probabilitas (P-Value) < a
5%, maka H0 ditolak, artinya model panel yang baik untuk digunakan
adalah Fixed Effect Model, dan sebaliknya jika H0 diterima, maka model
Pooled Least Square yang dipakai dan dianalisis. Namun jika H0 ditolak,
maka model FEM harus diuji kembali untuk memilih apakah memakai
model FEM atau REM baru dianalisis.
b. Uji Hausman
Ada beberapa pertimbangan teknis empiris yang dapat digunakan
sebagai panduan untuk memilih antara Fixed Effect Model atau Random
Effect Model yaitu:
55
1) Bila T (jumlah unit time series) besar sedangkan N (jumlah unit
cross section) kecil, maka hasil FEM dan REM tidak jauh berbeda.
Dalam hal ini pilihan umumnya akan didasarkan pada
kenyamanan perhitungan, yaitu FEM.
2) Bila N besar dan T kecil, maka hasil estimasi kedua
pendekatan dapat berbeda signifikan. Jadi, apabila kita meyakini
bahwa unit cross section yang kita pilih dalam penelitian diambil
secara acak (random) maka REM harus digunakan. Sebaliknya,
apabila kita meyakini bahwa unit cross section yang kita pilih
dalam penelitian tidak diambil secara acak maka kita menggunakan
FEM.
3) Apabila cross section error component (€i) berkorelasi dengan
variabel bebas X maka parameter yang diperoleh dengan REM
akan bias sementara parameter yang diperoleh dengan FEM tidak
habis.
4) Apabila N dan T kecil, dan apabila asumsi yang mendasari REM
dapat terpenuhi, maka REM lebih efisien dibandingkan tidak bias.
Keputusan penggunaan FEM dan REM dapat pula ditentukan dengan
menggunakan spesifikasi yang dikembangkan dengan Hausman.
Spesifikasi ini akan memberikan penilaian dengan menggunakan Chi-
square statistik sehinggan keputusan pemilihan model akan dapat
56
ditentukan secara statistik.
Pengujian ini dilakukan dengan hipotesa sebagai berikut:
H0 : Random Effect Model
H1 : Fixed Effect Model
Setelah dilakukan pengujian ini, hasil dari Hausman test
dibandingkan dengan Chi-square statistik dengan df = k, dimana k adalah
jumlah koefesien variabel yang diestimasi atau nilai probabilitas (P-
Value) < a 5%,. Jika hasil dari Hausman test signifikan, maka H0 ditolak,
maka Fixed Effect Model yang digunakan.
4. Uji Asumsi Klasik
Terlebih dahulu dilakukan uji asumsi klasik sebelum di lakukannya
regresi, hal tersebut dilakukan untuk melihat apakah data terbebas dari
masalah multikolinearitas, heteroskedastisitas, dan autokorelasi. Uji
asumsi klasik ini penting dilakukan untuk menghasilkan estimator yang
linier tidak bias dengan varian yang minimum (Best Linier Unbiased
Estimator – BLUE), yang berarti model regresi tidak mengandung
masalah. Untuk itu perlu dibuktikan lebih lanjut apakah model regresi
yang digunakan sudah memenuhi asumsi tersebut. Asumsi – asumsi
tersebut antara lain:
57
a. Uji Normalitas
Salah satu asumsi dalam analisis statistika adalah data
berdistribusi normal. Untuk menguji data apakah terdistribusi normal
dengan menggunakan histogram dan uji Jarque-Bera.
Jarque-Bera adalah uji statistik untuk mengetahui apakah data
berdistribusi normal. Uji ini mengukur perbedaan skewness dan
kurtosis data dan dibandingkan dengan apabila datanya bersifat
normal. Dengan H0 pada data berdistribusi normal, uji Jarque-Bera
didistribusi dengan X2 dengan derajat bebas (degree of freedom)
sebesar 2. Probability menunjukan kemungkinan Jarque-Bera
melebihi (dalam nilai absolut) nilai terobservasi dibawah hipotesis
nol. Nilai probabilitas yang kecil cenderung mengarahkan pada
penolakan hipotesis nol distribusi normal. Pada angka Jarque-Bera
diatas nilai probabilitas (5%), maka kita dapat menolak H0 bahwa
data terdistribusi normal (Winarno, 2011)
b. Uji Multikolinearitas
Multikolinearitas adalah kondisi adanya hubungan linier antar
variabel independen. Karena melibatkan beberapa variabel
independen, maka multikolinearitas tidak akan terjadi pada
persamaan regresi sederhana (yang terdiri atas satu variabel dependen
dan satu variabel independen). (Winarno, 2011)
58
Menurut Singgih Santoso (2010), multikolinearitas mengandung
arti bahwa antar variabel independen yang terdapat dalam model
memiliki hubungan yang sempurna atau mendekati sempurna
(koefisien korelasinya tinggi atau bahkan 1).
Indikasi multikolinearitas ditunjukkan dengan beberapa informasi
antara lain:
1. Nilai R2 tinggi, tetapi variable independen banyak yang tidak
signifikan.
2. Dengan menghitung koefisien korelasi antarvariabel independen,
apabila koefisien rendah maka tidak terdapat multikolinearitas.
3. Dengan melakukan regresi auxiliary, yaitu regresi yang dapat
digunakan untuk mengetahui hubungan antara dua (atau lebih)
variabel independen yang secara bersama-sama mempengaruhi
satu variabel independen lainnya.
Sedangkan alternatif menghilangkan multikolinearitas antara lain
bisa dengan menambahkan data penelitian bila memungkinkan, karena
masalah multikolinearitas biasanya muncul karena jumlah observasi
yang sedikit. Selain itu dapat dengan menghilangkan salah satu
variabel independen terutama yang memiliki hubungan linier yang
kuat dengan variabel lain. Namun jika tidak mungkin dihilangkan
maka tetap harus dipakai. Selanjutnya bisa dengan
59
mentransformasikan salah satu (atau beberapa) variabel dengan
melakukan diferensiasi. (Winarno, 2011).
c. Uji Heteroskedastisitas
Dalam regresi linier ganda, salah satu asumsi yang harus dipenuhi
agar taksiran parameter dalam model tersebut bersifat BLUE adalah
var (ui) = ơ2 (konstan), semua sesatan mempunyai variansi yang sama.
Padahal, ada kasus-kasus tertentu dimana variansi ưi tidak konstan,
melainkan suatu variabel berubah-ubah (Nachrowi, 2008).
Heteroskedastisitas merupakan fenomena terjadinya perbedaan
varian antar seri data. Heteroskedastisitas muncul apabila nilai varian
dari variabel tak bebas (Yi) meningkat sebagai meningkatnya varian
dari variabel bebas (Xi), maka varian dari Yi adalah tidak sama. Gejala
heteroskedastisitas lebih sering dalam data cross section dari pada
time series. Selain itu juga sering muncul dalam analisis yang
menggunakan data rata-rata.
Menurut Nachrowi dan Usman (2008), ada beberapa dampak yang
ditimbulkan oleh heteroskedastisitas terhadap OLS, antara lalin:
1. Akibat tidak konstannya variansi, maka salah satu dampak
yang ditimbulkan adalah lebih besarnya variansi dari taksiran.
2. Lebih besarnya variansi taksiran, tentu akan berpengaruh
pada uji hipotesis yang dilakukan (uji t dan F) karena kedua
60
uji tersebut menggunakan besaran variansi taksiran.
Akibatnya, kedua uji hipotesis tersebut menjadi kurang
akurat.
3. Lebih besarnya variansi taksiran akan mengakibatkan
standard error taksiran yang lebih besar sehingga interval
kepercayaan menjadi sangat besar.
4. Akibat beberapa dampak tersebut, maka kesimpulan yang
diambil dari persamaan regresi yang dibuat dapat
menyesatkan.
Menurut Gujarati (2007), untuk mendektesi keberadaan
heteroskedastisitas digunakan metode grafik scatter plot, uji Park, uji
Glejser, uji White, dimana apabila nilai probabilitas (p-value)
observasi R2 lebih besar dibandingkan tingkat resiko kesalahan yang
diambil (digunakan α = 5%), maka residual digolongkan
homoskedastisitas.
d. Uji Autokorelasi
Autokorelasi adalah adanya korelasi antara variable itu sendiri,
pada pengamatan yang berbeda waktu dan individunya. Pada umumya
autokorelasi lebih sering terjadi pada data time series (Nachrowi dan
Usman, 2008)
61
Menurut Winarno (2011), autokorelasi adalah hubungan antara
residual satu observasi dengan residual observasi lainnya.
Autokorelasi lebih mudah timbuh pada data yang bersifat runtut
waktu, karena berdasarkan sifatnya, data masa sekarang dipengaruhi
oleh data pada masa sebelumnya.
Dikarenakan dalam penelitian ini menggunakan data panel, maka
uji autokorelasi sudah tidak perlu du uji kembali. Karena data panel
sifatnya lebih kepada cross section maka bisa dikatakan tidak ada
autokorelasi.
5. Koefisien Determinasi (Adjusted R2)
Untuk mengetahui penaksiran parameter dan standard error bahwa
model regresi estimasi cukup baik atau tidak perlu dilakukan cara
untuk mengukur seberapa dekat garis regresi yang terestimasi dengan
data. Ukuran yang biasa yang digunakan untuk keperluan ini adalah
Goodness of Fit (R2) . ukuran ini mencerminkan seberapa besar variasi
dari (regressand) (Y) dapat diterangkan oleh regressor (X). Bila R2
=0, artinya variasi dari Y tidak dapat diterangkan oleh X sama sekali.
Sementara bila R2 = 1, artinya variasi dari Y, 100% dapat diterangkan
oleh X. dengan kata lain bila R2 = 1, maka semua titik pengamatan
berada pada garis regresi. Dengan demikian, ukuran goodness of fit
dari suatu model ditentukan oleh R2 yang nilainya antara nol dan satu.
62
6. Uji Hipotesis
Uji hipotesis ini digunakan untuk memeriksa atau menguji apakah
koefisien regresi yang didapat signifikan (berbeda nyata). Maksudnya
dari signifikan ini adalah suatu nilai koefisien regresi yang secara statistik
tidak sama dengan nol. Jika koefisien slope sama dengan nol, berarti
dapat dikatakan bahwa tidak cukup bukti untuk menyatakan variabel
bebas mempunyai pengaruh terhadap variabel terikat. Ada dua jenis uji
hipotesis terhadap koefisien regresi yang dapat dilakukan antara lain:
a. Uji Signifikansi simultan (uji F)
Pengujian ini dilakukan untuk mengetahui apakah semua
variabel independen secara bersama-sama (simultan) dapat
berpengaruh terhadap variable dependen. Cara yang digunakan
adalah dengan membandingkan nilai F hitung dengan F table
dengan ketentuan sebagai berikut:
1. Ho : β = 0 berarti tidak ada pengaruh signifikan dari
variabel independen terhadap variabel dependen secara
simultan (bersama-sama).
2. Ho : β > 0, berarti ada hubungan yang signifikan dari
variabel independen terhadap variabel dependen secara
simultan (bersama-sama).
63
3. Tingkat kepercayaan yang digunakan adalah 95% atau
taraf signifikan 5% (α = 0,05) dengan kriteria penilaian
sebagai berikut:
a) Jika F hitung > F table maka Ha diterima dan Ho
ditolak berarti ada variable independen secara
bersama-sama mempunyai pengaruh yang
signifikan terhadap variable dependen.
Jika F hitung < F tabel maka Ho diterima dan Ha ditolak berarti ada
variable independen secara bersama-sama tidak mempunyai pengaruh
yang signifikan terhadap variable dependen.
b. Uji Signifikansi Individual (uji t)
Uji ini dilakukan untuk mengetahui pengaruh masing – masing
variabel independen secara parsial terhadap variabel dependen. Uji t
dilakukan dengan membandingkan t hitung terhadap t table dengan
ketentuan sebagai berikut:
1. Ho : β = 0, berarti tidak ada pengaruh positif dari masing -masing
variabel independen terhadap variabel dependen secara parsial
(individu).
2. Ho : β > 0, berarti ada pengaruh positif dari masing-masing
variabel independen terhadap variabel dependen secara parsial
(individu).
64
3. Tingkat kepercayaan yang digunakan adalah 95% atau taraf
signifikan 5% (α = 0,05) dengan criteria penilaian sebagai berikut:
a. Jika t hitung > t table maka Ha diterima dan Ho ditolak berarti
ada pengaruh yang signifikan dari masing – masing variable
independen terhadap variable dependen secara parsial
(individu).
b. Jika t hitung < t table maka Ho diterima dan Ha ditolak berarti
tidak ada pengaruh yang signifikan dari masing – masing
variabel independen terhadap variable dependen secara parsial
(individu).
7. Model Regresi Berganda Menggunakan Data Panel
Model persamaan dasar data panel yaitu:
Yit = β1 X1it + β2 X2it + β3 X3it + β4 X4it + µit……………….
Model persamaan yang akan diestimasi pada penelitian ini adalah
sebagai berikut:
KL = β0 + β1IOS + β2VD + β3LEV + β4LIQ + ε…
Dimana:
KL : Kualitas Laba
β0 : Konstanta
β1,β2,β3,β4 : Koefisien Variabel Independen
IOS : Investment Opportunity Set
65
VD : Voluntary Disclosure
LEV : Leverage
LIQ : Likuiditas
ε : Koefisien Eror
Setelah model penelitian diestimasi maka akan diperoleh nilai dan
besaran dari masing – masing parameter dalam model persamaan diatas.
Nilai dari parameter positif atau negatif selanjutnya akan digunakan
untuk menguji hipotesis penelitian.
E. Operasional Variabel Penelitian
1. Variabel Independen
Variabel independen dalam penelitian ini adalah Investment Opportunity
Set (IOS), Struktur Modal, Pertumbuhan Perusahaan, serta Return on Asset.
a. Investment Opportunity Set (IOS) (X1)
Menurut Sri Hasnawati (2005) dalam penelitiaanya menyebutkan
investment opportunity dapat diukur melalui :
1. Total Assets Growth
2. Market to book value of total equity
3. Earning to price ratio
4. Ratio capital expenditure to BVA
5. Current assets to total assets
66
Dari kelima pengkuran diatas, pengukuran menggunakan market to
book value of equity memiliki pengaruh yang besar terhadap nilai
perusahaan. Oleh karena itu dalam penelitian ini mengambil market to
book value of equity digunakan sebagai proksi dari investment
opportunity. Penggunaan rasio ini didasari atas pemikiran MBVE yang
mencerminkan pasar menilai return investasi dimasa depan akan lebih
besar dari return yang diharapkan dari ekuitasnya. Dalam penelitian
Puteri dan Rohman (2012), secara matematis variabel market to book
value of equity diformulasikan sebagai berikut :
b. Voluntary Disclosure (X2)
Pengungkapan sukarela (voluntary disclosure) dalam penelitian ini
menggunakan daftar item pengungkapan yang digunakan oleh
Sudarma (2015) yang berjumlah 8 poin dan dibagi menjadi 46 item. 8
poin tersebut adalah :
1. Background Information (5 item)
2. Financial overview (2 item)
3. Key non-financial statistics (10 item)
4. Projected information (10 item)
MBVE = (Shared Outstanding 𝑥𝑥 𝐶𝐶𝑙𝑙𝑜𝑜𝑠𝑠𝑖𝑖𝑛𝑛𝑔𝑔 𝑝𝑝𝑟𝑟𝑖𝑖𝑐𝑐𝑒𝑒)
𝑇𝑇𝑜𝑜𝑡𝑡𝑎𝑎𝑙𝑙 Equity
67
5. Management discussion and analysis (4 item)
6. Research and Development activities (4 item)
7. Employee information (9 item)
8. Value added information (2 item)
Pengukuran luas pengungkapan sukarela dalam penelitian ini
menggunakan daftar pengungkapan sukarela tanpa pembobotan.
Indeks pengungkapan tanpa pembobotan dihitung dengan cara
memberikan skor 1 pada setiap item yang diungkapkan dan skor 0
pada setiap item yang tidak diungkapkan perusahaan. Indeks
pengungkapan sukarela (VDI) dapat dirumuskan sebagai berikut:
c. Leverage (X3)
Leverage yang dimaksud dalam penelitian ini adalah jumlah asset
yang tidak dibayar oleh ekuitas pemegang saham. Rasio leverage
diukur dengan membagi total hutang dengan jumlah modal
perusahaan. Berikut adalah rumus untuk menghitung leverage (Ahalik
dan Hardy, 2015) :
VDI = Total Score
Total Score of disclosure (46 item)
DER = Equity
Total Debt X 100%
68
Keterangan:
DER = Debt to Equity Ratio
Total debt = Total hutang perusahaan
Equity = Jumlah modal perusahaan
d. Likuiditas (X4)
Likuiditas menunjukan kemampuan perusahaan dalam membayar
kewajiban jangka pendeknya yang jatuh tempo tepat pada waktunya.
Digunakan untuk menganalisis posisi modal kerja perusahaan dan
mengukur tingkat keamanan perusahaan. Rasio likuiditas yang
digunakan pada penelitian ini adalah menggunakan current
ratio.Dengan rumus (Nurhanifah dan Jaya, 2014)
2. Variabel Dependen
Variabel Dependen, yaitu variabel yang dipengaruhi atau tertanggung
oleh variabel lain. variabel dependen yang digunakan dalam penelitian ini
adalah kualitas laba. Menurut Scott (1997) dalam Paramitha (2012), ERC
adalah ukuran besaran abnormal return suatu sekuritas sebagai respon
terhadap komponen laba kejutan (unexpected earnings) yang dilaporkan
Current Ratio = Current Libialities
Current Asset
69
oleh perusahaan yang mengeluarkan sekuritas tersebut. ERC merupakan
proksi dari kualitas laba. Besarnya ERC diperoleh dengan menggunakan
beberapa tahapan perhitungan (Sudarma dan Ratnadi, 2015), yaitu:
1. Tahap pertama yang akan dilakukan adalah mencari
return saham harian dan return pasar harian.
Return saham harian dihitung dengan menggunakan
rumus:
Dimana:
Rit = return saham perusahaan i pada hari t
Pit = harga penutupan saham i pada hari t
Pit-1 = harga penutupan saham i pada pada hari t-1 Return pasar harian dihitung sebagai berikut:
Dimana : Rmt = return pasar harian
IHSGt = indeks harga saham gabungan pada hari t
IHSGt-1 = indeks harga saham gabungan pada hari t-1.
70
2. Tahap kedua adalah menghitung abnormal return. Dalam penelitian
ini abnormal return dihitung menggunakan model sesuaian pasar
(market adjusted model). Abnormal return didapatkan dari:
ARi,t = Ri,t –Rm,t
Dimana: ARi, = abnormal return perusahaan i pada perioda ke- t Ri,t = return perusahaan pada perioda ke-t Rm,t = return pasar pada perioda ke-t
3. Tahap ketiga adalah menghitung variabel Cummulative Abnormal
Return (CAR) dengan menggunakan rumus:
CARi(-3,+3) = t = -3∑+3 ARit
Dimana:
CARi(-3,+3) = Abnormal return kumulatif perusahaan i
selama periode pengamatan kurang lebih 3
hari dari tanggal publikasi laporan keuangan
(3 hari sebelum, 1 hari tanggal publikasi dan 3
hari setelah tanggal publikasi laporan keuangan
atau penyerahan laporan keuangan ke
BAPEPAM).
ARit = Abnormal return perusahaan i pada hari t.
71
4. Menghitung Unexpected Earnings (UE) dengan model random walk.
UE diartikan sebagai selisih laba akuntansi yang diharapkan oleh
pasar. UE diukur sesuai dengan penelitian Kalaapur (1994):
UEit (EPSit -EPSit-1) Pit-1
Dimana:
UEit = unexpected earnings perusahaan i pada perioda t
EPSit = earnings per share perusahaan i pada perioda t
EPSit-1= earnings per share perusahaan i pada perioda t-1
Pit-1 = harga saham perusahaan i pada perioda t-1
5. Tahap kelima adalah mencari Earnings Response Coefficient (ERC).
ERC merupakan koefisien yang diperoleh dari regresi antara proksi
harga saham dan laba akuntansi. Proksi harga saham yang digunakan
adalah CAR, sedangkan proksi laba akuntansi adalah UE. Pada
penelitian Mulyani et al. (2007) model persamaan yang digunakan
untuk menentukan ERC adalah:
CARit = α0 + α1UEit + εit Dalam hal ini: CARit = abnormal return kumulatif perusahaan i selama
perioda pengamatan 3 hari sebelum dan sesudah
publikasi laporan keuangan
UEit = unexpected earnings
72
εi = komponen error dalam model atas perusahaan i pada
perioda t
Selengkapnya untuk definisi dan pengukuran operasional variabel
penelitian ini dapat dilihat pada tabel 3.1 berikut ini.
Tabel 3.1 Operasional Variabel
Variabel Indikator Skala
Investment Opportunity
Set (IOS), (Puteri dan
Rohman, 2012)
MBVE = (Shared Outstanding x closing price) Total Equity
Rasio
Voluntary Disclosure
(Sudarma dan Ratnadi,
2015)
Rasio
Leverage (Ahalik dan
Hardy, 2015)
Rasio
Likuiditas (Nurhanifah
dan Jaya, 2014)
Rasio
Kualitas Laba, (Sudarma
dan Ratnadi, 2015)
CARit = α0 + α1UEit + εit
Rasio
VDI = Total Score
Total score of disclosure
DER = Equity
X 100% Total Debt
Current Ratio = Current Asset
Current Libialities
73
BAB IV
HASIL DAN PEMBAHASAN
A. Sekilas Gambaran Umum Objek Penelitian
Penelitian ini mengambil sampel seluruh perusahaan manufaktur yang
terdaftar di Bursa Efek Indonesia (BEI) dari tahun 2010 sampai dengan tahun
2014. Kriteria-kriteria perusahaan yang djadikan sampel dalam penelitian ini
dapat dilihat dalam tabel 4.1 dibawah ini
Tabel 4.1 Rincian Sampel Penelitian
No Kriteria Jumlah
1 Seluruh perusahaan manufaktur yang terdaftar di BEI dari tahun 2010 sampai dengan 2014 143
2 Perusahaan tersebut memiliki data lengkap terkait dengan variabel yang diteliti 98
3 Perusahaan yang mengalami kerugian tahun 2010 sampai dengan tahun 2014
(59)
4 Perusahaan yang memenuhi kriteria. 39 5 Total sampel penelitian selama 5 periode 195
Sumber: Data sekunder yang diolah
Dari kriteria-kriteria perusahaan tersebut yang dijadikan sampel
penelitian adalah sebanyak 39 perusahaan manufaktur yang terdaftar di Bursa
Efek Indonesia (BEI) dengan periode pengamatan 5 tahun, sehingga diperoleh
data observasi sebanyak 195. Adapun perusahaan yang menjadi objek penelitian
adalah sebagai berikut:
74
B. Analisis Hasil dan Pembahasan
1. Statistik Deskriptif
Sebelum melakukan pengujian secara kemaknaan pengaruh variabel
Investment Opportunity Set, Voluntary Disclosure, Leverage, dan Likuiditas
terhadap Kualitas Laba, terlebih dahulu akan ditinjau mengenai deskripsi
variabel penelitian dengan analisis statistik deskriptif. Statistik deskriptif
memberikan gambaran suatu data yang dapat dilihat dari nilai rata-rata
(mean), standar deviasi, nilai maksimum dan minimum. Selengkapnya
mengenai hasil statistik deskriptif penelitian dapat dilihat pada tabel 4.3
sebagai berikut.
