GABUNGAN PROKSI INVESTMENT OPPORTUNITY SET DAN HUBUNGANNYA TERHADAP REALISASI PERTUMBUHAN DENGAN PENDEKATAN ANALISIS FAKTOR KONFIRMATORI (Studi Empirik Pada Perusahaan Manufaktur Yang Terdaftar Di BEI)
Oleh Akibar NIM : 206081003966
JURUSAN MANAJEMEN KEUANGAN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 1432 H / 2011 M
ABSTRAK Tujuan penelitian ini adalah untuk mengetahui gabungan proksi peluang investasi set dan hubungannya terhadap realisasi pertumbuhan perusahaan dengan menggunakan model persamaan struktural (SEM) pada pendekatan analisis faktor konfirmatori. Metode sampel purposive sampling. Data yang digunakan sebanyak 25 perusahaan dari tahun 2006 sampai 2009 yang terdaftar di Bursa Efek Indonesia. Hasil penelitian ini menunjukkan bahwa terdapat hubungan yang signifikan antara proksi IOS berbasis harga saham terhadap realisasi pertumbuhan sebesar 0.059. Dan terdapat hubungan yang signifikan antara proksi IOS berbasis investasi terhadap realisasi pertumbuhan sebesar 0.013.
Kata kunci : Peluang Investasi Set (IOS), Proksi Berbasis Harga Saham dan Investasi, Model Persamaan Struktural (SEM), Analisis Faktor Konfirmatori, Realisasi Pertumbuhan.
ABSTRACT The purpose of this research is to know the composite proxy Investment Opportunity Set (IOS) and correlation to realized growth in corporate by using structural equation model with confirmatory factor analysis approach. The data analysis method for this research is purposive sampling. The population in researching manufacturing business which listed in Indonesia Stock Exchange, at period time 2006 to 2009 amount to 25 company. The result of this research is significant between price related IOS proxy with realized growth is 0,059 and investment related IOS proxy with realized growth is 0,013
Keyword : Investment Opportunity Set (IOS) Related Price and Investment Proxies Related price and investment, Structural Equation Model, Confirmatory Factor Analysis, Realized Growth.
KATA PENGANTAR
Bismillaahirrahmanirrahiim, Assalamu’alakum Wr. Wb
Puji syukur kehadirat Allah SWT atas rahmat serta hidayah-Nya yang diberikan kepada umatnya. Atas ridha-Nya penyusun dapat menyelesaikan skripsi dengan judul “Gabungan Proksi Invesment Opportunity Set dan Hubungannya Terhadap Realisasi Pertumbuhan dengan Pendekatan Analisis Faktor Konfirmatori (Studi Empirik Pada Perusahaan Manufaktur Yang Terdaftar di BEI)” Periode 2006-2009. Pada kesempatan ini penyusun menyapaikan rasa terima kasih yang sebesar-besarnya sehingga skripsi dapat diajukan untuk melengkapi gelar Sarjana Ekonomi Jurusan Manajemen Keuangan pada Universitas Islam Negeri Jakarta, kepada : 1.
Ayanda Sugiman dan Ibunda jauriah, selaku orang tua yang tidak pernah berhenti memanjatkan do’a serta selalu mengiringi langkahku dengan penuh keikhlasan. Karena restu dari merekalah penyusun mendapatkan kekuatan menjadi lebih tegar dan kuat dalam menyelesaikan skripsi ini. Tanpa mereka skripsi ini bukanlah apaapa.
2.
Prof. Dr. Abdul Hamid, MS selaku Dekan Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta yang telah bekerja keras mengembangkan FEB menjadi lebih baik dan maju.
3.
Prof. Dr. Ahmad Rodoni, MM selaku pembimbing I, yang telah memberikan bimbingan, motivasi, arahan sehingga skripsi ini dapat terselesaikan dengan baik dan selalu semangat dalam menjalankan segala tegasnya.
4.
Ibu Amalia, SE. M.S.M, selaku pembimbing II, yang telah banyak membantu dan meluangkan waktu untuk memberikan arahan dengan ilmi-ilmu baru serta bimbingan sehingga penulis menjadi lebih termotivasi untuk menjadi lebih baik.
5.
Mas Gun dan ayuk Santi, yang telah meneteskan keringat untukku dan keluarga, atas do’a, motivasi dan dana segar yang selalu mas suntikan dengan mengucur deras pada adikmu ini, sehingga adikmu ini bisa merasakan bangku perkuliahan, semoga Allah SWT membalas semua pengorbanan dan kebaikan Mas Gun. Amin.
6.
Kakak-kakakku tercinta (mba April, Mas Eka, Mas Tris, Mba Ningsih, Mas yalid, Mba Sap, Mba Mita) terima kasih atas do’a, motivasi, dan kasih sayangnya yang tak pernah berhenti tercurahkan kepada adikmu ini sehingga penulis tak pernah merasa terabaikan.
7.
Ka Perdy Irmawan, S.Si, dan Ka Khoir, selaku pembimbing non formal. Terima kasih banyak atas semua waktu luang dan pengertiannya. Atas ilmu yang diberikan, penulis jadi lebih berwawasan dan dapat dengan mudah menghadapi segala hambatan yang selama ini penulis alami.
8.
Khania Vissiani Amrullah SE, my Friendship terima kasih atas waktu, dukungan dan
segala pengorbanannya sekaligus selaku
pembimbing non formal, berkat dirimu penulis dapat menyelesaikan skripsi ini. 9.
Ka Herman yang banyak memberikan motivasi untuk cepat-cepat menyelesaikan kuliah agar bisa membanggakan orang tua, keluarga.
10.
Temen – temen Manajemen A yang selalu memberikan semangat dan warna kehidupan, yang menjadi hidup lebih hidup selama 4 tahun kita bersama dan selebihnya kita udah jarang bertemu. Walaupun begitu kita akan selalu bersama. Fajriah, terimah kasih atas waktu dan dukungannya selama ini yang telah banyak membantu sehingga skripsi ini dapat terselesaikan dengan baik.
Dewi Antika, teman seperjuangan terimah kasih yang dengan setia menunggu saya untuk menyelesaikan skripsi ini dan memberikan motivasi serta dukungannya sehingga penulis dapat menyelesaikan skripsi ini dengan baik
Epi Saputri, berkat saran dan masukan dari nya lah penulis menjadi lebih bisa menjalani kenyataan pahitnya hidup. Terus semangat oke Avri dan Rama, dua sejoli dan sekaligus teman baik, terus perjuangkan apa yang kalian harus perjuangkan, meskipun dunia adalah tempat tinggal sementara tapi kita berhak mendapatkan apa yang harus kita dapatkan, dan
selamat atas wisudanya
januari kemaren. Ade terima kasih atas kebaikannya yang telah bersediah memberikan pinjaman buku Amosnya sehingga penulis dapat menyelesaikan skripsinya dengan baik. Seluruh teman-teman Manajemen Keuangan, teruslah berjuang, menumbuhkan rasa semangat dan motivasi belajar. Karena akan sangat bermanfaat baik sekarang maupun dimasa yang akan datang. Dan dan selalu pertahankan persaingan yang sportif dan sehat, karena itu adalah kunci kesuksesan yang murni. Karena kegagalan adalah kesuksesan yang tertunda. 11.
Kepada semua pihak-pihak yang banyak membantu dari awal hingga skripsi ini selesai dengan baik, yang tidak bisa penulis sebutkan satu per satu. Dan kepada semua pihak penulis meminta ma’af atas segala kekurangan yang penulis miliki dan kelebihan yang sempurnah hanya-Nya lah milik Allah SWT. Penulis ucapkan banyak terimah kasih. Semoga dengan terselesainya penyusunan skripsi ini membawa
banyak manfaat
bagi penulis khususnya dan bagi para pembaca
umumnya. Wassalamu’alaikum waramatullahi wabarakatuh Jakarta, Januari 2011
Penulis
DAFTAR ISI
Halaman Daftar Riwayat Hidup…………………………………………………….. i Abstrak……………………………………………………………………. ii Abstract…………………………………………………………………… iii Kata Pengantar……………………………………………………………. iv Daftar Isi…………………………………………………………………... vii Daftar Tabel……………………………………………………………...... x Daftar Gambar…………………………………………………………….. xii Daftar Lampiran…………………………………………………………... xiii
BAB I
PENDAHULUAN…………………………………………. 1 A. Latar Belakang Penelitian……………………………... 1 B. Perumusan Masalah…………………………………... 12 C. Tujuan dan Manfaat Penelitian………………………. 12
BAB II
TINJAUAN PUSTAKA…………………………………… 14 A. Pengertian Investment Opportunity Set (IOS)………… 14 B. Alternatif Proksi IOS…………………………………. 17 1. Proksi IOS Berbasis Harga Saham………………… 17 2. Proksi IOS Berbasis Investasi…………………….. 20 C. Realisasi Pertumbuhan (Pertumbuhan Perusahaan)….. 23 D. Penelitian Terdahulu………………………………….. 26 E. Kerangka Pemikiran.......……………………………… 28 F. Hipotesis………………………………………………. 31
BAB III
METODOLOGI PENELITIAN…………………………….32 A. Ruang Lingkup Penelitian……………………………... 32 B. Metode Penentuan Sampel…………………………….. 32 C. Metode Pengumpulan Data……………………………. 33 vii
D. Metode Analisis……………………………………….. 34 1. Uji Asumsi …….…………………………………. 35 2. Model Pengukuran……………………………….
36
3. Uji Kesesuaian atau kelayakan model ..................... 37 E. Operasional Variabel Penelitian………………...……... 41
BAB IV
HASIL DAN PEMBAHASAN A. Deskriptif Data…………………………………………. 46 B. Analisis Data dengan Menggunakan Structural Equation Modeling Proksi Berbasis Harga Saham.............................................................................. 47 C. Menilai Indentifikasi Model Struktural Proksi Berbasis Harga Saham...................…............................................ 47 D. Menilai Kriteria Goodness of Fit Proksi Berbasis Harga Saham................................................................... 51 E. Kelayakan Parameter Estimasi Proksi Berbasis Harga Saham................................................................... 54 F. Evaluasi Multikolinieritas Proksi Berbasis Harga Saham................................................................... 56 G. Uji Discriminant Validity Proksi Berbasis Harga Saham................................................................... 56 H. Analisis Data Investasi Dengan Menggunakan SEM Proksi Berbasis Investasi................................................. 59 I. Menilai Identifikasi Model Structurak Proksi Berbasis Investasi……………………………………… 59 J. Menilai Kriteria Goodness of Fit Proksi Berbasis Investasi.............................................................63 K. Kelayakan Parameter Estimasi Proksi Berbasis Investasi............................................................................66 L. Evaluasi Multikolinieritas Proksi Berbasis Investasi...... 67
viii
M. Uji Discriminant Validity Proksi Berbasis Investasi........................................................................... 68 N. Interpretasi ...................................................................... 71
BAB V
PENUTUP A. Kesimpulan..................................................................... 76 B. Saran................................................................................ 77
DAFTAR PUSTAKA……………………………………………………… 78 Lampiran …………………………………………………………………... 82
ix
DAFTAR TABEL
No.
Tabel
Halaman
2.1.
Penelitian Terdahulu……………………………………………….. 26
3.1.
Data Sampel Perusahaan…………………………………………… 33
4.1.
Parameter Summary Proksi Harga Saham…………………………. 48
4.2.
Parameter Summary Proksi Harga Saham Konstrain……………… 50
4.3.
Nilai Chi-Square (CMIN) Proksi Harga Saham…..……………….. 51
4.4.
Goodness of Fit Index (GFI) dan Adjusted Goodness of Fit Index (AGFI) Proksi Harga Saham……………………………………….. 51
4.5.
Root Mean Square Error of Approximation (RMSEA) Proksi Harga Saham……...............................................................................51
4.6.
Nilai Modification Indices Proksi Harga Saham Terhadap Realisasi Pertumbuhan……………………………………………………….. 53
4.7.
Standarized Regression Weights Proksi Harga Saham…………….. 55
4.8.
Variances Proksi Harga Saham…………………………………….. 55
4.9.
Uji Multikolonieritas Proksi Harga Saham………………………… 56
4.10.
Hubungan Proksi Harga Saham Terhadap Realisasi Pertumbuhan……………………………………………………….. 58
4.11. Korelasi antar Konstruk dan Akar Kuadrat AVE Proksi Harga Saham……………………………………………………….. 58 4.12.
Parameter Summary Proksi Investasi……………………………… 60
4.13.
Parameter Summary Proksi Investasi Konstrain……………………62
4.14.
Nilai Chi-Square (CMIN) Proksi Investasi..……………………….. 63
4.15.
Goodness of Fit Index (GFI) dan Adjusted Goodness of Fit Index (AGFI) Proksi Investasi……………………………………………. 63
4.16. Root Mean Square Error of Approximation (RMSEA) Proksi Investasi……………………………………………………………. 63 4.17. Nilai Modification Indices Proksi Investasi Terhadap Realisasi Pertumbuhan……………………………………………………….. 64 x
4.18.
Standarized Regression Weights Proksi Investasi…………………. 66
4.19.
Variances Proksi Investasi terhadap Realisasi Pertumbuhan……… 67
4.20.
Uji Multikolonieritas Proksi Investasi…………………………….. 68
4.21.
Hubungan Proksi Investasi Terhadap Realisasi Pertumbuhan……. 69
4.22.
Korelasi antar Kontruk dan Akar Kuadrat AVE Proksi Investasi…. 70
xi
DAFTAR GAMBAR
No.
Gambar
Halaman
2.1.
Kerangka Pemikiran……………………………………………….. 28
2.2.
Model Gabungan Proksi Individu IOS Berbasis Harga Saham Dan Hubungannya Terhadap Realisasi Pertumbuhan……………… 29
2.3.
Model Gabungan Proksi Individu IOS Berbasis Investasi dan Hubungannya Terhadap Realisasi Pertumbuhan…………………... 30
4.1.
Grafik Data Keseluruhan…………………………………………... 46
4.2.
Model SEM Proksi Harga Saham Terhadap Realisasi Pertumbuhan……………………………………………………….. 47
4.3.
Model SEM Proksi Harga Saham Terhadap Realisasi Pertumbuhan Konstrain……………………………………………. 49
4.4.
Model SEM Proksi Saham dengan Modification Indices…………. 54
4.5.
Model SEM Proksi Investasi Terhadap Realisasi Pertumbuhan……59
4.6.
Model SEM Proksi Investasi Terhadap Realisasi Pertumbuhan Konstrain…………………………………………………………… 61
4.7.
Model SEM Proksi Investasi dengan Modification Indices……….. 65
xii
Daftar Lampiran
Lampiran 1 Lampiran 2 Lampiran 3 Lampiran 4 Lampiran 5 Lampiran 6 Lampiran 7 Lampiran 8 Lampiran 9 Lampiran 10 Lampiran 11 Lampiran 12
Halaman Data Laporan Keuangan dengan Perhitungan EP…………………. 82 Data Laporan Keuangan dengan Perhitungan MVEBVE…………. 86 Data Laporan Keuangan dengan Perhitungan EP…………………. 90 Data Laporan Keuangan dengan Perhitungan PER..……………… 94 Data Laporan Keuangan dengan Perhitungan IONS………………98 Data Laporan Keuangan dengan Perhitungan CAPBVA.…………102 Data Laporan Keuangan dengan Perhitungan GROWSAL………..110 Data Laporan Keuangan dengan Perhitungan GROWEAR……….114 Data Laporan Keuangan dengan Perhitungan GROWEQ…………118 Data Laporan Keuangan dengan Perhitungan GROWAS…………122 Data yang diolah…………………………………………………...126 Grafik yang dihasilkan dari data laporan keuangan……………….132
xiii
BAB I PENDAHULUAN
A. Latar Belakang Penelitian Pertumbuhan perusahaan merupakan suatu harapan penting yang di inginkan oleh pihak internal perusahaan yaitu manajemen secara internal maupun eksternal perusahaan seperti investor dan kreditur. Pertumbuhan ini diharapkan dapat memberikan aspek yang positif bagi perusahaan seperti adanya suatu kesempatan berinvestasi di perusahaan tersebut. Prospek perusahaan yang bertumbuh bagi investor merupakan suatu prospek yang menguntungkan, karena investasi yang ditanamkan diharapkan akan memberikan return yang tinggi. Setiap perusahaan pasti memiliki konsep going concern dalam menjalankan kegiatan bisnisnya (Nopratiwi, 2004). Konsep going concern
tersebut menuntut perusahaan untuk
menjalankan kegiatan bisnisnya secara berkelanjutan. Dalam menjalankan keberlanjutan tersebut diharapkan perusahaan akan tumbuh dari tahun ke tahun. Pertumbuhan perusahaan sangat diharapkan baik oleh
kalangan
internal maupun eksternal dari sebuah perusahaan. Perusahaan dengan pertumbuhan yang tinggi membutuhkan lebih banyak dana karena banyak kesempatan investasi yang akan mereka lakukan. Dana tersebut dapat diperoleh perusahaan salah satunya adalah dengan penjualan saham. Perusahaan di dalam melakukan suatu investasi akan memerlukan pendanaan
1
di mana pendanaan tersebut dapat diperoleh dari pendanaan internal maupun eksternal. Pendanaan internal merupakan pendanaan yang berasal dari dalam perusahaan sendiri yang dapat diperoleh dari modal saham yang disetor ataupun laba ditahan yang tidak dibagikan sebagai dividen kepada para pemegang saham, sedangkan pendanaan eksternal berasal dari hutang yang diperoleh dari pihak kreditor. Karena itu setiap perusahaan akan memiliki suatu kebijakan tersendiri di dalam menyediakan pendanaan untuk melaksanakan investasi. Secara spesifik (Ross, 2005) menyatakan bahwa perencanaan keuangan memformulasikan metode yang akan menunjukkan tujuan-tujuan dari pendanaan yang akan dicapai, yang terdiri atas dua dimensi yaitu : rangkaian waktu (time frame) dan tingkatan dari agregasi (level of aggregation). Di dalam melaksanakan investasi tersebut, manajemen perusahaan dituntut untuk dapat memaksimalkan nilai yang didapat dan yang akan diperoleh oleh perusahaan. Sehingga diperlukannya usaha untuk mengatasi hal tersebut dengan menetapkan suatu kebijakan yang sesuai dengan kondisi perusahaan. Kekayaan materi suatu masyarakat pada akhirnya ditentukan oleh kapasitas produktif ekonomi barang dan jasa yang dapat diberikan kepada anggotanya. Kapasitas produktif ini merupakan fungsi dari real asset (asset riil) perekonomian, seperti: tanah, bangunan, pengetahuan dan mesin yang digunakan untuk memproduksi barang serta para pekerja yang keahliannya diperlukan untuk memanfaatkan sumber daya tersebut. Secara bersamaan,
2
asset fisik dan sumber daya manusia dapat menghasilkan keseluruhan spectrum output yang diproduksi dan dapat dikonsumsi oleh masyarakat Kebalikan dari aset riil adalah aset keuangan (financial asset) seperti saham atau obligasi. Aset ini secara terpisah, tidak mencerminkan kekayaan masyarakat. Saham hanya merupakan lembaran kertas atau mungkin jurnal komputer dan tidak secara langsung memiliki kontribusi terhadap kapasitas produktif dalam suatu perekonomian. Sebaliknya, aset keuangan memiliki kontribusi secara tidak langsung terhadap kapasitas produktif suatu perekonomian, karena aset ini memisahkan kepemilikan dan manajemen dalam suatu perusahaan dan memfasilitasi pemindahan dana untuk perusahaan dengan peluang investasi yang menarik. Aset keuangan memiliki kontribusi terhadap kekayaan individu dan perusahaan yang memilikinya. Karena aset keuangan merupakan klaim atas laba yang dihasilkan oleh aset riil (Bodie,et al, 2006). Nilai perusahaan menurut (Gaver dan Gaver, 1993) digambarkan sebagai sebuah kombinasi antara assets in place (aset yang dimiliki) dengan investment options (pilihan investasi) di masa depan. Dimana nilai investment options ini tergantung pada discretionary expenditures yang dikeluarkan oleh manajer di masa depan, sedangkan assets in place tidak memerlukan investasi semacam itu. Pilihan-pilihan investasi ini kemudian dikenal dengan istilah Investment Opportunity Set (IOS) Pilihan-pilihan investasi yang diharapkan akan menghasilkan imbal hasil yang lebih tinggi dan besarannya tergantung
3
pada pengeluaran-pengeluaran yang ditetapkan manajemen di masa yang akan datang (Saputro, 2003). Investment Opportunity Set (IOS) menguraikan pengertian perusahaan yaitu sebagai suatu kombinasi antara aktiva riil (asset in place) dan opsi investasi masa depan. Opsi investasi masa depan tidak hanya ditunjukkan dengan adanya proyek – proyek yang didukung oleh kegiatan riset dan pengembangan
saja
namun
juga
kemampuan
perusahaan
dalam
mengekploitasi kesempatan mengambil keuntungan dibanding dengan perusahaan sejenis dalam kelompok industrinya. Bentuk yang membedakan pilihan investasi atau pertumbuhan adalah nilai perusahaan itu tergantung pada kebebasan pemilihan pengeluaran yang ditentukan oleh manajer dimasa depan. Faktor utama yang menentukan IOS adalah faktor industri seperti rintangan
untuk
memungkinkan
masuk
dan
perusahaan
daur
untuk
hidup membuat
produk.
Faktor
investasi
yang
tersebut dapat
meningkatkan rintangan untuk masuk (substitusi modal untuk tenaga kerja yang merupakan hasil dari skala ekonomi). Peluang pertumbuhan tidak hanya diwujudkan dalam proyek baru yang didukung oleh penelitian dan aktivitas pengembangan yang luas, tetapi juga mempunyai pilihan yang lebih untuk melaksanakan proyek baru. (Jefri Riyadi, 2008) Investment Opportunity Set (IOS) merupakan suatu kombinasi antara aktiva yang dimiliki (asset in place) dan pilihan investasi di masa yang akan datang dengan net present value positif. IOS tidak dapat diobservasi
4
secara langsung (laten) sehingga dalam perhitungannya menggunakan proksi (Kallapur dan Trombley, 1999 dalam Hasnawati, 2005). Proksi IOS yang banyak digunakan dalam penelitian sebelumnya adalah: (1) Proksi IOS berbasis harga (price based proxies) mendasarkan pada perbedaan antara asset dan nilai pasar saham. Jadi proksi ini sangat tergantung pada harga saham. Proksi ini mendasarkan pada suatu ide yang menyatakan bahwa
prospek
pertumbuhan
perusahaan secara
parsial
dinyatakan dengan harga-harga saham, selanjutnya perusahaan yang memiliki pertumbuhan tinggi akan memiliki nilai pasar yang lebih tinggi secara relatif dari aktiva-aktiva yang dimiliki (assets in place). Harga saham dapat dijadikan proksi sebagai nilai perusahaan apabila pasar telah memenuhi syarat efisisen secara informasional. Namun harga saham di pasar modal terbentuk berdasarkan kesepakatan antara permintaan dan penawaran investor, sehingga harga saham merupakan fair price. (2) Proksi IOS berbasis investasi (investment based proxies) menunjukkan tingkat aktivitas investasi yang tinggi secara positif berhubungan dengan IOS perusahaan (Kallapur dan Trombley, 1999 et al). Perusahaan dengan IOS tinggi akan memiliki investasi yang tinggi. Selanjutnya ditemukan bahwa aktivitas investasi modal yang diukur dengan ratio capital expenditures to assets sebagai proksi IOS mempunyai hubungan positif dengan realisasi pertumbuhan. Investment Opportunity Set (IOS) mempunyai korelasi yang berbeda terhadap semua unsur realisasi pertumbuhan perusahaan baik untuk
5
perusahaan yang tumbuh maupun yang tidak tumbuh.
Korelasi positif
signifikan untuk perusahaan yang tumbuh terjadi antara Market to book value of equity (MVEBVE) terhadap pertumbuhan penjualan dan pertumbuhan
ekuitas, Market to book value of assets (MVABVA) terhadap pertumbuhan ekuitas, Rasio Capital expenditure to book value of assets (CAPBVA) terhadap pertumbuhan aset dan VPPE terhadap pertumbuhan penjualan dan ekuitas. Untuk perusahaan yang tidak tumbuh antara Rasio Capital expenditure to book value of assets (CAPBVA) terhadap pertumbuhan laba dan Rasio Capital expenditure to market value of assets (CAPMVA) terhadap pertumbuhan aset.
Korelasi yang negatif signifikan untuk perusahaan yang tumbuh terjadi antara Rasio Capital expenditure to market value of assets (CAPMVA) terhadap
pertumbuhan ekuitas. Untuk perusahaan yang tidak tumbuh terjadi antara Price of earning ratio (PER) terhadap pertumbuhan laba dan Rasio Current assets to net sales (CAONS) terhadap pertumbuhan penjualan dan
pertumbuhan ekuitas. 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. Dari berbagai penelitian tentang IOS dapat dibuktikan bahwa IOS dijadikan sebagai dasar untuk mengklasifikasikan
6
perusahaan sebagai kategori perusahaan bertumbuh dan tidak bertumbuh, dan IOS memiliki hubungan dengan berbagai variabel kebijakan perusahaan (Nopratiwi, 2004). Kesempatan investasi memainkan peranan penting dalam teori keuangan perusahaan.
Kesempatan
bertumbuh
yang diukur
dengan
Investment Opportunity Set (IOS) dipengaruhi oleh keunggulan perusahaan dalam bentuk reputasi perusahaan, jenis perusahaan multinasional, size dan profitabilitas perusahaan, sedangkan keterbatasan dalam bentuk leverage dan risiko sistematis. Hartono (2002) menunjukkan bahwa perusahaan yang bertumbuh akan direspon positif oleh pasar pertumbuhan yang selalu meningkat serta bertambahnya nilai asset perusahaan diharapkan tercapai sesuai dengan ekspektasi atau peramalan perusahaan. Fijrijanti dan Hartono (2002) menyatakan kesempatan investasi atau pilihan-pilihan pertumbuhan (growth aptions) suatu perusahaan merupakan suatu yang melekat dan bersifat tidak dapat diobservasi (Inherenfly unobservable) oleh karena itu, Invesment 0pportunity Set (IOS) memerlukan sebuah proksi. Proksi IOS
digunakan untuk
menilai apakah perusahaan
itu
dikategorikan perusahaan bertumbuh atau tidak bertumbuh. Proksi IOS dinyatakan sebagai proksi yang valid sebagai proksi pertumbuhan, jika proksi tersebut dapat digunakan sebagai sinyal kondisi perusahaan emiten. Berbagai penelitian tentang IOS menunjukkan bahwa IOS merupakan proksi realisasi pertumbuhan perusahaan yang berhubungan dengan berbagai variabel
7
kebijakan perusahaan. Sami et al, (2000) menunjukkan bahwa teori IOS memiliki
explanatory
power yang lebih tinggi dalam hal kebijakan
pendanaan dan kompensasi dari pada aspek dividen. Purwanto (2001) menyatakan bahwa perlu dilakukan pertimbangan untuk melakukan penyederhanaan data dengan menggabungkan variabelvariabel terukur (observed variabel). Penggabungan variabel-variabel terukur menjadi variabel gabungan dapat membantu peneliti dalam memahami fenomena yang sedang diteliti dan dapat digunakan sebagai deskripsi atau dapat pula digunakan dalam analisis lebih lanjut sebagai variabel dalam analisis regresi. Iswahyuni dan Suryanto (2000) menganalisa perbedaan perusahaan dan tidak tumbuh dengan kebijakan pendanaan, deviden, perubahan harga saham dan volume perdagangan pada Bursa Efek Jakarta, dengan proksi Invesment Opportunity Set (IOS), yang terdiri dari book value of plant property and equitment to assets ratio (PPE/BVA), Price to earning (P/E), Market to book value of equity (MVE/BE), Market to book value of assets (MVA/BVA), Rasio Capital expenditure to market value of assets (CAP/MVA) dan VAR. hasil
penelitiannya menunjukan bahwa tidak ada perbedaan yang signifikan antara perusahaan yang tumbuh dan tidak bertumbuh dalam hal pengambilan kebijakan pendanaan (book debt/equity), deviden, respon perubahan harga dan volume perdagangan, sedangkan dalam hal pengambilan kebijakan pendanaan terdapat perbedaan yang signifikan antara perusahaan yang tumbuh dan tidak bertumbuh (market debt/equity).
8
Prasetyo (2000) menyatakan bahwa penelitian pasar modal yang diasosiasikan dengan struktur modal perusahaan, terutama dengan set peluang investasi atau
Investment Opportunity Set
(IOS) masih sedikit sekali.
Subekti dan Kusuma (2000) melakukan penelitian Asosiasi antara Set Kesempatan Investasi dengan kebijakan
Deviden perusahaan,
serta
implikasinya pada perusahaan Harga Saham. Proksi IOS digunakan dalam penelitian ini adalah book value of plant property and equitment to assets ratio (PPE/BVA), Market to book value of assets (MVE/BVA), Price to Earning (P/E). Market to book value of assets (MVA/BVA), dan Market to book value of assets (CAP/BVA). Hasil penelitian menunjukkan bahwa IOS
berpengaruh signifikan terhadap pertumbuhan perusahaan dan harga saham yang tercerminkan pada perbedaan reaksi pasar terhadap growth firms dan nongrwth firms. Menurut Nopratiwi (2001) menguji korelasi antara IOS terhadap Return Saham dengan menggunakan proksi Rasio Market Value to Book of Asset (MKTBKASS), Rasio Market Value to Book of Equity (MKTBKEQ), Market to book value of assets (CAPBVA), dan Earning to Share/Price (EP). Hasil
penelitian menunjukkan bahwa hanya Market Value to Book of Asset (MKTBKASS), Rasio Market Value to Book of Equity (MKTBKEQ), dan Market to book value of assets (CAPBVA) mempunyai hubungan signifikan
terhadap Commulative Abnormal Return (CAR), sedangkan Earning to Share/Price (EP) tidak.
9
Nilai IOS dapat dihitung dengan kombinasi berbagai jenis proksi yang mengimplikasikan nilai aktiva di tempat yaitu berupa nilai buku aktiva maupun ekuitas dan nilai kesempatan untuk bertumbuh bagi suatu perusahaan dimasa depan. Berbagai penelitian tentang IOS telah berhasil membuktikan bahwa IOS merupakan proksi realisi pertumbuhan perusahaan dan berhubungan dengan berbagai variabel kebijakan perusahaan, yaitu antara lain kebijakan pendanaan atau struktur utang, kebijakan dividen, kebijakan leasing kebijakan kompensasi. Penelitian ini akan melakukan penggabungan variabel-variabel terukur dari proksi IOS individual menjadi satu variabel laten menggunakan structural equation models dengan pendekatan confirmatory factor analysis, yaitu membangun model dengan mendasarkan pada teori yang mendasari variabel-variabel terukur itu dalam variabel latennya. Gabungan proksi IOS ini akan dikorelasikan dengan realisasi pertumbuhan untuk melihat kemampuan dan konsistensi proksi IOS dalam memprediksi pertumbuhan perusahaan. Berdasarkan uraian diatas, peneliti akan meneliti bagaimana Hubungan Gabungan Proksi Investment Opportunity Set dan Hubungannya Terhadap Realisasi Pertumbuhan Dengan Pendekatan Analisis Faktor Konfirmatori yang terdaftar di Bursa Efek Indonesia 2006-2009. Masalah yang diteliti tidak terlalu luas pembahasannya maka penulis membatasi masalah pada laporan keuangan yang digunakan untuk menganalisa laporan keuangan tahunan perusahaan-perusahaan manufaktur
10
yang laporan keuangannya dipublikasikan di BEI, bukan lembaga keuangan, perbankan maupun perusahaan pemerintah, hal ini dilakukan untuk mengantisipasi adanya pengaruh regulasi dan mempengaruhi variabel dalam penelitian ini.
industri yang dapat Penelitian ini memiliki
perbedaan dengan penelitian sebelumnya, yang membedakan dengan penelitian sebelumnya adalah jumlah sampel yang digunakan tahunnya lebih sedikit, yaitu tahun yang diambil dari tahun 2006 sampai dengan tahun 2009. Tahun ini diambil sebagai sampel karena tahun-tahun yang diperkirakan masih terjadinya krisis moneter di Indonesia
(1997 sampai 2000) tidak
dimasukkan pada sampel ini karena dapat mengganggu analisis confirmatory factor, sehingga peneliti memutuskan untuk mengambil sampel 2006 sampai 2009 yang dapat dinilai tidak ada masalah krisis. sedangkan jenis sampel yang digunakan adalah manufaktur, Populasi target dalam penelitian ini adalah seluruh perusahaan public kecuali bank dan lembaga keuangan bukan bank (asuransi, kredit agensi, perusahaan sekuritas). Alasan ini didukung oleh Jensen dan Meckling (1976) dalam (Hasnawati, 2005:120) menyatakan bahwa : “highly regulatedindustries such as public utilities orbank will have higher debt equity ratios forequivalent level of risk than the average nonregulated firm.”
11
B. PERUMUSAN MASALAH Berdasarkan latar belakang di atas, maka masalah yang akan diteliti dapat dirumuskan sebagai berikut: 1. Apakah model gabungan proksi IOS dengan klasifikasi IOS memiliki kesesuaian dengan data sesungguhnya? 2. Apakah gabungan proksi individual IOS berbasis harga memiliki korelasi positif dengan realisasi pertumbuhan? 3. Apakah gabungan proksi individual IOS berbasis investasi memiliki korelasi positif dengan realisasi pertumbuhan?
C. TUJUAN PENELITIAN 1. Tujuan penelitian Berdasarkan rumusan masalah di atas maka tujuan penelitian ini adalah: 1. Untuk menganalisis model gabungan proksi IOS dengan klasifikasi IOS memiliki kesesuaian dengan data sesungguhnya. 2. Untuk menganalisis proksi individual IOS berbasis harga memiliki korelasi positif dengan realisasi pertumbuhan. 3. Untuk menganalisis proksi individual IOS berbasis investasi memiliki korelasi positif dengan realisasi pertumbuhan.
12
2. Manfaat penelitian Berdasarkan tujuan di atas, maka penelitian ini diharapkan dapat bermanfaat bagi semua pihak, diantaranya yaitu: a. Bagi investor, penelitian ini dapat digunakan sebagai masukan untuk meningkatkan eksistensi dan konsistensi proksi IOS sebagai proksi prediksi pertumbuhan perusahaan. b. Bagi akademis, hasil penelitian ini daharapkan menjadi literatur dan dapat digunakan sebagai bahan rujukan untuk penelitian lebih lanjut. c. Bagi peneliti, penelitian ini akan menambah pengetahuan penulis tentang gabungan proksi investment opportunity set dan hubungan terhadap realisasi pertumbuhan dengan pendekatan analisis faktor konfirmatori.
13
BAB II TINJAUAN PUSTAKA
A. Pengertian Invesment Opportunity Set (IOS) IOS adalah set peluang investasi yang berfungsi sebagai prediktor pertumbuhan perusahaan. Subekti dan Kusuma (2002) mengurai set peluang investasi tersebut berupa: plant, property and aquipment to book value of asset ratio (PPE/BVA), market to book of equity ratio, (MVE/BE), price to earning (P/E), market to book asset ratio (MVA/BVA), dan capital addition to book of assets ratio (CAP/BVA), Julianto dan Jogianto (2002) IOS (Invesment Opportunity Set) digunakan sebagai proksi keputusan investasi, karena keputusan investasi tidak dapat diamati secara langsung. Karena IOS sebagai variabel laten yang tidak dapat diukur secara langsung, maka perlu dibentuk atau dikonfirmasi dengan berbagai variabel terukur. Adam dan Goyal (2003) menyatakan bahwa Invesment Opportunity memainkan paranan yang penting didalam keuangan perusahaan dalam kaitannya dengan pencapaian tujuan perusahaan. Myers et al
yang dikutip dari Subekti dan Kusuma (2000),
menyatakan bahwa perusahaan dalam kombinasi antara nilai aktiva riil (asset in place) dengan pilihan investasi dimasa yang akan datang, opsi masa depan tidak semata–mata hanya ditunjukkan dengan adanya proyek-proyek yang didukung oleh kegiatan riset dan pengembangan saja, tetapi juga dengan
14
kemampuan perusahaan yang lebih dalam mengeksploitasi kesempatan mengambil keuntungan dibandingkan dengan perusahaan lain yang setara dalam suatu kelompok industrinya. Kemampuan perusahaan yang lebih tinggi ini bersifat tidak dapat diobservasi (unobservable). Berdasarkan pengertian tersebut para peneliti telah mengembangkan proksi pertumbuhan perusahaan menjadi IOS sesuai dengan tujuan dan jenis data yang tersedia dalam penelitiannya. Investment Opportunity Set (IOS) dapat dijadikan sebagai dasar untuk menentukan klasifikasi pertumbuhan dimasa depan. Karekteristik perusahaan yang mengalami pertumbuhan dapat diukur antara lain dengan peningkatan penjualan, pembuatan produk baru atau diversifikasi produk, perluasan pasar, ekspansi atau peningkatan kapasitas, penambahan asset, pengakuisisi perusahaan lain, investasi jangka panjang, dan lain-lain. Pagalung (2000) menyatakan bahwa pilihan pertumbuhan memiliki pengertian yang fleksibel dan tidak hanya berupa projek baru. Perusahaan yang bertumbuh tidak selalu merupakan perusahaan kecil atau aktif melakukan penelitian dan pengembangan. Perusahaan kecil seringkali menghadapi keterbatasan atau kesulitan pilihan dalam menentukan dan menjalankan projek baru, atau kesulitan dalam merestrukturisasi asset yang ada, sementara perusahaan besar cenderung mendominasi posisi pasar dalam industrinya (Mueller dalam Gaver dan Gaver di kutip oleh Nugroho dan Hartono,2002). Bahkan perusahaan besar lebih memiliki keunggulan kompetitif dalam mengeksplorasikan kesempatan yang muncul.
15
Nilai pilihan investasi sangat tergantung pada nilai asset yang dimiliki oleh perusahaan. Kesempatan investasi tidak selalu berwujud fisik tetapi dapat berupa suatu kesempatan yang bersifat intangible namun memiliki peluang yang memberikan keuntungan bagi perusahaan. Sebagai contoh apabila perusahaan memiliki kesempatan untuk melakukan pembelian suatu brand name, maka perusahaan harus dapat memanfaatkan setiap celah keunggulan dan kelemahan brand name tersebut untuk menghasilkan keuntungan yang lebih besar dimasa yang akan datang. Smith dan Watts dank Ester dalam Gaver & Gaver yang dikutip Jati (2003), menyatakan bahwa dalam membuat keputusan investasi dan employment setiap perusahaan dapat menginvestasikan dalam bentuk modal fisik dan sumber daya manusia secara khas. Investasi spesifik perusahaan tersebut mengakibatkan adanya variasi dalam ksempatan investasi yang prosfektif serta ekspektasi distribusi hasil dari kesempatan investasi tersebut. Perbedaan keputusan investasi yang diambil oleh perusahaan dalam rangka mengahadapi perusahaan pesaing yang hendak memasuki pasar serta variasi pilihan-pilihan strategi perusahaan dalam rangka memperoleh keunggulan kompetitif mengakibatkan IOS sangat bervariasi secara cross-section antar perusahaan (Gaver& Gaver dalam Nugroho dan Hartono, 2002). 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 dimasa yang akan datang.
16
B. Alternatif Proksi IOS Berbagai proksi IOS telah digunakan dalam bidang keuangan untuk memahami pemikiran IOS. Kallapur dan Trombley yang dikutip prasetyo (2000), menyatakan bahwa proksi-proksi tersebut dapat digolongkan menjadi tiga jenis yaitu: 1.
Proksi IOS berbasis pada Harga Saham, Merupakan proksi yang menyatakan bahwa prospek pertumbuhan perusahaan sebagian dinyatakan dalam harga pasar. Proksi ini didasari pada anggapan
yang
menyatakan
bahwa
prospek pertumbuhan
perusahaan secara persial dinyatakan dalam harga-harga saham,dan perusahaan yang tumbuh 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 saham akan berbentuk suatu rasio sebagai suatu ukuran aktiva yang dimiliki dan nilai pasar perusahaan. Pendekatan ini dimaksudkan untuk membandingkan antara nilai buku perusahaan dengan nilai pasar yang terefleksi dalam harga saham. a.
Faktor-faktor yang mempengaruhi harga saham Dalam melakukan investasi pada pasar modal khususnya saham, perubahan harga saham menjadi perhatian penting bagi investor selain kondisi emiten dan keadaan perekonomiannya. Harga saham yang digunakan dalam melakukan transaksi dipasar modal adalah harga yang terbentuk dari mekanisme pasar yaitu permintaan
17
dan penawaran pasar. Jadi harga saham yang digunakan bukanlah harga nominal dari saham tersebut. Menurut Agus Sartono (2000;41) harga saham adalah: Sebesar nilai sekarang atau present value dari aliran kas yang diterima. Sedangkan menurut Ridwan S. Sundjaja (2003;349) adalah: Saham yang dinilai per lembarnya telah tercantum dalam akta pendirian perusahaan. Harga saham dibursa dipengaruhi oleh faktor, baik yang bersifat kuantitatif maupun kualitatif antara lain adalah: pengaruh peraturan saham, ketat tidaknya pengawasan atas pelanggaran oleh pelaku bursa, psikologi, pemodal, dan sebagainya. Berikut ini adalah faktor yang mempengaruhi harga saham di pasar modal: 1.
Penawaran dan Permintaan Harga saham akan terbentuk melalui jumlah penawaran dan permintaan akan mencerminkan kekuatan pasar. Jika jumlah penawaran lebih besar daripada jumlah permintaan, pada umumnya kurs harga akan turun sebaliknya jika permintaan lebih besar dari pada jumlah penawaran maka harga saham akan cenderung naik.
2.
Perilaku Investor, Pasar investor yang masuk kepasar modal berasal dari bermacam-macam kalangan masyarakat dan berbagai tujuan. Jika ditinjau dari tujuannya, maka investor dapat dibagi kedalam empat kelompok :
18
a. Kelompok investor yang bertujuan memperoleh dividen. b. Kelompok investor yang bertujuan berdagang. c. Kelompok investor yang berkepentingan dalam pemilihan saham perusahaan. d. kelompok spekulator. 3.
Kondisi ekonomi dan politik pada umumnya, Faktor ini akan mempengaruhi supply dan demand akan saham. Keadaan ekonomi yang stabil dan situasi politik yang aman akan menarik minat investor (terutama investor asing) untuk berinvestasi.
b. Rasio-rasio perusahaan yang telah digunakan dalam beberapa penelitian yang berkaitan dengan proksi pasar adalah sebagai berikut: 1. Market to book value equity, MKTBKEQ (Collins dan Kothari, 1989; Lewellwn et al., 1987; Chung dan Charoenwong, 1991) 2. Tobin’s Q (Skinner,1993; Kallapur dan Trombley 1999; dan Denis 1994) 3. Ratio of proferty,plan, and aquipment to firm valie, PPE (Skinner 1993; Ho, et al 1999; Subekti dan Kusuma 2001; Jones dan Sharma,2001) 4. Ratio of depreciatiaon to firm value, VDEP (Amith dan Watts 1992; Kallapur dan Tombley 1999; Ho, Lam, dan Sami 1999, dan Jones dan Sharma,2001)
19
5. Market to book value of assets, MKTBKASS (Belkaouli dan picur 1998, smith dan Watts 1992; Cahan danHossain 1996; Baber, Janakiraman, dan Hyon Kang 1996; Ho, Lam, dan Sami 1999; Kallapur dan Trombley 1999; Gul dan Kealey 1999; Hartono 1999: Adam dan goyal 2000; Subekti dan Kusuma 2001, alnajjar dan Belkaouli 2001; Belkaouli dan Picur 2001, About 2001; Jones dan Sharma 2001) 6. Earnings to price ratio EP (Kester 1984; Belkaouli dan Picur 1998; Chung dan Charoenwong,1991, Baber, Janakiraman, dan Hyon Kang 1996, Cahan dan Hossein 1996, Ho, Lam, dan Sami 1999; Kallapur dan Trombley 1999; Gul dan Kealey 1999; Hartono 1999, Adam dab Goyal 2000; Subekti dan Kusuma 2001; Alnajjar dan Belkaouli 2001; Bekaouli dan Picur 2001; Jones dan Sharma 2001)
2.
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. Rasio-rasio yang sering digunakan oleh penelitian antara lain: Rasio Investment to net sales IONS. (Hartono 1999), Rasio capital expenditure to book assets CAPBVA. (Jones dan Sharma 2001), Rasio Capital expenditure to market value of assts ( CAPMVA)
20
Definisi Investasi, pada dasarnya investasi berkaitan dengan pasar modal dan pasar uang. Aktiva keuangan dapat pula menunjukan mata uang. Tabungan dibank-bank atau asset lainnya seperti saham-saham dan obligasi yang sering disebut sekuritas. Jogiyanto (2003;5) mendefinisikan investasi sebagai berikut : Investasi adalah penundaan konsumsi sekarang untuk digunakan di dalam produksi yang efisien selama periode waktu yang tertentu. Dari definisi diatas, penulis menyimpulkan bahwa investasi itu adalah suatu komitmen keuangan yang diharapkan tingkat pengembaliannya atas investasi tersebut secara positif. Hal ini diperjelas lagi dengan pengertian investasi menurut Kamaruddin (2004;3) yang menjelaskan bahwa: investasi adalah menempatkan uang atau dana dengan harapan untuk memperoleh tambahan atau keuntungan tertentu atas uang atau dana tersebut. a.
Tujuan investasi Ada beberapa alasan mengapa seseorang melakukan investasi, diantaranya yaitu : 1. Untuk mendapatkan kehidupan yang lebih layak dimasa yang akan datang. Seseorang yang bijaksana akan berpikir bagaimana cara meningkatkan taraf hidupnya dari waktu ke waktu atau setidaknya bagaimana berusaha untuk mempertahankan tingkat pendapatannya agar tidak berkurang dimasa yang akan datang. 2. Mengurangi tekanan inflasi. Dengan melakukan investasi dalam memilih
perusahaan
atau
objek
lain,
seseorang
dapat
21
menghindarkan diri agar kekayaan atau harta miliknya tidak merosot nilainya karena digerogoti oleh inflasi. 3. Dorongan untuk menghemat pajak. Beberapa negara di dunia banyak
melakukan
kebijakan
yang
sifatnya
mendorong
tumbuhnya investasi di masyarakat melalui fasilitas perpajakan yang diberikan kepada masyarakat yang melakukan investasi pada bidang-bidang tertentu. b.
Strategi Investasi 1.
Strategi investasi pasif Strategi investasi pasif mendasarkan diri pada asumsi bahwa (a) pasar modal tidak melakukan mispricing, dan (b) meskipun terjadi mispricing, para pemodal berpendapat mereka tidak bisa mengidentifikasikan
dan
memanfaatkannya.
Tujuan
dilakukannya strategi ini, untuk menyusun portofolio yang sesuai dengan preferensi resiko, atau pola arus kas yang mereka inginkan.
Sebagau
misal,
kalau
pemodal
tidak
ingin
menanggung risiko yang tinggi, mereka akan membentuk dari portofolio yang terdiri dari saham-saham yang mempunyai harga rendah. Mereka yang ingin memperoleh arus kas tertentu, mungkin memilih saham-saham yang membagikan dividen secara teratur. Mereka yang mempunyai tarif pajak tinggi, akan cenderung membentuk portofolio yang tidak membagikan dividen yang terlalu tinggi. Dengan strategi pasif maka biaya
22
transaksi akan diminimumkan. Para pemodal dapat menganut strategi investasi sesuai dengan indeks pasar. 2.
Strategi investasi aktif Strategi ini mendasarkan diri pada asumsi bahwa (a) pasar modal melakukan kesalahan dalam penentuan harga (mispriced), dan (b) para pemodal berpendapat bisa mengidentifikasikan mispriced ini dan memanfaatkannya. Dalam strategi ini, digunakan tiga analisis yaitu, technical analysis, fundamental, dan market timing. Market timing pada dasarnya menentukan kapan seharusnya pemodal membeli atau menjual. Dengan demikian analisis ini merupakan variasi dari analisis teknikal.
C. Realisasi Perusahaan (Pertumbuhan Perusahaan) Kallapur dan Trombley (2001) dalam Riyadi (2008:19) memberi penjelasan bahwa untuk membedakan antara IOS dengan growth, kata growth pada umumnya merujuk kepada kemampuan perusahan untuk meningkat dalam ukuran (size), sedangkan IOS adalah pilihan untuk berinvestasi pada proyek-proyek yang memiliki net present value positif. Disebutkan pula bahwa investment opportunities juga menghasilkan peningkatan dalan ukuran perusahaan, namun tidak semua growth opportunities memiliki net present value positif. Dalam hampir setiap studi, ukuran perusahan dinyatakan sebagai determinan dari struktur keuangan perusahaan. Ukuran perushaan dapat
23
menentukan tingkat kemudahan perusahaan memperoleh dana dari pasar modal (Sawir, 2004). Perusahaan yang sedang tumbuh akan membutuhkan dana yang besar sehingga cenderung untuk menahan sebagian besar pendapatannya. Semakin cepat tingkat pertumbuhan suatu perusahaan semakin besar pula kebutuhan akan dana untuk membiayai pertumbuhan perusahaan tersebut. Dan semakin besar kebutuhan dana untuk waktu mendatang untuk membiayai pertumbuhannya, perusahaan tersebut biasanya lebih senang untuk menahan earning nya daripada dibayarkan sebagai dividen kepada para pemegang saham. Dengan demikian dapatlah dikatakan bahwa makin cepat tingkat pertumbuhan perusahaan makin besar dana yang dibutuhkan, makin besar kesempatan untuk memperoleh keuntungan, makin besar bagian pendapatan yang ditahan dalam perusahaan, yang ini berarti makin rendah dividen payout ratio. Apabila perusahaan telah mencapai tingkat pertumbuhan sedemikian rupa sehingga perusahaan telah "well establish" dimana kebutuhan dananya dapat dipenuhi dengan dana yang berasal dari pasar modal atau sumber dana eksternal lainnya maka keadaan adalah berbeda. Dalam hal yang demikian perusahaan dapat menetapkan dividen payout ratio yang tinggi. Tingkat pertumbuhan yang tinggi mengindikasikan bahwa perusahaan sedang mengadakan ekspansi. Semakin tinggi tingkat ekspansi perusahaan, semakin besar kebutuhan akan dana untuk mendanai ekspansi tersebut. Semakin besar kebutuhan dana masa depan semakin besar kemungkinan perusahaan menahan labanya. Memang bisa saja kebutuhan dana dipenuhi
24
dengan emisi saham baru, tetapi bila pendapatan semuanya dibayarkan sebagai dividen (yang juga merupakan subyek pajak pendapatan yang tinggi) hanya sebagian kecil yang dapat di investasikan kembali. Dengan demikian perusahaan yang sedang berkembang cenderung menahan laba disamping menerbitkan emisi baru. Pertumbuhan suatu perusahaan diharapkan dapat memberikan aspek yang positif bagi perusahaan seperti dapat menarik minat para investor untuk melakukan investasi diperusahaan tersebut. Investor dapat memilih akan melakukan investasi dalam bidang apa saja. Prospek perusahaan yang bertumbuh bagi investor merupakan suatu prospek yang menguntungkan, karena investor yang ditanamkan diharapkan akan memberikan return yang tinggi. Penelitian Vogt (1997) menunjukan bahwa perusahaan yang bertumbuh akan direspon positif oleh pasar. Pertumbuhan perusahaan dapat diketahui dengan cara mengetahui nialai buku dan nilai pasar. Menurut Hartono (2003) nilai buku merupakan nilai saham menurut pembukuan perusahaan emiten dan nilai pasar merupakan nilai saham di pasar saham. Pertumbuhan perusahaan menunjukan Investment Opportunity Set (IOS) atau Set Kesempatan Investasi dimasa datang.