Tabel 4.2 Hasil Uji Statistik Deskriptif Seluruh Sampel
CAR MBVE VDI DER CR
Mean 0.787461 0.577003 0.269455 0.958773 0.562171
Median 0.718970 0.291000 0.260870 0.685266 0.570160
Maximum 1.871270 2.181040 0.347830 3.880536 2.273770
Minimum 0.170000 0.012080 0.195650 0.000380 0.003320
Std. Dev. 0.366983 0.616653 0.034992 0.739145 0.373286 Sumber: data sekunder yang diolah
75
Dari tabel 4.3 dapat dilihat bahwa variabel independen market book
value asset (MBVE) memiliki nilai minimum 0.0212080 yang diperoleh dari
PT. KMI Wire and Cable Tbk pada tahun 2013, sedangkan untuk nilai
maksimumnya yang sebesar 2.181040 diperoleh dari PT. Lionmesh Prima
Tbk pada tahun 2010. Dalam tabel 4.3 juga dapat dilihat nilai rata-rata market
book value asset (MBVE) sebesar 0.577003 hal ini menujukkan bahwa
market book value asset (MBVE) di dalam perusahaan mencapai 57.70%
dengan standar deviasinya sebesar 0.616653.
Variabel independen voluntary disclosure memiliki nilai minimum
sebesar 0.195650 yang diperoleh dari PT Darya-Varia Laboratoria Tbk pada
tahun 2010, sedangkan untuk nilai maksimumnya adalah sebesar 0.347830
yang diperoleh dari PT Citra Tubindo Tbk pada tahun 2014. Nilai rata-rata
dari voluntary disclosure adalah sebesar 0.269455, hal ini menunjukkan
bahwa tingkat pengungkapan sukarela pada seluruh perusahaan sebesar
26.94% dengan standar deviasinya sebesar 0.34992.
Variabel independen leverage memiliki nilai minimum sebesar -
0.000380 yang diperoleh dari PT Nusantara Infrastructure Tbk pada tahun
2013, sedangkan untuk nilai maksimumnya adalah sebesar 3.880536 yang
diperoleh dari PT Nusantara Infrastucture Tbk pada tahun 2014. Nilai rata-
rata dari leverage adalah sebesar 0.958773, hal ini menujukkan bahwa tingkat
76
hutang perusahaan pada seluruh perusahaan sebesar 95.87% dengan standar
deivasi sebesar 0.739145.
Variabel independen likuiditas memiliki nilai minimum sebesar
0.003320 yang diperoleh dari PT Delta Djakarta Tbk pada tahun 2014,
sedangkan untuk nilai maksimumnya adalah sebesar 2.273770 yang
diperoleh dari PT Indal Alumunium Industry Tbk. Nilai rata-rata dari
likuiditas adalah sebesar 0.562171, hal ini menujukkan bahwa kemampuan
perusahaan yang membayar hutang jangka pendek sebesar 56.21% dengan
standar deviasinya sebesar 0.373286.
Variabel dependen kualitas laba memiliki nilai minimum sebesar
0.170000 yang diperoleh dari PT Multi Bintang Indonesia Tbk pada tahun
2010, sedangkan untuk nilai maksimumnya adalah sebesar 1.8721270 yang
diperoleh dari PT Kalbe Farma Tbk pada tahun 2014. Nilai rata-rata dari
kualitas laba adalah sebesar 0.787461, hal ini menunjukkan bahwa kualitas
laba perusahaan sebesar 78.74% dengan standar deviasinya sebesar
0.366983.
2. Pemilihan Model Terbaik
a. Uji Chow
Untuk mengetahui model panel yang akan digunakan, maka
digunakan uji F-Restricted dengan cara melihat nilai (P-Value) F-
77
Statistik lebih kecil dari tingkat signifikan α = 5%, terlebih dahulu
dibuat hipotesisnya. Adapun hipotesisnya adalah sebagai berikut:
H0 : Model Pooled Least Square (PLS)
H1 : Model Fixed Effect (FEM)
Dari hasil berdasarkan metode Fixed Effect Model (FEM) dan
Pooled Least Square (PLS) diperoleh nilai probababilitas F-Statistik
yakni sebagai berikut:
Table 4.3 Hasil Uji Chow
Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects
Effects Test Statistic d.f. Prob. Cross-section F 1.513377 (38,152) 0.0421
Cross-section Chi-square 62.572161 38 0.0073
Sumber: data sekunder yang diolah
Dari tabel 4.4 diatas diperoleh F-Statistik adalah 1.513377 dan
nilai probabilitas F-Statistik sebesar 0.0421 yang berarti bahwa nilai
probabilitas F-Statistik lebih kecil dari tingkat signifikansi α 5%
(0.0421 < 0.05). Maka H0 ditolak, sehingga model panel yang
digunakan adalah Fixd Effect Model (FEM).
78
b. Uji Hausman
Untuk mengetahui model panel yang akan digunakan, maka
digunakan uji hausman. Pengujian ini untuk menentukan model
paling tepat digunakan antara Fixed Effet Model (FEM) dengan
Random Effect Model (REM). Uji hausman memberikan penilaian
dengan menggunakan Chi-Square Statistic dan nilai α 5% sehingga
keputusan pemilihan model dapat ditentukan dengan tepat. Sebelum
membandingkan Chi-Square Statistic dan terlebih dahulu dibuat
hipotesisnya adalah sebagai berikut:
H0 : Model Random Effect
H1 : Model Fixed Effect
Hasil pengolahan dengan uji hausman dapat dilihat pada tabel
4.5 sebagai berikut:
Tabel 4.4 Hasil Uji Hausman
Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 9.008821 4 0.0609 Sumber: data sekunder yang diolah
79
Berdasarkan hasil uji hausman pada tabel 4.5 diatas, didapatkan
Chi-Square statistic sebesar 9.008821 dengan nilai probabilitas
0.0609. Dikarenakan nilai probabilitas Chi-Square statistic lebih besar
dari nilai α 5% (0.0609 > 0.005) maka H0 diterima. Dapat disimpulkan
bahwa model yang dapat digunakan untuk model penelitian adalah
Random Effect Model (REM).
3. Hasil Uji Asumsi Klasik
a. Uji Normalitas
Untuk menguji apakah dalam model regresi variable pengganggu
atau residual memiliki distribusi normal atau tidak dapat diketahui
dengan membandingkan nilai Jarque-Bera dengan nilai Chi-tabel,
maka data dalam penelitian berdistribusi normal (Winarno, 2011:5).
Sebenarnya normalitas data dapat dilihat dari gambar histogram,
namun seringkali polanya tidak mengikuti bentuk kurva normal,
sehingga sulit disimpulkan. Lebih mudah bila melihat koefisien
Jarue-Bera dan probabilitasnya. Kedua angka ini bersifat saling
mendukung. Apabila nilai probabilitasnya lebih besar dari 5 %, maka
data terdistribusi normal (Winarno, 2011:5). Adapun uji normalitas
dapat dilihat pada grafik 4.1 sebagai berikut:
80
Grafik 4.1 Uji Normalitas
0
4
8
12
16
20
24
-0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4
Series: Standardized ResidualsSample 2010 2014Observations 195
Mean -3.97e-16Median -0.005399Maximum 0.425662Minimum -0.332740Std. Dev. 0.152547Skewness 0.395455Kurtosis 3.079235
Jarque-Bera 5.133510Probability 0.076784
Sumber: data diolah
Dilihat pada grafik 4.1 diperoleh nilai Jarque-Bera hitung
sebesar 5.133510 dan nilai probabilitasnya sebesar 0.0776784, karena
nilai probabilitas lebih besar dari tingkat signifikansi α = 5%
(0.0776784 > 0.05). Maka dapat disimpulkan bahwa data dalam
penelitian ini telah terdistribusi secara normal.
b. Uji Multikolinieritas
Multikolinieritas adalah kondisi adanya hubungan linier antar
variable indpenden. Untuk meilihat ada atau tidak adanya
multikolonieritas nilai correlation matrix dari semua variabel
inpenden harus kurang dari 0.8. Berikut ini uji multikolinieritas
dengan menggunakan correlation matrix:
81
Tabel 4.5 Hasil Uji Multikolinieritas
MBVE VDI DER CR
MBVE 1.000000 0.104329 0.077501 -0.081628 VDI 0.104329 1.000000 0.224558 -0.161399 DER 0.077501 0.224558 1.000000 0.011167 CR -0.081628 -0.161399 0.011167 1.000000
Sumber: data diolah
Dari tabel 4.7 dapat dilihat bahwa tidak ada masalah
multikolinieritas. hal ini dikarenakan nilai korelasi matriks
(correlation matrix) dari semua variable independen adalah kurang
dari 0.8.
Multikolinieritas biasanya terjadi pada estimasi yang
menggunakan data runtut waktu. Dengan mengkombinasikan data
time series dengan data cross-section mengakibatkan masalah
multikolinieritas secara teknis dapat dikurangi. Penelitian ini
menggunakan data panel, yang mana secara teknis sudah dikatakan
masalah multikolinieritas adalah sudah tidak ada.
c. Uji Heterkoskedastisitas
Untuk mendeteksi adanya heteroskedastisitas dalam penelitian
salah satunya adalah menggunakan menggunakan cara dalam
prosedur statistic dengan uji park. Uji park menggunakan ln(residu2)
sebagai variable dependen. Berikut hasil uji heteroskedastisitas
dengan uji park:
82
Tabel 4.6 Hasil Uji Park
Variable Coefficient Std. Error t-Statistic Prob. MBVE -0.005186 0.003992 -1.299240 0.1954
VDI 0.018336 0.072760 0.252004 0.8013 DER 0.005330 0.006643 0.802319 0.4234 CR -0.002859 0.003395 -0.841893 0.4009 C 0.020948 0.020183 1.037873 0.3006
Sumber: data diolah
Berdasarkan tabel 4.8 diatas, dari hasil tersebut dapat dilihat nilai
probababilitas dari masing-masing variable independen lebih besar
dari α = 5%. Hal ini mengindikasi bahwa data penelitian ini tidak
mengandung heteroskedastisitas. Maka dapat disimpulkan bahwa data
penelitian ini terbebas dari masalah heteroskedastisitas.
4. Random Effect Model (REM)
Model data panel yang digunakan dalam penelitian ini adalah dengan
menggunakan model Random Effect Model (REM) dapat dijelaskan melalui
persamaan sebagai beikut:
CAR = 0.180097 + 0.535607MBVE + 0.945009VDI – 0.014534DER +
0.102487CR
Dimana:
CAR : kualitas laba
MBVE : Investment Opportunity Set
83
VDI : voluntary disclosure
DER : leverage
CR : likuiditas
5. Koefisien Determinasi (Adjusted R2)
Koefisien determinasi (adjusted R2) merupakan suatu ukuranyang
penting dalam regresi. Hal ini karena koefisien determinasi (adjusted R2)
dapat menginformasikan baim atau tidaknya model regresi yang di estimasi.
Hal ini bertujuan untuk mengetahu seberapa besar kemampuan variabel
independen menjelaskan variabel dependen. Nilai adjusted R2 dikatakan baik
jika nilainya diatas 0,5, hal ini karena nilai R2 berkisar antara 0-1.
Nilai adjusted R2 yang kecil berarti kemampuan variabel-variabel
independen dalam menjelaskan variabel dependen amat terbatas. Nilai
adjusted R2 mendekati 1 berarti variabel-variabel indpenden memberikan
hampir semua informasi yang dibutuhkan untuk memprediksi variabel
dependen. Hasil pengujian koefisien determinasi (adjusted R2) sebagai
berikut:
Tabel 4.7
Hasil uji Adjusted R2
Adjusted R-Squared 0.828814
Sumber: data diolah
84
Berdasarkan tabel 4.11 didapatkan koefisien determinasi (adjusted R2)
sebesar 0.828814 atau 82.88%. Hal ini terlihat bahwa 82.88% kualitas laba
dapat dijelaskan oleh variabel indpenden seperti nvestment opportunity set
(IOS), voluntary disclosure, leverage, dan likuiditas. Sedangkan 17.12% di
jelaskan oleh variabel diluar variabel independen yang digunakan, misalnya
variabel ukuran perusahaan, struktur modal, pertumbuhan laba dan variabel
lainnya (Dira dan Astika, 2014).
6. Hasil Uji Hipotesis
a. Uji-F-statistik
Untuk menguji apakah variabel independen berpengaruh secara
bersama-sama terhadap vaeriabel dependennya, maka digunakan uji-f
dengan cara membandigkan F-statistik dengan F-tabel.
Tabel 4.8 Uji F-Statistik
F-statistic Prob(F-statistic)
235.8182 0.000000
Sumber: data diolah
Berdasarkan tabel 4.10 diatas, hasil regresi berganda dengan data
panel menggunakan Random Effect Model (REM) diperoleh nilai F-
statistik sebesar 235.8182 dengan nilai probabilitas sebesar 0.000000,
pada tingkat keyakinan α = 5%, k = 4, n = 195, sehingga diperoleh F-
tabel dengan nilai df yaitu (2.46). Maka dapat dilihat bahwa F-
85
statistik > F-tabel (1165.182 > 2.46) atau nilai probabilitas F-statistik
lebih kecil dari tingkat signifikansi α = 5% (0.000000 < 0.05). Hal ini
menunjukkan bahwa variabel investement opportunity set (IOS),
voluntary disclosure, leverage, dan likuiditas berpengaruh secara
simultan terhadap kualitas laba.
b. Uji t-statistik
Pengujian ini dilakukan untuk menguji apakah variable
independen (investment opportunity set, voluntary dislclosure,
leverage, dan likuiditas) berpengaruh secara parsial terhadap variable
dependennya (kualitas laba) dan untuk mengetahui variable
independen manakah yang paling dominan mempengaruhi variable
dependen, yaitu dengan membandingkan masing-masing nilai t-
statistik dari regresi dengan t-tabel dalam menolak atau menerima
hipotesis. Pada tingkat keyakinan α = 5%, maka diperoleh t-tabel
(4.9).
Tabel 4.9 Uji t- Statistik
Variable Coefficient t-Statistic Probability MBVE 0.535607 30.51841 0.0000
VDI 0.945009 2.698329 0.0076 DER -0.014534 -0.885459 0.3770 CR 0.102487 3.381629 0.0009 C 0.180097 1.848578 0.0661
Sumber: data diolah
86
Tabel 4.9 merupakan hasil pengujian variable independen yaitu
investment opportunity set, voluntary disclosure, levergae, dan
likuiditas terhadap kualitas laba secara parsial. Dari tabel 4.9 diatas
menunjukkan bahwa koefisien model regresi memiliki nilai konstanta
sebesar 0.180097 dengan nilai t-statistic sebesar 1.848578 dan nilai
probabilitas sebesar 0.0661. Konstanta sebesar 0.180097 menandakan
bahwa jika variabel independen konstan maka nilai kualitas laba
adalah sebesar 0.180097.
Variabel investment Opportunity Set (IOS) mempunya nilai
koefisien sebesar 0.535607 yang menunjukkan bahwa jika investment
opportunity set (IOS) meningkat 1 satuan maka akan meningkatkan
kualitas laba sebesar 0.535607 satuan, dengan catatan variabel lain
dianggap konstan. Variabel voluntary disclosure memiliki nilai
koefisien sebesar 0.945009. Hal ini menunjukkan bahwa jika
voluntary disclosure mengalami kenaikan 1 satuan maka akan
meningkatkan kualitas laba sebesar 0.945009 satuan, dengan catatan
variabel lain dianggap konstan. Variabel leverage memiliki nilai
koefisien sebesar -0.014534. Hal ini menunjukkan bahwa jika
leverage mengalami peningkatan 1 satuan, maka akan menurunkan
kualitas laba sebesar 0.014534 satuan, dengan catatan variabel lain
dianggap konstan. Untuk variabel likuiditas memiliki nilai koefisien
87
sebesar 0.102487. Hal ini menunjukkan bahwa jika likuiditas
mengalami kenaikan 1 satuan maka akan meningkatkan nilai kualitas
laba sebesar 0.102487, dengan catatan variabel lain dianggap konstan.
Varibel investment opportunity set mempunyai nilai t-statistic
sebesar 30.51841 dengan probability signifikan sebesar 0.0000. hal
tersebut menunjukkan bahwa nilai probabilitasnya lebih kecil dari α =
5%. Hal ini dapat disimpulkan bahwa investment opportunity set
(IOS) mempengaruhi kualitas laba secara signifikan. Hasil pengujian
hipotesis, ditemukan bahwa variabel investment opportunity set (IOS)
berpengaruh positif signifikan terhadap kualitas laba. Hal ini berarti
H1 diterima. Hasil penelitian mendukung penelitian yang dilakukan
oleh Nurhanifah dan Jaya (2014), Oktarya, Syafitri, dan Wijaya
(2014), dan Rohman dan Puteri (2012) yang menyatakan bahwa
Investment Opportunity Set dengan pengukuran market book value
equity (MBVE) berpengaruh terhadap kualitas laba.
Hal ini dikarenakan bagi perusahaan yang memiliki set
kesempatan investasi tinggi senantiasa melakukan ekspansi dalam
strategi bisnisnya, maka akan semakin membutuhkan dana eksternal.
Apabila kondisi perusahaan sangat baik maka pihak manajemen akan
cenderung lebih memilih investasi baru daripada membayar dividen
yang tinggi. Dana yang seharusnya dapat dibayarkan sebagai dividen
88
tunai kepada pemegang saham akan digunakan untuk pembelian
investasi yang menguntungkan. Sebaliknya, perusahaan yang
mengalami pertumbuhan lambat cenderung membagikan dividen
lebih tinggi.
Berarti semakin besar kesempatan berinvestasi perusahaan,
semakin baik perusahaan tersebut dan informasi laba perusahaan
semakin mengindikasikan laba perusahaan yang sebenarnya
(Oktarya, Syafitri, dan Wijaya 2014). Hal ini mendukung pernyataan
Wahyudi dan Pawestri (2006) bahwa pengeluaran investasi
memberikan sinyal positif tentang pertumbuhan perusahaan di masa
yang akan datang, sehingga meningkatkan harga saham sebagai
indikator nilai perusahaan (signaling theory).
Penelitian ini bertentangan dengan hasil penelitian Kartina dan
Nikamh (2011) yang menyatakan bahwa investment opportunity set
tidak berpengaruh terhadap kualitas laba, artinya pasar tidak
menganggap pengeluaran investasi sebagai hal yang dipertimbangkan
dalam menentukan kualitas laba yang diumumkan oleh perusahaan.
Variabel voluntary disclosure mempunyai nilai t-statistic
sebesar 2.698329 dengan nilai probabilitas sebesar 0.0076. Hal ini
menunjukkan bahwa voluntary disclosure berpengaruh terhadap
kualitas laba karena nilai probablitasnya lebih kecil dari α = 5%. Hasil
89
peneilitian ini ditemukan bahwa variabel voluntary disclosure
berpengaruh signifikan terhadap kualitas laba. Hal ini berarti H2
diterima. Penelitian ini mendukung hasil penelitian Sudarma (2015)
dan Paramita (2012) yang menyatakan bahwa voluntary disclosure
berpengaruh terhadap kualitsa laba.
Luas dari pengungkapan sukarela yang dilakukan oleh
perusahaan mampu merubah nilai perusahaan disamping
pengumuman laba perusahaan. Perusahaan yang melakukan lebih
banyak pengungkapan sukarela dalam laporan tahunannya dapat
memberikan nilai lebih dibandingkan dengan perusahaan yang luas
pengungkapan sukarelanya kurang. Adanya pengungkapan sukarela
mampu memberikan informasi tambahan serta mengurangi asimetri
informasi dan ketidakpastian perusahaan. Informasi tambahan (good
news maupun bad news) tersebut akan direspon investor sebagai
bahan penilaian perusahaan dan pertimbangan investasi selain
informasi laba perusahaan. Investor akan semakin yakin dengan
pengungkapan yang dilakukan oleh perusahaan, apabila tingkat
pengungkapan yang dilakukan oleh perusahaan semakin luas.
Variabel leverage mempunyai nilai t-ststistic sebesar -
0.885459 dengan nilai probabilitasnya sebesar 0.3770. Hal tersebut
menunjukkan bahwa leverage mempunyai nilai proabablitas lebih
90
besar dari nilai α = 5%. Hal ini dapat disimpulkan bahwa leverage
tidak berpengaruh secara signifikan. Pada penelitian ini ditemukan
bahwa variabel leverage tidak berpengaruh terhadap kualitas laba,
maka dapat disimpulkan H3 ditolak. Hasil penelitian ini bertentangan
dengan hasil penelitian Ahalik dan Hardy (2015) dan Gaol (2013)
yang menyatakan bahwa leverage berpengaruh secara signifikan
terhadap kualitas laba.
Hutang yang dipergunakan secara efektif dan efisien maka akan
meningkatkan nilai perusahaan, leverage menggambarkan sumber
dana operasi yang digunakan oleh perusahaan, artinya hutang dapat
digunakan untuk memprediksi keuntungan yang kemungkinan bisa
diperoleh bagi para investor jika berinvestasi pada suatu perusahaan
(Gaol, 2013).