25
D. Penelitian Terdahulu Tabel 2.1 Penelitian Terdahulu Penelitian Analisis Korelasi Invesment Opportunity Set Terhadap Return Saham. Agustina M. V Nopratiwi (2001)
Variabel yang digunakan Variabel devenden(Y) Commulative abnormal return.Variabel indevendennya(X) adalah MKTBKASS, MKTBKEQ, CAPBVA,EP RASIO.
Analisis Hubungan Invesment Opportunity Set (IOS) dengan Realisasi Pertumbuhan Serta Perbedaan Perusahaan yang Tumbuh dan tidak Timbuh Terhadap kebijakan Pendanaan dan Dividen. Isnaeni Rokhayati (2005)
Variabel –variabel utama dalam penelitian ini adalah Dependen IOS, dan Variabel Indevenden adalah MVEBVE, MVABVA ,PER, CAPBVA, CAPMVA, VPPE, COANS
Pengaruh Invesment opportunity set (IOS) dengan Tingkat Pertumbuhan (Sustainable Growth) RM. Riadi, Ngadlan
Variabel Devenden (Y) adalah IOS dan Variabel Indevenden adalah MVEBVE, MVEBVA, PER, CAPBVA, CAPMVA, VPPE, COANS.
Metode yang digunakan Pengujian penelitian menggunakan Nonparametric correlatioan Kendall’s Tau-b. Data pusposive sampling, dengan menggunakan laporan keuangan dari tahun 2001-2003 yang dipublikasikan di BEJ Teknik analisa yang digunakan adalah Data sekunder dan laporan keuangan tahunan yang terdiri dari neraca dan laporan laba/rugi, dari tahun 1999-2002 yang diperoleh dari BEI
Penguijian penelitian menggunakan program Mikrosof Excell dan SPSS versi 13.00. Data sekunder yang difublikasikan dari tahun 2004-2005. yang terdaptar di BEI
Hasil Penelitian Hasil pengujian penelitian ini ditunjikan bahwa terdapat korelasi yang signifikan antara proksi IOS dengan return saham.
Hasil pengujian penelitian IOS mempunyai korelasi terhadap semua unsur realisasi pertumbuhan perusahaan, baik untuk perusahaan yang tumbuh maupun yang tidak tumbuh .korelasi positif signifikan untuk perusahaan yang tumbuh terjadi antara MVEBVE, terhadap pertumbuhan penjualan dan pertumbuhan ekuitas, MVABVA, terhadap pertumbuhan ekuitas, CAPMVA terhadap pertumbuhan asset dan VPPE terhadap pertumbuhan penjualan dan ekuitas, untuk perusahaan yang tidak tumbuh antara CAPBVA terhadap pertumbuhan laba dan CAPMVA terhadap pertumbuhan asset. Korelasi yang negatif signifikan untuk perusahaan yang tumbuh terjadi antara CAPMVA, terhadap pertumbuhan ekuitas, untuk perusahaan yang tidak tumbuh terjadi antara PER terhadap laba dan CAONS terhadap pertumbuhan penjualan dan pertumbuhan ekuitas. Rasio market debt to equity tidak signifikan terhadap kebijakan pendanaan perusahaan Rasio deviden payout mempunyai korelasi yang tidak signifikan terhadap kebijakan deviden perusahaan. Hasil pengujian penelitian menunjukan pada korelasi antara variable bebas yakni berupa marjin laba, kebijakan deviden, kebijakan keuangan, dan perputaran aktiva, hanya kebijakan keuangan dan perputaran aktiva saja yang mempunyai hubungan yang kuat yakni sebesar 0,642 akan tetapi tidak terlalu signifikan, sedangkan factor lainnya berkorelasi lemah dan tidak mempunyai hubungan yang signifikan.
26
Penelitian Dampak Set Peluang Invesment Terhadap Nilai Perusahaan Publik di Bursa Efek Jakarta Sri Hasnawati (2005)
Variabel yang digunakan Variabel yang digunakan adalah data yang realisasi pertumbuhan investasi. Alas an menggunakan data realisasi kerena keputusan investasi perusahaan public pada umumnya sehingga sulit diobservasi dan apabila keputusan investasi diumumkan hal tersebut merupakan resolusi
Metode yang digunakan Analisa yang digunakan adalah model Struktural Equation Modeling (SEM), populasi target yang dijadikan unit penelitian ini sebanyak 256 perusahaan dari kelompok industri yang tedaptar di BEI tahun 2002.
Searcing Proxies Of Invesment Opportunity Set and Identifying Information Content. Hermeindito Kaaro (2002) Invesment Opportunity Set, Corporate Governance Practices and Firm Performance. Marion Hutchinson dan Ferdinant A. Gul (2004)
Variabel tidak terukur : IOS, variabel laten : proksi IOS berdasarkan harga, investasi, & varian.
Penelitian ini menggunakan structural equation models (SEM) dengan pendekatan confirmatory model. Universitas Kristen Petra
Variabel independen : IOS dengan menggunakan tiga variabel proksi yaitu : MBVA, MBVE, & PPEMVA. Variabel dependen : ROE (Return on Equity). Variabel kontrol : ukuran perusahaan termasuk pada variabel kontrol dalam analisis karena untuk menentukan hubungan dari karakteristik variasi perusahaan
Penelitian ini menggunakan analisis cross-sectional dari 500 perusahaan yang terdaftar di Bursa Efek Australia. Sampel yang digunakan dari tahun 1998-1999.
Hasil Penelitian Hasilnya nilai loadingi factor indicator keputusan investasi menunjukan nilai diatas nilai kritis sebesar 0.30 (Bachurudin dan Tobing, 2003) dengan demikian semua indicator bermakna sebagai indicator yang membentuk variable keputusan investasi. Keputusan investasi berpengaruh positif terhadap nilai perusahaan sebesar 12,25%, sisanya dipengaruhi oleh factor lain seperti: keputusan pendanaan, kebijakn deviden, factior eksternal perusahaan seperti: tingkat inflasi, kurs mata uang, pertumbuhan ekonomi, politik, dan psychology pasar, Hasil penelitian menunjukkan bahwa IOS tidak dapat dilakukan observasi langsung harus melalui proksi-proksi sesuai dengan laporan keuangan perusahaan yang ada.
Hasil penelitian ini menunjukkan bahwa penelitian mendukung hipotesis yaitu hipotesis ini berdasarkan pada perusahaan yang negatif dan diramalkan pada perusahaan yang negatif tersebut menunjukkan lemahnya perusahaan.
27
E. Kerangka pemikiran Data Laporan Keuangan Perusahaan yang Terdaftar di BEI Periode 2006 - 2009
Realisasi Pertumbuhan
IOS
Proksi Berbasis Harga Saham
Proksi Berbasis Investasi
GROWSAL MVABVA
MVEBVE
PER
GROWEAR
GROWEQ
EP
IONS
CAPBVA
CAPMVA
Uji Structural Equation Model
Uji Asumsi
Identifikasi Model
Model Pengukuran (Confirmatory Factor Analysis)
Uji Kesesuaian Model
Uji Kelayakan Parameter Estimasi
Interpretasi
Kesimpulan
Gambar 2.1 Kerangka Pemikiran 28
GROWAS
Gambar 2.2 Model Gabungan Proksi Individual IOS Berbasis Harga Saham dan Hubungannya terhadap Realisasi Pertumbuhan
Model gabungan proksi IOS berbasis harga saham dan realisasi pertumbuhan pada gambar 2.2 menunjukkan berbagai variabel yang digunakan yaitu variabel terukur (dalam bentuk empat persegi panjang) dan variabel laten (bentuk lingkaran). Variabel terukur endogenous (observed endogenous) adalah MVEBVA, MVEBVE, EPR, PER, GROWSAL, GROWEAR, GROWEQ, dan GROWAS, yang merupakan variabel tidak terukur exogenous (unobserved exogenous) adalah Err1, Err2, Err3, Err4, Err5, Err6, Err7, Err8, IOS Berbasis Harga Saham dan Realisasi Pertumbuhan. Parameter yang diestimasi berjumlah 17, yaitu variance dari error (Err) berjumlah 8 (ditunjukkan dengan garis lurus dengan satu anak panah), variance dari variabel terukur berjumlah 8 (ditunjukkan dengan garis lurus dengan satu anak panah), dan korelasi dari variabel laten berjumlah 1 (ditunjukkan dengan garis lengkung dengan dua anak panah).
29
Gambar 2.3 Model Gabungan Proksi Individual IOS Berbasis Investasi dan Hubungannya terhadap Realisasi Pertumbuhan
Model gabungan proksi IOS berbasis investasi dan realisasi pertumbuhan pada gambar 2.3 menunjukkan berbagai variabel yang digunakan yaitu variabel terukur dan variabel laten. Variabel terukur endogenous adalah IONS, CAPBVA, CAMPVA, GROWSAL, GROWEAR, GROWEQ, dan GROWAS. Variabel tidak terukur exogenous adalah Err1, Err2, Err3, Err4, Err5, Err6, Err7, IOS Berbasis Investasi dan Realisasi Pertumbuhan. Parameter yang diestimasi berjumlah 15, yaitu variance dari error (Err) berjumlah 7, variance dari variabel terukur berjumlah 7, dan korelasi dari variabel laten berjumlah 1.
30
F. Hipotesis H0 : Model gabungan proksi IOS dengan klasifikasi IOS tidak memiliki kesesuaian dengan data sesungguhnya. Ha : Model gabungan proksi IOS dengan klasifikasi IOS
memiliki
kesesuaian dengan data sesungguhnya H0 : Gabungan proksi individual IOS berbasis harga saham tidak memiliki korelasi positif dengan realisasi pertumbuhan. Ha : Gabungan proksi individual IOS berbasis harga saham memiliki korelasi positif dengan realisasi pertumbuhan. H0 : Gabungan proksi individual IOS berbasis investasi tidak memiliki korelasi positif dengan realisasi pertumbuhan. Ha : Gabungan proksi individual IOS berbasis investasi memiliki korelasi positif dengan realisasi pertumbuhan
31
BAB III METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian Adapun ruang lingkup penelitian yang akan diamati dalam penelitian ini adalah perusahaan manufaktur yang telah terdaftar di Bursa Efek Indonesia (BEI) dari tahun 2006 hingga Desember 2009.
B. Metode Penentuan Sampel Sampel digunakan dengan metode purposive sampling, dengan tujuan untuk mendapatkan sampel yang representatif sesuai dengan kriteria yang telah ditentukan sebelumnya. Perusahaan yang menjadi sampel penelitian ini harus memenuhi ketentuan-ketentuan sebagai berikut : (1) Perusahaan Manufaktur yang terdaftar di BEI sejak tahun 2006; (2) Mempublikasikan datanya berupa laporan keuangan, harga penutupan saham, dan jumlah saham yang beredar yang diperoleh dari Indonesia Capital Market Directory; (3) Tidak memiliki laba dan total ekuitas negatif pada tahun 2006 sampai tahun 2009. Berdasarkan kriteria tersebut di atas maka diperoleh sampel penelitian sebanyak 25 (dua puluh lima) perusahaan, sebagaimana diuraikan di bawah ini:
32
Tabel 3.1 Daftar Sampel Perusahaan No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Kode KBLM KBLI BATA BUDI CLPI UNTR SMGR MRAT SMSM AUTO LTLS AKRA SCCO ASII BRAM SRSN INTA IKBI JECC TURI TOTO MERK UNVR MYOR AQUA
Nama Perusahaan PT. Kabelindo Murni Tbk PT. GT Kabel Indonesia Tbk PT. Sepatu Bata Tbk PT. Budi Acid Jaya Tbk PT. Colorpak Indonesia Tbk PT. United Tractor Tbk PT. Semen Gresik Persero Tbk PT. Mustika Ratu Tbk PT. Selamet Sempurna Tbk PT. Astra Otoparts Tbk PT. Lautan Luas Tbk PT. AKR Corporindo Tbk PT. Supreme Cable Manufacturing & Commerce Tbk PT. Astra International Tbk PT. Branta Mulia Tbk PT. Indo Acidatama Tbk PT. Intraco Penta Tbk PT. Sumi Indo Kabel Tbk PT. Jembo Cable Company Tbk PT. Tunas Ridean Tbk PT. Surya Toto Indonesia Tbk PT. Merk Tbk PT. Unilever Indonesia Tbk PT. Mayora Indah Tbk PT. Aqua Golden Mississippi Tbk
Tanggal Pencatatan 1 Januari 1992 6 Juli 1992 24 Maret 1982 8 Mei 1995 30 Nopember 1991 19 September 1989 8 Juli 1991 27 Juli 1995 9 September 1996 15 Juni 1998 21 Juli 1997 3 Oktober 1994 20 Juli 1982 4 April 1990 5 September 1990 11 Januari 1993 23 Agustus 1993 21 Januari 1991 18 Nopember 1992 6 Mei 1995 30 Oktober 1990 23 Juli 1991 11 Januari 1982 4 Juli 1990 1 Maret 1990
C. Metode Penentuan Data Data yang dipakai dalam penelitian ini adalah data sekunder, meliputi laporan keuangan tahunan perusahaan-perusahaan yang dimuat dalam Indonesia Capital Market Directory. Sumber data yang digunakan untuk menghitung variabel-variabel dalam penelitian ini diperoleh dari Bursa Efek Indonesia periode 2006 sampai 2009.
33
D. Metode Analisis Penelitian ini menggunakan structural equation models dengan pendekatan confirmatory factor analysis. Pendekatan ini digunakan karena model
yang
dibuat
menggunakan
variabel-variabel
terukur
yang
mendefinisikan sebuah variabel laten yang tidak dapat diukur secara langsung atau dengan kata lain mengkonfirmasi berbagai variabel terukur untuk sebuah variabel laten yang didasarkan pada berbagai teori. Selain itu pendekatan ini digunakan untuk menguji kesesuaian model berdasarkan data empiris yang diteliti. Karena penelitian ini juga akan menguji korelasi antara gabungan proksi IOS dengan realisasi pertumbuhan, maka confirmatory factor analysis yang dilakukan menggunakan multidimensional model yang ditunjukkan dengan garis lengkung dengan dua anak panah pada masing-masing ujungnya. Metode estimasi yang digunakan pada pendekatan confirmatory factor analysis adalah dengan maximum likelihood. Analisis ini dilakukan dengan bantuan program AMOS 16.0 student version. Analisis yang akan dilakukan uji asumsi, yang meliputi ukuran sampel, normalitas, multivariate outliers, dan multikolonieritas. Adapun model pengukuran dilakukan untuk menyelidiki variabel-variabel terukur yang menjelaskan sebuah variabel laten. Uji kesesuaian dilakukan dengan melihat ukuran indeks kesesuaian. Indeks kesesuaian yang digunakan dalam penelitian ini adalah Chi-Square (X2), CMIN/DF (the minimum sample discrepancy function dibagi dengan degree of freedom), goodness of fit index (GFI), adjusted goodness of fit index (AGFI), normed fit index (NFI) dan
34
Tucker-Lewis Index (TLI). Uji yang terakhir adalah uji hipotesis untuk menguji apakah hipotesis pada penelitian ini diterima atau ditolak. 1. Uji Asumsi a. Ukuran Sampel Ukuran sampel yang digunakan sebaiknya berjumlah minimum 100 atau menggunakan perbandingan 5 observasi untuk setiap parameter yang diestimasi (Hair, 1995). b. Normalitas Data Asumsi data terdistribusi normal didasarkan pada central limit theorem, yang mengatakan bahwa selama ukuran sampel yang diambil relatif besar, maka distribusi penyampelan dari rata-rata sampel akan mendekati normal (Nester,dkk, 1993; Dillon, 1984; Dielman, 1991). Ukuran sampel dapat dikatakan cukup besar jika mempunyai ukuran 30 atau lebih (Dielman, 1991), dengan demikian maka asumsi bahwa data terdistribusi normal telah terpenuhi karena jumlah sampel lebih dari 30. c. Uji Multivariate Outliers Uji multivariate outliers dilakukan dengan menggunakan Mahalanobis distance (Hair, 1995; Arbuckle, 1997). Anggota sampel dengan nilai Mahalanobis distance terbesar dianggap outlier dan tidak digunakan sebagai anggota sampel.
35
d. Uji Multikolonieritas Uji multikolinieritas dilakukan dengan dasar nilai variance inflation factor (VIF) dan tolerance, yang menunjukkan tidak adanya indikasi multikolonieritas pada semua variabel yang digunakan pada penelitian ini. Multikolonieritas bisa dideteksi dengan melihat korelasi linear antara variabel independen di dalan regresi. Jika korelasi cukup tinggi yaitu di atas 0.85 maka dapat diduga terdapat multikolonieritas dalam model. Sebaliknya jika koefisien korelasi kurang dari 0.85 maka diduga model tidak mengandung unsur multikolonieritas. (Widarjono, 2010:77).
2. Model Pengukuran Metode pengukuran variabel laten ini menggunakan metode analisis faktor konfirmatori. Analisis faktor konfirmatori merupakan model pengukuran di mana variabel indikator membentuk variabel laten. Model pengukuran mendefinisikan atau membentuk baik variabel independen laten maupun variabel dependen laten. Pada gambar 2.1 dan 2.2 menunjukkan model pengukuran dengan menggunakan analisis faktor konfirmatori. Yang menggambarkan dua variabel independen laten yang berubah berkorelasi di mana setiap variabel independen laten dibentuk oleh beberapa variabel indikator. Korelasi antara variabel independen laten ini ditunjukkan oleh anak panah dua arah (Widarjono, 2010:306).
36
Analisis faktor merupakan cara untuk mencari atau mendapatkan sejumlah variabel indikator yang mampu memaksimumkan korelasi antara variabel indikator. Ada dua jenis analisis faktor yaitu: analisis faktor eksploratori (Exploratory Factor Analysis/EFA) dan analisis faktor konfirmatori (Confirmatory Factor Analysis/CFA). Pada analisis faktor eksplanatori, mencari sejumlah indikator untuk membentuk faktor umum (common factor) tanpa ada landasan teori sebelumnya. Dengan kata lain analisis faktor eksplanatori merupakan sebuah metode untuk membangun sebuah teori (theory building). Sedangkan pada analisis faktor konfirmatori, mencari sejumlah variabel indikator yang membentuk variabel yang tidak terukur langsung tersebut didasarkan pada landasan teori yang ada. (Widarjono, 2010:275)
3. Uji Kesesuaian/Kelayakan Model Setelah melakukan estimasi analisis faktor konfirmatori, maka langkah pertama dalam menginterpretasikan hasil dari analisis faktor konfirmatori adalah mengevaluasi kebaikan sesuai model secara menyeluruh (overall model fit) atau uji kelayakan model. Ada beberapa metode untuk melihat kebaikan sesuai model secara menyeluruh yaitu: (1) uji statistika Chi Square; (2) Goodness of Fit Index (GFI); (3) Adjusted Goodness of Fit Index (AGFI); dan Root Mean Squares Residual (RMSR). Dari beberapa uji kelayakan model tersebut, model dikatakan layak jika paling tidak salah satu model uji kelayakan model terpenuhi. Bila uji
37
kelayakan model bisa memenuhi lebih dari satu kriteria kelayakan model, model analisis konfirmatori akan jauh lebih baik daripada hanya satu yang terpenuhi. a. Chi-Square (X2) Uji statistika Chi Square (X2) digunakan untuk menguji kelayakan model analisis faktor konfirmatori. Hipotesis nol dalam uji Chi Squares ini adalah perbedaan antara sampel dan matriks kovarian yang diestimasi adalah nol sedangkan hipotesis alternatifnya menyatakan ada perbedaan antara sampel dan matriks kovarian yang diestimasi. Nilai df untuk uji Chi Squares ini besarnya sama dengan jumlah elemen kovarian matriks yang tidak sama dikurangi dengan jumlah parameter yang diestimasi. Jika nilai Chi Squares lebih besar dari Chi Squares kritis maka menolak hipotesis nol dan sebaliknya jika nilai Chi Squares lebih kecil dari Chi Squares kritisnya maka menerima hipotesis nol. Atau bisa menerima maupun menolak hipotesis nol dengan membandingkan antara p-value dengan besarnya α yaitu derajat kepercayaan yang dipilih. Jika nilai p-value lebih kecil dari α maka kita menolak hipotesis nol dan sebaliknya jika p-value lebih besar dari α maka menerima hipotesis nol. Jika menerima hipotes nol atau menolak hipotesis alternatif berarti dapat disimpulkan bahwa tidak ada perbedaan antara sampel dan matriks kovarian. Artinya model yang kita pilih adalah layak. Sedangkan bila menolak
38
hipotesis nol atau menerima hipotesis alternatif maka model tidak layak (Widarjono, 2010:282). b. Goodness of fit index (GFI) Uji kelayakan model analisis faktor konfirmatori juga dapat dievaluasi dengan menggunakan Goodness of Fit Index (GFI). GFI dihitung dengan menggunakan formula sebagai berikut :
^
tr ( ∑ - 1 S – I )2 GFI = 1 –
^
tr (∑ - 1 S )2
di mana : tr = trace matriks S = kovarian matriks awal S = kovarian matriks model I = identitas matriks Uji kelayakan GFI seperti nilai koefisien determinasi (R2) di dalam uji kelayakan atau kebaikan hasil regresi, nilainya 0 ≤ GFI ≤ 1. Semakin tinggi nilai GFI atau mendekati 1 maka semakin layak model sedangkan nilai GFI semakin mendekati model maka semakin tidak layak model. Sebagai rule of thumb biasanya model dianggap layak bila nilai GFI ≥ 0.90 sebagai cut off value-nya (Widarjono, 2010:283). c. Adjusted goodness of fit index (AGFI) Uji kelayakan Adjusted Goodness of Fit Index (AGFI) merupakan uji kelayakan GFI yang disesuaikan. AGFI, analog dengan koefisien determinasi yang disesuaikan (adjusted R2) dalam regresi 39
berganda. AGFI merupakan GFI yang disesuaikan dengan derajat kebebasan (degree of freedom). Adapun formula untuk AGFI sebagai berikut : p (p+1) AGFI = 1 -
1 – GFI 2df
di mana : P = Jumlah indikator df = degree of freedom
Nilainya terletak antara 0 ≤ GFI ≤ 1. Sebagaimana uji kelayakan GFI, semakin nilainya mendekati 1 maka semakin baik model dan sebaliknya semakin mendekati angka 0 maka semakin tidak layak model. Namun, tidak ada nilai yang pasti AGFI untuk menentukan apakah model layak. Sebagai rule of tumb, cut off value adalah bila AGFI ≥ 0.80 sebagai model yang layak (goodness of fit) (Widarjono, 2010:284). d. Root Mean Squares Error of Approximiation (RMSEA) Kelemahan uji Chi Squares adalah sangat sensitif terhadap jumlah sampel. Sebagai alternatif dan pembanding uji Chi Squares para telah mengembangkan uji kelayakan analisis faktor konfirmatori. Salah satunya adalah Root Mean Squares Error of Approximiation (RMSEA). Sebagai rule of tumb untuk melihat kelayakan model, cut off value adalah bila RMSEA ≤ 0.08. jika nilai RMSEA besarnya 0.08
40
atau lebih kecil maka model dianggap layak. Sebaliknya jika nilainya di atas 0.08 maka model dianggap tidak layak e. Tucker-Lewis Index (TLI) Tucker-Lewis Index atau dikenal dengan nonnormed fit index (NNFI) pertama kali diusulkan sebagai alat untuk mengevaluasi analisis faktor, tetapi sekarang dikembangkan oleh SEM. Ukuran ini menggabungkan ukuran parsimony kedalam indek komparasi antara proposed model dengan null model dan nilai TLI berkisar dari 0 sampai 1.0. nilai TLI yang direkomendasikan adalah ≥ 0.90. f. Normed Fit Index (NFI) Normed Fit Index merupakan ukuran perbandingan antara proposed model dan null model. Nilai NFI akan bervariasi dari 0 (no fit all) sampai 1 (perfect fit). Seperti halnya TLI tidak ada nilai absolut yang dapat digunakan sebagai standar, tetapi umumnya direkomendasikan sama atau > 0.90.
E. Operasional Variabel Penelitian 1. Proksi IOS a. Proksi berbasis pada harga saham 1. Market to Book Value of Asset Ratio
Aset – Total Ekuitas + (Lembar Saham Beredar x Harga Penutupan Saham) MVABVA = Total Asset
41
Rasio Market to book value of asset (MVABVA) dengan dasar pemikiran
bahwa prospek pertumbuhan perusahaan
terefleksi dalam harga saham. Pasar penilai perusahaan yang sedang tumbuh lebih besar dari nilai bukunya ( Isnaeni Rokhayati, 2005). 2. Market to Book Value of Equity Ratio Jumlah Lembar Saham Beredar x Harga Penutupan Saham MVEBVE
= Total Ekuitas
Rasio Market to book value of equity (MVEBVE) dengan dasar pemikiran bahwa pasar menilai return dari investasi perusahaan dimasa yang akan depan lebih besar dari pada return yang diharapkan dari ekuitasnya (Isnaeni Rokhayari, 2005). 3. Earnings to Price ratio Laba per lembar saham EP / Price = Harga saham akhir periode
Houston and Brigham (2001) berpendapat, laba per lembar saham
atau
EPS
adalah
kemampuan
perusahaan
untuk
mendistribusikan pendapatan yang diperoleh kepada pemegang sahamnya.
Semakin
mendistribusikan mencerminkan
tinggi
kemampuan
pendapatan semakin
besar
kepada
perusahaan pemegang
keberhasilan
usaha
untuk saham, yang
dilakukannya.
42
4. Price to Earnings Ratio Harga Penutupan Saham PER
= Laba per lembar saham beredar
Rasio price to earning ratio (PER) dengan dasar pemikiran bahwa nilai ekuitas merupakan jumlah nilai kapitalisasi laba yang dihasilkan dari pengelolaan asset plus nilai sekarang neto (NPV) dari pilihan investasi dimasa datang. Semakin besar rasio PER maka semakin besar pula perusahaan kemungkinan untuk tumbuh ( Isnaeni Rokhayati, 2005).
b. Proksi berbasis pada investasi 1. Rasio Investment to net sales Investasi IONS
= Penjualan bersih
Rasio invesment to net sales (IONS) menggunakan investasi modal sesungguhnya sebagai suatu ukuran nilai buku gross property, plant dan equipment ( Hartono,1999). 2. Rasio capital expenditure to book value asset Nilai Buku Aktiva Tetapt – Nilai Buku Aktiva Tetapt-1 CAPBVA
= Total Asset
Rasio Capital expenditure to book of assets (CAPBVA) menunjukan adanya aliran tambahan modal saham perusahaan
43
yang
dapat
digunakan
untuk
tambahan
investasi aktiva
produktifnya ( Isnaeni Rokhayati, 2005). 3. Rasio capital expenditure to market value of assets Nilai Buku Aktiva Tetapt – Nilai Buku Aktiva Tetapt-1 CAPMVA = Total asset – Total Ekuitas + (Lembar Saham Beredar x Harga Penutupan Saham
Rasio Capital expenditure to market value of asset (CAVMVA) dengan dasar pemikiran bahwa perusahaan yang tumbuh memiliki level aktivitas investasi yang lebih tinggi dibanding dengan perusahaan yang tidak tumbuh ( Isnaeni Rokhayati, 2005).
2. Realisasi Pertumbuhan a. Pertumbuhan penjualan Menurut Basu Swasta (1990: 9) dalam Abdul Azis (2005) , penjualan adalah bagian dari promosi, dan promosi adalah bagian dari keseluruhan. Dalam perekonomian kita (ekonomi uang) seseorang yang menjual sesuatu akan mendapatkan imbalan berupa uang. Jadi dengan adanya penjualan dapat tercipta suatu pertukaran barang atau jasa antara penjual dan pembeli. Rumus : Total Penjualan Bersiht – Total Penjualan Bersiht-1 GRWOSAL
= Total Penjualan Bersiht-1
44
b. Pertumbuhan laba Menurut Simamora (2000), laba suatu perusahaan dari tahun ke tahun dapat meningkat atau mengalami penurunan. Peningkatan laba yang stabil dari suatu perusahaan menunjukkan bahwa pertumbuhan laba perusahaan baik. Demikian juga sebaliknya, penurunan laba dari tahun ke tahun menunjukkan bahwa pertumbuhan laba perusahaan kurang baik. Rumus : Labat – Labat-1 GROWEAR = Labat-1
c. Pertumbuhan nilai buku ekuitas Pertumbuhan nilai buku ekuitas dapat dicari dengan rumus sebagai berikut : Total Ekuitast – Total Ekuitast-1 GROWEQ = Total Ekuitas-1
d. Pertumbuhan aset Pertumbuhan aset dapat dicari dengan rumus sebagai berikut : Total Asett – Total Aset t-1 GROWAS = Total Aset t-1
45
BAB IV HASIL DAN PEMBAHASAN
A. Deskriptif Data Pada skripsi ini, data permasalahan terdiri dari variabel laten (tidak terukur) dan variabel eksogen (terukur). Adapun variabel latennya adalah proksi berbasis harga saham, proksi berbasis investasi, dan realisasi pertumbuhan
sedangkan
variabel
eksogennya
adalah
MVEBVA,
MVEBVE, EPR, PER, IONS, CAPBVA, CAMPVA, GROWSAL, GROWEAR, GROWEQ, dan GROWAS. Variabel-variabel ini didapat dari data perusahaan yang terdaftar di Bursa Efek Indonesia 2006-2009. Grafik 4.1 Data Keseluruhan
Nilai
Data Seluruh 40000000
MVABVA
35000000
MVEBVE
30000000
EP
25000000
PER
20000000
IONS
15000000
CAPBVA
10000000
CAPMVA
5000000
GROWSAL
0 -5000000 1
GROWEAR 11 21 31 41 51 61 71 81 91 Perusahaan
Sumber : data diolah
46
GROWEQ GROWAS
B. Analisis Data dengan Menggunakan Structural Equation Modeling
Gambar 4.2 Model SEM Proksi Harga Saham Terhadap Realisasi Pertumbuhan C. Menilai Identifikasi Model Structural Proksi Berbasis Harga Saham Pengujian pertama untuk model persamaan structural adalah mengindentifikasi model. Ada tiga kemungkinan yang dapat terjadi terhadap model SEM, yaitu : 1. model unidentified, jika nilai t
s 2
2. model just identified, jika nilai t
s 2
3. model overidentified, jika nilai t
s 2
dimana :
t = jumlah parameter yang diestimasi
47
s = jumlah varian dan kovarian antara variable manifest yang merupakan ( p q )( p q 1 ) p = jumlah variable y (indicator variable laten endogen) q = jumlah variable x (indicator variable laten exogen) Pengujian tersebut dapat dilakukan dengan menghitung jumlah data kovarian dan varian dibanding dengan jumlah parameter yang akan diestimasi. Output model summary (table variable counts dan table parameter summary) dapat digunakan untuk menghitung hal tersebut. Tabel 4.1 Parameter Summary Proksi Harga Saham
Fixed Labeled Unlabeled Total
Weights 10 0 6 16
Covariances 0 0 1 1
Variances 0 0 10 10
Means 0 0 0 0
Intercepts 0 0 0 0
Total 10 0 17 27
Sumber : data diolah Pada tabel 4.1 menampilkan ringkasan parameter dalam model. Dapat dilihat terdapat 16 regression weight dimana 10 dengan nilai tetap (fixed) dan 6 yang diestimasi. 10 fixed regression weight meliputi loading pertama dari 2 faktor dan 8 error term. Ada 1 kovarian dan 10 variansi yang diestimasi. Secara total ada 27 parameter dan 17 yang diestimasi. Untuk menilai apakah model just-identified, overidentified, atau unidentified dapat dilakukan dengan menghitung jumlah data kovarian dan varian dibandingkan dengan jumlah parameter yang akan diestimasi, yaitu (p + q)(p + q +1)/2 = (0 + 8)(0 + 8 + 1)/2 = 36 sampel moment sedangkan jumlah parameter yang akan diestimasi 17, sehingga nilai degree of
48
freedomnya adalah 19 (36 – 17 = 19). Jadi dapat disimpulkan bahwa model yang diteliti adalah overidentified ( t
s ) berdasarkan perhitungan 2
yang dilakukan. Namun berdasarkan hasil output bahwa model tersebut unidentified. Hal ini bisa dilihat dari hasil output di bawah ini. Berdasarkan hasil output ini, maka kita akan mengkonstrain (memberi nilai kecil pada eror, yaitu 0.005) 1 nilai eror pada model persamaan structural ini. Di bawah ini adalah gambar setelah model dikonstrain.
Gambar 4.3 Model SEM Saham terhadap Realisasi Pertumbuhan Konstrain Setelah mengkonstrain model tersebut, maka kita akan melihat hasil perhitungan untuk mengindentifikasi model persamaan structural
49
tersebut dengan menggunakan nilai-nilai yang ada di table variable counts dan parameter summary di bawah ini.
Tabel 4.2 Parameter Summary Proksi Harga Saham Konstrain Weights Fixed 10 Labeled 0 Unlabeled 6 Total 16 Sumber : data diolah
Covariances 0 0 1 1
Variances 1 0 9 10
Means 0 0 0 0
Intercepts 0 0 0 0
Total 11 0 16 27
Pada tabel 4.2 menampilkan ringkasan parameter dalam model. Dapat dilihat terdapat 16 regression weight dimana 10 dengan nilai tetap (fixed) dan 6 yang diestimasi. 10 fixed regression weight meliputi loading pertama dari 2 faktor dan 8 error term. Ada 1 kovarian dan 9 variansi yang diestimasi. Secara total ada 27 parameter dan 16 yang diestimasi. Untuk menilai apakah model just-identified, overidentified, atau unidentified dapat dilakukan dengan menghitung jumlah data kovarian dan varian dibandingkan dengan jumlah parameter yang akan diestimasi, yaitu (p + q)(p + q +1)/2 = (0 + 8)(0 + 8+1)/2 =36 sampel moment sedangkan jumlah parameter yang akan diestimasi 16, sehingga nilai degree of freedomnya adalah 20 (36 – 16 = 20). Jadi dapat disimpulkan bahwa setelah dikonstrain model yang diteliti tetap overidentified ( t
s ) 2
berdasarkan perhitungan yang dilakukan. Dan berdasarkan hasil output bahwa model juga overidentified. Hal ini terlihat dari tidak adanya notes pada model.
50
D. Menilai Kriteria Goodness of Fit Proksi Berbasis Harga Saham Menilai goodness of fit merupakan tujuan utama dalam persamaan structural, yaitu ingin mengetahui sampai seberapa jauh model yang dihipotesis “fit” atau cocok dengan sample data. Tabel 4.3 Nilai Chi-Square (CMIN) Proksi Harga Saham Model Default model Saturated model Independence model Sumber : data diolah
NPAR 16 36 8
CMIN 220.849 .000 398.508
DF 20 0 28
P .000
CMIN/DF 11.042
.000
14.232
Tabel 4.4 Goodness of Fit Index & Adjusted Goodness of Fit Index (GFI dan AGFI) Proksi Harga Saham Model Default model Saturated model Independence model Sumber : data diolah
RMR 457263043.647 .000 470177940647.952
GFI .810 1.000 .729
AGFI .657
PGFI .450
.652
.567
Tabel 4.5 Root Mean Square Error of Approximation (RMSEA) Proksi Harga Saham Model Default model Independence model Sumber : data diolah
RMSEA .318 .366
LO 90 .281 .334
HI 90 .357 .398
PCLOSE .000 .000
Berdasarkan hasil goodness of fit seperti terlihat pada output diatas bahwa nilai Chi-Square 220.849 dan nilai probabilitas 0.000. Hasil ini menunjukkan bahwa hipotesis nol yang menyatakan model sama dengan data empiris ditolak yang berarti model tidak fit. Model yang baik harus
51
tidak menolak hipotesis nol yang berarti harus tidak signifikan secara statistik. Namun demikian perlu diketahui bahwa Chi-Square sangat sensitive terhadap jumlah sampel. Semakin besar sampel semakin signifikan. Oleh karena itu, dicari ukuran model fit yang lain, yaitu GFI, AGFI, RMSEA. Output grafik memberikan nilai GFI = 0.810 AGFI = 0.657 keduanya belum memenuhi criteria model fit yaitu di atas 0.90 dan nilai RMSEA = 0.385 di atas 0.080. Secara keseluruhan model ini belum dapat diterima dan belum bisa melakukan langkah selanjutnya. Karena model belum memenuhi criteria model fit, maka dapat dilihat ketidak fit nya model. Untuk memperbaiki nilai goodness of fit dapat dilihat nilai Modification Indices. Nilai Modification Indices ini adalah suatu indikasi adanya model mis fit, sehingga Modification Indices ini dapat memperbaiki nilai goodness of fit menjadi lebih baik. Nilai Modification Indices yang dipilih adalah nilai Modification Indices yang tertinggi, sehingga kita dapat mengkorelasikan antar eror yang memiliki nilai Modification Indices tertinggi. Nilai Modification Indices yang dianjurkan adalah lebih besar dari 3.58. Di bawah ini adalah nilai Modification Indices.
52
Table 4.6 Nilai Modification Indices Proksi Harga Saham terhadap Realisasi Pertumbuhan M.I. Par Change e7 <--> e6 28.022 2413.006 e8 <--> e6 87.443 -3778.306 e8 <--> e7 15.339 1895.717 Sumber : data diolah Berdasarkan tabel 4.6, terlihat bahwa nilai Modification Indices yang tertinggi adalah hubungan e8 dengan e6 yaitu 87.443 yang artinya nilai Chi-Square berkurang apabila eror 8 dan eror 6 dikorelasikan. Di bawah ini adalah perbaikan nilai goodness of fit setelah mengkorelasikan e8 dengan e6.
Gambar 4.4 Model SEM Proksi Harga Saham dengan Modification Indices Berdasarkan hasil output di atas terlihat bahwa seluruh nilai goodness of fit semakin membaik. Hal tersebut terlihat dari nilai Chi-
53
Square yang turun menjadi 8.214 serta nilai probabilitasnya naik menjadi 0.984 nilai GFI dan AGFI naik masing-masing menjadi 0.980 dan 0.962 , dan RMSEA turun menjadi 0.000. Begitu juga dengan nilai TLI dan NFI yang juga naik masing-masing menjadi 1.043 dan 0.979. Hasil ini menunjukkan bahwa semua nilai dari goodness of fit nya sudah semuanya memenuhi syarat yang dianjurkan, sehingga dapat dilanjutkan ke langkah berikutnya.
E. Kelayakan Parameter Estimasi Proksi Berbasis Harga Saham Langkah selanjutnya adalah menilai apakah parameter individual dalam model fit atau tidak adalah melihat bahwa estimasi parameter memberikan tanda dan besaran yang benar sesuai dengan teori. Jika nilai estimasi sangat jauh berbeda dengan yang diharapkan, maka merupakan indikasi adanya kesalahan model atau input matriks tidak cukup memberikan informasi. Beberapa indikasi kesalahan model adalah adanya nilai estimasi korelasi > 1.000 yang dapat dilihat pada table standardized regression weight dan adanya nilai variansi yang negative yang dapat dilihat pada table variances. Dan kesalahan model tersebut dinamakan Heywood Case.
54
Tabel 4.7 Standardized Regression Weights Proksi Harga Saham Terhadap Realisasi Pertumbuhan
EP <--- Proksi berbasis_harga saham PER <--- Proksi berbasis_harga saham MVEBVE <--- Proksi berbasis_harga saham MVABVA <--- Proksi berbasis_harga saham GROWAS <--- Realisasi_pertumbuhan GROWEQ <--- Realisasi_pertumbuhan GROWEAR <--- Realisasi_pertumbuhan GROWSAL <--- Realisasi_pertumbuhan Sumber : data diolah
Estimate .199 -.227 -.807 -.711 .735 1.000 .644 -.103
Tabel 4.8 Variances Proksi Harga Saham terhadap Realisasi Pertumbuhan Estimate Proksi berbasis_harga saham Realisasi_pertumbuhan e7 e4 e3 e2 e1 e8 e6 e5 Sumber : data diolah
1.460 5339.598 .050 35.488 9524.806 61931.594 6735.124 4537.438 3561.965 .048
S.E. 1.718
C.R. .850
1246.957 4.282 5.124 1379.360 46184.895 2860.600 644.925 506.277 .007
6.926 6.905 1.341 2.354 7.036 7.036 7.036
P
Label
.395 par_9 *** par_10 *** *** .180 .019 *** *** ***
par_11 par_12 par_13 par_14 par_15 par_16 par_17
Berdasarkan tabel 4.7 terlihat bahwa nilai standardized regression weight untuk setiap variabel indikator tidak lebih besar dari 1.000, sehingga nilai variansi pada tabel 4.8 tidak ada yang bernilai negative. Hal tersebut menandakan tidak adanya Heywood case pada model. Sehingga model dapat digunakan untuk pengujian selanjutnya. 55
F. Evaluasi Multikolinieritas Proksi Berbasis Harga Saham Multikolinieritas
dapat
dilihat
melalui determinan
matriks
kovarians. Nilai determinan yang sangat kecil menunjukan indikasi terdapatnya masalah Multikolinieritas atau singularitas, sehingga data tersebut tidak dapat digunakan untuk penelitian.
Tabel 4.9 Sample Covariances (Uji Multikolonieritas) GROWSAL GROWEAR GROWEQ GROWAS MVABVA MVEBVE PER EP
GROWSAL .049 -2.332 -3.299 -1.095 1.013 4.839 4.339 .053
GROWEAR
GROWEQ
GROWAS
MVABVA
MVEBVE
6086.042 7251.454 -107.127 -321.796 -675.282 -201.672 -23.007
20832.851 10546.980 -775.610 -2907.583 -412.366 -33.229
9877.04 -470.98 -1675.40 -211.43 -9.940
13611.616 28210.676 1714.227 -106.816
177440.35 7913.111 -387.099
PER
EP
10040.86 -55.114
Condition number = 4042397.832 Eigenvalues 182624.179 28865.748 9814.041 8730.368 7680.153 175.688 35.538 .045 Determinant of sample covariance matrix = 978459627486742000000000.000 Sumber : data diolah Berdasarkan tabel 4.9 hasil output AMOS memberikan nilai determinan
of
sample
covariance
matrix
sebesar
978459627486742000000000.000. Nilai tersebut jauh dari angka nol sehingga
dapat
disimpulkan
bahwa
tidak
terdapat
masalah
multikolinieritas dan singularitas pada data yang dianalisis.
G. Uji Discriminant Validity Proksi Berbasis Harga Saham Uji Discriminant validity merupakan uji yang digunakan untuk mengukur sampai seberapa jauh suatu konstruk benar-benar berbeda dari konstruk yang lainnya. Nilai discriminant validity yang tinggi memberikan
56
36.95
bukti bahwa suatu konstruk adalah unik dan mampu menangkap fenomena yang diukur. Cara pengujiannya adalah membandingkan nilai akar kuadrat dari Analysis Variance Extracted (AVE) dengan nilai korelasi antar konstruk. Jumlah kuadrat standar loading Proksi basis Saham
i didapat dari table 4.7 : 2
: 0.1992 + (-0.227)2 + (-.807)2 + (-0.711)2 = 1.248 : 0.7352 + 12 + 0.6442 + (-0.103)2 = 1.966
Realisasi
Jumlah kesalahan pengukuran 1 i 2 atau variansi error : Proksi basis Saham : (1-0.1992) + (1-(-0.227)2) + (1-(-0.807)2) + (1-(0.711)2) = 2.752 Realisasi
: (1-0.7352 ) + (1-12) + (1-0.6442) + (1-(-0.103)2) = 2.034
AVE
n 2 i i 1 n
n
i i 1
2
var(i) i 1
Jadi untuk setiap variable konstruk adalah sebagai berikut nilai AVE: Proksi basis Saham
:
1.248 0.312 1.248 2.752
Realisasi
:
1.966 0.4915 1.966 2.034
Berikut ini adalah nilai akar kuadrat AVE dari setiap variable konstruk : Proksi basis Saham Realisasi
:
0.312 0.559 :
0.4915 0.701
57
Tabel 4.10 (Hubungan Proksi Berbasis Harga Saham terhadap Realisasi Pertumbuhan)
Proksi berbasis_harga saham <--> Realisasi_pertumbuhan e8 <--> e6 Sumber : data diolah
Estimate .059 -.940
Tabel 4.11 Korelasi antar Konstruk dan Akar Kuadrat AVE Proksi Harga Saham
Saham Realisasi Sumber : data diolah
Saham 0.559 0.059
Realisasi 0.701
Berdasarkan table 4.11 dapat disimpulkan bahwa semua konstruk laten yang ada pada model memiliki nilai akar kuadrat AVE yang lebih tinggi dibandingkan dengan nilai korelasi antar konstuk dan ini menunjukan convergent validity yang baik. Sehingga hal ini sama dengan pengujian multikolinieritas dengan menggunakan nilai Determinant of sample covariance matrix yang menyatakan bahwa suatu konstruk benarbenar berbeda dengan konstruk lainnya (independen). Berdasarkan tabel 4.10 maka dapat terlihat bahwa nilai korelasi dari proksi berbasis harga saham terhadap realisasi pertumbuhan bernilai positif yaitu 0.059. sehingga sama dengan penelitian sebelumnya dan sama dengan teori yang menyatakan korelasi antara proksi berbasis harga saham memiliki nilai korelasi yang positif terhadap realisasi pertumbuhan. Dan hal tersebut baik untuk suatu perusahaan.
58
H. Analisis Data Investasi dengan Menggunakan SEM
Gambar 4.5 Model SEM Proksi Investasi terhadap Realisasi Pertumbuhan
I. Menilai Identifikasi Model Structural Proksi Berbasis Investasi Pengujian pertama untuk model persamaan structural adalah mengindentifikasi model. Ada tiga kemungkinan yang dapat terjadi terhadap model SEM, yaitu : 1. model unidentified, jika nilai t
s 2
2. model just identified, jika nilai t
s 2
3. model overidentified, jika nilai t
s 2
dimana :
t = jumlah parameter yang diestimasi s = jumlah varian dan kovarian antara variable manifest yang merupakan ( p q )( p q 1 )
59
p = jumlah variable y (indicator variable laten endogen) q = jumlah variable x (indicator variable laten exogen) Pengujian tersebut dapat dilakukan dengan menghitung jumlah data kovarian dan varian dibanding dengan jumlah parameter yang akan diestimasi. Output model summary (table variable counts dan table parameter summary) dapat digunakan untuk menghitung hal tersebut. Tabel 4.12 Parameter Summary Proksi Investasi Weights Fixed 9 Labeled 0 Unlabeled 5 Total 14 Sumber : data diolah
Covariances 0 0 1 1
Variances 0 0 9 9
Means 0 0 0 0
Intercepts 0 0 0 0
Total 9 0 15 24
Pada tabel 4.12 menampilkan ringkasan parameter dalam model. Dapat dilihat terdapat 14 regression weight dimana 9 dengan nilai tetap (fixed) dan 5 yang diestimasi. 9 fixed regression weight meliputi loading pertama dari 2 faktor dan 7 error term. Ada 1 kovarian dan 9 variansi yang diestimasi. Secara total ada 24 parameter dan 15 yang diestimasi. Untuk menilai apakah model just-identified, overidentified, atau unidentified dapat dilakukan dengan menghitung jumlah data kovarian dan varian dibandingkan dengan jumlah parameter yang akan diestimasi, yaitu : (p + q)(p + q +1)/2 = (0 + 7)(0 + 7 +1)/2 = 28 sampel moment sedangkan jumlah parameter yang akan diestimasi 15, sehingga nilai degree of freedomnya adalah 13 (28 – 15 = 13). Jadi dapat disimpulkan bahwa
60
model yang diteliti adalah overidentified ( t
s ) berdasarkan perhitungan 2
yang dilakukan. Namun berdasarkan hasil output bahwa model tersebut unidentified. Hal ini bisa dilihat dari hasil output di bawah ini. Berdasarkan hasil output ini, maka kita akan mengkonstrain (memberi nilai kecil pada eror, yaitu 0.005) 2 nilai eror pada model persamaan structural ini. Di bawah ini adalah gambar setelah model dikonstrain.
Gambar 4.6 Model SEM Investasi terhadap Realisasi Pertumbuhan Konstrain Setelah mengkonstrain model tersebut, maka kita akan melihat hasil perhitungan untuk mengindentifikasi model persamaan structural tersebut dengan menggunakan nilai-nilai yang ada di table variable counts dan parameter summary di bawah ini.