Hasil penelitian ini mendukung hasil dari penelitian Oktarya,
Syafitri, dan Wijaya (2014) yang menyatakan bahwa leverage tidak
berpengaruh terhadap kualitas laba. Hal ini berarti leverage
perusahaan tidak dapat menentukan kualitas laba informasi laba yang
disajikan.
Variabel likuditas mempunyai nilai t-statistic sebesar 3.381629
dan nilai probabilitasnyas sebesar 0.0009. Hal tersebut menunjukkan
bahwa likuiditas mempunyai nilai probabilitas lebih kecil
91
dibandingkan dengan nilai α = 5%, maka dapat disimpulkan bahwa
likuiditas berpengaruh secara signifikan terhadap kualitas laba. Pada
penelitian ini ditemukan bahwa likuiditas memiliki pengaruh positif
terhadap kualitas laba. Hal ini dapat disimpulkan bahwa likuiditas
berpengaruh terhadap kualitas laba, hal ini berarti H4 diterima. Hasil
penelitian ini mendukung hasil penelitian Nurhanifah dan Jaya (2014)
dan Sa’diah, Halimatus (2015) yang menyatakan bahwa likuiditas
berpengaruh secaara signifikan terhadap kualitas laba.
Menurut Sa’diah, Halimastus (2015) likuiditas menggambarkan
kemampuan perusahaan dalam memenuhi utang jangka pendeknya
yang jatuh tempo. Beberapa literatur menyebutkan bahwa perusahaan
yang liquid adalah perusahaan yang memiliki tingkat likuiditas
mendekati dua atau lebih besar dari satu. Likuiditas perusahaan
merupakan bahan pertim-bangan yang penting bagi pihak kreditur
dan investor. Secara teori perusahaan yang memiliki likuiditas yang
rendah diper-sepsikan memiliki risiko yang tinggi. Dengan demikian
bagi investor yang rasional (risk averse) likuiditas perusahaan perlu
dipertimbangkan dalam hal pengam-bilan keputusan investasi terkait
kualitas laba.
Penelitian ini mendukung signaling theory, perusahaan yang
kemampuan finansialnya kuat mencerminkan perusahaan tersebut
92
memiliki prospek yang baik. Kemampuan manajer dalam mengelola
finansial perusahaan sebagai sinyal untuk menarik perhatian investor,
sehingga akan mempengaruhi investor dalam pengambilan keputusan
investasi.
Hasil penelitian ini bertentangan dengan hasil penelitian Dira
dan Astika (2014) yang menyatakan bahwa likuiditas tidak
berpengaruh terhadap kulaitias laba. Hal ini dikarenakan apabila
likuiditas perusahaan terlalu besar maka perusahaan tersebut tidak
mampu mengelola aktiva lancarnya semaksimal mungkin sehingga
kinerja keuangan menjadi kurang baik dan kemungkinan ada
manipulasi laba untuk mempercantik informasi laba tersebut. Oleh
karena itu, investor merespon negatif terhadap tingginya tingkat
likuiditas suatu perusahaan.
Dari keempat variabel independen (investment opportunity set,
voluntary disclosure, leverage, dan likuiditas) terdapat satu variabel
indpenden yang tidak berpengaruh terhadap kualitas laba. Dan dari
ketiga variabel indpenden yang berpengaruh positif terhadap kulitas
laba maka dapat dilihat variabel mana yang paling dominan terhadap
kualitas laba, yaitu investment opportunity set, Hal ini dibuktikan
dengan nilai beta pada uji regresi spss yang menunjukkan bahwa
93
investment opportunity set (IOS) mempunyai nilai beta paling tinggi
sebesar 0.904. Berikut hasil regresi spss:
Tabel 4.10 Hasil Uji t (SPSS)
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig. B Std. Error Beta 1 (Constant) .210 .092 2.295 .023
mbve .538 .018 .904 29.707 .000 vdi .833 .330 .079 2.524 .012 der -.011 .015 -.022 -.724 .470 cr .095 .030 .096 3.142 .002
a. Dependent Variable: car
Sumber: data diolah
94
BAB V
PENUTUP
A. Kesimpulan
Berdasarkan pada hasil analisis pembahasan yang telah dilakukan, maka
dapat diperoleh kesimpulan sebagai berikut:
1. Berdasarkan uji regresi berganda dengan data panel ditemukan bahwa:
a. variabel investment opportunity set (IOS) berpengaruh terhadap
kualitas laba, penelitian ini mendukung penelitian Nurhanifah dan
Jaya (2014) dan Rohman dan Puteri (2012) yang menyatakan
bahwa Investment Opportunity Set dengan pengukuran market
book value equity (MBVE) berpengaruh terhadap kualitas laba.
b. voluntary disclosure berpengaruh terhadap kualitas laba. Penelitian
ini mendukung hasil penelitian Sudarma (2015) dan Paramita
(2012) yang menyatakan bahwa voluntary disclosure berpengaruh
terhadap kualitsa laba.
c. Leverage tidak berpengaruh signifikan terhadap nilai perusahaan.
Hasil penelitian ini mendukung hasil dari penelitian Oktarya,
Syafitri, dan Wijaya (2014) yang menyatakan bahwa leverage
tidak berpengaruh terhadap kualitas laba.
95
d. Likuiditas berpengaruh terhadap kualitas laba. Hasil penelitian ini
mendukung hasil penelitian Nurhanifah dan Jaya (201) yang
menyatakan bahwa likuiditas berpengaruh secara signifikan
terhadap kualitas laba.
2. Hasil uji regresi juga ditemukan bahwa variabel investment opportunity
set (IOS) adalah variabel independen yang paling dominan
mempengaruhi Kualitas Laba, karena memiliki nilai beta paling tinggi.
B. Saran
Berdasarkan kesimpulan penelitian, maka penulis merekomendasikan
berupa saran-saran berikut:
a. Bagi perusahaan emiten hendaknya meningkatkan kualitas laba sehingga
dapat menarik investor untuk berinvestasi pada perusahaan mereka, dan
perusahaan emiten hendaknya juga mampu meningkatkan kinerja
keungan dan mengoptimalkan penggunaan hutang, tidak saja hanya
memperbesar laba perusahaan dengan melakukan manajemen laba, agar
para investor percaya akan menanamkan modal kepada perusahaan.
b. Bagi investor diharapkan untuk tidak hanya memperhatikan besarnya laba
perusahaan saja tanpa mengetahui kemampuan laba tersebut dalam
menghasilkan kas bagi perusahaan, karena itu hanya merupakan
gambaran atas kinerja perusahaan dalam jangka pendek. Sebaiknya para
investor juga mempertimbangkan nilai investment opportunity set,
96
voluntary disclosure, likuiditas dan kualitas laba perusahaan yang
diharapkan akan memberikan kemakmuran kepada para pemegang saham.
c. Untuk penelitian selanjutnya :
1. indikator penelitian dapat diganti dengan proxy yang lain ataupun
ditambah dengan variabel yang lain seperti mekanisme
Pertumbuhan perusahaan (Irawati, Dhian Eka, 2012), asimetri
infomarsi, kualitas akrual, profitabilitas (Gaol, 2012),
pertumbuhan perusahaan, dan pertumbuhan laba (Dira dan AStika,
2014).
2. Penelitian ini juga dapat dikembangkan dengan memperluas
model penelitian sebelumnya.
3. Menggunakan metode dan alat uji yang lebih lengkap dan akurat
sehingga diperoleh kesimpulan yang lebih valid.
4. Memperluas penelitian dengan cara memperpanjang periode
penelitian dengan menambahkan tahun penelitian, juga
memperbanyak sampel untuk penelitian yang akan datang.
97
DAFTAR PUSTAKA Adhi, Nurseto dan Mutmainah, Siti. “Pengaruh Karakteristik Perusahaan terhadap
Luas Pengungkapan Sukarela dan Implikasinya terhadap Asimetri Informasi”. Semarang: Undip. 2012.
Ahalik and Hardy. “The Impact Of Ifrs Implementation, Leverage, Audit Quality,
Institutional Ownership, And Managerial Ownership Towards Earnings Quality Of Indonesian Listed Companies In Lq-45 Index”. IJABER, Vol. 13. No. 1. 2015.
Amihud, Yakov.” Liquidity, The Value of The Firm, and Corporate Finance”.
Journal in the Summer, 2(20), 2008. Anggraini, Glovita Brelian. “Pengaruh Kepemilikan Manajerial, Kepemilikan
Institusional, Leverage dan Growth terhadap Kualitas Laba Perusahaan”. Jurnal Ekonomi. Universitas Sebelas Maret. Surakarta. 2010.
Astika, I.B. Putra. “Teori Akuntansi: Konsep Dasar Akuntansi Keuangan”. 2011. Balgacem, Ines and Omri, Abdelwahed.” Does Corporate Social Disclosure Affect
Earnings Quality? Empirical Evidence From Tunisia”. International Journal of Advanced Research, Volume 3, Issue 2, 2015
Baskara, Made Ratih dan Merkusiwati. “Pengungkapan Sukarela Laporan Keuangan
Tahunan dan Faktor-Faktor yang Mempengaruhi (Studi Pada Saham-Saham Lq45 Di Bursa Efek Indonesiaperiode 2010-2011). Universitas Udayana, Bali. 2012.
Brigham, F.E dan Houston, F.J. “Dasar-dasar Manajemen Keuangan”. Edisi 10.
Jakarta: Penerbit Salemba Empat. 2006. Bellovery, JL., Gaicomino, DE., dan Ak-ers, MD. “Earnings Quality: It’s Time to
Measure and Report”. The CPA Journal. 2010. Dechow, P.M., Wei, G., & Schrand, C. “Understanding Earnings Quality: A review
of the Proxies, Their Determinants and Their Consequencies”. Manuscript, edited by M. Hanlon. University of Noter Dame. 2010.
Dira, Kadek Prawisanti dan Astika, Ida Bagus Putra. “Pengaruh Struktur Modal,
Likuiditas, Pertumbuhan Laba, dan Ukuran Perusahaan pada Kualitas Laba”. E- Jurnal Akuntansi Universitas Udayana, Bali. 2014.
98
Gaio, Cristina dan Raposo, Clara C. “Corporate Governance and Earnings Quality:
International Evidance”. IESG- University de Lisboa. 2014 Gaol, Karolus Timotus L. “Pengaruh Asimetri Informasi, Leverage, Kualitas Akrual,
Dan Profitabilitas terhadap Kualitas Laba (Studi Pada Perusahaan Manufaktur Yang Terdaftar Di Bei 2010-2011)”. 2012.
Gharezi, Davood and Zadeh, Mohammad Reza Abbas. “The Relationship between
Earnings Quality and Risk of Liquidity in Tehran Stock Exchange”. Interdisciplinary Journal of Contemporary Research in Business, 5 (3). 2013.
Givoly Dan, Hayn Carla K. Dan Katz Sharon P. “Does Public Ownership of Equity
Improve Earnings Quality?, The Accounting Review”. 2010. Gujarati, Damodar, “Dasar-Dasar Ekonimetrika”, Erlangga, Jakarta, 2006. Hasnawati, Sri. “Dampak Set Peluang Investasi terhadap Nilai Perusahaan Publik di
Bursa Efek Jakarta”. JAAI. Vol. 9 No. 2. 2005. Husaini, Balla and Gugong, Benjamin Kumai. “Audit Committee Characteristics and
Earning Quality of Listed Food and Beverage Firms in Nigeria”. Full Length Research Paper, 2015.
Indriani, dkk. “Faktor-Faktor yang Mempengaruhi luas Pengungkapan Sukarela dan
Implikasinya terhadap Asimetri Informasi. Universitas Mataram, Lombok. 2014.
Indrianto dan Supomo, “Metodologi Penelitian Bisnis untuk Akuntansi dan
Manajemen”, BPFE, Yogyakarta, 2002. Irawati, Dhian Eka. Pengaruh Struktur Modal, Pertumbuhan Laba, Ukuran
Perusahaan dan Likuiditas terhadap Kualitas Laba. Accounting Analysis Journal. 2012.
Kartina, Eti dan Nikmah. “Pengaruh Corporate Governance, Invesment Opportunity
Set (IOS) terhadap Kualitas Laba dan Nilai Perusahaan”. Jurnal Akuntansi Vol. 1 No. 1. 2011.
Kasmir. “Analisis Laporan Keuangan”. Jakarta : Rajawali Press. 2012.
99
Keown, Arthur J. “Manajemen Keungan dan Prinsip Penerapannya”. Jakarta: PT Indeks. 2008.
Kallapur, S dan M, A. Trombley,” The Association Between Investment Opportunity
Set and Realized Growth”, Journal of Business, Financial, and Accounting 96, 1999.
Kallapur, Sanjay dan Mark A. Trombley. “The Investment Opportunity Set:
Determinants, Consequences and Measurement”. Managerial Finance. Vol. 27. 2001
Kuo, Horg-Ching dan Lin, Hsiu-Chin. “ Disclosure Levels, Stock Market Liquidity,
and Earnings Quality: Evidence from Taiwan”. Austin Journal of Accounting, Audit and Finance Management. 2014
Martono dan Harjito, Agus, “Manajemen Keuangan”, Ekonisia, Yogyakarta, 2005. Myers, S. C dan N.S Majluf. “Corporate Financing & Investment Decision When
Firm Have Information That Investor Do Not Have”. Journal of Financial Economics, 13, 1984.
Nachrowi, Djalal & Hardius Usman. “Penggunaan Teknik Ekonometrik”, edisi revisi,
Raja Grafindo Persada: Jakarta, 2008. Nurhanifah, Yoga Anisa dan Jaya, Tresno Eka. “Pengaruh Alokasi Pajak Antar
Periode, Investment Opportunity Set dan Likuiditas terhadap Kualitas Laba”. Jurnal Ilmiah Wahana Akuntansi Vol. 9 No. 2. 2014.
Oktarya, Eka, Syafitri, Lili, dan Widjaya, Trisnadi. “Pengaruh Pertumbuhan Laba,
Investment Opportunity Set, Leverage dan Ukuran Perusahaan terhadap Kualitas Laba Pada Perusahaan Manufaktur Yang Terdaftar Di BEI”. STIE Multi Data Palembang. Palembang.2014.
Pagalung, Gagaring. “Pengaruh Kombinasi Keunggulan dan Keterbatasan Perusahaan
terhadap Set Kesempatan Investasi (IOS)”. Jurnal Riset Akuntansi Indonesia, Vol. 6. 2003.
Paramita, Ratna Wijayanti Daniar. “Pengaruh Leverage, Firm Size dan Voluntary
Disclousure terhadap Earnings Response Coeffisient (Erc)”. Jurnal WIGA Vol. 2 No. 2, ISSN NO 2088-0944. 2012
100
Paulus, Christian dan Hadi Prajitno, P. Basuki. “Analisis Faktor-faktor yang Mempengaruhi Kualitas Laba”. Jurnal Akuntansi. Universitas Diponegoro. Semarang. 2012.
Puteri, Paramitha Anggia dan Rohman, Abdul. “ Analisis Pengaruh Investment
Opportunity Set (Ios) dan Mekanisme Corporate Governance terhadap Kualitas Laba dan Nilai Perusahaan” DIPONEGORO JOURNAL OF ACCOUNTING Volume 1, Nomor 2, 2012.
Rinawati, A. 2011. “Kualitas Laba”. http://annyriwayati.blogspot.com/.. Diakses 5
Juli 2011. Sa’diah, Halimatus. “Pengaruh Leverage, Likuiditas, Size, Pertumbuhan Laba, dan
Ios terhadap Kualitas Laba” jurnal ilmu & riset akuntansi, surabaya. 2015. Scott, William R. “Financial Accounting Theory”. 4th edition. Prentice Hall :
Canada. 2003. Scott, William R. 2009. “Financial Accounting Theory”, 5th Ed. Canada: Prentice-
Hall. 2001. Simamora, Erikson, Tanjung Rusli, dan Julita. “ Pengaruh Investment Opportunity
Set (IOS), Mekanisme Good Corporate Governance dan Reputasi KAP terhadap Kualitas Laba Perusahaan (Studi Empiris pada Perusahaan Property and Real Estate yang Terdaftar di Bursa Efek Indonesia 2010-2012)”. JOM FEKON Vol. 1 No. 2, 2014.
Santoso, Singgih, “Statistik Multivariat”, PT. Gramedia, Jakarta, 2010. Soekarno, Shara. 2016. “Upaya BEI Tingkatkan Jumlah Investor dengan Menggelar
Sharing Session di Jawa Timur”. http://www.idx.co.id/Beranda/.. Diakses 15 Januari 2016
Sudarma dan Ratnadi. ”pengaruh voluntary disclosure pada earnings respons
coefficient” E- Jurnal Akuntansi Universitas Udayana, Bali. 2015. Sugiarto, Bambang Lesia dan Ddergibson Siagian. “Faktor-Faktor yang
Mempengaruhi Kualitas Laba pada Perusahaan Manufaktur di BEJ”. Jurnal Akuntabilitas, 2007.
101
Sutrisno, “Manajemen Keuangan Teori Konsep & Aplikasi”, Ekonisia, Yogyakarta,2013.
Yushita, Amanita Novi dkk. “Pengaruh Corporate Governance, Kualitas Auditor
Eksternal, dan Likuiditas terhadap Kualitas Laba”. Universitas Negeri Yogyakata, 2013.
Wah, Lai Kam. “Investment Opportunity and Audit Quality”. http://papers.ssrn.com.
2002. Winarno, Wing Wahyu, “Analisis Ekonometrika dan Statistika dengan Eviews, UPP
STIM YKPN, Yogyakarta, 2007. Winarno, Wing Wahyu, “Analisis Ekonometrika dan Statistika dengan Eviews, Edisi
Ketiga, UPP STIM YKPN, Yogyakarta, 2011.