61
Tabel 4.13 Parameter Summary Proksi Investasi Konstrain Weights Fixed 9 Labeled 0 Unlabeled 5 Total 14 Sumber : data diolah
Covariances 0 0 1 1
Variances 2 0 7 9
Means 0 0 0 0
Intercepts 0 0 0 0
Total 11 0 13 24
Pada tabel 4.13 menampilkan ringkasan parameter dalam model. Dapat dilihat terdapat 14 regression weight dimana 9 dengan nilai tetap (fixed) dan 5 yang diestimasi. 9 fixed regression weight meliputi loading pertama dari 2 faktor dan 7 error term. Ada 1 kovarian dan 7 variansi yang diestimasi. Secara total ada 24 parameter dan 13 yang diestimasi. Untuk menilai apakah model just-identified, overidentified, atau unidentified dapat dilakukan dengan menghitung jumlah data kovarian dan varian dibandingkan dengan jumlah parameter yang akan diestimasi, yaitu (p + q)(p + q +1)/2 = (0 + 7)(0 + 7 +1)/2 = 28 sampel moment sedangkan jumlah parameter yang akan diestimasi 13, sehingga nilai degree of freedomnya adalah 15 (28 – 13 = 15). Jadi dapat disimpulkan bahwa setelah dikonstrain model yang diteliti tetap overidentified ( t
s ) 2
berdasarkan perhitungan yang dilakukan. Dan berdasarkan hasil output bahwa model juga overidentified. Hal ini terlihat dari tidak adanya notes pada model.
62
J. Menilai Kriteria Goodness of Fit Proksi Berbasis Investasi Menilai goodness of fit merupakan tujuan utama dalam persamaan structural, yaitu ingin mengetahui sampai seberapa jauh model yang dihipotesis “fit” atau cocok dengan sample data. Tabel 4.14 Nilai Chi-Square (CMIN) Proksi Investasi Model Default model Saturated model Independence model Sumber : data diolah
NPAR 13 28 7
CMIN 220.607 .000 443.686
DF 15 0 21
P .000
CMIN/DF 14.707
.000
21.128
Tabel 4.15 Goodness of Fit Index dan Adjusted Goodness of Fit Index (GFI dan AGFI) Proksi Investasi Model Default model Saturated model Independence model Sumber : data diolah
RMR 714.036 .000 2418.990
GFI .789 1.000 .682
AGFI .605
PGFI .422
.576
.511
Tabel 4.16 Root Mean Square Error of Approximation (RMSEA) Proksi Investasi Model Default model Independence model Sumber : data diolah
RMSEA .372 .451
LO 90 .330 .415
HI 90 .416 .488
PCLOSE .000 .000
Berdasarkan hasil goodness of fit seperti terlihat pada output diatas bahwa nilai Chi-Square 220.607 dan nilai probabilitas 0.000. Hasil ini menunjukkan bahwa hipotesis nol yang menyatakan model sama dengan data empiris ditolak yang berarti model tidak fit. Model yang baik harus tidak menolak hipotesis nol yang berarti harus tidak signifikan secara 63
statistik. Namun demikian perlu diketahui bahwa Chi-Square sangat sensitive terhadap jumlah sampel. Semakin besar sampel semakin signifikan. Oleh karena itu, dicari ukuran model fit yang lain, yaitu GFI, AGFI, RMSEA. Output grafik memberikan nilai GFI = 0.789 AGFI = 0.605 keduanya belum memenuhi criteria model fit yaitu di atas 0.90 dan nilai RMSEA = 0.372 di atas 0.080. Secara keseluruhan model ini belum dapat diterima dan belum bisa melakukan langkah selanjutnya. Karena model belum memenuhi kriteria model fit, maka dapat dilihat ketidak fit nya model. Untuk memperbaiki nilai goodness of fit dapat dilihat nilai Modification Indices. Nilai Modification Indices ini adalah suatu indikasi adanya model mis fit, sehingga Modification Indices ini dapat memperbaiki nilai goodness of fit menjadi lebih baik. Nilai Modification Indices yang dipilih adalah nilai Modification Indices yang tertinggi, sehingga kita dapat mengkorelasikan antar eror yang memiliki nilai Modification Indices tertinggi. Nilai Modification Indices yang dianjurkan adalah lebih besar dari 3.58. Di bawah ini adalah nilai Modification Indices. Table 4.17 Nilai Modification Indices Proksi Investasi terhadap Realisasi Pertumbuhan M.I. Par Change e6 <--> e5 28.016 2413.553 e7 <--> e5 87.443 -3778.306 e7 <--> e6 15.368 1898.082 Sumber : data diolah 64
Berdasarkan tabel 4.17, terlihat bahwa nilai Modification Indices yang tertinggi adalah hubungan e7 dengan e5 yaitu 87.443 yang artinya nilai Chi-Square berkurang. Di bawah ini adalah perbaikan nilai goodness of fit setelah menghubungkan e7 dengan e5.
Gambar 4.7 Model SEM Proksi Investasi dengan MI
Berdasarkan hasil output di atas terlihat bahwa seluruh nilai goodness of fit semakin membaik. Hal tersebut terlihat dari nilai ChiSquare yang turun menjadi 7.972 serta nilai probabilitasnya naik menjadi 0.891 nilai GFI dan AGFI naik masing-masing menjadi 0.979 dan 0.958 , dan RMSEA turun menjadi 0.000. begitu juga dengan nilai TLI dan NFI yang juga naik masing-masing menjadi 1.021 dan 0.982. Hasil ini menunjukkan bahwa semua nilai dari goodness of fit nya sudah semuanya memenuhi syarat yang dianjurkan.
65
K. Kelayakan Parameter Estimasi Proksi Berbasis Investasi Langkah selanjutnya adalah menilai apakah parameter individual dalam model fit atau tidak adalah melihat bahwa estimasi parameter memberikan tanda dan besaran yang benar sesuai dengan teori. Jika nilai estimasi sangat jauh berbeda dengan yang diharapkan, maka merupakan indikasi adanya kesalahan model atau input matriks tidak cukup memberikan informasi. Beberapa indikasi kesalahan model adalah adanya nilai estimasi korelasi > 1.000 yang dapat dilihat pada table standardized regression weight dan adanya nilai variansi yang negative yang dapat dilihat pada table variances. Dan kesalahan model tersebut dinamakan Heywood Case. Tabel 4.18 Standardized Regression Weights Proksi Investasi terhadap Realisasi Pertumbuhan
CAPBVA <--CAPMVA <--IONS <--GROWAS <--GROWEQ <--GROWEAR <--GROWSAL <---
Proksi berbasis Investasi Proksi berbasis Investasi Proksi berbasis Investasi Realisasi_pertumbuhan Realisasi_pertumbuhan Realisasi_pertumbuhan Realisasi_pertumbuhan
Estimate 1.000 .777 .056 .735 1.000 .644 -.103
Sumber : data diolah
66
Tabel 4.19 Variances Proksi Investasi terhadap Realisasi Pertumbuhan
Proksi berbasis Investasi Realisasi_pertumbuhan e3 e6 e2 e1 e7 e5 e4
Estimate S.E. 1502.228 213.525 5339.600 1246.957 .050 .050 .000 .000 .058 .008 4537.438 644.925 3561.965 506.276 .048 .007
C.R. P Label 7.035 *** par_8 4.282 *** par_9
7.035 7.036 7.036 7.036 7.036
*** *** *** *** ***
par_10 par_11 par_12 par_13 par_14
Sumber : data diolah Berdasarkan tabel 4.22 terlihat bahwa nilai standardized regression weight untuk setiap variabel indicator tidak lebih besar dari 1.000, sehingga nilai variansi pada tabel 4.23 tidak ada yang bernilai negative. Hal tersebut menandakan tidak adanya Heywood case pada model. Sehingga model dapat digunakan untuk pengujian selanjutnya.
L. Evaluasi Multikolinieritas Multikolinieritas
dapat
dilihat
melalui determinan
matriks
kovarians. Nilai determinan yang sangat kecil menunjukan indikasi terdapatnya masalah Multikolinieritas atau singularitas, sehingga data tersebut tidak dapat digunakan untuk penelitian.
67
Tabel 4.20 Sample Covariances (Uji Multikolonieritas) GROWSAL GROWEAR GROWEQ GROWAS IONS CAPMVA CAPBVA
GROWSAL .049 -2.332 -3.299 -1.095 -.010 .000 .073
GROWEAR
GROWEQ
GROWAS
IONS
CAPMVA
CAPBVA
6086.042 7251.454 -107.127 -.405 .001 41.406
20832.851 10546.980 -1.785 .000 73.474
9877.037 -1.471 .000 36.159
.058 .000 .523
.000 .051
1502.278
Condition number = 25635963147.552 Eigenvalues 28934.338 7685.162 1502.007 176.704 .064 .041 .000 Determinant of sample covariance matrix = 172715.995 Sumber : data diolah Berdasarkan tabel 4.20 hasil output AMOS memberikan nilai determinan of sample covariance matrix sebesar 172715.995. Nilai tersebut jauh dari angka nol sehingga dapat disimpulkan bahwa tidak terdapat masalah multikolinieritas dan singularitas pada data yang dianalisis.
M. Uji Discriminant Validity Proksi Berbasis Investasi Uji Discriminant validity merupakan uji yang digunakan untuk mengukur sampai seberapa jauh suatu konstruk benar-benar berbeda dari konstruk yang lainnya. Nilai discriminant validity yang tinggi memberikan bukti bahwa suatu konstruk adalah unik dan mampu menangkap fenomena yang diukur. Cara pengujiannya adalah membandingkan nilai akar kuadrat dari Analysis Variance Extracted (AVE) dengan nilai korelasi antar konstruk.
68
Jumlah kuadrat standar loading
i didapat dari table 4.22 : 2
Proksi basis Investasi : 12 + (0.777)2 + (0.056)2 = 1.607 Realisasi
: 0.7352 + 12 + 0.6442 + (-0.103)2 = 1.966
Jumlah kesalahan pengukuran 1 i 2 atau variansi error : Proksi basis Investasi : (1-12) + (1-(0.777)2) + (1-(0.056)2) = 1.393 Realisasi
: (1-0.7352) + (1-12) + (1-0.6442) + (1-(-0.103)2) = 2.034
AVE
n 2 i i 1 n
n
i 2 var(i) i 1
i 1
Jadi untuk setiap variable konstruk adalah sebagai berikut nilai AVE: Proksi basis Investasi :
1.607 0.536 1.607 1.393
Realisasi
1.966 0.4915 1.966 2.034
:
Berikut ini adalah nilai akar kuadrat AVE dari setiap variable konstruk : Proksi basis Investasi :
0.536 0.732
Realisasi
0.4915 0.701
:
Tabel 4.21 (Hubungan Proksi Berbasis Investasi terhadap Realisasi Pertumbuhan)
Investasi <--> Realisasi_pertumbuhan e7 <--> e5 Sumber : data diolah
Estimate .013 -.940
69
Tabel 4.22 Korelasi antar Konstruk dan Akar Kuadrat AVE Proksi Investasi
Investasi Realisasi Sumber : data diolah
Investasi 0.732 0.013
Realisasi 0.701
Pada tabel 4.22 dapat disimpulkan bahwa semua konstruk laten yang ada pada model memiliki nilai akar kuadrat AVE yang lebih tinggi dibandingkan dengan nilai korelasi antar konstuk dan ini menunjukan convergent validity yang baik. Sehingga hal ini sama dengan pengujian multikolinieritas dengan menggunakan nilai Determinant of sample covariance matrix yang menyatakan bahwa suatu konstruk benar-benar berbeda dengan konstruk lainnya (independen). Pada tabel 4.21 maka dapat terlihat bahwa nilai korelasi dari proksi berbasis harga saham terhadap realisasi pertumbuhan bernilai positif yaitu 0.013. sehingga sama dengan penelitian sebelumnya yang dilakukan oleh Isnaeni Rokhayati pada tahun 2005 dan sama dengan teori yang menyatakan korelasi antara proksi berbasis Investasi memiliki nilai korelasi yang positif terhadap realisasi pertumbuhan. Dan hal tersebut baik untuk suatu perusahaan karena akan banyak investor menanamkan modelnya ke perusahaan tersebut karena investasi yang ditanamkan diharapkan akan memberikan return yang tinggi.
70
N. Interpretasi 1. Proksi IOS Berbasis Harga Saham Terhadap Realisasi Pertumbuhan Hasil uji kesesuaian Chi Square atau (X2) sebesar 8.214 dengan probabilitas P = 0.984 nilai (Goodness of Fit Index) GFI sebesar 0.980 dan (Adjusted Goodness of Fit Index) AGFI sebesar 0.962 dan (Root Mean Squares Error of Approximation) RMSEA sebesar 0.000. Begitu juga dengan nilai (Tucker-Lewis Index) TLI sebesar 1.043 dan (Normed Fit Index) sebesar 0.979. Hasil ini menunjukkan bahwa semua nilai dari goodness of fitnya sedah semuanya memenuhi kriteria. Uji Discriminant Validity merupakan uji yang digunakan untuk mengukur sampai seberapa jauh susatu konstruk benar-benar berbeda dari konstruk yang lainnya. Bukti bahwa suatu konstruk adalah unik dan mampu menangkap fenomena yang diukur. Cara pengujiannya adalah dengan membandingkan nilai akar kuadrat dari analisis variance extracted (AVE) dengan nilai korelasi antar konstruk. Dilihat dari jumlah proksi berbasis saham sebesar 1.248 dan realisasi pertumbuhan sebesar 1.966 sedangkan jumlah kesalahan pengukuran atau variansi error proksi berbasis saham sebesar 2.752 dan realisasi pertumbuhan sebesar 2.034. Jadi untuk setiap variabel konstruk nilai AVE dari proksi berbasis saham sebesar 0.312 dan realisasi pertumbuhan sebesar 0.4915. Kemudian nilai tersebut dikuadratkan dari setiap variabel konstruk proksi berbasis saham sebesar 0.559 dan realisasi pertumbuhan sebesar 0.701. Dapat disimpulkan bahwa semua konstruk laten yang ada pada
71
model memiliki nilai akar kuadrat AVE yang lebih tinggi dibandingkan dengan nilai korelasi antar konstruk dan ini menunjukkan convergent validity yang baik. 2. Proksi IOS Berbasis Investasi Terhadap Realisasi Pertumbuhan Hasil uji kesesuaian Chi Square atau (X2) sebesar 7.972 dengan probabilitas P = 0.891 nilai (Goodness of Fit Index) GFI sebesar 0.979 dan (Adjusted Goodness of Fit Index) AGFI sebesar 0.958 dan (Root Mean Squares Error of Approximation) RMSEA sebesar 0.000. Begitu juga dengan nilai (Tucker-Lewis Index) TLI sebesar 1,021 dan (Normed Fit Index) sebesar 0.982. Hasil ini menunjukkan bahwa semua nilai dari goodness of fitnya sedah semuanya memenuhi kriteria. Uji Discriminant Validity merupakan uji yang digunakan untuk mengukur sampai seberapa jauh susatu konstruk benar-benar berbeda dari konstruk yang lainnya. Bukti bahwa suatu konstruk adalah unik dan mampu menangkap fenomena yang diukur. Cara pengujiannya adalah dengan membandingkan nilai akar kuadrat dari analisis variance extracted (AVE) dengan nilai korelasi antar konstruk. Dilihat dari jumlah proksi berbasis saham sebesar 1.607 dan realisasi pertumbuhan sebesar 1.966 sedangkan jumlah kesalahan pengukuran atau variansi error proksi berbasis saham sebesar 1.393 dan realisasi pertumbuhan sebesar 2.034. Jadi untuk setiap variabel konstruk nilai AVE dari proksi berbasis saham sebesar 0.536 dan realisasi pertumbuhan sebesar 0.4915. Kemudian nilai tersebut dikuadratkan dari setiap variabel konstruk
72
proksi berbasis saham sebesar 0.732 dan realisasi pertumbuhan sebesar 0.701. Dapat disimpulkan bahwa semua konstruk laten yang ada pada model memiliki nilai akar kuadrat AVE yang lebih tinggi dibandingkan dengan nilai korelasi antar konstruk dan ini menunjukkan convergent validity yang baik. Penelitian ini sejalan dengan penelitian terdahulu yang dilakukan oleh Isnaeni Rokhayati (2005) dengan hasil pengujian penelitian IOS mempunyai korelasi terhadap semua unsur realisasi pertumbuhan perusahaan baik untuk perusahaan yang tumbuh maupun yang tidak tumbuh. Dilihat dari penelitian terdahulu yang dilakukan oleh Hartono (2002), Confirmatory factor analysis dilakukan dengan mengevaluasi koefisien yang disebut dengan construct loadings atau factor loadings atau lambda value. Construct loadings digunakan untuk menilai kecocokan dan kesesuaian variabel terukur dalam membentuk sebuah variabel laten. Hasil Confirmatory factor analysis terhadap semua variabel terukur yang membentuk variabel laten pada setiap model t+1 sampai dengan t+4 menunjukkan bahwa ada kecocokan hubungan yang signifikan. Ini berarti pengklasifikasian variabel terukur yang membentuk variabel laten telah benar dilakukan dan sesuai dengan berbagai penelitian proksi IOS yang telah dilakukan. Khusus untuk model gabungan proksi IOS berbasis varian dengan realisasi pertumbuhan pada t+3 dan t+4 menunjukkan hasil constract loadings yang tidak signifikan untuk variabel terukurnya. Hasil
73
ini kemungkinan disebabkan karena jumlah variabel terukur yang membentuk variabel laten hanya sedikit. Hasil uji kesesuaian dari semua model yang dikembangkan pada penelitian tersebut, yaitu model gabungan proksi IOS berbasis harga, investasi dan varian dengan realisasi pertumbuhan menujukkan hasil yang fit. Ini berarti ada kesesuaian antara data sesungguhnya dengan model yang dikembangkan. Dengan demikian model-model ini dapat digunakan dalam penelitian yang berkaitan dengan proksi IOS, terutama sebagai alternatif penggabungan proksi IOS sebagai upaya untuk mengurangi measurement error. Hasil uji korelasi pada semua model tersebut menunjukkan hasil yang konsisten dengan penelitian-penelitian sebelumnya Fijriyanti, 2000, yaitu berkorelasi positif dengan realisasi pertumbuhan. Gabungan proksi IOS berbasis varian menunjukkan korelasi positif yang relatif kuat dan signifikan pada tahun realisasi pertumbuhan t+1 dan t+2. Gabungan proksi IOS berbasis harga dan investasi juga menunjukkan korelasi positif dan memiliki signifikansi dengan realisasi pertumbuhan yaitu sejak t+1 sampai dengan t+4. Hasil penelitian yang dilakukan oleh peneliti sejalan dengan hasil penelitian yang dilakukan oleh Hartono. Hasil penelitian yang dilakukan oleh peneliti menunjukkan bahwa uji kesesuaian model gabungan proksi IOS
dengan
klasifikasi
IOS
memiliki
kesesuaian
dengan
data
sesungguhnya yang dilihat dari nilai goodness of fit. Kemudian dari hasil
74
uji korelasi, gabungan proksi individual IOS berbasis harga saham dan investasi memiliki korelasi positif dengan realisasi pertumbuhan.
75
BAB V KESIMPULAN DAN SARAN
5.1
Kesimpulan Hasil dari pembahasan yang dituangkan pada bab 4, dapat disimpulkan sebagai berikut : 1. Model gabungan proksi IOS dengan klasifikasi
IOS memiliki
kesesuaian dengan data sesungguhnya yang dapat dilihat dari nilai goodness of fit yang telah memenuhi syarat yang dianjurkan. Hal ini sesuai dengan yang diharapkan berdasarkan teori, bahwa setiap model pada structural equation models harus sesuai dengan data sesunguhnya dan kesesuaian tersebut dapat dilihat dari nilai goodness of fit nya. 2. Gabungan proksi individual IOS berbasis harga saham memiliki korelasi positif dengan realisasi pertumbuhan, yaitu memiliki nilai korelasi 0.059. Hal tersebut sesuai dengan teori yang menyatakan bahwa Proksi ini didasari pada anggapan yang menyatakan bahwa prospek pertumbuhan perusahaan secara parsial dinyatakan dalam harga-harga saham, dan perusahaan yang tumbuh akan memiliki nilai pasar yang lebih tinggi secara relative untuk aktiva-aktiva yang dimiliki (asset in place) dibandingkan perusahaan yang tidak tumbuh. 3. Gabungan proksi individual IOS berbasis investasi memiliki korelasi positif dengan realisasi pertumbuhan, yaitu memiliki nilai korelasi 0.013. Hal tersebut juga sama dengan penelitian terdahulu yang dilakukan oleh
76
Isnaeni Rokhayati (2005) yang juga menyatakan bahwa proksi IOS berbasis Investasi memiliki korelasi yang positif. Dan hal ini juga sesuai dengan teori yang menyatakan bahwa bila proksi IOS berbasis investasi memiliki nilai korelasi yang positif terhadap realisasi pertumbuhan, maka banyak investor yang ingin menanamkan modalnya ke perusahaan tersebut karena investasi yang ditanamkan diharapkan akan memberikan return yang tinggi.
5.2
Saran 1. Pada penelitian berikutnya dapat dikembangakan model dengan memasukkan variabel proksi IOS yang belum digunakan pada penelitian ini seperti rasio R&D expense to firm value, rasio R&D expense total assets, rasio R&D expense to sales dan variance of assetdeflated sales. 2. Menambah jumlah sampel, yang diharapkan dapat memberikan hasil kesesuaian yang lebih stabil. 3. Penelitian berikutnya juga dapat menggabungkan dengan variabelvariabel gabungan proksi IOS yang dibentuk dengan variabel instrumental dan skor faktor.
77
DAFTAR PUSTAKA Abdul Azis, Mohamad, “Pengaruh Earnings Per Share (Eps) Dan Pertumbuhan Penjualan Terhadap Perubahan Harga Saham Pada Perusahaan Makanan Dan Minuman Yang Terdaftar Di Bursa Efek Jakarta (BEJ)”, Universitas Negeri Semarang, 2005
Abdul, Hamid, “Pedoman Penulisan Skripsi”, Fakultas Ekonomi dan Ilmu Sosial, Universitas Islam Syarif Hidayatullah, Jakarta, 2007.
Adam Tim dan VidhanK, Goyal, “The Invesment Opportunity Set and its proxy variable: Theory and evidence” finance workshop hongkong University of science and Technology. 1-5, 1999.
Adi Prasetyo, 2000.”Asosiasi antara Investment Opportunity Set (IOS), dengan kebijakan Pendanaan, Kebijakan Deviden, Beta dan Perbedaan Reaksi Pasar: Bukti Empiris dari Bursa Efek Jakarta.”Simposium Nasional Akuntansi III.pp.878-905
Agustina Maria Vianey Nopratiwi, “Analisis Korelasi investment Opportunity Set terhadap Return Saham.” Thesis Pasca Sarjana FE UGM, 2001
Bodie, Zvi., Kane, Alex., dan Markus, Alan J, “Investments”. Sixth Edition. McGraw Hill, 2005.
Eugene F. Brigham, Manajemen Keuangan, Jakarta, Erlangga, 2001.
Fijrijanti, Tettet dan Hartono, Jogianto. "Analisis Korelasi Pokok IOS dengan Realisasi Pertumbuhan, Kebijakan Pendanaan dan Dividen." Simposium Nasional Akuntansi III. pp. 851–877, 2000.
Gagaring Pagalung, “Pengaruh Kombinasi Keunggulan dan Keterbatasan Perusahaan terhadap Set Kesempatan Investasi (IOS)” Simposium Nasional Akuntansi 5.pp.662-673, 2000.
78
Ghazali Imam, Model Persamaan Struktural Konsep dan Aplikasi Dengan Program AMOS 16.0, Semarang, UNDIP, 2008.
Hartono, Jogiyanto, “Teori Portofolio dan Analisis Investasi”. Yogyakarta BEPE, 1998.
Hasnawati Sri, “Dampak Set Peluang Investasi Terhadap Nilai Perusahaan Publik di BEJ” Fakultas Ekonomi Lampung, 2005.
Hutchinson Mario, Gul Ferdinand A, “Invesment Opportunity Set Corporate Governance Practices and Firm Performance”, Fakulty Of Business and Low, University Deakin, 2003.
I Ketut Jati, “Relevansi Dividen Yield dan Price Earning Ratio dengan moderasi Investment Opportunity Set (IOS) dalam Penilaian Harga Saham”. pp.575587.2003
Iswahyuni, Yetti dan L. Suryanto,. “Analisis Perbedaan Perusahaan Tumbuh dan Tidak Tumbuh.” Jurnal Bisnis dan Ekonomi, Edisi September, FEKON, Universitas Diponegoro, Semarang, 2000.
Imam Subekti dan Indra Wijaya Kusuma, “Asosiasi antara Set Kesempatan Investasi dengan Kebijakan Pendanaan dan Dividen Perusahaan, serta Implikasinya pada Perusahaan Harga Saham”, Simposium Nasional Akuntansi III.pp.820850, 2000, Thesis Pasca Sarjana FE UGM.
Jones, Stewart dan Rohit Sarma, “The Association Between The Investment Opportunity Set and Corporate Financing and Dividend Decision: Some Australian Evidence. Managerial Finance,48-64.
Julianto Agung Nugroho dan Jogiyanto Hartono..”Confirmatory factor Analysis Gabungan proksi Investment Opportunity Set dan Hubungannya terhadap Realisasi Pertumbuhan.”pp.192-212, 2002.
Kaaro Hermeindito, “Searching Proxies of Investment Opportunity Set and Identifying Information Content”, Universitas Surabaya, vol. 4 No. I Maret 2002.
79
Kusuma, Jefri Riyadi,. “Investment Opportunity Set (Ios) Dan Realisasi Pertumbuhan Perusahaan Dalam Menerapkan Kebijakan Pendanaan Dan Kebijakan Dividen.” FE
UI, 2008. Kallapur, Sanjay dan Mark A. Trombley, “The Association Between Investment Opportunity Set Proxies and Realized Growth”. Journal of Business Finance and Accounting, 505-513, 1999.
Ngadlan, Riadi RM, “Pengaruh Investment Opportunity Set (IOS) dengan Tingkat Pertumbuhan (sustainable growth) di bursa Efek Jakarta (BEJ)”, Semarang, Universitas Riau, Pekan Baru. 2005.
Prasetyo, Adi. "Asosiasi antara Investment Opportunity Set (IOS), dengan Kebijakan Pendanaan, Kebijakan Dividen, Beta dan Perbedaan Reaksi Pasar Bukti Empiris dari Bursa Efek Jakarta”. Simposium Nasional Akuntansi III. pp. 878-905, 2000.
Saputro, Julianto Agung. "Analisa Hubungan Antara Gabungan Proksi Investment Opportunity Set dan Real Growth dengan Menggunakan Pendekatan Confimatory Factor Analysis”. Jurnal Riset Akuntansi Indonesia. Vol. 6. No.1, Januari pp. 69–92, 2003.
Parwanto, B, M. “ Variabel laten dalam Riset Sosial dan keperilakuan.” kuliah Perdana Program Magister Sains UGM.
Rokhayati, Isnaeni. “Analisis Hubungan Investment Opportunity Set (IOS) Dengan Realisasi Pertumbuhan Serta Perbedaan Perusahaan Yang Tumbuh dan Tidak Tumbuh Terhadap Kebijakan Pendanaan dan Dividen Di Bursa Efek Jakarta”. SMART. Vol. 1 No. 2 Januari 2005 : p. 41-60, 2005.
Ross, Stephen A., Westerfield, Randolph W., dan Jaffe, Jeffrey F., “Corporate Finance 7ed” McGraw-Hill International Edition, 2005.
80
Sami, Heibollah, S.M. Simon Ho dan C.K. Kevin Lam, “Association Between the Investment Opportunity Set and Corporate Financing, Dividend, Leasing, and Compenatioan policies, Some Evidence from the Emerging Market”, Working Paper, 1999.
Simamora, Henry, “Akuntansi (Basis Pengambilan Keputusan Bisnis). Edisi 1”. Jakarta, Salemba Empat, 2000.
Skinner, Douglas J. “The Investment Opportunity Set and Accounting Procedure Choice: Prelimenary evidence. Journal of Accounting and Economics”, 407445. 1993.
Widarjono, Agus, “Analisis Statistika Multivariant Terapan”, Cetakan I, Edisi Pertama, Sekolah Tinggi Ilmu Manajemen YKPN, 2010.
81
DAFTAR RIWAYAT HIDUP
Data Pribadi Nama Tempat / Tanggal lahir Alamat Agama Jenis Kelamin Suku Status No.Telpon.
: Akibar : Rantau Panjang, 05 Januari 1986 : Jl. Prof Hamka Komplek Puri Permata No. A7 : Islam : Wanita : Sumatera Selatan : Belum Menikah : 081367061062
Pendidikan Formal
Tahun 1993 - 1999 Tahun 2000 - 2003 Tahun 2003 - 2006 Tahun 2006 - 2011 Hidayatullah.
: SDN Al marhamah, Ngulak. : Nurul Huda, Kasmaran. : SMA PGRI, Babat Toman. : SI Universitas Islam Negeri Syarif
Pengalaman Organisasi > Tahun 2003-2004 > Tahun 2004-2005 > Tahun 2008-2009
: Bendahara OSIS SMA PGRI.Babat Toman. : Pasukan Gerakan Pencinta Alam Toman. : Bendahara KKS/KKN di Desa Kopo Bogor.
Lampiran 1
PROKSI HARGA SAHAM Data Laporan Keuangan dengan Perhitungan Market to Book Value of Asset (dalam jutaan rupiah)
Market to book value of Asset Tahun
Kode
TURI
2,857,847
673,853
1,395,000,000
Harga Penutupan Saham 100
UNTR
11,247,846
4,594,437
2,851,609,100
250
11,247,846
590,296
373,293
306,000,000
1,000
590,296
SMGR
7,496,419
5,499,614
593,152,000
2,184
7,496,419
SMSM
716,686
451,062
1,439,668,860
100
716,686
Aset
IKBI
2006
Total Ekuitas
Lembar Saham beredar
Total Aset 2,857,847
MRAT
291,769
264,313
428,000,000
125
291,769
BATA
271,460,708
190,086,894
13,000,000
1,000
271,460,708
LTLS
1,830,516
506,603
780,000,000
250
1,830,516
CLPI
133,360
64,979
306,338,500
100
133,360
BRAM
1,530,173
833,625
450,000,000
500
1,530,173
BUDI
931,614
228,784
1,231,500,000
125
931,614
AKRA
2,377,340
1,039,093
624,000,000
500
2,377,340
INTA
831,846
350,000
432,005,844
250
831,846
AUTO
2,452,446
1,864,461
771,157,280
500
2,452,446
ASII
25,770,641
22,375,766
4,048,355,314
500
25,770,641
SRSN
330,445
160,550
6,020,000,000
50
330,445
SCCO
673,668
311,668
205,583,400
1,000
673,668
KBLM
459,111
152,353
1,120,000,000
185
459,111
KBLI
441,085
63,803
3,075,000,000
500
441,085
JECC
362,648
63,593
151,200,000
500
362,648
AQUA
795,244
447,226
13,162,473
1,000
795,244
TOTO
908,168
280,679
49,536,000
1,000
908,168
MERK
2,826,999
235,539
22,400,000
1,000
2,826,999
UNVR
4,626,000
2,368,527
7,630,000,000
10
4,626,000
MYOR
1,553,377
969,476
766,584,000
500
1,553,377
82
Market to book value of Asset Tahun
Kode
TURI
3,345,245
856,276
1,395,000,000
Harga Penutupan Saham 100
UNTR
13,002,619
5,733,335
2,851,609,100
250
13,002,619
IKBI
589,322
440,049
306,000,000
1,000
589,322
SMGR
7,496,419
5,499,614
593,152,000
1,000
7,496,419
SMSM
830,050
482,204
1,439,668,860
100
830,050
MRAT
315,998
279,559
428,000,000
125
315,998
BATA
332,080
207,700
13,000,000
1,000
332,080
LTLS
2,135,084
596,140
780,000,000
250
2,135,084
Aset
2007
Total Ekuitas
Lembar Saham beredar
Total Aset 3,345,245
CLPI
167,583
73,206
14,161,974,339
100
167,583
BRAM
1,554,863
894,006
450,000,000
500
1,554,863
BUDI
1,485,651
625,962
1,231,500,000
125
1,485,651
AKRA
3,497,591
1,277,619
3,120,000,000
100
3,497,591
INTA
863,818
320,090
432,005,844
250
863,818
AUTO
2,919,970
2,261,414
771,157,280
500
2,919,970
ASII
30,388,037
26,962,594
4,048,355,314
500
30,388,037
SRSN
334,128
186,249
6,020,000,000
50
334,128
SCCO
1,293,677
350,955
205,583,400
1,000
1,293,677
KBLM
432,681
217,547
1,120,000,000
1,000
432,681
KBLI
499,368
182,527
3,997,235,107
500
499,368
JECC
470,475
87,265
151,200,000
500
470,475
AQUA
891,530
507,270
13,162,473
1,000
891,530
TOTO
913,995
317,241
49,536,000
1,000
913,995
MERK
331,062
280,224
22,400,000
1,000
331,062
UNVR
5,333,406
2,692,141
7,630,000,000
10
5,333,406
MYOR
1,893,175
1,081,795
766,584,000
500
1,893,175
83
Market to book value of Asset Tahun
Kode Aset
Lembar Saham beredar
Harga Penutupan Saham 100
Total Aset
TURI
3,583,328
1,024,630
1,395,000,000
UNTR
15,662,318
11,131,607
3,326,877,283
250
15,662,318
636,409
507,136
306,000,000
1,000
636,409
SMGR
10,602,964
8,069,586
5,998,330,500
100
10,602,964
SMSM
929,753
546,222
1,439,668,860
100
929,753
MRAT
354,781
303,623
428,000,000
125
354,781
BATA
4,019,001
273,118
13,000,000
1,000
4,019,001
LTLS
3,494,853
799,390
780,000,000
250
3,494,853
CLPI
258,898
90,404
306,338,500
100
258,898
BRAM
1,672,766
998,025
450,000,000
500
1,672,766
BUDI
1,698,750
618,850
3,812,510,833
125
1,698,750
AKRA
4,874,851
1,608,244
3,125,400,000
100
4,874,851
INTA
1,137,218
328,623
432,005,844
250
1,137,218
AUTO
3,981,316
2,652,969
771,157,280
500
3,981,316
ASII
37,777,000
33,080,000
4,048,355,314
500
37,777,000
SRSN
392,937
193,041
6,020,000,000
50
392,937
SCCO
1,126,782
356,007
205,583,400
1,000
1,126,782
KBLM
354,781
221,535
1,120,000,000
963
354,781
KBLI
607,232
208,135
4,007,235,107
500
607,232
JECC
673,397
90,000
151,200,000
500
673,396
AQUA
1,003,488
581,580
13,162,473
1,000
1,003,488
TOTO
1,031,131
363,190
49,536,000
1,000
1,031,131
MERK
375,064
327,324
22,400,000
1,000
375,364
UNVR
6,504,736
3,100,312
7,630,000,000
10
6,504,736
MYOR
2,922,998
1,245,109
766,584,000
500
2,922,998
IKBI
2008
Total Ekuitas
3,583,328
84
Market to book value of Asset Tahun
Kode Aset
Lembar Saham beredar
Harga Penutupan Saham 100
Total Aset
TURI
1,770,692
1,000,217
1,395,000,000
UNTR
17,586,061
13,843,710
3,326,877,283
250
17,586,061
561,949
492,104
306,000,000
1,000
561,949
SMGR
12,591,308
10,197,679
5,931,520,000
100
12,591,308
SMSM
941,651
497,822
1,439,668,860
100
941,651
MRAT
365,636
316,412
428,000,000
125
365,636
BATA
401,901
301,344
13,000,000
1,000
401,901
LTLS
3,081,130
763,343
780,000,000
250
3,081,130
CLPI
219,199
115,308
306,338,500
100
219,199
BRAM
1,349,631
981,988
450,000,000
500
1,349,631
BUDI
1,598,824
744,040
3,815,837,331
125
1,598,824
AKRA
6,059,070
1,741,060
3,138,292,500
100
6,059,070
INTA
1,039,511
357,457
432,005,844
250
1,039,511
AUTO
4,054,652
3,208,778
771,157,280
500
4,054,652
ASII
44,387,000
39,894,000
4,048,355,314
500
44,387,000
SRSN
413,777
218,423
6,020,000,000
50
413,777
SCCO
1,042,755
375,074
205,583,400
1,000
1,042,755
KBLM
354,781
223,230
1,120,000,000
963
354,781
KBLI
490,722
229,634
4,007,235,107
500
490,722
JECC
587,381
102,510
151,200,000
500
587,381
AQUA
1,147,206
656,915
13,162,473
1,000
1,147,206
TOTO
1,010,892
528,673
49,536,000
1,000
1,010,892
MERK
433,971
354,194
22,400,000
1,000
433,971
UNVR
7,484,990
3,702,819
7,630,000,000
10
7,484,990
MYOR
3,246,499
1,581,755
766,584,000
500
3,246,499
IKBI
2009
Total Ekuitas
1,770,692
85
Lampiran 2 Data Laporan Keuangan dengan Perhitungan Market to Book Value of Equity (dalam jutaan rupiah) Market to book value of equity Tahun
Kode
TURI
Jumlah Lembar Saham Beredar 250,000,000
Harga Penutupan Saham 100
UNTR
6,000,000,000
250
IKBI
2006
Total Ekuitas 673,853 4,594,437
321,000,000
1,000
373,293
SMGR
2,000,000,000
2,184
5,499,614
SMSM
2,000,000,000
100
451,062
MRAT
800,000,000
125
264,313
BATA
20,000,000
1,000
190,086,894
LTLS
2,400,000
250
506,603
CLPI
1,000,000,000
100
64,979
BRAM
700,000,000
500
833,625
BUDI
4,200,000,000
125
228,784
AKRA
832,000,000
500
1,039,093
INTA
696,000,000
250
350,000
AUTO
2,000,000,000
500
1,864,461
ASII
6,000,000,000
500
22,375,766
SRSN
12,000,000,000
50
160,550
SCCO
500,000,000
1,000
311,668
KBLM
1,374,918,822
185
152,353
KBLI
4,560,000,000
500
63,803
JECC
600,000,000
500
63,593
AQUA
45,000,000
1,000
447,226
TOTO
150,000,000
1,000
280,679
MERK
22,400,000
1,000
235,539
UNVR
7,630,000,000
10
2,368,527
MYOR
3,000,000,000
500
696,476
86
Market to book value of equity Tahun
Kode
TURI
Jumlah lembar saham beredar 2,500,000,000
harga penutupan saham 100
UNTR
6,000,000,000
250
5,733,335
321,000,000
1,000
440,049
SMGR
2,000,000,000
1,000
5,499,614
SMSM
2,000,000,000
100
482,204
MRAT
800,000,000
125
279,559
BATA
20,000,000
1,000
207,700
LTLS
2,400,000,000
250
596,140
CLPI
1,000,000,000
100
73,206
BRAM
700,000,000
500
894,006
BUDI
4,200,000,000
125
625,962
AKRA
7,500,000,000
100
1,277,619
INTA
696,000,000
250
320,090
AUTO
2,000,000,000
500
2,261,414
IKBI
2007
total ekuitas 856,276
ASII
6,000,000,000
500
26,962,594
SRSN
12,000,000,000
50
186,249
SCCO
500,000,000
1,000
350,955
KBLM
1,374,918,822
1,000
217,547
KBLI
4,748,000,000
500
182,526
JECC
600,000,000
500
87,265
AQUA
45,000,000
1,000
507,270
TOTO
150,000,000
1,000
317,241
MERK
22,400,000
1,000
280,224
UNVR
7,630,000,000
10
2,692,141
MYOR
3,000,000,000
500
1,081,795
87
Market to book value of equity Tahun
2008
Kode
TURI
Jumlah Lembar Saham Beredar 2,500,000,000
Harga Penutupan Saham 100
UNTR
6,000,000,000
250
11,131,607
IKBI
321,000,000
1,000
507,136
SMGR
20,000,000
100
8,069,586
SMSM
2,000,000,000
100
546,222
MRAT
800,000,000
125
303,623
BATA
20,000,000
1,000
273,118
LTLS
2,400,000,000
250
799,390
CLPI
1,000,000,000
100
90,404
BRAM
700,000,000
500
998,025
BUDI
4,200,000,000
125
618,850
AKRA
7,500,000,000
100
1,608,244
INTA
696,000,000
250
328,623
AUTO
2,000,000,000
500
2,652,969
Total Ekuitas 1,024,630
ASII
6,000,000,000
500
33,080,000
SRSN
12,000,000,000
50
193,041
SCCO
500,000,000
1,000
356,007
KBLM
1,374,918,822
963
221,535
KBLI
5,788,000,000
500
208,135
JECC
600,000,000
500
90,000
AQUA
45,000,000
1,000
581,580
TOTO
150,000,000
1,000
363,190
MERK
22,400,000
1,000
327,324
UNVR
7,630,000,000
10
3,100,312
MYOR
3,000,000,000
500
1,245,109
88
Market to book value of equity Tahun
Kode
TURI
Jumlah Lembar Saham Beredar 2,500,000,000
Harga Penutupan Saham 100
UNTR
6,000,000,000
250
13,843,710
321,000,000
1,000
492,104
SMGR
20,000,000,000
100
10,197,679
SMSM
2,000,000,000
100
497,822
MRAT
800,000,000
125
316,412
BATA
20,000,000
1,000
301,344
LTLS
2,400,000,000
250
763,343
CLPI
1,000,000,000
100
115,309
BRAM
700,000,000
500
981,988
BUDI
4,200,000,000
125
744,040
AKRA
7,500,000,000
100
1,741,060
INTA
696,000,000
250
357,457
AUTO
2,000,000,000
500
3,208,778
IKBI
2009
Total Ekuitas 1,000,217
ASII
6,000,000,000
500
39,894,000
SRSN
12,000,000,000
50
218,423
SCCO
500,000,000
1,000
375,074
KBLM
1,374,918,822
963
223,230
KBLI
5,749,000,000
500
229,634
JECC
600,000,000
500
102,510
AQUA
45,000,000
1,000
656,915
TOTO
150,000,000
1,000
528,673
MERK
22,400,000
1,000
354,184
UNVR
7,630,000,000
10
3,702,819
MYOR
3,000,000,000
500
1,581,755
89
Lampiran 3 Data Laporan Keuangan dengan Perhitungan
Earnings to Price Ratio (dalam jutaan rupiah) Earnings to Price Ratio Tahun
Kode Laba per lembar saham
2006
Harga saham akhir periode
TURI
16
100
UNTR
326
250
IKBI
253
1,000
SMGR
2,184
1,000
SMSM
46
100
MRAT
21
125
BATA
1,551
1,000
LTLS
38
250
CLPI
21
100
BRAM
41
500
BUDI
17
125
AKRA
205
500
INTA
16
250
AUTO
366
500
ASII
917
500
SRSN
4
50
SCCO
251
1,000
KBLM
9
185
KBLI
16
500
JECC
4
500
AQUA
3,712
1,000
TOTO
1,609
1,000
MERK
3,863
1,000
UNVR
226
10
MYOR
122
500
90
Earnings to Price Ratio Tahun
2007
Kode
TURI
Laba per lembar saham 136
UNTR
524
250
IKBI
253
1000
SMGR
2,184
1,000
SMSM
56
100
MRAT
26
125
BATA
2,660
1000
LTLS
92
250
Harga saham akhir periode 100
CLPI
32
100
BRAM
87
500
BUDI
19
125
AKRA
61
100
INTA
22
250
AUTO
590
500
ASII
1,610
500
SRSN
4
50
SCCO
264
1000
KBLM
9
1,000
KBLI
6
500
JECC
152
500
AQUA
5,008
1,000
TOTO
1,138
1,000
MERK
3,995
1,000
UNVR
257
10
MYOR
185
500
91
Earnings to Price Ratio Tahun
2008
Kode
TURI
Laba per lembar saham 176
UNTR
884
250
IKBI
319
1,000
SMGR
426
100
SMSM
64
100
MRAT
52
125
BATA
12,120
1000
LTLS
187
250
Harga saham akhir periode 100
CLPI
65
100
BRAM
211
500
BUDI
9
125
AKRA
67
100
INTA
53
250
AUTO
734
500
ASII
2,270
500
SRSN
1
50
SCCO
55
1000
KBLM
4
963
KBLI
7
500
JECC
1
500
AQUA
6,255
1,000
TOTO
1,278
1,000
MERK
4,403
1,000
UNVR
315
10
MYOR
256
500
92
Earnings to Price Ratio Tahun
2009
Kode
TURI
Laba per lembar saham 222
UNTR
1,147
250
IKBI
94
1000
SMGR
566
100
SMSM
92
100
MRAT
49
125
BATA
4,075
1000
LTLS
110
250
Harga saham akhir periode 100
CLPI
101
100
BRAM
160
500
BUDI
39
125
AKRA
88
100
INTA
87
250
AUTO
996
500
ASII
2,480
500
SRSN
4
50
SCCO
90
1000
KBLM
8
963
KBLI
5
500
JECC
105
500
AQUA
7,287
1,000
TOTO
3,691
1,000
MERK
6,549
1,000
UNVR
399
10
MYOR
485
500
93
Lampiran 4
Data Laporan Keuangan dengan Perhitungan
Price to Earnings Ratio (dalam jutaan rupiah)
Price to Earnings Ratio Tahun
Kode Harga Penutupan Saham
2006
Laba Per Lembar Saham Beredar
TURI
100
16
UNTR
250
326
IKBI
1,000
253
SMGR
2,184
1,000
SMSM
100
46
MRAT
125
21
BATA
1,000
1,551
LTLS
250
38
CLPI
100
21
BRAM
500
41
BUDI
125
17
AKRA
500
205
INTA
250
16
AUTO
500
366
ASII
500
917
SRSN
50
4
SCCO
1,000
251
KBLM
185
9
KBLI
500
16
JECC
500
4
AQUA
1,000
3,712
TOTO
1,000
1,609
MERK
1,000
3,863
UNVR
10
226
MYOR
500
122
94
Price to Earnings Ratio Tahun
Kode Harga Penutupan Saham
2007
Laba Per Lembar Saham Beredar
TURI
100
136
UNTR
250
524
IKBI
1,000
253
SMGR
1,000
2,184
SMSM
100
56
MRAT
125
26
BATA
1,000
2,660
LTLS
250
92
CLPI
100
32
BRAM
500
87
BUDI
125
19
AKRA
100
61
INTA
250
22
AUTO
500
590
ASII
500
1,610
SRSN
50
4
SCCO
1,000
264
KBLM
1,000
9
KBLI
500
6
JECC
500
152
AQUA
1,000
5,008
TOTO
1,000
1,138
MERK
1,000
3,995
UNVR
10
257
MYOR
500
185
95
Price to Earnings Ratio Tahun
Kode
TURI
Harga Penutupan Saham 100
Laba Per Lembar Saham Beredar 176
UNTR
250
884
1,000
319
SMGR
100
426
SMSM
100
64
MRAT
125
52
BATA
1,000
12,120
LTLS
250
187
CLPI
100
65
BRAM
500
211
BUDI
125
9
AKRA
100
67
INTA
250
53
AUTO
500
734
ASII
500
2,270
SRSN
50
1
SCCO
1,000
55
KBLM
963
4
KBLI
500
7
JECC
500
1
AQUA
1,000
6,255
TOTO
1,000
1,278
MERK
1,000
4,403
UNVR
10
315
MYOR
500
256
IKBI
2008
96
Price to Earnings Ratio Tahun
Kode
TURI
Harga Penutupan Saham 100
Laba Per Lembar Saham Beredar 222
UNTR
250
1,147
1,000
94
SMGR
100
566
SMSM
100
92
MRAT
125
49
BATA
1,000
4,075
LTLS
250
110
CLPI
100
101
BRAM
500
160
BUDI
125
39
IKBI
2009
AKRA
100
88
INTA
250
87
AUTO
500
996
ASII
500
2,480
SRSN
50
4
SCCO
1,000
90
KBLM
963
8
KBLI
500
5
JECC
500
105
AQUA
1,000
7,287
TOTO
1,000
3,691
MERK
1,000
6,549
UNVR
10
399
MYOR
500
485
97
Lampiran 5 PROKSI INVESTASI Data Laporan Keuangan dengan Perhitungan
Investment to Net Sales (dalam jutaan rupiah)
Investment to Net Sales Tahun
Kode Investasi
2006
Penjualan bersih
TURI
139,500
3,874,394
UNTR
712,902
13,719,567
IKBI
306,000
1,914,345
SMGR
593,152
8,727,858
SMSM
259,035
881,116
MRAT
53,500
226,387
BATA
13,000
434,916
LTLS
195,000
2,413,259
CLPI
30,634
291,816
BRAM
225,000
1,500,835
BUDI
153,937
1,072,928
AKRA
312,000
3,970,323
INTA
108,001
552,057
AUTO
385,579
1,930,273
ASII
2,024,178
25,662,434
SRSN
301,000
269,380
SCCO
205,583
1,483,069
KBLM
252,840
285,472
KBLI
732,700
1,130,748
JECC
75,600
448,021
AQUA
13,162
1,665,615
TOTO
49,536
828,164
MERK
22,400
487,601
UNVR
76,300
11,335,241
MYOR
383,292
1,971,513
98
Investment to Net Sales Tahun
Kode Investasi
2007
Penjualan bersih
TURI
139,500
4,412,018
UNTR
712,902
18,165,598
IKBI
306,000
1,590,455
SMGR
593,152
9,600,800
SMSM
143,967
1,064,055
MRAT
53,500
252,123
BATA
13,000
493,717
LTLS
195,000
2,712,536
CLPI
30,634
504,661
BRAM
225,000
1,547,112
BUDI
461,812
1,350,298
AKRA
312,000
5,894,751
INTA
108,001
661,782
385,579
2,501,530
ASII
2,024,178
32,372,642
SRSN
301,000
300,000
SCCO
205,583
2,501,530
KBLM
211,400
319,611
KBLI
825,924
1,280,446
JECC
75,600
735,589
AQUA
13,162
1,952,156
TOTO
49,536
895,262
MERK
22,400
547,238
UNVR
76,300
12,544,901
MYOR
383,292
2,828,440
AUTO
99
Investment to Net Sales Tahun
Kode Investasi 139,500
5,541,965
UNTR
831,720
14,617,718
IKBI
306,000
1,645,326
SMGR
593,152
12,209,846
SMSM
143,967