102
LAMPIRAN
103
Lampiran 1
DAFTAR SAMPEL SELURUH PERUSAHAAN
No. Nama Perusahaan Kode 1 PT. Alumindo Light Metal Industry Tbk ALMI 2 PT. AsahimasFlat Glass Tbk AMFG 3 PT. Asiaplast Industries Tbk APLI 4 PT. Budi Strach & Sweetener Tbk BUDI 5 PT. Charoen Pokphand Indonesia Tbk CPIN 6 PT. Citra Tubindo Tbk CTBN 7 PT. Delta Djakarta Tbk DLTA 8 PT. Darya-Varia Laboratoria Tbk DVLA 9 PT. Ekadharma International Tbk EKAD 10 PT. Indofood CBP Sukses Makmur Tbk ICBP 11 PT. Champion Pacific Indonesia Tbk IGAR 12 PT. Indal Aluminium Industry Tbk INAI 13 PT. Indofood Sukses Makmur Tbk INDF 14 PT. Indospring Tbk INDS 15 PT. Indocement Tunggal Prakarsa Tbk INTP 16 PT. Jembo Cable Company Tbk JECC 17 PT. JAPFA Comfeed Indonesia Tbk JPFA 18 PT. Kimia Farma Tbk KAEF 19 PT. KMI Wire and Cable Tbk KBLI 20 PT. Kedaung Indah Can Tbk KLBF 21 PT. Lion Metal Works Tbk LION 22 PT. Lionmesh Prima Tbk LMSH 23 PT. Martina Berto Tbk MBTO 24 PT. Multi Bintang Indonesia Tbk MLBI 25 PT. Mayora Indah Tbk MYOR 26 PT. Nipress Tbk NIPS 27 PT. Pelangi Indah Canindo Tbk PICO 28 PT. Prima Alloy Steel Universal Tbk PRAS 29 PT. Ricky Putra Globalindo Tbk RICY 30 PT. Nippon Indosari Corpindo Tbk ROTI 31 PT. Supreme Cable Manufacturing & Commerce Tbk SCCO 32 PT. Sierad Produce Tbk SIPD 33 PT. Sekar Laut Tbk SKLT 34 PT. Holcim Indonesia Tbk SMCB 35 PT. Indo AcidatamaTbk SRSN 36 PT. Siantar Top Tbk STTP 37 PT. Surya Toto Indonesia Tbk TOTO 38 PT. Tempo Scan Pacific Tbk TSPC 39 PT. Ultrajaya Milk Industry & Trading Tbk ULTJ
104
Lampiran 2
Data diolah Investment Oportunity Set (IOS) tahun 2010
No. KODE clossing price jml. Saham beredar TOTAL EKUITAS MVE MBVE 1 ALMI 1,920 99,740,000 209,122,000,000 191,500,800,000 0.91574 2 AMFG 1,220 333,516,000 5,245,222,000,000 406,889,520,000 0.07757 3 APLI 470 208,889,000 94,305,753,777 98,177,830,000 1.04106 4 BUDI 3,700 3,217,391,000 5,485,099,000,000 11,904,346,700,000 2.17031 5 CPIN 550 455,234,000 1,616,272,023,456 250,378,700,000 0.15491 6 CTBN 580 154,280,000 2,436,754,000,000 89,482,400,000 0.03672 7 DLTA 59 33,714,000 15,041,079,638 1,989,126,000 0.13225 8 DVLA 5,850 1,001,383,000 34,142,674,000,000 5,858,090,550,000 0.17158 9 EKAD 740 130,440,000 1,133,547,000,000 96,525,600,000 0.08515 10 ICBP 204 701,043,478 685,821,589,456 143,012,869,512 0.20853 11 IGAR 470 107,024,000 1,797,974,000,000 50,301,280,000 0.02798 12 INAI 173 27,476,000 372,002,989,683 4,753,348,000 0.01278 13 INDF 400 113,333,000 282,306,467,893 45,333,200,000 0.16058 14 INDS 155 23,846,000 215,034,932,281 3,696,130,000 0.01719 15 INTP 185 104,148,000 406,448,113,303 19,267,380,000 0.04740 16 JECC 350 888,505,000 191,977,807,039 310,976,750,000 1.61986 17 JPFA 285 469,422,000 930,303,143,665 133,785,270,000 0.14381 18 KAEF 1,750 1,224,384,000 2,579,669,615,576 2,142,672,000,000 0.83060
Berlanjut ke halaman berikutnya
105
Data diolah Investment Oportunity Set (IOS) tahun 2010
No. KODE clossing price jml. Saham beredar TOTAL EKUITAS MVE MBVE 20 KBLI 2,225 436,823,000 5,478,384,000,000 971,931,175,000 0.17741 21 KLBF 2,500 106,838,000 2,666,909,122,000 267,095,000,000 0.10015 22 LION 340 323,810,000 760,113,402,243 110,095,400,000 0.14484 23 LMSH 395 112,857,000 20,439,084,056 44,578,515,000 2.18104 24 MBTO 158 52,667,000 123,406,705,000 8,321,386,000 0.06743 25 MLBI 210 200,000,000 1,035,237,183,743 42,000,000,000 0.04057 26 MYOR 800 105,528,000 843,266,716,000 84,422,400,000 0.10011 27 NIPS 4,200 231,625,000 1,136,572,861,829 972,825,000,000 0.85593 28 PICO 400 49,339,000 221,787,103,255 19,735,600,000 0.08898 29 PRAS 55 31,301,000 84,550,414,340 1,721,555,000 0.02036 30 RICY 6,150 336,249,000 4,763,327,000,000 2,067,931,350,000 0.43414 31 ROTI 370 822,222,000 206,340,855,969 304,222,140,000 1.47437 32 SCCO 590 590,000,000 1,624,354,688,981 348,100,000,000 0.21430 33 SIPD 390 23,400,000 367,093,409,000 9,126,000,000 0.02486 34 SKLT 810 106,847,000 1,029,336,226,000 86,546,070,000 0.08408 35 SMCB 180 90,000,000 148,975,906,963 16,200,000,000 0.10874 36 SRSN 3,225 348,649,000 1,228,469,148,847 1,124,393,025,000 0.91528 37 STTP 180 15,070,000 139,650,353,636 2,712,600,000 0.01942 38 TOTO 490 111,579,000 1,759,496,000,000 54,673,710,000 0.03107 39 TSPC 180 90,000,000 716,874,227,000 16,200,000,000 0.02260
106
Data diolah Investment Oportunity Set (IOS) tahun 2011
No. KODE clossing price jml. Saham beredar TOTAL EKUITAS MVE MBVE
1 ALMI 560 186,667,000 1,678,561,198,000 104,533,520,000 0.06228 2 AMFG 1,000 256,041,000 11,470,106,390,475 256,041,000,000 0.02232 3 APLI 270 1,040,904,000 4,102,508,882,000 281,044,080,000 0.06851 4 BUDI 136 68,000,000 159,256,402,555 9,248,000,000 0.05807 5 CPIN 540 174,194,000 1,107,746,000,000 94,064,760,000 0.08492 6 CTBN 240 23,864,000 126,091,686,236 5,727,360,000 0.04542 7 DLTA 50 2,307,239,990 595,463,637,593 115,361,999,500 0.19373 8 DVLA 1,090 212,683,000 1,470,533,696,751 231,824,470,000 0.15765 9 EKAD 6,600 1,129,766,000 38,373,129,000,000 7,456,455,600,000 0.19431 10 ICBP 500 192,308,000 763,598,008,107 96,154,000,000 0.12592 11 IGAR 230 115,000,000 648,237,200,000 26,450,000,000 0.04080 12 INAI 197 118,200,000 290,252,832,000 23,285,400,000 0.08022 13 INDF 390 339,130,000 127,679,763,243 132,260,700,000 1.03588 14 INDS 260 63,707,000 855,759,068,630 16,563,820,000 0.01936 15 INTP 2,900 3,502,415,000 8,418,056,000,000 10,157,003,500,000 1.20657 16 JECC 1,900 1,560,921,000 3,815,399,858,000 2,965,749,900,000 0.77731 17 JPFA 2,300 223,030,000 526,830,826,851 512,969,000,000 0.97369 18 KAEF 10,200 189,064,000 13,265,731,000,000 1,928,452,800,000 0.14537
Berlanjut ke halaman berikutnya
107
Data diolah Investment Oportunity Set (IOS) tahun 2011
No. KODE clossing price jml. Saham beredar TOTAL EKUITAS MVE MBVE 20 KBLI 930 2,066,667,000 1,768,299,000,000 1,922,000,310,000 1.08692 21 KLBF 1,010 210,417,000 8,977,127,000,000 212,521,170,000 0.02367 22 LION 225 867,420,000 3,134,535,549,000 195,169,500,000 0.06226 23 LMSH 560 229,744,000 2,611,774,171,861 128,656,640,000 0.04926 24 MBTO 170 69,388,000 84,868,348,006 11,795,960,000 0.13899 25 MLBI 7,800 144,578,000 11,986,798,000,000 1,127,708,400,000 0.09408 26 MYOR 3,725 664,512,000 3,353,156,079,810 2,475,307,200,000 0.73820 27 NIPS 845 6,150,000,000 4,887,630,043,291 5,196,750,000,000 1.06325 28 PICO 540 1,579,178,000 18,426,483,000,000 852,756,120,000 0.04628 29 PRAS 61 34,857,000 2,389,974,656 2,126,277,000 0.88967 30 RICY 380 77,551,000 339,170,980,680 29,469,380,000 0.08689 31 ROTI 500 61,250,000 254,430,262,440 30,625,000,000 0.12037 32 SCCO 2,000 103,896,000 264,778,000,000 207,792,000,000 0.78478 33 SIPD 1,310 281,884,000 6,097,319,594,454 369,268,040,000 0.06056 34 SKLT 660 293,333,000 139,883,299,162 193,599,780,000 1.38401 35 SMCB 86 71,667,000 218,635,793,389 6,163,362,000 0.02819 36 SRSN 1,670 346,241,000 736,460,000,000 578,222,470,000 0.78514 37 STTP 167 128,462,000 132,974,168,250 21,453,154,000 0.16133 38 TOTO 164 270,123,000 700,434,651,774 44,300,172,000 0.06325 39 TSPC 455 413,636,000 225,321,850,174 188,204,380,000 0.83527
108
Data diolah Investment Oportunity Set (IOS) tahun 2012
No. KODE clossing price jml. Saham beredar TOTAL EKUITAS MVE MBVE 1 ALMI 215 172,000,000 310,026,236,000 36,980,000,000 0.11928 2 AMFG 2,625 291,667,000 7,743,574,000,000 765,625,875,000 0.09887 3 APLI 820 205,000,000 408,746,422,000 168,100,000,000 0.41126 4 BUDI 720 126,915,000 1,390,195,000,000 91,378,800,000 0.06573 5 CPIN 5,550 770,833,000 9,363,869,390,000 4,278,123,150,000 0.45688 6 CTBN 83 27,667,000 94,809,733,218 2,296,361,000 0.02422 7 DLTA 1,680 329,826,000 5,724,343,000,000 554,107,680,000 0.09680 8 DVLA 410 83,673,000 495,402,436,908 34,305,930,000 0.06925 9 EKAD 1,930 498,065,000 6,613,987,000,000 961,265,450,000 0.14534 10 ICBP 151 65,135,000 800,917,837,925 9,835,385,000 0.01228 11 IGAR 350 43,172,000 164,664,621,266 15,110,200,000 0.09176 12 INAI 1,000 100,000,000 2,753,343,486,718 100,000,000,000 0.03632 13 INDF 270 28,662,000 73,976,578,603 7,738,740,000 0.10461 14 INDS 340 113,333,000 242,556,471,149 38,533,220,000 0.15886 15 INTP 305 41,216,000 451,318,464,718 12,570,880,000 0.02785 16 JECC 340 994,297,000 16,820,317,000,000 338,060,980,000 0.02010 17 JPFA 2,200 40,489,000 962,431,483,000 89,075,800,000 0.09255 18 KAEF 650 50,000,000 587,883,021,026 32,500,000,000 0.05528 19 KBLI 305 677,778,000 242,000,709,651 206,722,290,000 0.85422
Berlanjut ke halaman berikutnya
109
Data diolah Investment Oportunity Set (IOS) tahun 2012
No. KODE clossing price jml. Saham beredar TOTAL EKUITAS MVE MBVE 20 KLBF 610 89,580,000 2,226,013,893,089 54,643,800,000 0.02455 21 LION 80 140,348,000 135,785,616,531 11,227,840,000 0.08269 22 LMSH 380 51,351,000 434,562,913,348 19,513,380,000 0.04490 23 MBTO 97 63,622,000 114,872,176,392 6,171,334,000 0.05372 24 MLBI 4,875 527,027,000 1,819,086,078,988 2,569,256,625,000 1.41239 25 MYOR 600 85,714,000 3,988,710,375,646 51,428,400,000 0.01289 26 NIPS 620 200,000,000 1,386,712,000,000 124,000,000,000 0.08942 27 PICO 245 24,361,000 115,759,878,140 5,968,445,000 0.05156 28 PRAS 150 50,000,000 116,775,441,000 7,500,000,000 0.06423 29 RICY 92 60,343,000 104,624,886,919 5,551,556,000 0.05306 30 ROTI 174 27,635,000 366,957,389,624 4,808,490,000 0.01310 31 SCCO 180 15,070,000 129,482,560,948 2,712,600,000 0.02095 32 SIPD 177 141,600,000 358,624,440,000 25,063,200,000 0.06989 33 SKLT 670 103,077,000 781,359,304,525 69,061,590,000 0.08839 34 SMCB 380 76,000,000 1,274,371,788,866 28,880,000,000 0.02266 35 SRSN 910 232,997,000 14,177,573,305,225 212,027,270,000 0.01496 36 STTP 160 80,000,000 137,336,599,059 12,800,000,000 0.09320 37 TOTO 580 289,803,000 270,275,796,145 168,085,740,000 0.62190 38 TSPC 600 159,600,000 2,416,601,000,000 95,760,000,000 0.03963 39 ULTJ 740 144,390,000 1,310,076,391,669 106,848,600,000 0.08156
110
Data diolah Investment Oportunity Set (IOS) tahun 2013
No. KODE clossing price jml. Saham beredar TOTAL EKUITAS MVE MBVE 1 ALMI 255 143,555,000 280,293,729,818 36,606,525,000 0.13060 2 AMFG 560 280,000,000 1,457,745,000,000 156,800,000,000 0.10756 3 APLI 270 28,662,000 66,557,077,885 7,738,740,000 0.11627 4 BUDI 600 46,154,000 657,341,556,453 27,692,400,000 0.04213 5 CPIN 480 417,391,000 201,124,214,511 200,347,680,000 0.99614 6 CTBN 65 54,167,000 217,723,188,925 3,520,855,000 0.01617 7 DLTA 2,275 2,747,585,000 8,772,947,000,000 6,250,755,875,000 0.71250 8 DVLA 131 100,769,000 125,649,448,686 13,200,739,000 0.10506 9 EKAD 780 700,909,000 16,108,089,000,000 638,363,567,070 0.03963 10 ICBP 1,460 260,714,000 797,152,084,000 380,642,440,000 0.47750 11 IGAR 380 76,000,000 1,253,281,135,254 28,880,000,000 0.02304 12 INAI 2,000 85,470,000 2,698,636,954,000 170,940,000,000 0.06334 13 INDF 260 40,000,000 199,113,004,978 10,400,000,000 0.05223 14 INDS 1,700 1,240,685,000 1,035,650,413,675 2,109,164,500,000 2.03656 15 INTP 870 155,357,000 686,824,541,000 135,160,590,000 0.19679 16 JECC 2,500 277,778,000 7,297,162,000,000 694,445,000,000 0.09517 17 JPFA 3,250 579,775,000 3,862,951,854,240 1,884,268,750,000 0.48778 18 KAEF 275 91,667,000 2,086,775,486,000 25,208,425,000 0.01208 19 KBLI 610 234,615,000 835,490,518,562 143,115,150,000 0.17129
Berlanjut ke halaman berikutnya
111
Data diolah Investment Oportunity Set (IOS) tahun 2013
No. KODE clossing price jml. Saham beredar TOTAL EKUITAS MVE MBVE 20 KLBF 770 123,926,000 1,031,308,404,711 95,423,020,000 0.09253 21 LION 1,690 31,103,000 841,546,479,000 52,564,070,000 0.06246 22 LMSH 61 2,755,125,000 173,192,913,626 168,062,625,000 0.97038 23 MBTO 830 680,000,000 1,035,845,653,000 564,400,000,000 0.54487 24 MLBI 190 95,000,000 125,645,527,944 18,050,000,000 0.14366 25 MYOR 378 3,774,685,500 1,315,658,415,441 26,831,119,000 1.08450 26 NIPS 101 7,840,000,000 967,412,481,687 791,840,000,000 0.81851 27 PICO 4,200 4,819,733,000 10,136,557,000,000 20,242,878,600,000 1.99702 28 PRAS 995 353,220,780 294,833,176,755 351,454,676,100 1.19205 29 RICY 790 3,000,000,000 1,605,024,000,000 2,370,000,000,000 1.47661 30 ROTI 1,425 14,198,613,920 15,874,525,000,000 20,233,024,836,000 1.27456 31 SCCO 107 4,098,997,362 913,351,000,000 438,592,717,734 0.48020 32 SIPD 550 3,096,031,500 882,352,377,517 1,702,817,325,000 1.92986 33 SKLT 1,500 297,500,000 528,247,933,918 446,250,000,000 0.84477 34 SMCB 575 2,895,037,800 818,877,777,000 1,664,646,735,000 2.03284 35 SRSN 353 331,129,913 236,082,522,272 116,888,859,289 0.49512 36 STTP 1,690 1,120,000,000 962,431,483,000 1,892,800,000,000 1.96669 37 TOTO 2,800 2,708,640,000 3,549,882,353,025 7,584,192,000,000 2.13646 38 TSPC 1,090 2,900,000,000 3,013,786,262,602 3,161,000,000,000 1.04885 39 ULTJ 395 320,000,000 166,375,888,797 126,400,000,000 0.75973
112
Data diolah Investment Oportunity Set (IOS) tahun 2014
No. KODE clossing price jml. Saham beredar TOTAL EKUITAS MVE MBVE 1 ALMI 1,000 1,111,112,000 566,646,945,779 1,111,112,000,000 1.96085 2 AMFG 299 4,276,655,336 889,965,599,401 1,278,719,945,464 1.43682 3 APLI 310 286,000,000 80,924,867,194 88,660,000,000 1.09558 4 BUDI 204 2,558,803,600 1,079,816,086,618 521,995,934,400 0.48341 5 CPIN 950 10,660,522,910 5,289,994,000,000 10,127,496,764,500 1.91446 6 CTBN 2,590 1,742,167,907 9,388,877,000,000 4,512,214,879,130 0.48059 7 DLTA 1,290 6,471,106,210 8,018,870,795,857 8,347,727,010,900 1.04101 8 DVLA 278 1,148,418,000 397,013,520,000 319,260,204,000 0.80415 9 EKAD 1,020 23,077,689,620 17,646,449,043,205 23,539,243,412,400 1.33394 10 ICBP 1,890 6,822,863,770 7,218,834,000,000 12,895,212,525,300 1.78633 11 IGAR 1,800 780,000,000 1,557,515,000,000 1,404,000,000,000 0.90144 12 INAI 480 59,869,000 277,196,709,778 28,737,120,000 0.10367 13 INDF 200 1,070,000,000 453,749,133,904 214,000,000,000 0.47163 14 INDS 520 12,533,067,320 5,331,105,681,545 6,517,195,006,400 1.22248 15 INTP 201 15,235,671,880 2,365,272,914,818 3,062,370,047,880 1.29472 16 JECC 338 757,580,994 136,578,516,694 256,062,375,972 1.87484 17 JPFA 780 1,281,630,000 4,657,666,667,000 999,671,400,000 0.21463 18 KAEF 760 116,923,000 656,304,363,721 88,861,480,000 0.13540 19 KBLI 835 10,064,747,320 10,295,571,000,000 8,404,064,012,200 0.81628
Berlanjut ke halaman berikutnya
113
Data diolah Investment Oportunity Set (IOS) tahun 2014
No. KODE clossing price jml. Saham beredar TOTAL EKUITAS MVE MBVE 20 KLBF 695 14,210,673,400 4,881,076,939,492 9,876,418,013,000 2.02341 21 LION 483 1,200,000,000 447,059,550,000 579,600,000,000 1.29647 22 LMSH 184 715,000,000 172,045,710,651 131,560,000,000 0.76468 23 MBTO 1,775 1,600,000,000 1,618,183,385,679 2,840,000,000,000 1.75505 24 MLBI 100 175,436,000 167,255,414,285 17,543,600,000 0.10489 25 MYOR 441 329,560,000 288,293,699,722 145,335,960,000 0.50412 26 NIPS 790 7,096,000,000 3,359,447,000,000 5,605,840,000,000 1.66868 27 PICO 445 1,564,487,500 406,537,360,733 696,196,937,500 1.71250 28 PRAS 1,150 483,498,000 3,845,754,000,000 556,022,700,000 0.14458 29 RICY 2,100 1,890,000,000 3,017,341,317,000 3,969,000,000,000 1.31540 30 ROTI 705 15,816,309,570 16,807,051,000,000 11,150,498,246,850 0.66344 31 SCCO 300 690,740,479 153,368,106,620 207,222,143,700 1.35114 32 SIPD 2,185 7,662,899,902 8,758,592,000,000 16,743,436,285,870 1.91166 33 SKLT 4,100 331,200,012 657,969,062,458 1,357,920,049,200 2.06381 34 SMCB 50 6,020,000,000 328,836,439,000 301,000,000,000 0.91535 35 SRSN 50 4,800,000,000 489,254,892,975 240,000,000,000 0.49054 36 STTP 755 5,342,098,939 2,464,417,000,000 4,033,284,698,945 1.63661 37 TOTO 356 1,043,763,025 309,510,415,383 371,579,636,900 1.20054 38 TSPC 605 5,580,000,000 2,153,243,000,000 3,375,900,000,000 1.56782 39 ULTJ 625 2,099,873,760 854,425,098,590 1,312,421,100,000 1.53603
114
Data diolah Voluntary Disclosure tahun 2010
No. Kode Background Information