1,353,586
MRAT
53,500
307,804
BATA
13,000
539,762
LTLS
195,000
4,458,094
CLPI
30,634
504,661
BRAM
225,000
1,637,886
BUDI
469,368
1,551,987
AKRA
312,540
9,472,529
INTA
108,001
1,052,270
AUTO
385,579
2,904,838
ASII
2,024
44,933,000
SRSN
301,000
313,919
SCCO
205,583
2,127,032
KBLM
211,400
539,697
KBLI
825,924
1,731,929
JECC
75,600
1,131,138
AQUA
13,162
2,331,532
TOTO
49,536
1,124,347
MERK
22,400
637,134
UNVR
76,300
15,577,811
MYOR
383,292
3,907,674
TURI
2008
Penjualan bersih
100
Investment to Net Sales Tahun
Kode Investasi 139,500
4,890,203
UNTR
831,720
14,498,408
IKBI
306,000
862,112
SMGR
593,152
14,387,850
SMSM
143,967
1,374,652
MRAT
53,500
345,576
BATA
13,000
598,466
LTLS
195,000
3,746,865
CLPI
30,634
447,956
BRAM
225,000
1,500,639
BUDI
469,596
1,782,132
AKRA
313,829
8,959,842
INTA
108,001
1,026,888
AUTO
385,579
2,920,440
ASII
2,024
44,083,000
SRSN
301,000
352,543
SCCO
205,583
1,510,071
KBLM
211,400
550,000
KBLI
825,934
822,273
JECC
75,600
762,976
AQUA
13,162
2,733,713
TOTO
49,536
980,327
MERK
22,400
751,403
UNVR
76,300
18,246,872
MYOR
383,292
4,777,175
TURI
2009
Penjualan bersih
101
Lampiran 6 Data Laporan Keuangan dengan Perhitungan Capital Expenditure to Book Value Asset (dalam jutaan rupiah)
Capital Expenditure to Book Value Asset Tahun
Kode Nilai buku Aktiva tetap
Total Aset
TURI
213,979
212,035
2,857,847
UNTR
5,191,454
4,307,775
11,247,846
146,120
169,853
590,296
SMGR
3,162,919
3,419,589
7,496,419
SMSM
259,035
6,085,542
716,686
MRAT
52,281
53,034
291,769
BATA
68,446
68,222
271,460,708
LTLS
527,490
475,495
1,830,516
CLPI
10,835
10,145
133,360
BRAM
687,877
742,776
1,530,173
BUDI
630,731
575,210
931,614
AKRA
1,002,838
803,553
2,377,340
INTA
42,263
46,850
831,846
AUTO
719,140
798,249
2,452,446
ASII
18,742
13,005
25,770,641
IKBI
2006
Nilai buku aktiva tetap t sebelum
SRSN
165,846
162,439
330,445
SCCO
167,926
154,017
673,668
KBLM
169,852
164,882
459,111
KBLI
950,088
910,002
441,085
JECC
99,688
95,055
362,648
AQUA
259,410
267,734
795,244
TOTO
449,408
468,248
908,168
MERK
46,284
47,022
2,826,999
UNVR
1,724,663
1,495,659
4,626,000
MYOR
738,125
732,053
1,553,377
102
Capital Expenditure to Book Value Asset Tahun
Kode Nilai buku Aktiva tetap
Total Aset
TURI
202,335
213,979
3,345,245
UNTR
5,527,058
5,191,454
13,002,619
128,313
146,120
589,322
SMGR
3,089,622
3,162,919
7,496,419
SMSM
318,677
259,035
830,050
MRAT
53,235
52,281
315,998
BATA
66,262
68,446
332,080
LTLS
632,076
527,490
2,135,084
CLPI
18,743
10,835
167,583
BRAM
639,999
687,877
1,554,863
IKBI
2007
Nilai buku aktiva tetap t sebelum
BUDI
796,624
630,731
1,485,651
AKRA
1,324,256
1,002,838
3,497,591
INTA
46,262
42,263
863,818
AUTO
634,717
719,140
2,919,970
ASII
13,005
18,742
30,388,037
SRSN
111,954
165,846
334,128
SCCO
167,613
167,926
1,293,677
KBLM
232,308
169,852
432,681
KBLI
951,000
950,088
499,368
JECC
93,907
99,688
470,475
AQUA
302,246
259,410
891,530
TOTO
434,970
449,408
913,995
MERK
46,860
46,284
331,062
UNVR
2,199,810
1,724,663
5,333,406
MYOR
774,390
738,125
1,893,175
103
Capital Expenditure to Book Value Asset Tahun
Kode Nilai buku Aktiva tetap
Total Aset
TURI
204,015
202,335
3,583,328
UNTR
9,505,248
5,527,058
15,662,318
122,328
128,313
636,409
SMGR
3,308,878
3,089,622
10,602,964
SMSM
358,495
318,677
929,753
MRAT
58,481
53,235
354,781
BATA
155,768,155
66,262
4,019,001
LTLS
889,072
632,076
3,494,853
CLPI
23,925
18,743
258,898
BRAM
647,075
639,999
1,672,766
BUDI
971,180
796,624
1,698,750
AKRA
2,215,659
1,324,256
4,874,851
IKBI
2008
Nilai buku aktiva tetap t sebelum
INTA
52,783
46,262
1,137,218
AUTO
702,097
634,717
3,981,316
ASII
18,742
13,005
37,777,000
SRSN
108,742
111,954
392,937
SCCO
191,498
167,613
1,126,782
KBLM
240,338
232,308
354,781
KBLI
952,285
951,000
607,232
JECC
90,129
93,907
673,397
AQUA
332,516
302,246
1,003,488
TOTO
409,195
434,970
1,031,131
MERK
54,795
46,860
375,064
UNVR
2,559,875
2,199,810
6,504,736
MYOR
1,030,735
774,390
2,922,998
104
Capital Expenditure to Book Value Asset Tahun
Kode Nilai buku Aktiva tetap
Total Aset
TURI
200,285
204,015
1,770,692
UNTR
11,835,726
9,505,248
17,586,061
122,526
122,328
561,949
SMGR
4,014,143
3,308,878
12,591,308
SMSM
341,364
358,495
941,651
MRAT
64,861
58,481
365,636
BATA
155,768
155,768,155
401,901
LTLS
879,817
889,072
3,081,130
CLPI
31,727
23,925
219,199
BRAM
645,429
647,075
1,349,631
BUDI
1,054,857
971,180
1,598,824
AKRA
2,859,238
2,215,659
6,059,070
INTA
63,910
52,783
1,039,511
AUTO
696,716
702,097
4,054,652
ASII
21,941
18,742
44,387,000
IKBI
2009
Nilai buku aktiva tetap t sebelum
SRSN
100,335
108,742
413,777
SCCO
195,779
191,498
1,042,755
KBLM
238,057
240,338
354,781
KBLI
953,402
952,285
490,722
JECC
83,208
90,129
587,381
AQUA
358,792
332,516
1,147,206
TOTO
393,619
409,195
1,010,892
MERK
66,911
54,795
433,971
UNVR
3,035,915
2,559,875
7,484,990
MYOR
1,282,771
1,030,735
3,246,499
105
Capital Expenditure to Market value of assets Tahun
Kode Nilai buku aktiva tetap
total aset
total ekuitas
lembar saham beredar
harga penutupan saham
TURI
213,979
212,035
2,857,847
673,853
1,395,000,000
100
UNTR
5,191,454
4,307,775
11,247,846
4,594,437
2,851,609,100
250
146,120
169,853
590,296
373,293
306,000,000
1,000
SMGR
3,162,919
3,419,589
7,496,419
5,499,614
593,152,000
2,184
SMSM
259,035
6,085,542
716,686
451,062
1,439,668,860
100
MRAT
52,281
53,034
291,769
264,313
428,000,000
125
BATA
68,446
68,222
271,460,708
190,086,894
13,000,000
1,000
LTLS
527,490
475,495
1,830,516
506,603
780,000,000
250
CLPI
10,835
10,145
133,360
64,979
306,338,500
100
BRAM
687,877
742,776
1,530,173
833,625
450,000,000
500
BUDI
630,731
575,210
931,614
228,784
1,231,500,000
125
AKRA
1,002,838
803,553
2,377,340
1,039,093
624,000,000
500
IKBI
2006
Nilai buku aktiva tetap t sebelum
INTA
42,263
46,850
831,846
350,000
432,005,844
250
AUTO
719,140
798,249
2,452,446
1,864,461
771,157,280
500
ASII
18,742
13,005
25,770,641
22,375,766
4,048,355,314
500
SRSN
165,846
162,439
330,445
160,550
6,020,000,000
50
SCCO
167,926
154,017
673,668
311,668
205,583,400
1,000
KBLM
169,852
164,882
459,111
152,353
1,120,000,000
185
KBLI
950,088
910,002
441,085
63,803
3,075,000,000
500
JECC
99,688
95,055
362,648
63,593
151,200,000
500
AQUA
259,410
267,734
795,244
447,226
13,162,473
1,000
TOTO
449,408
468,248
908,168
280,679
49,536,000
1,000
MERK
46,284
47,022
2,826,999
235,539
22,400,000
1,000
UNVR
1,724,663
1,495,659
4,626,000
2,368,527
7,630,000,000
10
MYOR
738,125
732,053
1,553,377
969,476
766,584,000
500
106
Capital Expenditure to Market value of assets Tahun
Kode
TURI
202,335
Nilai buku aktiva tetap t sebelum 213,979
3,345,245
856,276
1,395,000,000
harga penutupan saham 100
UNTR
5,527,058
5,191,454
13,002,619
5,733,335
2,851,609,100
250
128,313
146,120
589,322
440,049
306,000,000
1,000
SMGR
3,089,622
3,162,919
7,496,419
5,499,614
593,152,000
1,000
SMSM
318,677
259,035
830,050
482,204
1,439,668,860
100
MRAT
53,235
52,281
315,998
279,559
428,000,000
125
BATA
66,262
68,446
332,080
207,700
13,000,000
1,000
LTLS
632,076
527,490
2,135,084
596,140
780,000,000
250
Nilai buku aktiva tetap
IKBI
2007
total aset
total ekuitas
lembar saham beredar
CLPI
18,743
10,835
167,583
73,206
14,161,974,339
100
BRAM
639,999
687,877
1,554,863
894,006
450,000,000
500
BUDI
796,624
630,731
1,485,651
625,962
1,231,500,000
125
AKRA
1,324,256
1,002,838
3,497,591
1,277,619
3,120,000,000
100
INTA
46,262
42,263
863,818
320,090
432,005,844
250
AUTO
634,717
719,140
2,919,970
2,261,414
771,157,280
500
ASII
13,005
18,742
30,388,037
26,962,594
4,048,355,314
500
SRSN
111,954
165,846
334,128
186,249
6,020,000,000
50
SCCO
167,613
167,926
1,293,677
350,955
205,583,400
1,000
KBLM
232,308
169,852
432,681
217,547
1,120,000,000
1,000
KBLI
951,000
950,088
499,368
182,527
3,997,235,107
500
JECC
93,907
99,688
470,475
87,265
151,200,000
500
AQUA
302,246
259,410
891,530
507,270
13,162,473
1,000
TOTO
434,970
449,408
913,995
317,241
49,536,000
1,000
MERK
46,860
46,284
331,062
280,224
22,400,000
1,000
UNVR
2,199,810
1,724,663
5,333,406
2,692,141
7,630,000,000
10
MYOR
774,390
738,125
1,893,175
1,081,795
766,584,000
500
107
Capital Expenditure to Market value of assets Tahun
Kode
TURI
204,015
Nilai buku aktiva tetap t sebelum 202,335
3,583,328
1,024,630
1,395,000,000
harga penutupan saham 100
UNTR
9,505,248
5,527,058
15,662,318
11,131,607
3,326,877,283
250
122,328
128,313
636,409
507,136
306,000,000
1,000
Nilai buku aktiva tetap
IKBI
2008
total aset
total ekuitas
lembar saham beredar
SMGR
3,308,878
3,089,622
10,602,964
8,069,586
5,998,330,500
100
SMSM
358,495
318,677
929,753
546,222
1,439,668,860
100
MRAT
58,481
53,235
354,781
303,623
428,000,000
125
BATA
155,768,155
66,262
4,019,001
273,118
13,000,000
1,000
LTLS
889,072
632,076
3,494,853
799,390
780,000,000
250
CLPI
23,925
18,743
258,898
90,404
306,338,500
100
BRAM
647,075
639,999
1,672,766
998,025
450,000,000
500
BUDI
971,180
796,624
1,698,750
618,850
3,812,510,833
125
AKRA
2,215,659
1,324,256
4,874,851
1,608,244
3,125,400,000
100
INTA
52,783
46,262
1,137,218
328,623
432,005,844
250
AUTO
702,097
634,717
3,981,316
2,652,969
771,157,280
500
ASII
18,742
13,005
37,777,000
33,080,000
4,048,355,314
500
SRSN
108,742
111,954
392,937
193,041
6,020,000,000
50
SCCO
191,498
167,613
1,126,782
356,007
205,583,400
1,000
KBLM
240,338
232,308
354,781
221,535
1,120,000,000
963
KBLI
952,285
951,000
607,232
208,135
4,007,235,107
500
JECC
90,129
93,907
673,397
90,000
151,200,000
500
AQUA
332,516
302,246
1,003,488
581,580
13,162,473
1,000
TOTO
409,195
434,970
1,031,131
363,190
49,536,000
1,000
MERK
54,795
46,860
375,064
327,324
22,400,000
1,000
UNVR
2,559,875
2,199,810
6,504,736
3,100,312
7,630,000,000
10
MYOR
1,030,735
774,390
2,922,998
1,245,109
766,584,000
500
108
Capital Expenditure to Market value of assets Tahun
Kode
TURI
200,285
Nilai buku aktiva tetap t sebelum 204,015
1,770,692
1,000,217
1,395,000,000
harga penutupan saham 100
UNTR
11,835,726
9,505,248
17,586,061
13,843,710
3,326,877,283
250
122,526
122,328
561,949
492,104
306,000,000
1,000
SMGR
4,014,143
3,308,878
12,591,308
10,197,679
5,931,520,000
100
SMSM
341,364
358,495
941,651
497,822
1,439,668,860
100
MRAT
64,861
58,481
365,636
316,412
428,000,000
125
BATA
155,768
155,768,155
401,901
301,344
13,000,000
1,000
LTLS
879,817
889,072
3,081,130
763,343
780,000,000
250
Nilai buku aktiva tetap
IKBI
2009
total aset
total ekuitas
lembar saham beredar
CLPI
31,727
23,925
219,199
115,308
306,338,500
100
BRAM
645,429
647,075
1,349,631
981,988
450,000,000
500
BUDI
1,054,857
971,180
1,598,824
744,040
3,815,837,331
125
AKRA
2,859,238
2,215,659
6,059,070
1,741,060
3,138,292,500
100
INTA
63,910
52,783
1,039,511
357,457
432,005,844
250
AUTO
696,716
702,097
4,054,652
3,208,778
771,157,280
500
ASII
21,941
18,742
44,387,000
39,894,000
4,048,355,314
500
SRSN
100,335
108,742
413,777
218,423
6,020,000,000
50
SCCO
195,779
191,498
1,042,755
375,074
205,583,400
1,000
KBLM
238,057
240,338
354,781
223,230
1,120,000,000
963
KBLI
953,402
952,285
490,722
229,634
4,007,235,107
500
JECC
83,208
90,129
587,381
102,510
151,200,000
500
AQUA
358,792
332,516
1,147,206
656,915
13,162,473
1,000
TOTO
393,619
409,195
1,010,892
528,673
49,536,000
1,000
MERK
66,911
54,795
433,971
354,194
22,400,000
1,000
UNVR
3,035,915
2,559,875
7,484,990
3,702,819
7,630,000,000
10
MYOR
1,282,771
1,030,735
3,246,499
1,581,755
766,584,000
500
109
Lampiran 7 REALISASI PERTUMBUHAN Data Laporan Keuangan dengan Perhitungan (Total Penjualan Bersih-Total Penjualan t Sebelumnya)/Total Penjualan Bersih t Sebelumnya GROWSAL (dalam jutaan rupiah)
Tahun
Kode
Total penjualan bersih t sebelumnya
total penjualan bersih t sebelumnya
TURI
3,874,394
4,607,275
4,607,275
UNTR
13,719,567
13,281,246
13,281,246
IKBI
1,914,345
1,423,929
1,423,929
SMGR
8,727,858
7,532,208
7,532,208
SMSM
881,116
861,531
861,531
MRAT
226,387
208,097
208,097
BATA
434,916
428,630
428,630
LTLS
2,413,259
2,166,528
2,166,528
CLPI
2006
Total penjualan bersih
291,816
212,185
212,185
BRAM
1,500,835
1,764,996
1,764,996
BUDI
1,072,928
1,024,621
1,024,621
AKRA
3,970,323
2,827,823
2,827,823
INTA
552,057
716,913
716,913
AUTO
1,930,273
1,837,427
1,837,427
ASII
25,662,434
32,907,621
32,907,621
SRSN
269,380
290,002
290,002
SCCO
1,483,069
1,360,229
1,360,229
KBLM
285,472
280,514
280,514
KBLI
1,130,748
863,298
863,298
JECC
448,021
428,123
428,123
AQUA
1,665,615
1,583,156
1,583,156
TOTO
828,164
713,872
713,872
MERK
487,601
386,346
386,346
UNVR
11,335,241
9,992,135
9,992,135
MYOR
1,971,513
1,706,184
1,706,184
110
Tahun
2007
Kode
Total penjualan bersih
Total penjualan bersih t sebelumnya
total penjualan bersih t sebelumnya
TURI
4,412,018
3,874,394
3,874,394
UNTR
18,165,598
13,719,567
13,719,567
IKBI
1,590,455
1,914,345
1,914,345
SMGR
9,600,800
8,727,858
8,727,858
SMSM
1,064,055
881,116
881,116
MRAT
252,123
226,387
226,387
BATA
493,717
428,630
428,630
LTLS
2,712,536
2,413,259
2,413,259
CLPI
504,661
382,264
382,264
BRAM
1,547,112
1,510,642
1,510,642
BUDI
1,350,298
1,072,908
1,072,908
AKRA
5,894,751
3,970,323
3,970,323
INTA
661,782
552,057
552,057
AUTO
2,501,530
1,930,273
1,930,273
ASII
32,372,642
25,662,434
25,662,434
SRSN
300,000
269,380
269,380
SCCO
2,501,530
1,930,273
1,930,273
KBLM
319,611
285,472
285,472
KBLI
1,280,446
1,130,748
1,130,748
JECC
735,589
448,021
448,021
AQUA
1,952,156
1,665,615
1,665,615
TOTO
895,262
828,164
828,164
MERK
547,238
487,601
487,601
UNVR
12,544,901
11,335,241
11,335,241
MYOR
2,828,440
1,971,513
1,971,513
111
Tahun
2008
Kode
Total penjualan bersih
Total penjualan bersih t sebelumnya
total penjualan bersih t sebelumnya
TURI
5,541,965
4,412,018
4,412,018
UNTR
14,617,718
18,165,598
18,165,598
IKBI
1,645,326
1,590,455
1,590,455
SMGR
12,209,846
9,600,800
9,600,800
SMSM
1,353,586
1,064,055
1,064,055
MRAT
307,804
252,123
252,123
BATA
539,762
493,717
493,717
LTLS
4,458,094
2,712,536
2,712,536
CLPI
504,661
382,264
382,264
BRAM
1,637,886
1,547,112
1,547,112
BUDI
1,551,987
1,350,298
1,350,298
AKRA
9,472,529
5,894,751
5,894,751
INTA
1,052,270
661,782
661,782
AUTO
2,904,838
2,501,530
2,501,530
ASII
44,933,000
32,372,642
32,372,642
SRSN
313,919
300,000
300,000
SCCO
2,127,032
2,501,530
2,501,530
KBLM
539,697
319,611
319,611
KBLI
1,731,929
1,280,446
1,280,446
JECC
1,131,138
735,589
735,589
AQUA
2,331,532
1,952,156
1,952,156
TOTO
1,124,347
895,262
895,262
MERK
637,134
547,238
547,238
UNVR
15,577,811
12,544,901
12,544,901
MYOR
3,907,674
2,828,440
2,828,440
112
Tahun
Kode
Total penjualan bersih t sebelumnya
total penjualan bersih t sebelumnya
TURI
4,890,203
5,541,965
5,541,965
UNTR
14,498,408
14,617,718
14,617,718
862,112
1,645,326
1,645,326
SMGR
14,387,850
12,209,846
12,209,846
SMSM
1,374,652
1,353,586
1,353,586
MRAT
345,576
307,804
307,804
BATA
598,466
539,762
539,762
LTLS
3,746,865
4,458,094
4,458,094
CLPI
447,956
504,661
504,661
BRAM
1,500,639
1,637,886
1,637,886
BUDI
1,782,132
1,551,987
1,551,987
AKRA
8,959,842
9,472,529
9,472,529
INTA
1,026,888
1,052,270
1,052,270
IKBI
2009
Total penjualan bersih
AUTO
2,920,440
2,904,838
2,904,838
ASII
44,083,000
44,933,000
44,933,000
SRSN
352,543
313,919
313,919
SCCO
1,510,071
2,127,032
2,127,032
KBLM
550,000
539,697
539,697
KBLI
822,273
1,731,929
1,731,929
JECC
762,976
1,131,138
1,131,138
AQUA
2,733,713
2,331,532
2,331,532
TOTO
980,327
1,124,347
1,124,347
MERK
751,403
637,134
637,134
UNVR
18,246,872
15,577,811
15,577,811
MYOR
4,777,175
3,907,674
3,907,674
113
Lampiran 8 Data Laporan Keuangan dengan Perhitungan (Laba-Laba t Sebelumnya)/Laba t Sebelumnya GROWEAR (dalam jutaan rupiah)
Tahun
Kode
laba t sebelumnya
laba t sebelumnya
TURI
142,732
22,211
22,211
UNTR
1,050,729
930,372
930,372
44,374
23,749
23,749
SMGR
1,295,520
1,001,772
1,001,772
SMSM
66,175
65,737
65,737
MRAT
9,096
8,510
8,510
BATA
25,086
20,161
20,161
LTLS
29,677
52,425
52,425
CLPI
7,865
7,670
7,670
BRAM
18,314
119,496
119,496
BUDI
20,678
2,281
2,281
AKRA
128,084
119,289
119,289
INTA
7,066
17,998
17,998
AUTO
282,058
279,027
279,027
3,712,097
5,457,285
5,457,285
IKBI
2006
Laba
ASII SRSN
23,385
22,778
22,778
SCCO
56,798
51,643
51,643
KBLM
10,508
14,127
14,127
KBLI
50,382
25,608
25,608
JECC
2,044,077
592,901
592,901
AQUA
48,854
64,350
64,350
TOTO
79,705
62,884
62,884
MERK
86,538
57,700
57,700
UNVR
1,721,595
1,440,485
1,440,485
MYOR
93,576
45,730
45,730
114
Tahun
Kode
laba t sebelumnya
laba t sebelumnya
TURI
189,816
22,211
22,211
UNTR
1,493,037
930,372
930,372
77,467
44,374
44,374
SMGR
2,775,408
1,295,520
1,295,520
SMSM
80,325
66,175
66,175
MRAT
11,130
9,096
9,096
BATA
34,578
20,161
20,161
LTLS
71,670
29,677
29,677
IKBI
2007
Laba
CLPI
9,758
7,670
7,670
BRAM
39,149
18,314
18,314
BUDI
46,177
20,678
20,678
AKRA
191,208
128,084
128,084
INTA
9,514
7,066
7,066
AUTO
454,907
282,058
282,058
ASII
6,519,273
3,712,097
3,712,097
SRSN
25,695
23,385
23,385
SCCO
454,907
282,058
282,058
KBLM
5,314
10,508
10,508
KBLI
25,635
50,382
50,382
JECC
22,922
592
592
AQUA
65,913
48,854
48,854
TOTO
56,377
79,705
79,705
MERK
89,485
86,538
86,538
UNVR
1,964,652
1,721,595
1,721,595
MYOR
141,589
93,576
93,576
115
Tahun
Kode
laba t sebelumnya
laba t sebelumnya
TURI
245,079
189,816
189,816
UNTR
2,660,741
1,493,037
1,493,037
97,687
77,467
77,467
SMGR
2,523,544
2,775,408
2,775,408
SMSM
91,472
80,325
80,325
MRAT
22,290
11,130
11,130
BATA
157,563
34,578
34,578
LTLS
145,846
71,670
71,670
CLPI
20,108
9,758
9,758
BRAM
94,776
39,149
39,149
IKBI
2008
Laba
BUDI
32,981
46,177
46,177
AKRA
210,033
191,208
191,208
INTA
22,944
9,514
9,514
AUTO
566,025
454,907
454,907
ASII
9,191,000
6,519,273
6,519,273
SRSN
6,797
25,695
25,695
SCCO
11,219
454,907
454,907
KBLM