Financial overview
Key nonfinancial
statistic
Projected information
Management discussion
and analysis
R&D activities
Employee added
information
Value added
information
Total Score VDI
1 ALMI 2 1 0 2 2 0 3 0 10 0.21739
2 AMFG 2 1 0 3 2 0 2 0 10 0.21739
3 APLI 3 1 0 2 3 0 1 0 10 0.21739
4 BUDI 2 1 0 3 3 0 3 0 12 0.26087
5 CPIN 2 1 0 2 2 0 4 0 11 0.23913
6 CTBN 3 1 0 3 2 0 5 0 14 0.30435
7 DLTA 3 1 1 2 3 0 2 0 12 0.26087
8 DVLA 2 1 0 2 3 0 1 0 9 0.19565
9 EKAD 3 1 0 2 2 0 1 0 9 0.19565
10 ICBP 3 1 0 3 2 0 3 0 12 0.26087
11 IGAR 2 1 0 4 2 0 1 0 10 0.21739
12 INAI 2 1 1 4 3 0 4 0 15 0.32609
13 INDF 2 1 0 2 3 0 5 0 13 0.28261
14 INDS 2 1 0 2 3 0 3 0 11 0.23913
15 INTP 2 1 0 3 2 0 2 0 10 0.21739
16 JECC 2 1 1 3 2 0 1 0 10 0.21739
17 JPFA 2 1 0 2 2 0 2 0 9 0.19565
18 KAEF 2 1 0 2 3 0 5 0 13 0.28261
19 KBLI 2 1 1 2 3 0 3 0 12 0.26087 Berlanjut ke halaman berikutnya
115
Data diolah Voluntary Disclosure tahun 2010
No. Kode Background Information
Financial overview
Key nonfinancial
statistic
Projected information
Management discussion
and analysis
R&D activities
Employee added
information
Value added
information
Total Score VDI
20 KLBF 3 1 0 3 2 0 3 0 12 0.26087
21 LION 2 1 1 3 2 0 2 0 11 0.23913
22 LMSH 2 1 0 2 2 0 4 0 11 0.23913
23 MBTO 2 1 0 2 2 0 2 0 9 0.19565
24 MLBI 2 1 0 2 2 0 2 0 9 0.19565
25 MYOR 2 1 1 2 2 0 3 0 11 0.23913
26 NIPS 2 1 0 3 3 0 4 0 13 0.28261
28 PICO 3 1 0 3 3 0 1 0 11 0.23913
29 PRAS 3 1 1 2 3 0 5 0 15 0.32609
30 RICY 2 1 0 3 3 0 3 0 12 0.26087
31 ROTI 2 1 0 2 3 0 4 0 12 0.26087
32 SCCO 3 1 0 2 2 0 5 0 13 0.28261
33 SIPD 3 1 1 3 2 0 2 0 12 0.26087
34 SKLT 3 1 0 3 2 0 2 0 11 0.23913
35 SMCB 2 1 0 4 2 0 3 0 12 0.26087
36 SRSN 2 1 1 2 3 0 1 0 10 0.21739
37 STTP 3 1 0 2 3 0 4 0 13 0.28261
38 TSPC 2 1 0 2 2 0 5 0 12 0.26087
39 ULTJ 2 1 0 3 3 0 1 0 10 0.21739
116
Data diolah Voluntary Disclosure tahun 2011
No. Kode Background Information
Financial overview
Key nonfinancial
statistic
Projected information
Management discussion
and analysis
R&D activities
Employee added
information
Value added
information
Total Score VDI
1 ALMI 3 1 0 2 3 0 3 0 12 0.26087
2 AMFG 2 1 1 3 2 0 2 0 11 0.23913
3 APLI 3 1 0 3 3 0 2 0 12 0.26087
4 BUDI 2 1 0 3 3 0 3 0 12 0.26087
5 CPIN 3 1 0 2 2 0 4 0 12 0.26087
6 CTBN 3 1 0 3 2 0 5 0 14 0.30435
7 DLTA 3 1 1 2 3 0 2 0 12 0.26087
8 DVLA 2 1 0 2 3 0 1 0 9 0.19565
9 EKAD 3 1 0 2 2 0 1 0 9 0.19565
10 ICBP 3 1 0 4 3 0 3 0 14 0.30435
11 IGAR 2 1 0 4 2 0 2 0 11 0.23913
12 INAI 2 1 1 4 3 0 4 0 15 0.32609
13 INDF 3 1 0 2 3 0 5 0 14 0.30435
14 INDS 2 1 0 2 3 0 3 0 11 0.23913
15 INTP 3 1 0 3 2 0 2 0 11 0.23913
16 JECC 2 1 1 4 3 0 1 0 12 0.26087
17 JPFA 2 1 0 2 2 0 2 0 9 0.19565
18 KAEF 3 1 0 2 3 0 5 0 14 0.30435
19 KBLI 2 1 1 2 3 0 3 0 12 0.26087 Berlanjut ke halaman berikutnya
117
Data diolah Voluntary Disclosure tahun 2011
No. Kode Background Information
Financial overview
Key nonfinancial
statistic
Projected information
Management discussion
and analysis
R&D activities
Employee added
information
Value added
information
Total Score VDI
20 KLBF 3 1 0 3 2 0 3 0 12 0.26087
21 LION 2 1 1 3 2 0 3 0 12 0.26087
22 LMSH 2 1 0 2 2 0 4 0 11 0.23913
23 MBTO 2 1 0 3 2 0 2 0 10 0.21739
24 MLBI 3 1 1 2 3 0 2 0 12 0.26087
25 MYOR 2 1 1 2 2 0 3 0 11 0.23913
26 NIPS 2 1 0 3 3 0 4 0 13 0.28261
28 PICO 3 1 1 3 3 0 1 0 12 0.26087
29 PRAS 3 1 1 2 3 0 5 0 15 0.32609
30 RICY 2 1 0 3 3 0 3 0 12 0.26087
31 ROTI 2 1 1 2 3 0 4 0 13 0.28261
32 SCCO 3 1 0 2 2 0 5 0 13 0.28261
33 SIPD 3 1 1 3 2 0 2 0 12 0.26087
34 SKLT 3 1 0 3 2 0 2 0 11 0.23913
35 SMCB 2 1 0 4 3 0 3 0 13 0.28261
36 SRSN 2 1 1 3 3 0 1 0 11 0.23913
37 STTP 3 1 0 2 3 0 4 0 13 0.28261
38 TSPC 2 1 0 3 2 0 5 0 13 0.28261
39 ULTJ 2 1 0 4 3 0 1 0 11 0.23913
118
Data diolah Voluntary Disclosure tahun 2012
No. Kode Background Information
Financial overview
Key nonfinancial
statistic
Projected information
Management discussion
and analysis
R&D activities
Employee added
information
Value added
information
Total Score VDI
1 ALMI 3 1 0 2 3 0 3 0 12 0.26087
2 AMFG 2 1 1 3 2 0 2 0 11 0.23913
3 APLI 3 1 0 3 3 0 2 0 12 0.26087
4 BUDI 2 1 0 3 3 0 4 0 13 0.28261
5 CPIN 3 1 0 2 2 0 4 0 12 0.26087
6 CTBN 3 1 1 3 2 0 5 0 15 0.32609
7 DLTA 3 1 1 2 3 0 3 0 13 0.28261
8 DVLA 2 1 0 3 3 0 1 0 10 0.21739
9 EKAD 3 1 0 2 2 0 2 0 10 0.21739
10 ICBP 3 1 0 4 3 0 3 0 14 0.30435
11 IGAR 2 1 0 4 2 0 2 0 11 0.23913
12 INAI 2 1 1 5 3 0 4 0 16 0.34783
13 INDF 3 1 0 2 3 0 5 0 14 0.30435
14 INDS 2 1 1 3 3 0 4 0 14 0.30435
15 INTP 3 1 0 3 2 0 2 0 11 0.23913
16 JECC 2 1 1 4 3 0 2 0 13 0.28261
17 JPFA 3 1 0 2 2 0 2 0 10 0.21739
18 KAEF 3 1 0 2 3 0 5 0 14 0.30435
19 KBLI 2 1 1 3 3 0 3 0 13 0.28261 Berlanjut ke halaman berikutnya
119
Data diolah Voluntary Disclosure tahun 2012
No. Kode Background Information
Financial overview
Key nonfinancial
statistic
Projected information
Management discussion
and analysis
R&D activities
Employee added
information
Value added
information
Total Score VDI
20 KLBF 3 1 0 3 2 0 4 0 13 0.28261
21 LION 2 1 1 3 2 0 3 0 12 0.26087
22 LMSH 3 1 0 2 2 0 4 0 12 0.26087
23 MBTO 2 1 0 4 2 0 2 0 11 0.23913
24 MLBI 3 1 1 2 3 0 2 0 12 0.26087
25 MYOR 3 1 1 2 2 0 3 0 12 0.26087
26 NIPS 2 1 0 3 3 0 4 0 13 0.28261
28 PICO 3 1 1 4 3 0 2 0 14 0.30435
29 PRAS 3 1 1 2 3 0 5 0 15 0.32609
30 RICY 2 1 0 3 3 0 4 0 13 0.28261
31 ROTI 2 1 1 2 3 0 4 0 13 0.28261
32 SCCO 3 1 0 2 2 0 5 0 13 0.28261
33 SIPD 3 1 1 3 2 0 2 0 12 0.26087
34 SKLT 3 1 0 3 2 0 2 0 11 0.23913
35 SMCB 2 1 0 4 3 0 3 0 13 0.28261
36 SRSN 2 1 1 4 3 0 1 0 12 0.26087
37 STTP 3 1 0 2 3 0 4 0 13 0.28261
38 TSPC 2 1 1 3 2 0 5 0 14 0.30435
39 ULTJ 3 1 0 4 3 0 2 0 13 0.28261
120
Data diolah Voluntary Disclosure tahun 2013
No. Kode Background Information
Financial overview
Key nonfinancial
statistic
Projected information
Management discussion
and analysis
R&D activities
Employee added
information
Value added
information
Total Score VDI
1 ALMI 3 1 0 2 3 0 3 0 12 0.26087 2 AMFG 2 1 1 3 2 0 2 0 11 0.23913 3 APLI 3 1 0 4 3 0 3 0 14 0.30435 4 BUDI 2 1 0 3 3 0 4 0 13 0.28261 5 CPIN 3 1 0 2 2 0 4 0 12 0.26087 6 CTBN 3 1 1 4 2 0 5 0 16 0.34783 7 DLTA 3 1 1 2 3 0 3 0 13 0.28261 8 DVLA 2 1 0 3 3 0 2 0 11 0.23913 9 EKAD 3 1 0 3 2 0 2 0 11 0.23913
10 ICBP 3 1 0 5 3 0 3 0 15 0.32609 11 IGAR 2 1 0 4 2 0 2 0 11 0.23913 12 INAI 2 1 1 5 3 0 4 0 16 0.34783 13 INDF 3 1 0 2 3 0 5 0 14 0.30435 14 INDS 2 1 1 4 3 0 4 0 15 0.32609 15 INTP 3 1 0 3 2 0 2 0 11 0.23913 16 JECC 2 1 1 4 3 0 3 0 14 0.30435 17 JPFA 3 1 0 2 2 0 2 0 10 0.21739 18 KAEF 3 1 0 3 3 0 5 0 15 0.32609 19 KBLI 2 1 1 3 3 0 3 0 13 0.28261
Berlanjut ke halaman berikutnya
121
Data diolah Voluntary Disclosure tahun 2013
No. Kode Background Information
Financial overview
Key nonfinancial
statistic
Projected information
Management discussion
and analysis
R&D activities
Employee added
information
Value added
information
Total Score VDI
20 KLBF 3 1 0 3 2 0 4 0 13 0.28261 21 LION 2 1 1 3 2 0 3 0 12 0.26087 22 LMSH 3 1 0 2 2 0 4 0 12 0.26087 23 MBTO 2 1 0 4 2 0 2 0 11 0.23913 24 MLBI 3 1 1 2 3 0 3 0 13 0.28261 25 MYOR 3 1 1 3 2 0 3 0 13 0.28261 26 NIPS 2 1 0 3 3 0 4 0 13 0.28261 28 PICO 3 1 1 4 3 0 2 0 14 0.30435 29 PRAS 3 1 1 2 3 0 5 0 15 0.32609 30 RICY 2 1 0 4 3 0 4 0 14 0.30435 31 ROTI 2 1 1 2 3 0 4 0 13 0.28261 32 SCCO 3 1 0 3 2 0 5 0 14 0.30435 33 SIPD 3 1 1 3 2 0 2 0 12 0.26087 34 SKLT 3 1 0 3 2 0 2 0 11 0.23913 35 SMCB 2 1 0 4 3 0 3 0 13 0.28261 36 SRSN 2 1 1 4 3 0 1 0 12 0.26087 37 STTP 3 1 0 2 3 0 4 0 13 0.28261 38 TSPC 3 1 0 4 3 0 2 0 13 0.28261 39 ULTJ 2 1 1 4 2 0 2 0 12 0.26087
122
Data diolah Voluntary Disclosure tahun 2014
No. Kode Background Information
Financial overview
Key nonfinancial
statistic
Projected information
Management discussion
and analysis
R&D activities
Employee added
information
Value added
information
Total Score VDI
1 ALMI 3 1 0 2 3 0 3 0 12 0.26087
2 AMFG 2 1 1 3 2 0 3 0 12 0.26087
3 APLI 3 1 0 4 3 0 3 0 14 0.30435
4 BUDI 2 1 0 3 3 0 4 0 13 0.28261
5 CPIN 3 1 0 2 2 0 4 0 12 0.26087
6 CTBN 3 1 1 4 2 0 5 0 16 0.34783
7 DLTA 3 1 1 2 3 0 3 0 13 0.28261
8 DVLA 2 1 0 3 3 0 2 0 11 0.23913
9 EKAD 3 1 0 3 2 0 2 0 11 0.23913
10 ICBP 3 1 0 5 3 0 3 0 15 0.32609
11 IGAR 2 1 0 4 2 0 2 0 11 0.23913
12 INAI 2 1 1 5 3 0 4 0 16 0.34783
13 INDF 3 1 0 2 3 0 5 0 14 0.30435
14 INDS 2 1 1 4 3 0 4 0 15 0.32609
15 INTP 3 1 0 3 2 0 3 0 12 0.26087
16 JECC 2 1 1 4 3 0 3 0 14 0.30435
17 JPFA 3 1 0 2 2 0 2 0 10 0.21739
18 KAEF 3 1 0 3 3 0 5 0 15 0.32609
19 KBLI 2 1 1 3 3 0 3 0 13 0.28261 Berlanjut ke halaman berikutnya
123
Data diolah Voluntary Disclosure tahun 2014
No. Kode Background Information
Financial overview
Key nonfinancial
statistic
Projected information
Management discussion
and analysis
R&D activities
Employee added
information
Value added
information
Total Score VDI
20 KLBF 3 1 0 3 2 0 4 0 13 3
21 LION 2 1 1 3 2 0 3 0 12 2
22 LMSH 3 1 0 2 2 0 4 0 12 3
23 MBTO 2 1 0 4 2 0 2 0 11 2
24 MLBI 3 1 1 2 3 0 4 0 14 3
25 MYOR 3 1 1 3 2 0 3 0 13 3
26 NIPS 2 1 0 3 3 0 4 0 13 2
28 PICO 3 1 1 4 3 0 3 0 15 3
29 PRAS 3 1 1 2 3 0 5 0 15 3
30 RICY 2 1 0 4 3 0 4 0 14 2
31 ROTI 2 1 1 2 3 0 5 0 14 2
32 SCCO 3 1 0 3 2 0 5 0 14 3
33 SIPD 3 1 1 3 2 0 2 0 12 3
34 SKLT 3 1 0 3 2 0 3 0 12 3
35 SMCB 2 1 0 4 3 0 4 0 14 2
36 SRSN 2 1 1 4 3 0 2 0 13 2
37 STTP 3 1 0 2 3 0 4 0 13 3
38 TSPC 2 1 1 3 2 0 5 0 14 2
39 ULTJ 3 1 0 4 3 0 3 0 14 3
124
Data diolah leverage tahun 2010
No. Kode Total Hutang Total Ekuitas DER 1 ALMI 998,362,707,505 505,791,625,207 1.97386 2 AMFG 529,732,000,000 1,842,925,000,000 0.28744 3 APLI 105,490,781,452 229,459,767,545 0.45974 4 BUDI 1,165,086,000,000 802,010,000,000 1.45271 5 CPIN 2,036,240,000 4,482,036,000 0.45431 6 CTBN 160,529,711,000 113,145,698,000 1.41879 7 DLTA 1,152,249,470 593,358,786 1.94191 8 DVLA 213,507,941 640,602,050 0.33329 9 EKAD 79,271,063,174 125,199,419,821 0.63316 10 ICBP 8,999,132 9,362,181 0.96122 11 IGAR 154,228,711,548 293,244,352,907 0.52594 12 INAI 309,301,526,997 79,705,884,198 3.88054 13 INDF 22,423,117 24,852,838 0.90224 14 INDS 543,464,100,019 226,351,552,268 2.40097 15 INTP 2,245,548 13,100,598 0.17141 16 JECC 463,284,977 198,713,717 2.33142 17 JPFA 3,494,240 3,468,867 1.00731 18 KAEF 543,257,475,734 1,114,034,358,646 0.48765 19 KBLI 302,557,312,152 656,180,055,458 0.46109 20 KLBF 2,260,361,432,719 5,771,917,028,836 0.39161 Berlanjut ke halaman berikutnya
125
Data diolah leverage tahun 2010
No. Kode Total Hutang Total Ekuitas DER 21 LION 243,971,457,126 259,928,517,672 0.93861 22 LMSH 31,414,708,371 46,785,338,474 0.67146 23 MBTO 216,210,684,226 116,919,245,610 1.84923 24 MLBI 665,714 471,368 1.41230 25 MYOR 2,359,027,500,267 2,040,163,635,268 1.15629 26 NIPS 189,439,039,218 148,166,676,306 1.27855 27 PICO 394,769,045,138 175,591,220,927 2.24823 28 PRAS 326,702,937,187 135,265,785,680 2.41527 29 RICY 275,342,301,390 337,980,895,248 0.81467 30 ROTI 112,812,910,988 455,452,430,838 0.24769 31 SCCO 729,084,826,875 428,528,218,710 1.70137 32 SIPD 804,447,107,111 1,233,011,475,857 0.65242 33 SKLT 81,070,404,211 118,305,038,258 0.68527 34 SMCB 3,611,246 6,826,003 0.52904 35 SRSN 135,752,357 228,252,412 0.59475 36 STTP 301,933,973,559 447,340,001,989 0.67495 37 TOTO 460,601,074,226 630,982,040,872 0.72997 38 TSPC 7,448,627,006,290 2,644,733,210,591 2.81640 39 ULTJ 705,472,336,001 1,301,123,426,259 0.54220
126
Data diolah leverage tahun 2011
No. Kode Total Hutang Total Ekuitas DER 1 ALMI 1,274,907,058,776 516,616,105,951 2.4678 2 AMFG 545,395,000,000 2,145,200,000,000 0.2542 3 APLI 111,969,959,294 221,382,498,576 0.5058 4 BUDI 1,312,254,000,000 811,031,000,000 1.6180 5 CPIN 2,658,734,000 6,189,470,000 0.4296 6 CTBN 100,943,673,000 145,279,298,000 0.6948 7 DLTA 1,232,312,490 572,935,427 2.1509 8 DVLA 89,946,780,063 147,645,528,251 0.6092 9 EKAD 89,946,780,063 147,645,528,251 0.6092 10 ICBP 4,513,084 10,709,773 0.4214 11 IGAR 649,936,391,710 290,586,357,773 2.2366 12 INAI 438,219,669,509 206,062,773,854 2.1266 13 INDF 21,975,708 31,610,225 0.6952 14 INDS 507,466,203,524 632,249,053,230 0.8026 15 INTP 24,173,800 15,733,951 1.5364 16 JECC 499,540,912 227,497,023 2.1958 17 JPFA 4,481,070 3,785,347 1.1838 18 KAEF 541,736,739,279 1,252,505,683,826 0.4325 19 KBLI 363,596,917,064 719,926,725,752 0.5050 20 KLBF 4,758,619,054,414 6,515,935,058,426 0.7303 Berlanjut ke halaman berikutnya
127
Data diolah leverage tahun 2011
No. Kode Total Hutang Total Ekuitas DER 21 LION 363,755,284,220 302,060,465,373 1.2042 22 LMSH 40,816,452,492 57,202,680,156 0.7135 23 MBTO 141,131,522,256 400,542,318,744 0.3524 24 MLBI 690,545 530,268 1.3023 25 MYOR 4,175,176,240,894 2,424,669,292,434 1.7220 26 NIPS 280,690,734,654 165,997,722,727 1.6909 27 PICO 373,926,044,212 187,914,292,813 1.9899 28 PRAS 342,114,676,806 139,797,023,606 2.4472 29 RICY 291,842,821,653 350,251,850,387 0.8332 30 ROTI 712,695,735,714 546,441,182,786 1.3042 31 SCCO 936,368,362,997 519,252,194,040 1.8033 32 SIPD 1,370,530,530,045 1,271,072,402,115 1.0782 33 SKLT 91,337,531,247 122,900,348,177 0.7432 34 SMCB 3,423,241 7,527,260 0.4548 35 SRSN 108,941,955 252,240,228 0.4319 36 STTP 494,700,771,082 490,065,156,836 1.0095 37 TOTO 579,028,772,664 760,541,257,156 0.7613 38 TSPC 4,204,438,648,313 3,045,935,747,008 1.3803 39 ULTJ 776,735,279,582 1,402,446,699,852 0.5538
128
Data diolah leverage tahun 2012
No. Kode Total Hutang Total Ekuitas DER 1 ALMI 1,293,685,492,896 587,883,021,026 2.2006 2 AMFG 958,332,000,000 2,457,089,000,000 0.3900 3 APLI 115,231,507,057 218,635,793,389 0.5270 4 BUDI 1,445,537,000,000 854,135,000,000 1.6924 5 CPIN 4,172,163,000 8,176,646,000 0.5103 6 CTBN 125,830,064,000 268,438,471,000 0.4687 7 DLTA 147,095,322,000 598,211,513,000 0.2459 8 DVLA 233,144,997 841,546,479 0.2770 9 EKAD 81,915,660,390 191,977,807,039 0.4267 10 ICBP 5,835,523 11,984,361 0.4869 11 IGAR 70,313,908,037 242,028,852,241 0.2905 12 INAI 483,005,957,440 229,218,262,395 2.1072 13 INDF 25,181,533,000,000 34,142,674,000,000 0.7375 14 INDS 528,206,496,386 1,136,572,861,829 0.4647 15 INTP 33,364,420 19,418,738 1.7182 16 JECC 566,079,393,000 242,875,793,000 2.3307 17 JPFA 6,198,137,000,000 4,763,327,000,000 1.3012 18 KAEF 634,813,891,119 1,441,533,689,666 0.4404 19 KBLI 316,557,195,204 845,141,024,021 0.3746 20 KLBF 20,463,135,660,610 7,371,643,614,897 2.7759 Berlanjut ke halaman berikutnya
129
Data diolah leverage tahun 2012
No. Kode Total Hutang Total Ekuitas DER 21 LION 616,676,551,130 371,829,387,027 1.6585 22 LMSH 31,022,520,184 97,525,195,182 0.3181 23 MBTO 174,931,100,594 434,562,913,348 0.4025 24 MLBI 822,195,000 329,853,000 2.4926 25 MYOR 5,234,655,914,665 3,067,850,327,238 1.7063 26 NIPS 322,620,214 202,073,660 1.5965 27 PICO 395,503,093,290 199,113,004,978 1.9863 28 PRAS 297,056,156,250 280,293,729,818 1.0598 29 RICY 475,541,284,698 366,957,389,624 1.2959 30 ROTI 538,337,083,673 666,607,597,550 0.8076 31 SCCO 832,876,706,628 654,044,664,731 1.2734 32 SIPD 2,021,380,807,617 1,276,742,767,154 1.5832 33 SKLT 220,263,906,808 129,482,560,948 1.7011 34 SMCB 3,750,461 8,418,056 0.4455 35 SRSN 132,904,817,000 269,204,143,000 0.4937 36 STTP 670,149,495,580 579,691,340,310 1.1560 37 TOTO 624,499,013,875 898,164,900,513 0.6953 38 TSPC 4,279,828,890,909 3,353,156,079,810 1.2764 39 ULTJ 744,274,268,607 1,676,519,113,422 0.4439
130
Data diolah leverage tahun 2013
No. Kode Total Hutang Total Ekuitas DER 1 ALMI 2,094,736,673,254 757,341,556,453 2.7659 2 AMFG 778,666,000,000 2,760,727,000,000 0.2821 3 APLI 85,871,301,621 218,635,793,389 0.3928 4 BUDI 1,497,042,000,000 854,135,000,000 1.7527 5 CPIN 5,771,297,000 9,950,900,000 0.5800 6 CTBN 123,248,117,000 274,151,287,000 0.4496 7 DLTA 190,482,809,000 676,557,993,000 0.2815 8 DVLA 275,351,336 914,702,952 0.3010 9 EKAD 105,893,942,734 237,707,561,355 0.4455 10 ICBP 8,001,739 13,265,731 0.6032 11 IGAR 89,003,869,709 225,742,774,790 0.3943 12 INAI 639,563,606,250 231,317,803,126 2.7649 13 INDF 39,719,660 37,891,756 1.0482 14 INDS 4,436,527,499,650 1,752,865,614,508 2.5310 15 INTP 36,295,540 22,977,687 1.5796 16 JECC 1,092,161,372,000 1,476,603,440,000 0.7396 17 JPFA 9,672,368,000,000 5,245,222,000,000 1.8440 18 KAEF 847,584,859,909 1,624,354,688,981 0.5218 19 KBLI 450,372,591,220 886,649,700,731 0.5079 20 KLBF 2,815,103,309,451 8,499,957,965,575 0.3312 Berlanjut ke halaman berikutnya
131
Data diolah leverage tahun 2013
No. Kode Total Hutang Total Ekuitas DER 21 LION 827,835,593,180 415,784,337,843 1.9910 22 LMSH 312,295,043,290 110,465,094,376 2.8271 23 MBTO 160,451,280,610 451,318,464,718 0.3555 24 MLBI 794,615,000 987,533,000 0.8046 25 MYOR 5,771,077,430,823 3,938,760,819,650 1.4652 26 NIPS 562,461,853 235,945,772 2.3839 27 PICO 406,365,304,333 215,034,932,281 1.8898 28 PRAS 489,182,140,905 406,448,113,303 1.2036 29 RICY 497,223,323,456 372,002,989,683 1.3366 30 ROTI 1,035,351,397,437 787,337,649,671 1.3150 31 SCCO 1,054,421,709,690 707,611,129,154 1.4901 32 SIPD 1,870,560,118,674 1,285,120,275,806 1.4556 33 SKLT 162,339,135,063 139,650,353,636 1.1625 34 SMCB 6,122,043 8,772,947 0.6978 35 SRSN 406,406,914,000 314,375,634,000 1.2927 36 STTP 775,930,985,779 694,128,409,113 1.1178 37 TOTO 710,527,268,893 1,035,650,413,675 0.6861 38 TSPC 1,545,006,061,565 3,862,951,854,240 0.4000 39 ULTJ 796,474,448,056 2,015,146,534,086 0.3952
132
Data diolah leverage tahun 2014
No. Kode Total Hutang Total Ekuitas DER 1 ALMI 2,571,403,202,989 987,883,021,026 2.6029 2 AMFG 7,337,490,000,000 2,457,089,000,000 2.9863 3 APLI 478,687,316,920 218,635,793,389 2.1894 4 BUDI 1,563,631,000,000 854,135,000,000 1.8307 5 CPIN 9,919,150,000 8,176,646,000 1.2131 6 CTBN 113,598,060,000 268,438,471,000 0.4232 7 DLTA 227,473,881,000 598,211,513,000 0.3803 8 DVLA 273,816,042 841,546,479 0.3254 9 EKAD 273,199,231,964 191,977,807,039 1.4231 10 ICBP 9,870,264 11,984,361 0.8236 11 IGAR 86,443,556,430 242,028,852,241 0.3572 12 INAI 751,439,553,825 329,218,262,395 2.2825 13 INDF 44,710,509 34,142,674 1.3095 14 INDS 454,347,526,616 1,136,572,861,829 0.3998 15 INTP 41,001,720 19,418,738 2.1115 16 JECC 891,120,969,000 542,875,793,000 1.6415 17 JPFA 10,440,441,000,000 4,763,327,000,000 2.1918 18 KAEF 1,157,040,676,384 1,441,533,689,666 0.8026 19 KBLI 396,594,755,312 845,141,024,021 0.4693 20 KLBF 2,607,556,689,283 7,371,643,614,897 0.3537 Berlanjut ke halaman berikutnya
133
Data diolah leverage tahun 2014
No. Kode Total Hutang Total Ekuitas DER 21 LION 156,123,759,272 371,829,387,027 0.4199 22 LMSH 23,964,388,443 97,525,195,182 0.2457 23 MBTO 165,633,948,162 434,562,913,348 0.3812 24 MLBI 1,677,254,000 629,853,000 2.6629 25 MYOR 6,190,553,036,545 3,067,850,327,238 2.0179 26 NIPS 630,960,175,000 302,073,660,000 2.0888 27 PICO 395,525,304,553 199,113,004,978 1.9864 28 PRAS 601,006,310,349 280,293,729,818 2.1442 29 RICY 774,439,342,861 366,957,389,624 2.1104 30 ROTI 1,182,771,921,472 666,607,597,550 1.7743 31 SCCO 841,614,670,129 654,044,664,731 1.2868 32 SIPD 1,513,908,338,484 1,276,742,767,154 1.1858 33 SKLT 178,206,785,017 129,482,560,948 1.3763 34 SMCB 8,436,760 8,418,056 1.0022 35 SRSN 134,510,685,000 269,204,143,000 0.4997 36 STTP 882,610,280,834 579,691,340,310 1.5226 37 TOTO 796,096,371,054 898,164,900,513 0.8864 38 TSPC 9,460,391,494,410 3,353,156,079,810 2.8213 39 ULTJ 1,651,985,807,625 1,676,519,113,422 0.9854
134
Data diolah likuiditas tahun 2010
No. Kode Current Asset Current Libialities Current Ratio 1 ALMI 823,517,334,009 834,085,193,410 0.98733 2 AMFG 513,164,260,920 725,854,000,000 0.70698 3 APLI 45,468,209,223 84,930,157,694 0.53536 4 BUDI 510,462,298,710 811,791,000,000 0.62881 5 CPIN 343,122,866,800 1,461,341,000,000 0.23480 6 CTBN 110,967,143 133,305,074 0.83243 7 DLTA 113,206,230,789 189,396,759,000 0.59772 8 DVLA 349,178,846 574,921,950 0.60735 9 EKAD 25,727,251,527 69,499,301,764 0.37018 10 ICBP 45,839 2,701,200 0.01697 11 IGAR 98,458,632,162 103,850,552,867 0.94808 12 INAI 11,740,129,087 207,386,134,734 0.05661 13 INDF 4,565,265 9,859,118 0.46305 14 INDS 369,083,094,563 412,927,764,609 0.89382 15 INTP 2,979,217 2,947,706 1.01069 16 JECC 373,880,501 438,883,543 0.85189 17 JPFA 1,417,666 1,686,714 0.84049 18 KAEF 469,301,172,084 469,822,675,254 0.99889 19 KBLI 178,074,782,755 200,980,534,243 0.88603 20 KLBF 105,821,912,318 2,146,489,093,666 0.04930 Berlanjut ke halaman berikutnya
135
Data diolah likuiditas tahun 2010
No. Kode Current Asset Current Libialities Current Ratio 21 LION 92,004,174,765 98,732,816,188 0.93185 22 LMSH 5,444,410,028 21,656,364,472 0.25140 23 MBTO 117,535,290,419 166,071,283,831 0.70774 24 MLBI 178,575 532,026 0.33565 25 MYOR 1,133,651,575,538 1,040,333,647,369 1.08970 26 NIPS 167,566,224,508 175,506,121,442 0.95476 27 PICO 182,427,915,178 345,396,207,997 0.52817 28 PRAS 84,667,653,716 149,383,629,831 0.56678 29 RICY 268,617,837,431 245,387,045,805 1.09467 30 ROTI 29,902,982,192 92,639,122,006 0.32279 31 SCCO 772,135,774,890 719,376,688,552 1.07334 32 SIPD 290,054,318,451 564,055,614,125 0.51423 33 SKLT 1,457,460,953 50,396,298,504 0.02892 34 SMCB 1,037,454 1,355,830 0.76518 35 SRSN 232,964,221 102,457,250 2.27377 36 STTP 105,963,742,405 170,422,732,529 0.62177 37 TOTO 201,451,128,166 353,323,853,244 0.57016 38 TSPC 2,127,146,384,459 984,352,502,804 2.16096 39 ULTJ 197,264,781,744 477,557,754,724 0.41307
136
Data diolah likuiditas tahun 2011
No. Kode Current Asset Current Libialities Current Ratio 1 ALMI 495,288,827,701 1,010,834,784,483 0.48998 2 AMFG 375,274,616,400 593,132,000,000 0.63270 3 APLI 3,383,320,786 98,985,394,546 0.03418 4 BUDI 383,802,637,140 725,374,000,000 0.52911 5 CPIN 504,516,469,760 1,975,552,000,000 0.25538 6 CTBN 20,066,171 80,390,091 0.24961 7 DLTA 124,713,091,710 216,129,303,000 0.57703 8 DVLA 227,700,417 244,279,679 0.93213 9 EKAD 10,563,946,962 81,808,618,930 0.12913 10 ICBP 239,800 2,988,540 0.08024 11 IGAR 96,371,292,440 120,928,177,431 0.79693 12 INAI 1,880,588,958 322,571,004,720 0.00583 13 INDF 9,893,577 12,831,304 0.77105 14 INDS 310,259,296,809 390,238,723,110 0.79505 15 INTP 3,933,451 4,476,597 0.87867 16 JECC 480,864,538 467,757,960 1.02802 17 JPFA 1,486,353 3,099,991 0.47947 18 KAEF 359,834,915,772 459,694,310,937 0.78277 19 KBLI 311,073,289,655 307,776,998,006 1.01071 20 KLBF 230,167,478,736 2,130,588,528,518 0.10803 Berlanjut ke halaman berikutnya
137
Data diolah likuiditas tahun 2011
No. Kode Current Asset Current Libialities Current Ratio 21 LION 113,645,315,227 136,152,721,642 0.83469 22 LMSH 23,829,296,737 33,552,465,802 0.71021 23 MBTO 137,564,627,035 212,665,224,368 0.64686 24 MLBI 114,475 659,873 0.17348 25 MYOR 1,812,770,502,692 1,845,791,716,500 0.98211 26 NIPS 259,272,708,781 245,828,355,992 1.05469 27 PICO 178,490,993,142 319,184,194,028 0.55921 28 PRAS 139,522,932,267 216,727,918,770 0.64377 29 RICY 257,827,812,585 262,265,342,175 0.98308 30 ROTI 115,880,263,055 148,209,117,955 0.78187 31 SCCO 902,739,676,268 923,584,989,481 0.97743 32 SIPD 461,528,597,365 882,649,500,592 0.52289 33 SKLT 13,842,011,163 61,944,022,033 0.22346 34 SMCB 1,352,831 1,683,799 0.80344 35 SRSN 1,434,640 91,670,263 0.01565 36 STTP 102,703,368,179 303,434,183,764 0.33847 37 TOTO 404,588,610,355 444,637,071,374 0.90993 38 TSPC 370,098,266,640 1,912,652,540,775 0.19350 39 ULTJ 325,549,075,203 607,594,391,942 0.53580
138
Data diolah likuiditas tahun 2012
No. Kode Current Asset Current Libialities Current Ratio 1 ALMI 890,423,817,895 925,798,581,702 0.96 2 AMFG 711,209,191 926,669,000 0.77 3 APLI 5,010,498,083 97,499,476,226 0.05 4 BUDI 314,724 907,065 0.35 5 CPIN 1,583,083 4,167,652 0.38 6 CTBN 12,940,172 110,157,247 0.12 7 DLTA 202,997,156 249,919,552 0.81 8 DVLA 274,632,562 311,717,606 0.88 9 EKAD 8,020,096,160 74,814,329,851 0.11 10 ICBP 368,820 3,648,069 0.10 11 IGAR 122,635,181,389 120,746,702,955 1.02 12 INAI 377,809,759,345 214,820,869,351 1.76 13 INDF 12,152,135 12,805,200 0.95 14 INDS 375,996,615,917 371,743,866,089 1.01 15 INTP 8,246,093 8,418,762 0.98 16 JECC 407,781,442 531,671,545 0.77 17 JPFA 3,214,670 3,523,891 0.91 18 KAEF 502,766,841,275 537,184,235,226 0.94 19 KBLI 303,653,352,235 294,597,427,319 1.03 20 KLBF 434,083,750,575 2,991,617,853,724 0.15 Berlanjut ke halaman berikutnya
139
Data diolah likuiditas tahun 2012
No. Kode Current Asset Current Libialities Current Ratio 21 LION 81,411,147,738 148,249,381,295 0.55 22 LMSH 31,815,276,900 37,036,281,503 0.86 23 MBTO 141,672,087,201 197,512,947,804 0.72 24 MLBI 549,533 796,679 0.69 25 MYOR 1,513,182,547,883 1,924,434,119,144 0.79 26 NIPS 278,995,056 278,822,186 1.00 27 PICO 183,811,440,342 338,979,143,093 0.54 28 PRAS 155,895,442,672 177,151,899,038 0.88 29 RICY 247,226,040,967 266,783,974,109 0.93 30 ROTI 113,712,140,218 195,455,567,772 0.58 31 SCCO 445,510,206,217 818,847,218,587 0.54 32 SIPD 38,418,332,977 1,435,662,667,304 0.03 33 SKLT 9,600,174,206 88,824,705,832 0.11 34 SMCB 1,614,978 1,556,875 1.04 35 SRSN 17,148,170 111,511,056 0.15 36 STTP 207,014,826,380 571,296,021,580 0.36 37 TOTO 261,205,194,933 448,767,622,942 0.58 38 TSPC 956,208,672,763 1,297,134,545,306 0.74 39 ULTJ 393,349,604,537 592,822,529,143 0.66
140
Data diolah likuiditas tahun 2013
No. Kode Current Asset Current Libialities Current Ratio 1 ALMI 1,006,544,185,298 926,964,300,132 1.08585 2 AMFG 592,748,273 753,960,000 0.78618 3 APLI 9,178,786,716 68,961,583,137 0.13310 4 BUDI 213,610 1,016,562 0.21013 5 CPIN 1,770,178 5,327,048 0.33230 6 CTBN 14,179,687 110,874,090 0.12789 7 DLTA 488,852,511 658,990,741 0.74182 8 DVLA 221,498,881 515,473,310 0.42970 9 EKAD 3,891,736,697 128,355,431,960 0.03032 10 ICBP 283,918 5,696,583 0.04984 11 IGAR 121,068,131,143 135,516,948,155 0.89338 12 INAI 37,132,774,856 439,441,122,554 0.08450 13 INDF 14,846,289 19,471,309 0.76247 14 INDS 525,523,624,721 591,799,219,289 0.88801 15 INTP 6,087,952 14,740,089 0.41302 16 JECC 913,846,265 1,012,583,258 0.90249 17 JPFA 4,023,526 4,361,546 0.92250 18 KAEF 698,483,185,519 746,123,148,554 0.93615 19 KBLI 318,811,648,455 359,617,439,291 0.88653 20 KLBF 49,713,646,888 3,040,590,023,748 0.01635 Berlanjut ke halaman berikutnya
141
Data diolah likuiditas tahun 2013
No. Kode Current Asset Current Libialities Current Ratio 21 LION 37,894,802,518 283,728,680,126 0.13356 22 LMSH 28,873,951,200 47,518,969,110 0.60763 23 MBTO 110,211,417,263 211,684,498,431 0.52064 24 MLBI 153,208 722,542 0.21204 25 MYOR 1,742,097,330,000 2,631,646,469,682 0.66198 26 NIPS 349,499,537 508,836,644 0.68686 27 PICO 190,757,148,332 349,346,473,393 0.54604 28 PRAS 186,438,834,301 321,945,837,163 0.57910 29 RICY 37,923,307,181 298,985,392,467 0.12684 30 ROTI 185,880,998,028 320,197,405,822 0.58052 31 SCCO 526,668,597,722 1,043,362,648,524 0.50478 32 SIPD 600,040,304,087 1,224,772,011,935 0.48992 33 SKLT 9,238,583,112 125,712,112,019 0.07349 34 SMCB 1,989,755 3,262,054 0.60997 35 SRSN 31,380,017 119,839,668 0.26185 36 STTP 365,317,331,620 598,988,885,897 0.60989 37 TOTO 479,400,512,444 496,494,829,421 0.96557 38 TSPC 343,563,397,199 1,347,465,965,403 0.25497 39 ULTJ 375,896,914,899 633,794,053,008 0.59309
142
Data diolah likuiditas tahun 2014
No. Kode Current Asset Current Libialities Current Ratio 1 ALMI 1,201,639,627,236 2,370,051,137,523 0.50701 2 AMFG 1,135,467,616 1,982,380,000 0.57278 3 APLI 12,276,630,238 31,090,308,805 0.39487 4 BUDI 159,470 945,117 0.16873 5 CPIN 2,453,096 5,467,240 0.44869 6 CTBN 30,602,610 98,028,733 0.31218 7 DLTA 442,340,261 790,952,635 0.55925 8 DVLA 232,883,463 478,583,390 0.48661 9 EKAD 555,266,142 167,248,837,925 0.00332 10 ICBP 2,120,552 8,230,997 0.25763 11 IGAR 88,669,944,419 193,319,694,812 0.45867 12 INAI 79,733,318,136 595,335,758,497 0.13393 13 INDF 5,789,954 22,681,686 0.25527 14 INDS 11,147,774,417 545,123,443,360 0.02045 15 INTP 16,745,579 32,605,590 0.51358 16 JECC 581,180,438 846,116,408 0.68688 17 JPFA 708,657 4,916,448 0.14414 18 KAEF 10,248,533,310 1,548,116,814,270 0.00662 19 KBLI 236,375,402,523 856,060,417,655 0.27612 20 KLBF 128,665,626,232 4,085,920,172,489 0.03149 Berlanjut ke halaman berikutnya
143
Data diolah likuiditas 2014
No. Kode Current Asset Current Libialities Current Ratio 21 LION 29,636,208,012 292,155,047,433 0.10144 22 LMSH 118,560,935,526 203,573,034,900 0.58240 23 MBTO 661,067,119,950 1,116,837,221,790 0.59191 24 MLBI 125,769 1,588,801 0.07916 25 MYOR 1,837,339,742,640 4,114,337,601,362 0.44657 26 NIPS 260,733,270 518,954,798 0.50242 27 PICO 116,763,186,326 276,068,533,694 0.42295 28 PRAS 323,325,641,034 564,899,086,298 0.57236 29 RICY 37,161,754,596 483,247,784,088 0.07690 30 ROTI 181,101,527,924 307,608,669,233 0.58874 31 SCCO 499,564,565,263 826,026,927,582 0.60478 32 SIPD 460,005,546,772 1,203,289,509,984 0.38229 33 SKLT 6,351,410,323 141,425,302,223 0.04491 34 SMCB 2,516,521 3,807,545 0.66093 35 SRSN 103,009,469 216,994,521 0.47471 36 STTP 569,575,858,521 538,631,479,995 1.05745 37 TOTO 83,450,014,086 628,814,814,904 0.13271 38 TSPC 54,479,039,221 2,237,332,206,210 0.02435 39 ULTJ 382,011,049,177 890,967,089,226 0.42876
144
Data diolah kualitas laba tahun 2010
No. Kode EPSt EPSt-1 clossing
price UE CAR CARit 1 ALMI 141.96 85.13 650 0.0874 0.86728 0.95471 2 AMFG 763.00 155.00 830 0.7325 -0.1751 0.55748 3 APLI 27.55 23.19 860 0.0051 1.01587 1.02094 4 BUDI 156.15 146.15 114 0.0878 1.63499 1.72275 5 CPIN 135.00 98.00 365 0.1014 0.50098 0.60235 6 CTBN 0.02 0.02 440 0.0000 0.35518 0.35519 7 DLTA 8.72 7.90 255 0.0032 0.32494 0.32814 8 DVLA 122.00 106.00 1,690 0.0095 0.51004 0.51951 9 EKAD 44.00 29.00 350 0.0429 0.4094 0.45226 10 ICBP 344.00 46.00 7,800 0.0382 0.68076 0.71897 11 IGAR 33.05 24.66 375 0.0224 0.73012 0.75249 12 INAI 100.54 80.69 450 0.0441 0.29236 0.33647 13 INDF 766.00 236.00 5,850 0.0906 0.32697 0.41757 14 INDS 3.19 1.57 4,200 0.0004 0.62711 0.62750 15 INTP 876.05 746.12 224 0.5800 -0.3142 0.26585 16 JECC 6.75 104.78 1,900 (0.0516) 1.48606 1.43447 17 JPFA 463.00 394.00 6,150 0.0112 0.42347 0.43469 18 KAEF 191.00 163.00 740 0.0378 0.87391 0.91175 19 KBLI 12.06 5.17 187 0.0368 0.5236 0.56044 20 KLBF 237.00 197.00 106 0.3774 0.27248 0.64984
Berlanjut ke halaman berikutnya
145
Data diolah kualitas laba tahun 2010
No. Kode EPSt EPSt-1 clossing
price UE CAR CARit 21 LION 743.00 646.00 10,400 0.0093 0.70256 0.71189 22 LMSH 766.00 250.00 10,500 0.0491 1.22619 1.27533 23 MBTO 251.00 222.00 380 0.0763 0.31202 0.38834 24 MLBI 29.25 24.37 740,000 0.0000 0.16999 0.17000 25 MYOR 631.00 485.00 200 0.7300 -0.2068 0.52322 26 NIPS 633.00 184.00 4,100 0.1095 0.79213 0.90164 27 PICO 21.22 22.27 260 (0.0040) 0.65146 0.64742 28 PRAS 0.52 6.61 255 (0.0239) 0.47744 0.45356 29 RICY 16.86 5.57 174 0.0649 0.68921 0.75410 30 ROTI 106.38 66.37 690 0.0580 1.16113 1.21912 31 SCCO 465.00 37.00 4,050 0.1057 0.46379 0.56947 32 SIPD 6.51 3.96 50 0.0510 0.41009 0.46109 33 SKLT 27.00 18.53 180 0.0471 0.33351 0.38057 34 SMCB 128.00 117.00 290 0.0379 0.32899 0.36692 35 SRSN 5.63 4.22 50 0.0282 0.93505 0.96325 36 STTP 32.54 31.35 1,050 0.0011 0.54795 0.54908 37 TOTO 3,792.00 3,691.00 6,650 0.0152 0.30384 0.31903 38 TSPC 131.00 99.00 3,725 0.0086 0.51854 0.52713 39 ULTJ 37.00 21.00 1,330 0.0120 0.85738 0.86941
146
Data diolah kualitas laba tahun 2011
No. Kode EPSt EPSt-1 clossing
price UE CAR CARit 1 ALMI 177.87 141.96 650 0.0552 0.28487 0.34012 2 AMFG 776 763 830 0.0157 0.36153 0.37719 3 APLI 10.92 17.55 860 (0.0077) 0.27088 0.26317 4 BUDI 51.6 46.15 114 0.0478 0.44838 0.49619 5 CPIN 144 135 365 0.0247 0.35569 0.38035 6 CTBN 0.0627 0.023 440 0.0001 0.6114 0.61149 7 DLTA 9060 8716 255 1.3490 -0.7686 0.58040 8 DVLA 143 122 1,690 0.0124 0.46917 0.48160 9 EKAD 38 44 350 (0.0171) 0.6114 0.59426 10 ICBP 339 344 7,800 (0.0006) 0.50497 0.50433 11 IGAR 37.52 33.05 375 0.0119 0.73115 0.74307 12 INAI 166.39 100.54 450 0.1463 0.27368 0.42001 13 INDF 850 766 5,850 0.0144 1.00149 1.01585 14 INDS 551.69 3.189 4,200 0.1306 0.36181 0.49241 15 INTP 997.1 876.05 224 0.5404 0.60251 1.14291 16 JECC 190.37 6.75 1,900 0.0966 0.82524 0.92188 17 JPFA 298 463 6,150 (0.0268) 1.01191 0.98508 18 KAEF 230.93 191 740 0.0540 0.70069 0.75465 19 KBLI 15.9 12.06 187 0.0205 1.03691 1.05744 20 KLBF 142 137 106 0.0472 0.62483 0.67200
Berlanjut ke halaman berikutnya
147
Data diolah kualitas laba tahun 2011
No. Kode EPSt EPSt-1 clossing
price UE CAR CARit 21 LION 1010 743 10,400 0.0257 0.22822 0.25389 22 LMSH 1135 766 10,500 0.0351 0.45049 0.48563 23 MBTO 60.35 51 380 0.0246 0.71403 0.73864 24 MLBI 24074 29.25 740,000 0.0325 0.41045 0.44294 25 MYOR 714 631 200 0.4150 0.39552 0.81052 26 NIPS 892 633 4,100 0.0632 0.98323 1.04640 27 PICO 21.68 21.22 260 0.0018 0.47239 0.47416 28 PRAS 3.3 0.52 255 0.0109 0.9864 0.99730 29 RICY 19.36 16.86 174 0.0144 0.5156 0.52997 30 ROTI 114.52 106.38 690 0.0118 0.93216 0.94396 31 SCCO 533 465 4,050 0.0168 1.05464 1.07143 32 SIPD 12.35 6.51 50 0.1168 0.41851 0.53531 33 SKLT 8.65 7 180 0.0092 1.09699 1.10616 34 SMCB 139 108 290 0.1069 0.14202 0.24892 35 SRSN 3.98 1.63 50 0.0470 0.85904 0.90604 36 STTP 32.58 32.54 1,050 0.0000 0.6507 0.65074 37 TOTO 4440 3192 6,650 0.1877 0.34469 0.53236 38 TSPC 226 131 3,725 0.0255 0.93126 0.95676 39 ULTJ 44 37 1,330 0.0053 0.53518 0.54044
148
Data diolah kualitas laba tahun 2012
No. Kode EPSt EPSt-1 clossing
price UE CAR CARit 1 ALMI 245.29 177.87 650 0.1037 0.6695 0.77322 2 AMFG 799 776 830 0.0277 0.63319 0.66090 3 APLI 12.81 10.92 860 0.0022 0.62714 0.62934 4 BUDI 3.27 1.6 114 0.0146 0.86893 0.88358 5 CPIN 164 144 365 0.0548 1.00886 1.06365 6 CTBN 0.0429 0.0627 440 (0.0000) 0.57053 0.57048 7 DLTA 13097 13060 255 0.1451 0.44092 0.58602 8 DVLA 175 143 1,690 0.0189 0.39007 0.40900 9 EKAD 51 38 350 0.0371 0.37271 0.40985 10 ICBP 374 339 7,800 0.0045 0.60389 0.60838 11 IGAR 48.16 37.52 375 0.0284 0.68606 0.71443 12 INAI 146.18 166.39 450 (0.0449) 1.01316 0.96825 13 INDF 371 350 5,850 0.0036 0.58327 0.58686 14 INDS 622.8 551.69 4,200 0.0169 1.02552 1.04245 15 INTP 1293.15 997.1 224 1.3217 -0.7722 0.54941 16 JECC 211.71 190.37 1,900 0.0112 0.47889 0.49012 17 JPFA 472 298 6,150 0.0283 0.51799 0.54628 18 KAEF 36.93 30.93 740 0.0081 0.37078 0.37889 19 KBLI 31.24 15.9 187 0.0820 0.6982 0.78023 20 KLBF 37 32 106 0.0472 0.43471 0.48188
Berlanjut ke halaman berikutnya
149
Data diolah kualitas laba tahun 2012
No. Kode EPSt EPSt-1 clossing
price UE CAR CARit 21 LION 1641 1010 10,400 0.0607 0.77065 0.83132 22 LMSH 4300 1135 10,500 0.3014 0.57701 0.87844 23 MBTO 42.54 40.35 380 0.0058 0.6211 0.62686 24 MLBI 21516 24074 740,000 (0.0035) 1.14206 1.13860 25 MYOR 952 614 200 1.6900 -1.2303 0.45973 26 NIPS 1078 892 4,100 0.0454 0.90452 0.94989 27 PICO 39.7 21.68 260 0.0693 0.2576 0.32691 28 PRAS 26.5 3.3 255 0.0910 0.50602 0.59700 29 RICY 25.92 19.36 174 0.0377 0.80479 0.84249 30 ROTI 147.33 114.52 690 0.0476 0.67502 0.72257 31 SCCO 824 533 4,050 0.0719 0.38184 0.45369 32 SIPD 2.38 2.35 50 0.0006 0.88437 0.88497 33 SKLT 21.53 8.65 180 0.0716 0.39169 0.46325 34 SMCB 176 139 290 0.1276 0.16586 0.29345 35 SRSN 4.82 3.98 50 0.0168 0.3352 0.35200 36 STTP 56.98 32.58 1,050 0.0232 0.62476 0.64800 37 TOTO 476 440 6,650 0.0054 0.97757 0.98298 38 TSPC 140 126 3,725 0.0038 0.53131 0.53507 39 ULTJ 122 44 1,330 0.0586 0.77581 0.83446
150
Data diolah kualitas laba tahun 2013
No. Kode EPSt EPSt-1 clossing
price UE CAR CARit 1 ALMI 84.8 45.29 600 0.07 0.59129 0.65714 2 AMFG 780 799 7,000 (0.00) 0.89785 0.89514 3 APLI 3.28 2.81 65 0.01 0.6728 0.68003 4 BUDI 2.63 1.27 109 0.01 0.24414 0.25662 5 CPIN 154 164 3,375 (0.00) 0.80969 0.80673 6 CTBN 0.0478 0.0429 4,500 0.00 0.47142 0.47142 7 DLTA 16515 14997 380 3.99 -2.9861 1.00864 8 DVLA 112 175 2,200 (0.03) 0.44282 0.41418 9 EKAD 56 51 390 0.01 0.4585 0.47132 10 ICBP 482 374 10,200 0.01 0.54054 0.55113 11 IGAR 40.28 28.16 295 0.04 0.25644 0.29752 12 INAI 331.69 146.18 600 0.31 0.12803 0.43721 13 INDF 525 371 6,600 0.02 0.5093 0.53263 14 INDS 779.62 422.8 2,675 0.13 1.66758 1.80097 15 INTP 1361.02 1293.15 20 3.39 -3.0577 0.33580 16 JECC 349.25 211.71 2,850 0.05 0.68144 0.72970 17 JPFA 556 472 1,220 0.07 0.99388 1.06273 18 KAEF 38.63 36.93 590 0.00 0.7507 0.75358 19 KBLI 48.35 31.24 142 0.12 0.27777 0.39826 20 KLBF 41 37 1,250 0.00 0.34837 0.35157
Berlanjut ke halaman berikutnya
151
Data diolah kualitas laba tahun 2013
No. Kode EPSt EPSt-1 clossing
price UE CAR CARit 21 LION 1945 1641 12,000 0.03 0.66663 0.69196 22 LMSH 6498 4300 800 2.75 -1.7591 0.98844 23 MBTO 65.11 42.54 305 0.07 0.71431 0.78831 24 MLBI 55576 21516 12,000 2.84 -1.9865 0.85184 25 MYOR 1115 952 260 0.63 0.45195 1.07887 26 NIPS 1247 1078 325 0.52 0.38101 0.90101 27 PICO 2801 2370 155 2.78 -1.0779 1.70276 28 PRAS 58.8 26.5 185 0.17 0.9281 1.10269 29 RICY 41.43 25.92 173 0.09 1.3192 1.40885 30 ROTI 231.22 147.33 1,020 0.08 1.08958 1.17183 31 SCCO 909 824 4,400 0.02 0.78901 0.80833 32 SIPD 4.03 2.38 50 0.03 1.45906 1.49206 33 SKLT 16.56 11.53 180 0.03 0.90821 0.93615 34 SMCB 124 176 2,275 (0.02) 1.27846 1.25560 35 SRSN 3.66 2.82 50 0.02 0.5399 0.55670 36 STTP 87.38 56.98 1,550 0.02 1.73296 1.75257 37 TOTO 739 476 1,700 0.15 1.49697 1.65168 38 TSPC 141 140 3,250 0.00 1.02374 1.02405 39 ULTJ 213 122 4,500 0.02 0.88474 0.90496
152
Data diolah kualitas laba tahun 2014
No. Kode EPSt EPSt-1 clossing
price UE CAR CARit 1 ALMI 93.16 84.8 268 0.03 1.26287 1.29406 2 AMFG 1057 780 8,050 0.03 1.22176 1.25617 3 APLI 6.72 1.28 81 0.07 1.05514 1.1223 4 BUDI 6.61 2.63 107 0.04 0.68146 0.71866 5 CPIN 207 154 378 0.14 1.16732 1.30753 6 CTBN 0.0318 0.0478 53 (0.00) 0.62408 0.62378 7 DLTA 17621 16515 390 2.84 -1.8029 1.033 8 DVLA 173 112 1,690 0.04 0.84076 0.87685 9 EKAD 57 56 515 0.00 1.15411 1.15605 10 ICBP 447 382 13,100 0.00 1.65088 1.65584 11 IGAR 33.53 20.28 315 0.04 0.92506 0.96712 12 INAI 69.63 31.69 350 0.11 0.26198 0.37038 13 INDF 372 225 6,750 0.02 0.59114 0.61292 14 INDS 293.02 279.62 1,600 0.01 1.10516 1.11353 15 INTP 1431.82 1361.02 25 2.83 -1.6609 1.17107 16 JECC 157.73 149.25 235 0.04 1.7099 1.74599 17 JPFA 31 56 950 (0.03) 0.54499 0.51867 18 KAEF 42.24 38.63 1,465 0.00 0.41957 0.42203 19 KBLI 27.49 18.35 139 0.07 0.85127 0.91703 20 KLBF 44 41 1,830 0.00 1.86963 1.87127
Berlanjut ke halaman berikutnya
153
Data diolah kualitas laba tahun 2014
No. Kode EPSt EPSt-1 clossing
price UE CAR CARit 21 LION 1542 1245 93 3.19 -2.1142 1.07938 22 LMSH 1771 1498 645 0.42 0.45587 0.87913 23 MBTO 22.73 15.11 200 0.04 1.3822 1.4203 24 MLBI 59700 55576 1,195 3.45 -2.8729 0.57818 25 MYOR 1451 1115 209 1.61 -0.9635 0.6442 26 NIPS 64 47 487 0.03 1.4583 1.49321 27 PICO 2827 2801 160 0.16 1.20809 1.37059 28 PRAS 19.2 18.8 204 0.00 0.7549 0.75686 29 RICY 21.06 11.43 174 0.06 1.11874 1.17408 30 ROTI 37.26 31.22 1,385 0.00 0.81315 0.81751 31 SCCO 665 509 3,950 0.04 1.12293 1.16242 32 SIPD 2.19 1.03 53 0.02 1.44247 1.46436 33 SKLT 23.86 16.56 300 0.02 1.6169 1.64123 34 SMCB 187 124 2,185 0.03 0.91109 0.93992 35 SRSN 32.4 2.66 50 0.59 0.08396 0.67876 36 STTP 94.27 87.38 2,880 0.00 1.21169 1.21408 37 TOTO 297 239 3,975 0.01 1.10389 1.11848 38 TSPC 129 141 2,865 (0.00) 1.31272 1.30853 39 ULTJ 98 113 3,720 (0.00) 1.34764 1.34361
154
Lampiran 3
Keterangan : MBVE : Investment Opportunity Set VDI : Voluntary Disclosure DER : Leverage CR : Likuiditas CAR : Kualitas Laba
Data diolah tahun 2010
No. Nama Perusahaan Kode MBVE VDI DER CR CAR 1 PT. Alumindo Light Metal Industry Tbk ALMI 0.91574 1.973862 0.21739 0.98733 0.95471 2 PT. AsahimasFlat Glass Tbk AMFG 0.10011 0.287441 0.21739 0.70698 0.55748 3 PT. Asiaplast Industries Tbk APLI 1.04106 0.459735 0.21739 0.53536 1.02094 4 PT. Budi Strach & Sweetener Tbk BUDI 2.17031 1.452708 0.26087 0.62881 1.72275 5 PT. Charoen Pokphand Indonesia Tbk CPIN 0.29491 0.454311 0.23913 0.2348 0.60235 6 PT. Citra Tubindo Tbk CTBN 0.04628 1.418788 0.30435 0.83243 0.35519 7 PT. Delta Djakarta Tbk DLTA 0.22634 0.194191 0.26087 0.59772 0.32814 8 PT. Darya-Varia Laboratoria Tbk DVLA 0.32794 0.333293 0.19565 0.60735 0.51951 9 PT. Ekadharma International Tbk EKAD 0.12592 0.633158 0.19565 0.37018 0.45226 10 PT. Indofood CBP Sukses Makmur Tbk ICBP 0.37675 0.427158 0.26087 0.01697 0.71897 11 PT. Champion Pacific Indonesia Tbk IGAR 0.0408 0.184927 0.21739 0.94808 0.75249 12 PT. Indal Aluminium Industry Tbk INAI 0.01289 3.880536 0.32609 0.05661 0.33647
Berlanjut ke halaman selanjutnya
155
Data diolah tahun 2010
No. Nama Perusahaan Kode MBVE VDI DER CR CAR 13 PT. Indofood Sukses Makmur Tbk INAI 0.30932 0.902236 0.28261 0.46305 0.41757 14 PT. Indospring Tbk INDF 0.02036 2.400974 0.23913 0.89382 0.6275 15 PT. Indocement Tunggal Prakarsa Tbk INDS 0.06246 0.171408 0.21739 1.01069 0.26585 16 PT. Jembo Cable Company Tbk INTP 1.61986 2.331419 0.21739 0.85189 1.43447 17 PT. JAPFA Comfeed Indonesia Tbk JECC 0.26855 1.007314 0.19565 0.84049 0.43469 18 PT. Kimia Farma Tbk JPFA 0.8306 0.487649 0.28261 0.99889 0.91175 19 PT. KMI Wire and Cable Tbk KAEF 0.33743 0.461089 0.26087 0.88603 0.56044 20 PT. Kedaung Indah Can Tbk KBLI 0.17741 0.218361 0.26087 0.0493 0.64984 21 PT. Lion Metal Works Tbk KLBF 0.28626 0.169167 0.23913 0.93185 0.71189 22 PT. Lionmesh Prima Tbk LION 2.18104 0.671465 0.23913 0.2514 1.27533 23 PT. Martina Berto Tbk LMSH 0.09408 1.849231 0.19565 0.70774 0.38834 24 PT. Multi Bintang Indonesia Tbk MBTO 0.05156 1.412302 0.19565 0.33565 0.17 26 PT. Mayora Indah Tbk MLBI 0.17158 1.156293 0.23913 1.0897 0.52322 27 PT. Nipress Tbk MYOR 0.85593 1.278554 0.28261 0.95476 0.90164 28 PT. Pelangi Indah Canindo Tbk NIPS 0.14484 2.248228 0.23913 0.52817 0.64742 29 PT. Prima Alloy Steel Universal Tbk PICO 0.02304 2.415267 0.32609 0.56678 0.45356 30 PT. Ricky Putra Globalindo Tbk PRAS 0.43414 0.814668 0.26087 1.09467 0.7541 31 PT. Nippon Indosari Corpindo Tbk RICY 1.47437 0.247694 0.26087 0.32279 1.21912 32 PT. Supreme Cable Manufacturing & Commerce Tbk ROTI 0.37987 1.701369 0.28261 1.07334 0.56947 33 PT. Sierad Produce Tbk SCCO 0.03963 0.652425 0.26087 0.51423 0.46109
Berlanjut ke halaman berikutnya
156
Data diolah tahun 2010
No. Nama Perusahaan Kode MBVE VDI DER CR CAR 34 PT. Sekar Laut Tbk SIPD 0.21891 0.529043 0.26087 0.76518 0.36692 35 PT. Holcim Indonesia Tbk SKLT 0.91528 0.594747 0.21739 2.27377 0.96325 36 PT. Siantar Top Tbk STTP 0.02232 0.45141 0.28261 0.62177 0.54908 37 PT. Surya Toto Indonesia Tbk TOTO 0.0449 0.729975 0.26087 0.57016 0.31903 38 PT. Tempo Scan Pacific Tbk TSPC 0.02455 0.357262 0.21739 2.16096 0.52713 39 PT. Ultrajaya Milk Industry & Trading Tbk ULTJ 0.21891 0.529043 0.26087 0.76518 0.36692
157
Data diolah tahun 2011
No. Nama Perusahaan Kode MBVE VDI DER CR CAR 1 PT. Alumindo Light Metal Industry Tbk ALMI 0.291 0.542202 0.23913 0.41307 0.86941 2 PT. AsahimasFlat Glass Tbk AMFG 0.08689 2.467804 0.26087 0.48998 0.34012 3 PT. Asiaplast Industries Tbk APLI 0.02422 0.25424 0.23913 0.6327 0.37719 4 PT. Budi Strach & Sweetener Tbk BUDI 0.09517 0.505776 0.26087 0.03418 0.26317 5 PT. Charoen Pokphand Indonesia Tbk CPIN 0.08156 1.618007 0.26087 0.52911 0.49619 6 PT. Citra Tubindo Tbk CTBN 0.12037 0.429558 0.26087 0.25538 0.38035 7 PT. Delta Djakarta Tbk DLTA 0.06226 0.694825 0.30435 0.24961 0.61149 8 PT. Darya-Varia Laboratoria Tbk DVLA 0.35006 0.215088 0.26087 0.57703 0.5804 9 PT. Ekadharma International Tbk EKAD 0.30581 0.609208 0.19565 0.93213 0.4816 10 PT. Indofood CBP Sukses Makmur Tbk ICBP 0.35624 0.609208 0.19565 0.12913 0.59426 11 PT. Champion Pacific Indonesia Tbk IGAR 0.22518 0.421399 0.30435 0.08024 0.50433 12 PT. Indal Aluminium Industry Tbk INAI 0.05306 0.223664 0.23913 0.79693 0.74307 13 PT. Indofood Sukses Makmur Tbk INAI 0.10015 2.126632 0.32609 0.00583 0.42001 14 PT. Indospring Tbk INDF 1.03588 0.695209 0.30435 0.77105 1.01585 15 PT. Indocement Tunggal Prakarsa Tbk INDS 0.02095 0.802637 0.23913 0.79505 0.49241 16 PT. Jembo Cable Company Tbk INTP 1.20657 0.153641 0.23913 0.87867 1.14291 17 PT. JAPFA Comfeed Indonesia Tbk JECC 0.77731 2.195813 0.26087 1.02802 0.92188 18 PT. Kimia Farma Tbk JPFA 0.97369 1.183794 0.19565 0.47947 0.98508 19 PT. KMI Wire and Cable Tbk KAEF 0.2866 0.432522 0.30435 0.78277 0.75465 20 PT. Kedaung Indah Can Tbk KBLI 1.12383 0.505047 0.26087 1.01071 1.05744 21 PT. Lion Metal Works Tbk KLBF 0.03107 0.269895 0.26087 0.10803 0.672
Berlanjut ke halaman selanjutnya
158
Data diolah tahun 2011
22 PT. Lionmesh Prima Tbk LION 0.24103 0.352351 0.21739 0.64686 0.73864 23 PT. Martina Berto Tbk LMSH 0.15886 1.302257 0.26087 0.17348 0.44294 24 PT. Multi Bintang Indonesia Tbk MBTO 0.7382 1.721957 0.23913 0.98211 0.81052 26 PT. Mayora Indah Tbk MLBI 1.08692 1.690931 0.28261 1.05469 1.0464 27 PT. Nipress Tbk MYOR 0.06228 1.989875 0.26087 0.55921 0.47416 28 PT. Pelangi Indah Canindo Tbk NIPS 0.88967 2.447224 0.32609 0.64377 0.9973 29 PT. Prima Alloy Steel Universal Tbk PICO 0.1354 0.833237 0.26087 0.98308 0.52997 30 PT. Ricky Putra Globalindo Tbk PRAS 0.22162 0.389238 0.28261 0.78187 0.94396 31 PT. Nippon Indosari Corpindo Tbk RICY 0.78478 1.803302 0.28261 0.97743 1.07143 32 PT. Supreme Cable Manufacturing & Commerce Tbk ROTI 0.08408 1.078247 0.26087 0.52289 0.53531 33 PT. Sierad Produce Tbk SCCO 1.38401 0.743184 0.23913 0.22346 1.10616 34 PT. Sekar Laut Tbk SIPD 0.04213 0.454779 0.28261 0.80344 0.24892 35 PT. Holcim Indonesia Tbk SKLT 0.78514 0.431898 0.23913 0.01565 0.90604 36 PT. Siantar Top Tbk STTP 0.3114 0.907432 0.28261 0.33847 0.65074 37 PT. Surya Toto Indonesia Tbk TOTO 0.08898 0.761338 0.28261 0.90993 0.53236 38 PT. Tempo Scan Pacific Tbk TSPC 0.83527 0.395425 0.23913 0.1935 0.95676 39 PT. Ultrajaya Milk Industry & Trading Tbk ULTJ 0.0201 0.553843 0.23913 0.5358 0.54044
159
Data diolah tahun 2012
No. Nama Perusahaan Kode MBVE VDI DER CR CAR 1 PT. Alumindo Light Metal Industry Tbk ALMI 0.22004 2.200583 0.26087 0.96179 0.77322 2 PT. AsahimasFlat Glass Tbk AMFG 0.17129 0.267932 0.23913 0.76749 0.6609 3 PT. Asiaplast Industries Tbk APLI 0.41126 0.527048 0.26087 0.05139 0.62934 4 PT. Budi Strach & Sweetener Tbk BUDI 0.09255 1.692399 0.28261 0.34697 0.88358 5 PT. Charoen Pokphand Indonesia Tbk CPIN 0.45688 0.510254 0.26087 0.37985 1.06365 6 PT. Citra Tubindo Tbk CTBN 0.03632 0.468748 0.32609 0.11747 0.57048 7 PT. Delta Djakarta Tbk DLTA 0.16133 0.245892 0.28261 0.81225 0.58602 8 PT. Darya-Varia Laboratoria Tbk DVLA 0.0968 0.277044 0.21739 0.88103 0.409 9 PT. Ekadharma International Tbk EKAD 0.28652 0.426693 0.21739 0.1072 0.40985 10 PT. Indofood CBP Sukses Makmur Tbk ICBP 0.01228 0.486928 0.30435 0.1011 0.60838 11 PT. Champion Pacific Indonesia Tbk IGAR 0.14537 0.290519 0.23913 1.01564 0.71443 12 PT. Indal Aluminium Industry Tbk INAI 0.04542 2.107188 0.34783 1.75872 0.96825 13 PT. Indofood Sukses Makmur Tbk INAI 0.19431 0.737538 0.30435 0.949 0.58686 14 PT. Indospring Tbk INDF 0.3063 0.464736 0.30435 1.01144 1.04245 15 PT. Indocement Tunggal Prakarsa Tbk INDS 0.04057 0.171816 0.23913 0.97949 0.54941 16 PT. Jembo Cable Company Tbk INTP 0.02266 2.330736 0.28261 0.76698 0.49012 17 PT. JAPFA Comfeed Indonesia Tbk JECC 0.15491 1.30122 0.21739 0.91225 0.54628 18 PT. Kimia Farma Tbk JPFA 0.07757 0.440374 0.30435 0.93593 0.37889 19 PT. KMI Wire and Cable Tbk KAEF 0.85422 0.374561 0.28261 1.03074 0.78023 20 PT. Kedaung Indah Can Tbk KBLI 0.03672 0.277593 0.28261 0.1451 0.48188
Berlanjut ke halaman selanjutnya
160
Data diolah tahun 2012 21 PT. Lion Metal Works Tbk KLBF 0.10461 0.165849 0.26087 0.54915 0.83132 22 PT. Lionmesh Prima Tbk LION 0.06056 0.318097 0.26087 0.85903 0.87844 23 PT. Martina Berto Tbk LMSH 0.06989 0.402545 0.23913 0.71728 0.62686 24 PT. Multi Bintang Indonesia Tbk MBTO 1.41239 2.49261 0.26087 0.68978 1.1386 26 PT. Mayora Indah Tbk MLBI 0.01496 1.706294 0.26087 0.7863 0.45973 27 PT. Nipress Tbk MYOR 0.14534 1.596548 0.28261 1.00062 0.94989 28 PT. Pelangi Indah Canindo Tbk NIPS 0.06573 1.986325 0.30435 0.54225 0.32691 29 PT. Prima Alloy Steel Universal Tbk PICO 0.09253 1.059803 0.32609 0.88001 0.597 30 PT. Ricky Putra Globalindo Tbk PRAS 0.06925 1.295903 0.28261 0.92669 0.84249 31 PT. Nippon Indosari Corpindo Tbk RICY 0.01681 0.807577 0.28261 0.58178 0.72257 32 PT. Supreme Cable Manufacturing & Commerce Tbk ROTI 0.02367 1.273425 0.28261 0.54407 0.45369 33 PT. Sierad Produce Tbk SCCO 0.09887 1.583233 0.26087 0.02676 0.88497 34 PT. Sekar Laut Tbk SIPD 0.14381 0.928804 0.23913 0.10808 0.46325 35 PT. Holcim Indonesia Tbk SKLT 0.02486 0.445526 0.28261 1.03732 0.29345 36 PT. Siantar Top Tbk STTP 0.01719 0.493695 0.26087 0.15378 0.352 37 PT. Surya Toto Indonesia Tbk TOTO 0.15765 1.156045 0.28261 0.36236 0.648 38 PT. Tempo Scan Pacific Tbk TSPC 0.6219 0.695306 0.30435 0.58205 0.98298 39 PT. Ultrajaya Milk Industry & Trading Tbk ULTJ 0.0474 0.381679 0.28261 0.73717 0.53507
161
Data diolah tahun 2013
No. Nama Perusahaan Kode MBVE VDI DER CR CAR 1 PT. Alumindo Light Metal Industry Tbk ALMI 0.22552 2.765907 0.26087 1.08585 0.65714 2 PT. AsahimasFlat Glass Tbk AMFG 0.21828 0.282051 0.23913 0.78618 0.89514 3 PT. Asiaplast Industries Tbk APLI 0.21938 0.39276 0.30435 0.1331 0.68003 4 PT. Budi Strach & Sweetener Tbk BUDI 0.05372 1.7527 0.28261 0.21013 0.25662 5 PT. Charoen Pokphand Indonesia Tbk CPIN 0.99614 0.579977 0.26087 0.3323 0.80673 6 PT. Citra Tubindo Tbk CTBN 0.01942 0.449562 0.34783 0.12789 0.47142 7 PT. Delta Djakarta Tbk DLTA 0.7125 0.28155 0.28261 0.74182 1.00864 8 PT. Darya-Varia Laboratoria Tbk DVLA 0.21463 0.301028 0.23913 0.4297 0.41418 9 PT. Ekadharma International Tbk EKAD 0.04926 0.44548 0.23913 0.03032 0.47132 10 PT. Indofood CBP Sukses Makmur Tbk ICBP 0.4775 0.603189 0.32609 0.04984 0.55113 11 PT. Champion Pacific Indonesia Tbk IGAR 0.02798 0.394271 0.23913 0.89338 0.29752 12 PT. Indal Aluminium Industry Tbk INAI 0.08942 2.76487 0.34783 0.0845 0.43721 13 PT. Indofood Sukses Makmur Tbk INAI 0.06743 1.04824 0.30435 0.76247 0.53263 14 PT. Indospring Tbk INDF 2.03656 0.253101 0.32609 0.88801 1.80097 15 PT. Indocement Tunggal Prakarsa Tbk INDS 0.36403 0.15796 0.23913 0.41302 0.3358 16 PT. Jembo Cable Company Tbk INTP 0.16058 0.739644 0.30435 0.90249 0.7297 17 PT. JAPFA Comfeed Indonesia Tbk JECC 0.48778 1.844034 0.21739 0.9225 1.06273 18 PT. Kimia Farma Tbk JPFA 0.31413 0.521798 0.32609 0.93615 0.75358 19 PT. KMI Wire and Cable Tbk KAEF 0.01208 0.507949 0.28261 0.88653 0.39826 20 PT. Kedaung Indah Can Tbk KBLI 0.15342 0.33119 0.28261 0.01635 0.35157
Berlanjut ke halaman selanjutnya
162
Data diolah tahun 2013
21 PT. Lion Metal Works Tbk KLBF 0.08839 0.199102 0.26087 0.13356 0.69196 22 PT. Lionmesh Prima Tbk LION 0.97038 0.282709 0.26087 0.60763 0.98844 23 PT. Martina Berto Tbk LMSH 0.54487 0.355517 0.23913 0.52064 0.78831 24 PT. Multi Bintang Indonesia Tbk MBTO 0.25753 0.804647 0.28261 0.21204 0.85184 26 PT. Mayora Indah Tbk MLBI 1.09705 1.465201 0.28261 0.66198 1.07887 27 PT. Nipress Tbk MYOR 0.81851 2.383861 0.28261 0.68686 0.90101 28 PT. Pelangi Indah Canindo Tbk NIPS 1.99702 1.889764 0.30435 0.54604 1.70276 29 PT. Prima Alloy Steel Universal Tbk PICO 1.19205 0.95752 0.32609 0.5791 1.10269 30 PT. Ricky Putra Globalindo Tbk PRAS 1.47661 1.336611 0.30435 0.12684 1.40885 31 PT. Nippon Indosari Corpindo Tbk RICY 1.27456 1.315003 0.28261 0.58052 1.17183 32 PT. Supreme Cable Manufacturing & Commerce Tbk ROTI 0.4802 1.490115 0.30435 0.50478 0.80833 33 PT. Sierad Produce Tbk SCCO 1.92986 1.455553 0.26087 0.48992 1.49206 34 PT. Sekar Laut Tbk SIPD 0.84477 1.162468 0.23913 0.07349 0.93615 35 PT. Holcim Indonesia Tbk SKLT 2.03284 0.697832 0.28261 0.60997 1.2556 36 PT. Siantar Top Tbk STTP 0.49512 0.338471 0.26087 0.26185 0.5567 37 PT. Surya Toto Indonesia Tbk TOTO 1.96669 1.117849 0.28261 0.60989 1.75257 38 PT. Tempo Scan Pacific Tbk TSPC 2.13646 0.686069 0.30435 0.96557 1.65168 39 PT. Ultrajaya Milk Industry & Trading Tbk ULTJ 1.04885 0.399955 0.28261 0.25497 1.02405
163
Data diolah tahun 2014
No. Nama Perusahaan Kode MBVE VDI DER CR CAR 1 PT. Alumindo Light Metal Industry Tbk ALMI 1.96085 2.602943 0.26087 0.50701 1.29406 2 PT. AsahimasFlat Glass Tbk AMFG 1.43682 0.298625 0.26087 0.57278 1.25617 3 PT. Asiaplast Industries Tbk APLI 1.16243 0.218943 0.30435 0.39487 1.1223 4 PT. Budi Strach & Sweetener Tbk BUDI 0.48341 1.83066 0.28261 0.16873 0.71866 5 PT. Charoen Pokphand Indonesia Tbk CPIN 1.91446 1.213107 0.26087 0.44869 1.30753 6 PT. Citra Tubindo Tbk CTBN 0.48059 0.423181 0.34783 0.31218 0.62378 7 PT. Delta Djakarta Tbk DLTA 1.04101 0.00038 0.28261 0.55925 1.033 8 PT. Darya-Varia Laboratoria Tbk DVLA 0.80415 0.325372 0.23913 0.48661 0.87685 9 PT. Ekadharma International Tbk EKAD 1.33394 1.423077 0.23913 0.00332 1.15605 10 PT. Indofood CBP Sukses Makmur Tbk ICBP 1.78633 0.823595 0.32609 0.25763 1.65584 11 PT. Champion Pacific Indonesia Tbk IGAR 0.90144 0.357162 0.23913 0.45867 0.96712 12 PT. Indal Aluminium Industry Tbk INAI 0.19373 2.282497 0.34783 0.13393 0.37038 13 PT. Indofood Sukses Makmur Tbk INAI 0.47163 1.30952 0.30435 0.25527 0.61292 14 PT. Indospring Tbk INDF 1.22248 0.399752 0.32609 0.02045 1.11353 15 PT. Indocement Tunggal Prakarsa Tbk INDS 1.29472 0.211145 0.26087 0.51358 1.17107 16 PT. Jembo Cable Company Tbk INTP 1.87484 1.641482 0.30435 0.68688 1.74599 17 PT. JAPFA Comfeed Indonesia Tbk JECC 0.3985 2.191838 0.21739 0.14414 0.51867 18 PT. Kimia Farma Tbk JPFA 0.23435 0.802646 0.32609 0.00662 0.42203 19 PT. KMI Wire and Cable Tbk KAEF 0.81628 0.469265 0.28261 0.27612 0.91703 20 PT. Kedaung Indah Can Tbk KBLI 2.02341 0.353728 0.28261 0.03149 1.87127
Berlanjut ke halaman selanjutnya
164
Data diolah tahun 2014 21 PT. Lion Metal Works Tbk KLBF 1.29647 0.41988 0.26087 0.10144 1.07938 22 PT. Lionmesh Prima Tbk LION 0.76468 0.245725 0.26087 0.5824 0.87913 23 PT. Martina Berto Tbk LMSH 1.75505 0.381151 0.23913 0.59191 1.4203 24 PT. Multi Bintang Indonesia Tbk MBTO 0.20853 2.662929 0.30435 0.07916 0.57818 26 PT. Mayora Indah Tbk MLBI 0.50412 2.01788 0.28261 0.44657 0.6442 27 PT. Nipress Tbk MYOR 1.66868 2.088763 0.28261 0.50242 1.49321 28 PT. Pelangi Indah Canindo Tbk NIPS 1.7125 1.986436 0.32609 0.42295 1.37059 29 PT. Prima Alloy Steel Universal Tbk PICO 0.28174 2.144202 0.32609 0.57236 0.75686 30 PT. Ricky Putra Globalindo Tbk PRAS 1.3154 2.110434 0.30435 0.0769 1.17408 31 PT. Nippon Indosari Corpindo Tbk RICY 0.66344 1.774315 0.30435 0.58874 0.81751 32 PT. Supreme Cable Manufacturing & Commerce Tbk ROTI 1.35114 1.286785 0.30435 0.60478 1.16242 33 PT. Sierad Produce Tbk SCCO 1.91166 1.185758 0.26087 0.38229 1.46436 34 PT. Sekar Laut Tbk SIPD 2.06381 1.3763 0.26087 0.04491 1.64123 35 PT. Holcim Indonesia Tbk SKLT 0.91535 1.002222 0.30435 0.66093 0.93992 36 PT. Siantar Top Tbk STTP 0.49054 0.499661 0.28261 0.47471 0.67876 37 PT. Surya Toto Indonesia Tbk TOTO 1.63661 1.522552 0.28261 1.05745 1.21408 38 PT. Tempo Scan Pacific Tbk TSPC 1.20054 0.886359 0.30435 0.13271 1.11848 39 PT. Ultrajaya Milk Industry & Trading Tbk ULTJ 1.56782 0.435527 0.30435 0.02435 1.30853
165
Lampiran 4
Checklist pengungkapan sukarela
No. Item Pengungkapan Bobot 1. Background Information
a. Description of organization structure, including the description of authority and responsibility
b. The effect of corporate strategy on current and future results are discussed
c. Barriers to entry are discussed d. Impact of barriers to entry on current profits is
discussion e. Impact of barriers to entry on future profits is discussion
1 1 1 1 1 5
2. Financial Overview a. Information of expanses, classified as fixed and variable
costs b. Information of expected return on a project to be done
1 1 2
3. Key non-financial statistic a. Oreder backlog b. Percentage of erder backlog to be shipped next year c. Percentage of salesin products designed in the last 5
years d. Dollar/rupiah’s amount of new orders placed this year e. Rejection/defect rates f. Production lead time g. Break event sales $’s/Rp’s h. Volume of material consumed i. Price of materials consumed j. Ratios of input to output
1 1 1 1 1 1 1 1 1 1 10
4. Projected information a. Comparison of previous earnings projection to actual
earnings is provided b. Comparison of previous sales projection to actual sales
is provided c. The impact opportunities availables to the firm on future
sales or profit d. A forecast of market share is provided e. A cashflow is provided f. A projection of future (not commited) capital
expenditure g. For single segment :
1. A projection of future profits is provided
1 1 1 1 1 1 1
166
2. A projection on future sales is provided h. A project of future profits: multi segments
1. Forecast of each segment 2. Consolidated foreast 3. Forecast are point estimates
i. A projection of future sales: multi segments 1. Forecast of each segment 2. Consolidated forecast 3. Forecast are point estimates
j. Factor affecting future business-political k. Factor affecting future business-technology
1 1 1 1 1 10
Management discussion and analysis a. Change in selling and administrative expenses b. Change in interest expense or interest income c. Change in inventory d. Change in capital expenditure or R & D
1 1 1 1 4
Research and Development activities a. Company’s policy on research and development b. Discussion on future research and development
activities c. Forecast of research and development expenditure d. Number of research personal employed
1 1 1 1 4
Employee information a. Avarge compensation/welfare for employees b. Age of key emlpoyeees c. Aqual employment policy d. Description of problems faced in recruiting employees
and actions taken to handle them e. Breakdown of emlpoyees by line of business f. Breakdown of emlpoyees by geographic area g. Categories of employees by sex h. Description of work safety, including the cost of safety
measures i. Discussion of employe turnover
1 1 1 1 1 1 1 1 1 9
5. Value added information a. Value added statement b. Value added ratios
1 1 2
Total 46
167
Lampiran 5
Descriptive Statistics
CAR MBVE VDI DER CR
Mean 0.787461 0.577003 0.269455 0.958773 0.562171 Median 0.718970 0.291000 0.260870 0.685266 0.570160 Maximum 1.871270 2.181040 0.347830 3.880536 2.273770 Minimum 0.170000 0.012080 0.195650 0.000380 0.003320 Std. Dev. 0.366983 0.616653 0.034992 0.739145 0.373286 Skewness 0.794234 1.092922 0.026785 1.037755 0.874577 Kurtosis 3.149248 3.010824 2.612276 3.376725 5.630450
Jarque-Bera 20.68225 38.82148 1.244745 36.15350 81.07782 Probability 0.000032 0.000000 0.536670 0.000000 0.000000
Sum 153.5549 112.5156 52.54363 186.9607 109.6233 Sum Sq. Dev. 26.12730 73.77067 0.237540 105.9891 27.03250
Observations 195 195 195 195 195
168
Uji Chow
Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects
Effects Test Statistic d.f. Prob. Cross-section F 1.513377 (38,152) 0.0421
Cross-section Chi-square 62.572161 38 0.0073
Cross-section fixed effects test equation: Dependent Variable: CAR Method: Panel Least Squares Date: 05/15/16 Time: 21:40 Sample: 2010 2014 Periods included: 5 Cross-sections included: 39 Total panel (balanced) observations: 195
Variable Coefficient Std. Error t-Statistic Prob. MBVE 0.537918 0.018107 29.70740 0.0000
VDI 0.832971 0.330060 2.523693 0.0124 DER -0.011156 0.015403 -0.724308 0.4698 CR 0.094674 0.030134 3.141776 0.0019 C 0.210106 0.091557 2.294812 0.0228 R-squared 0.827389 Mean dependent var 0.787461
Adjusted R-squared 0.823755 S.D. dependent var 0.366983 S.E. of regression 0.154065 Akaike info criterion -0.877572 Sum squared resid 4.509869 Schwarz criterion -0.793649 Log likelihood 90.56330 Hannan-Quinn criter. -0.843593 F-statistic 227.6846 Durbin-Watson stat 2.039134 Prob(F-statistic) 0.000000
169
Uji Hausman
Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 9.008821 4 0.0609
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob. MBVE 0.524129 0.535607 0.000047 0.0946
VDI 1.961820 0.945009 0.261042 0.0466 DER -0.031707 -0.014534 0.000665 0.5055 CR 0.144290 0.102487 0.000495 0.0603
Cross-section random effects test equation: Dependent Variable: CAR Method: Panel Least Squares Date: 05/15/16 Time: 21:41 Sample: 2010 2014 Periods included: 5 Cross-sections included: 39 Total panel (balanced) observations: 195
Variable Coefficient Std. Error t-Statistic Prob. C -0.094300 0.179700 -0.524766 0.6005
MBVE 0.524129 0.018845 27.81225 0.0000 VDI 1.961820 0.619432 3.167127 0.0019 DER -0.031707 0.030571 -1.037169 0.3013 CR 0.144290 0.037600 3.837503 0.0002
Effects Specification Cross-section fixed (dummy variables) R-squared 0.874769 Mean dependent var 0.787461
Adjusted R-squared 0.840166 S.D. dependent var 0.366983 S.E. of regression 0.146717 Akaike info criterion -0.808712 Sum squared resid 3.271947 Schwarz criterion -0.086973 Log likelihood 121.8494 Hannan-Quinn criter. -0.516488 F-statistic 25.27993 Durbin-Watson stat 2.750795 Prob(F-statistic) 0.000000
170
Uji Normalitas
0
4
8
12
16
20
24
-0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4
Series: Standardized ResidualsSample 2010 2014Observations 195
Mean -5.31e-16Median -0.005399Maximum 0.425662Minimum -0.332740Std. Dev. 0.152547Skewness 0.395455Kurtosis 3.079235
Jarque-Bera 5.133510Probability 0.076784
Uji Multikolinieritas
MBVE VDI DER CR
MBVE 1.000000 0.104329 0.077501 -0.081628
VDI 0.104329 1.000000 0.224558 -0.161399
DER 0.077501 0.224558 1.000000 0.011167
CR -0.081628 -0.161399 0.011167 1.000000
171
Uji Park
Dependent Variable: RES Method: Panel EGLS (Cross-section random effects) Date: 05/15/16 Time: 21:44 Sample: 2010 2014 Periods included: 5 Cross-sections included: 39 Total panel (balanced) observations: 195 Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob. MBVE -0.005186 0.003992 -1.299240 0.1954
VDI 0.018336 0.072760 0.252004 0.8013 DER -0.002859 0.003395 -0.841893 0.4009 CR 0.005330 0.006643 0.802319 0.4234 C 0.020948 0.020183 1.037873 0.3006 Effects Specification S.D. Rho Cross-section random 0.000000 0.0000
Idiosyncratic random 0.033963 1.0000 Weighted Statistics R-squared 0.017502 Mean dependent var 0.023151
Adjusted R-squared -0.003183 S.D. dependent var 0.033469 S.E. of regression 0.033522 Sum squared resid 0.213513 F-statistic 0.846131 Durbin-Watson stat 2.322017 Prob(F-statistic) 0.497556
Unweighted Statistics R-squared 0.017502 Mean dependent var 0.023151
Sum squared resid 0.213513 Durbin-Watson stat 2.322017
172
Random Effect
Dependent Variable: CAR Method: Panel EGLS (Cross-section random effects) Date: 05/15/16 Time: 21:45 Sample: 2010 2014 Periods included: 5 Cross-sections included: 39 Total panel (balanced) observations: 195 Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob. MBVE 0.535607 0.017550 30.51841 0.0000
VDI 0.945009 0.350220 2.698329 0.0076 DER -0.014534 0.016414 -0.885459 0.3770 CR 0.102487 0.030307 3.381629 0.0009 C 0.180097 0.097424 1.848578 0.0661 Effects Specification S.D. Rho Cross-section random 0.040287 0.0701
Idiosyncratic random 0.146717 0.9299 Weighted Statistics R-squared 0.832344 Mean dependent var 0.671063
Adjusted R-squared 0.828814 S.D. dependent var 0.359251 S.E. of regression 0.148639 Sum squared resid 4.197754 F-statistic 235.8182 Durbin-Watson stat 2.177845 Prob(F-statistic) 0.000000
Unweighted Statistics R-squared 0.827211 Mean dependent var 0.787461
Sum squared resid 4.514517 Durbin-Watson stat 2.025036
173
Hasil Uji t (SPSS)
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig. B Std. Error Beta 1 (Constant) .210 .092 2.295 .023
mbve .538 .018 .904 29.707 .000 vdi .833 .330 .079 2.524 .012 der -.011 .015 -.022 -.724 .470 cr .095 .030 .096 3.142 .002
a. Dependent Variable: car
174