6,000
5,314
5,314
KBLI
26,645
25,635
25,635
JECC
78
22,922
22,922
AQUA
82,337
65,913
65,913
TOTO
63,287
56,377
56,377
MERK
98,620
89,485
89,485
UNVR
2,407,231
1,964,652
1,964,652
MYOR
196,230
141,589
141,589
116
Tahun
Kode
laba t sebelumnya
laba t sebelumnya
TURI
310,387
245,079
245,079
UNTR
3,817,541
2,660,741
2,660,741
28,719
97,687
97,687
SMGR
3,326,488
2,523,544
2,523,544
SMSM
132,850
91,472
91,472
MRAT
21,017
22,290
22,290
IKBI
2009
Laba
BATA
52,981
157,563
157,563
LTLS
85,925
145,846
145,846
CLPI
30,909
20,108
20,108
BRAM
72,105,574
94,776
94,776
BUDI
146,415
32,981
32,981
AKRA
274,719
210,033
210,033
INTA
37,473
22,944
22,944
AUTO
768,265
566,025
566,025
ASII
10,040,000
9,191,000
9,191,000
SRSN
25,380
6,797
6,797
SCCO
18,467
11,219
11,219
KBLM
7,000
6,000
6,000
KBLI
20,705
26,645
26,645
JECC
15,842
78
78
AQUA
95,913
82,337
82,337
TOTO
182,821
63,287
63,287
MERK
146,700
98,620
98,620
UNVR
3,044,107
2,407,231
2,407,231
MYOR
372,158
196,230
196,230
117
Lampiran 9 Data Laporan Keuangan dengan Perhitungan (Total Ekuitas-Total Ekuitas t Sebelumnya)/Total Ekuitas t Sebelumnya GROWEQ (dalam jutaan rupiah)
Tahun
Kode
total ekuitas t sebelumnya
Total Ekuitas t sebelumnya
TURI
673,853
550,000
550,000
UNTR
4,594,437
4,105,713
4,105,713
373,293
338,405
338,405
5,499,614
4,466,932
4,466,932
IKBI SMGR
2006
total ekuitas
SMSM
451,062
410,835
410,835
MRAT
264,313
255,624
255,624
BATA
190,086,894
176,296
176,296
LTLS
506,603
496,240
496,240
CLPI
64,979
58,473
58,473
BRAM
833,625
822,095
822,095
BUDI
228,784
198,036
198,036
AKRA
1,039,093
974,375
974,375
INTA
350,000
310,637
310,637
AUTO
1,864,461
1,636,389
1,636,389
ASII
22,375,766
20,424,345
20,424,345
SRSN
160,550
137,167
137,167
SCCO
311,668
273,884
273,884
KBLM
152,353
141,845
141,845
KBLI
63,803
13,311
13,311
JECC
63,593
63,090
63,090
AQUA
447,226
405,324
405,324
TOTO
280,679
215,834
215,834
MERK
235,539
180,362
180,362
UNVR
2,368,527
2,173,526
2,173,526
MYOR
969,476
895,021
895,021
118
Tahun
Kode
total ekuitas t sebelumnya
Total Ekuitas t sebelumnya
TURI
856,276
673,853
673,853
UNTR
5,733,335
4,594,437
4,594,437
440,049
373,293
373,293
SMGR
5,499,614
5,300,000
5,300,000
SMSM
482,204
451,062
451,062
MRAT
279,559
264,313
264,313
IKBI
2007
total ekuitas
BATA
207,700
190,087
190,087
LTLS
596,140
506,603
506,603
CLPI
73,206
60,000
60,000
BRAM
894,006
833,625
833,625
BUDI
625,962
228,784
228,784
AKRA
1,277,619
1,039,093
1,039,093
INTA
320,090
310,576
310,576
AUTO
2,261,414
1,864,461
1,864,461
ASII
26,962,594
22,375,766
22,375,766
SRSN
186,249
160,550
160,550
SCCO
350,955
1,864,461
1,864,461
KBLM
217,547
152,353
152,353
KBLI
182,527
63,803
63,803
JECC
87,265
63,593
63,593
AQUA
507,270
447,226
447,226
TOTO
317,241
280,679
280,679
MERK
280,224
235,539
235,539
UNVR
2,692,141
2,368,527
2,368,527
MYOR
1,081,795
969,476
969,476
119
Tahun
Kode
total ekuitas t sebelumnya
Total Ekuitas t sebelumnya
TURI
1,024,630
856,276
856,276
UNTR
11,131,607
5,733,335
5,733,335
507,136
440,049
440,049
SMGR
8,069,586
5,499,614
5,499,614
SMSM
546,222
482,204
482,204
MRAT
303,623
279,559
279,559
IKBI
2008
total ekuitas
BATA
273,118
207,700
207,700
LTLS
799,390
596,140
596,140
CLPI
90,404
73,206
73,206
BRAM
998,025
894,006
894,006
BUDI
618,850
625,962
625,962
AKRA
1,608,244
1,277,619
1,277,619
INTA
328,623
320,090
320,090
AUTO
2,652,969
2,261,414
2,261,414
ASII
33,080,000
26,962,594
26,962,594
SRSN
193,041
186,249
186,249
SCCO
356,007
350,955
350,955
KBLM
221,535
217,547
217,547
KBLI
208,135
182,527
182,527
JECC
90,000
87,265
87,265
AQUA
581,580
507,270
507,270
TOTO
363,190
317,241
317,241
MERK
327,324
280,224
280,224
UNVR
3,100,312
2,692,141
2,692,141
MYOR
1,245,109
1,081,795
1,081,795
120
Tahun
Kode
total ekuitas t sebelumnya
Total Ekuitas t sebelumnya
TURI
1,000,217
1,024,630
1,024,630
UNTR
13,843,710
11,131,607
11,131,607
492,104
507,136
507,136
SMGR
10,197,679
8,069,586
8,069,586
SMSM
497,822
546,222
546,222
MRAT
316,412
303,623
303,623
IKBI
2009
total ekuitas
BATA
301,344
273,118
273,118
LTLS
763,343
799,390
799,390
CLPI
115,309
90,404
90,404
BRAM
981,987,623
998,025
998,025
BUDI
744,040
618,850
618,850
AKRA
1,741,060
1,608,244
1,608,244
INTA
357,457
328,623
328,623
AUTO
3,208,778
2,652,969
2,652,969
ASII
39,894,000
33,080,000
33,080,000
SRSN
218,423
193,041
193,041
SCCO
375,074
356,007
356,007
KBLM
223,230
221,535
221,535
KBLI
229,634
208,135
208,135
JECC
102,510
90,000
87,193
AQUA
656,915
581,580
581,580
TOTO
528,673
363,190
363,190
MERK
354,194
327,324
327,324
UNVR
3,702,819
3,100,312
3,100,312
MYOR
1,581,755
1,245,109
1,245,109
121
Lampiran 10 Data Laporan Keuangan dengan Perhitungan (Total Aset-Total Aset t Sebelumnya)/Total Aset t Sebelumnya GROWAS (dalam jutaan rupiah) Tahun
Kode
total aset t sebelumnya
total aset t sebelumnya
TURI
2,857,847
3,011,591
3,011,591
UNTR
11,247,846
10,633,839
10,633,839
590,296
548,244
548,244
SMGR
7,496,419
7,297,859
7,297,859
SMSM
716,686
663,138
663,138
MRAT
291,769
290,646
290,646
BATA
271,460,708
271,461
271,461
LTLS
1,830,516
1,608,866
1,608,866
CLPI
133,360
107,668
107,668
BRAM
1,530,173
1,709,355
1,709,355
BUDI
931,614
978,597
978,597
AKRA
2,377,340
1,979,763
1,979,763
INTA
831,846
869,208
869,208
IKBI
2006
Total Aset
AUTO
2,452,446
2,238,883
2,238,883
ASII
25,770,641
23,569,972
23,569,972
SRSN
330,445
338,344
338,344
SCCO
673,668
500,000
500,000
KBLM
279,438
259,791
259,791
KBLI
441,085
489,802
489,802
JECC
362,648
322,662
322,662
AQUA
795,244
732,354
732,354
TOTO
908,168
848,137
848,137
MERK
2,826,999
218,034
218,034
UNVR
4,626,000
3,842,351
3,842,351
MYOR
1,553,377
1,459,969
1,459,969
122
Tahun
Kode
total aset t sebelumnya
total aset t sebelumnya
TURI
3,345,245
2,857,847
2,857,847
UNTR
13,002,619
11,247,846
11,247,846
589,322
550,000
550,000
SMGR
7,496,419
7,100,000
7,100,000
SMSM
830,050
716,686
716,686
MRAT
315,998
291,769
291,769
IKBI
2007
Total Aset
BATA
332,080
271,461
271,461
LTLS
2,135,084
1,830,516
1,830,516
CLPI
167,583
150,000
150,000
BRAM
1,554,863
1,528,904
1,528,904
BUDI
1,485,651
931,614
931,614
AKRA
3,497,591
2,377,340
2,377,340
INTA
863,818
831,846
831,846
AUTO
2,919,970
2,452,446
2,452,446
ASII
30,388,037
25,770,641
25,770,641
SRSN
334,128
330,445
330,445
SCCO
1,293,677
2,452,446
2,452,446
KBLM
432,681
277,384
277,384
KBLI
499,368
441,085
441,085
JECC
470,475
362,648
362,648
AQUA
891,530
795,244
795,244
TOTO
913,995
908,168
908,168
MERK
331,062
282,699
282,699
UNVR
5,333,406
4,626,000
4,626,000
MYOR
1,893,175
1,553,377
1,553,377
123
Tahun
Kode
total aset t sebelumnya
total aset t sebelumnya
TURI
3,583,328
3,345,245
3,345,245
UNTR
15,662,318
13,002,619
13,002,619
636,409
589,322
589,322
SMGR
10,602,964
7,496,419
7,496,419
SMSM
929,753
830,050
830,050
MRAT
354,781
315,998
315,998
IKBI
2008
Total Aset
BATA
401,901
332,080
332,080
LTLS
3,494,853
2,135,084
2,135,084
CLPI
258,898
167,583
167,583
BRAM
1,672,766
1,554,863
1,554,863
BUDI
1,698,750
1,485,651
1,485,651
AKRA
4,874,851
3,497,591
3,497,591
INTA
1,137,218
863,818
863,818
AUTO
3,981,316
2,919,970
2,919,970
ASII
37,777,000
30,388,037
30,388,037
SRSN
392,937
334,128
334,128
SCCO
1,126,782
1,293,677
1,293,677
KBLM
459,111
432,681
432,681
KBLI
607,232
499,368
499,368
JECC
673,397
470,475
470,475
AQUA
1,003,488
891,530
891,530
TOTO
1,031,131
913,995
913,995
MERK
375,064
331,062
331,062
UNVR
6,504,736
5,333,406
5,333,406
MYOR
2,922,998
1,893,175
1,893,175
124
Tahun
Kode
total aset t sebelumnya
total aset t sebelumnya
TURI
1,770,692
3,583,328
3,583,328
UNTR
17,586,061
15,662,318
15,662,318
561,949
636,409
636,409
SMGR
12,951,308
10,602,964
10,602,964
SMSM
941,651
929,753
929,753
MRAT
365,636
354,781
354,781
IKBI
2009
Total Aset
BATA
416,679
401,901
401,901
LTLS
3,081,130
3,494,853
3,494,853
CLPI
219,199
258,898
258,898
BRAM
1,349,630
1,672,766
1,672,766
BUDI
1,598,824
1,698,750
1,698,750
AKRA
6,059,070
4,874,851
4,874,851
INTA
1,039,511
1,137,218
1,137,218
AUTO
4,054,652
3,981,316
3,981,316
ASII
44,387,000
37,777,000
37,777,000
SRSN
413,777
392,937
392,937
SCCO
1,042,755
1,126,782
1,126,782
KBLM
354,781
459,111
459,111
KBLI
490,722
607,232
607,232
JECC
587,381
673,397
673,397
AQUA
1,147,206
1,003,488
1,003,488
TOTO
1,010,892
1,031,131
1,031,131
MERK
433,971
375,064
375,064
UNVR
7,484,990
6,504,736
6,504,736
MYOR
3,246,499
2,922,998
2,922,998
125
MVABVA
MVEBVE
EP
PER
GROWSAL
GROWEAR
GROWEQ
GROWAS
2,232,806.970
37,100.080
0.160
6.250
(0.159)
5.426
0.225
(0.051)
6,716,790.227
326,481.787
1.304
0.767
0.033
0.129
0.119
0.058
735,386.997
859,914.330
0.253
3.953
0.344
0.868
0.103
0.077
2,169,613.373
794,237.559
2.184
2.184
0.159
0.293
0.231
0.027
466,502.608
443,398.025
0.460
2.174
0.023
0.007
0.098
0.081
210,820.237
378,339.317
0.168
5.952
0.088
0.069
0.034
0.004
81,373,861.889
105.215
1.551
0.645
0.015
0.244
1,077.226
998.999
1,430,440.340
1,184.359
0.152
6.579
0.114
(0.434)
0.021
0.138
298,088.933
1,538,958.741
0.210
4.762
0.375
0.025
0.111
0.239
843,590.197
419,853.051
0.082
12.195
(0.150)
(0.847)
0.014
(0.105)
868,067.427
2,294,740.891
0.136
7.353
0.047
8.065
0.155
(0.048)
1,469,486.116
400,349.151
0.410
2.439
0.404
0.074
0.066
0.201
611,679.480
497,142.857
0.064
15.625
(0.230)
(0.607)
0.127
(0.043)
745,207.071
536,348.038
0.732
1.366
0.051
0.011
0.139
0.095
3,473,420.879
134,073.622
1.834
0.545
(0.220)
(0.320)
0.096
0.093
1,080,787.887
3,737,153.535
0.078
12.887
(0.071)
0.027
0.170
(0.023)
667,170.203
1,604,271.212
0.251
3.981
0.090
0.100
0.138
0.347
758,064.982
1,669,543.639
0.049
20.556
0.018
(0.256)
0.074
0.076
3,863,004.707
35,734,996.787
0.033
30.525
0.310
0.967
3.793
(0.099)
507,521.612
4,717,500.354
0.008
125.000
0.046
2.448
0.008
0.124
364,569.490
100,620.268
3.712
0.269
0.052
(0.241)
0.103
0.086
682,033.974
534,418.321
1.609
0.622
0.160
0.267
0.300
0.071
2,599,383.597
95,101.024
3.863
0.259
0.262
0.500
0.306
11.966
2,273,966.731
32,214.115
22.600
0.044
0.134
0.195
0.090
0.204
830,648.570
2,153,699.481
0.244
4.098
0.156
1.046
0.083
0.064
2,530,669.982
291,961.938
1.360
0.735
0.139
7.546
0.271
0.171
7,324,111.591
261,627.831
2.096
0.477
0.324
0.605
0.248
0.156
668,513.755
729,464.219
0.253
3.953
(0.169)
0.746
0.179
0.071
2,075,929.713
363,661.886
2.184
0.458
0.100
1.142
0.038
0.056
521,289.631
414,762.217
0.560
1.786
0.208
0.214
0.069
0.158
205,743.869
357,706.244
0.208
4.808
0.114
0.224
0.058
0.083
163,527.193
96,292.730
2.660
0.376
0.152
0.715
0.093
0.223
1,630,275.301
1,006,474.989
0.368
2.717
0.124
1.415
0.177
0.166
8,545,099.531
1,366,008.251
0.320
3.125
0.320
0.272
0.220
0.117
805,564.283
391,496.254
0.174
5.747
0.024
1.138
0.072
0.017
963,305.192
838,709.059
0.152
6.579
0.259
1.233
1.736
0.595
2,309,176.255
587,029.467
0.613
1.632
0.485
0.493
0.230
0.471
668,756.028
543,597.113
0.088
11.364
0.199
0.346
0.031
0.038
790,604.836
442,201.207
1.180
0.847
0.296
0.613
0.213
0.191
3,492,054.004
111,265.259
3.220
0.311
0.261
0.756
0.205
0.179
126
MVABVA
MVEBVE
EP
PER
GROWSAL
GROWEAR
GROWEQ
GROWAS
1,048,731.368
3,221,493.807
0.085
11.710
0.114
0.099
0.160
0.011
1,101,636.010
1,424,684.076
0.264
3.792
0.296
0.613
(0.812)
(0.472)
2,803,646.091
6,320,100.125
0.009
111.111
0.120
(0.494)
0.428
0.560
4,319,135.007
13,006,366.216
0.013
78.125
0.132
(0.491)
1.861
0.132
543,898.666
3,437,804.389
0.304
3.289
0.642
37.720
0.372
0.297
399,023.915
88,710.154
5.008
0.200
0.172
0.349
0.134
0.121
650,951.233
472,826.652
1.138
0.879
0.081
(0.293)
0.130
0.006
118,499.042
79,936.051
3.995
0.250
0.122
0.034
0.190
0.171
2,655,571.055
28,341.755
25.700
0.039
0.107
0.141
0.137
0.153
1,013,839.889
1,386,584.334
0.370
2.703
0.435
0.513
0.116
0.219
2,597,628.291
243,990.514
1.760
0.568
0.256
0.291
0.197
0.071
4,583,814.207
134,751.433
3.536
0.283
(0.195)
0.782
0.942
0.205
610,095.867
632,966.305
0.319
3.135
0.035
0.261
0.152
0.080
2,589,950.205
247.844
4.260
0.235
0.272
(0.091)
0.467
0.414
538,375.229
366,151.492
0.640
1.563
0.272
0.139
0.133
0.120
201,955.252
329,355.813
0.416
2.404
0.221
1.003
0.086
0.123
3,749,117.635
73,228.421
12.120
0.083
0.093
3.557
0.315
0.210
2,751,259.338
750,572.311
0.748
1.337
0.644
1.035
0.341
0.637
286,818.012
1,106,145.746
0.650
1.538
0.320
1.061
0.235
0.545
809,248.755
350,692.618
0.422
2.370
0.059
1.421
0.116
0.076
1,360,437.957
848,347.742
0.072
13.889
0.149
(0.286)
(0.011)
0.143
3,330,719.729
466,347.146
0.672
1.487
0.607
0.098
0.259
0.394
903,564.884
529,482.112
0.212
4.717
0.590
1.412
0.027
0.317
1,425,194.032
376,936.180
1.468
0.681
0.161
0.244
0.173
0.363
4,750,582.276
90,689.238
4.540
0.220
0.388
0.410
0.227
0.243
965,922.106
3,108,148.010
0.023
44.248
0.046
(0.735)
0.036
0.176
953,226.796
1,404,466.766
0.055
18.325
(0.150)
(0.975)
0.014
(0.129)
3,173,318.608
5,976,693.640
0.004
240.750
0.689
0.129
0.018
0.061
3,698,688.513
13,904,437.024
0.013
75.188
0.353
0.039
0.140
0.216
695,663.779
3,333,333.333
0.001
961.538
0.538
(0.997)
0.031
0.431
435,024.722
77,375.426
6.255
0.160
0.194
0.249
0.146
0.126
715,981.453
413,006.966
1.278
0.782
0.256
0.123
0.145
0.128
107,415.408
68,433.723
4.403
0.227
0.164
0.102
0.168
0.133
3,416,153.915
24,610.426
31.500
0.032
0.242
0.225
0.152
0.220
1,809,018.751
1,204,713.804
0.512
1.953
0.382
0.386
0.151
0.544
849,257.758
249,945.762
2.220
0.450
(0.118)
0.266
(0.024)
(0.506)
3,789,645.236
108,352.458
4.588
0.218
(0.008)
0.435
0.244
0.123
614,378.401
652,301.140
0.094
10.638
(0.476)
(0.706)
(0.030)
(0.117)
2,440,737.053
196,123.059
5.660
0.177
0.178
0.318
0.264
0.221
127
MVABVA
MVEBVE
EP
PER
GROWSAL
GROWEAR
GROWEQ
GROWAS
596,716.732
401,750.023
0.920
1.087
0.016
0.452
(0.089)
0.013
195,544.384
316,043.639
0.392
2.551
0.123
(0.057)
0.042
0.031
132,903.274
66,369.332
4.075
0.245
0.109
(0.664)
0.103
0.037
2,381,075.469
786,016.247
0.440
2.273
(0.160)
(0.411)
(0.045)
(0.118)
243,644.603
867,234.995
1.010
0.990
(0.112)
0.537
0.275
(0.153)
534,355.235
356,419.834
0.320
3.125
(0.084)
759.800
982.931
(0.193)
1,153,115.565
705,607.225
0.312
3.205
0.148
3.439
0.202
(0.059)
4,369,804.954
430,772.058
0.878
1.139
(0.054)
0.308
0.083
0.243
785,950.410
486,771.835
0.348
2.874
(0.024)
0.633
0.088
(0.086)
940,969.372
311,645.118
1.992
0.502
0.005
0.357
0.210
0.018
4,538,602.939
75,199.278
4.960
0.202
(0.019)
0.092
0.206
0.175
922,798.976
2,746,963.461
0.084
11.848
0.123
2.734
0.131
0.053
864,835.077
1,333,070.274
0.090
11.111
(0.290)
0.646
0.054
(0.075)
3,171,623.608
5,931,312.214
0.008
120.375
0.019
0.167
0.008
(0.227)
4,344,087.241
12,517,745.630
0.010
96.712
(0.525)
(0.223)
0.103
(0.192)
613,577.921
2,926,543.752
0.210
4.772
(0.325)
202.103
0.143
(0.128)
501,764.504
68,502.013
7.287
0.137
0.172
0.165
0.130
0.143
531,221.267
283,729.262
3.691
0.271
(0.128)
1.889
0.456
(0.020)
131,393.352
63,243.964
6.549
0.153
0.179
0.488
0.082
0.157
3,792,364.734
20,605.922
39.900
0.025
0.171
0.265
0.194
0.151
1,782,807.181
948,313.740
0.970
1.031
0.223
0.897
0.270
0.111
128
IONS
CAPBVA
CAPMVA
GROWSAL
GROWEAR
GROWEQ
GROWAS
0.036
0.001
139,500,000,000.001
-0.159070383
5.426185224
0.22518727
-0.0510508
0.052
0.079
712,902,275,000.133
0.033003003
0.129364383
0.11903511
0.05774086
0.160
(0.040)
305,999,999,999.891
0.344410431
0.868457619
0.1030954
0.07670307
0.068
(0.034)
1,295,443,967,999.870
0.158738314
0.293228399
0.23118373
0.02720798
0.294
(8.130)
143,966,885,978.065
0.022732786
0.006662914
0.09791522
0.08074941
0.236
(0.003)
53,499,999,999.973
0.087891704
0.068860165
0.03399133
0.00386381
0.030
0.000
13,000,000,000.000
0.014665329
0.244283518
1077.22579
998.998924
0.081
0.028
195,000,000,000.039
0.113883135
-0.433915117
0.02088304
0.13776784
0.105
0.005
30,633,850,000.010
0.375290431
0.025423729
0.11126503
0.23862243
0.150
(0.036)
224,999,999,999.921
-0.149666628
-0.84673964
0.01402514
-0.1048243
0.143
0.060
153,937,500,000.079
0.047146213
8.065322227
0.1552647
-0.0480106
0.079
0.084
312,000,000,000.149
0.404021044
0.073728508
0.06642001
0.2008205
0.196
(0.006)
108,001,460,999.990
-0.229952588
-0.607400822
0.12671704
-0.042984
0.200
(0.032)
385,578,639,999.865
0.050530443
0.010862748
0.13937517
0.09538819
0.079
0.000
2,024,177,657,000.000
-0.22016745
-0.319790519
0.09554387
0.09336748
1.117
0.010
301,000,000,000.020
-0.071109854
0.026648521
0.17047103
-0.0233461
0.139
0.021
205,583,400,000.038
0.090308323
0.099819918
0.13795622
0.347336
0.886
0.011
207,200,000,000.016
0.017674697
-0.256176117
0.07408086
0.07562618
0.648
0.091
1,537,500,000,000.110
0.309800324
0.967432052
3.7932537
-0.0994626
0.169
0.013
75,600,000,000.016
0.046477297
2.447585685
0.00797274
0.12392535
0.008
(0.010)
13,162,472,999.976
0.052085202
-0.240808081
0.10337903
0.08587377
0.060
(0.021)
49,535,999,999.970
0.160101531
0.267492526
0.30043923
0.07077984
0.046
(0.000)
22,400,000,000.000
0.262083728
0.499792028
0.30592364
11.9658631
0.007
0.050
76,300,000,000.101
0.134416318
0.19514955
0.08971643
0.20395039
0.194
0.004
383,292,000,000.010
0.155510191
1.046271594
0.08318799
0.06397944
0.032
(0.003)
139,499,999,999.995
0.138763378
7.546035748
0.27071631
0.17054727
0.039
0.026
712,902,275,000.046
0.324064965
0.604774219
0.2478863
0.15600969
0.192
(0.030)
305,999,999,999.881
-0.169191029
0.745774553
0.17883003
0.07149455
0.062
(0.010)
593,151,999,999.963
0.100017897
1.142311967
0.03766302
0.05583366
0.135
0.072
143,966,886,000.171
0.207621925
0.213826974
0.06904151
0.15817806
0.212
0.003
53,500,000,000.026
0.113681439
0.223614776
0.05768161
0.08304172
0.026
(0.007)
12,999,999,999.982
0.151848914
0.715093497
0.09265757
0.22330648
0.072
0.049
195,000,000,000.068
0.124013626
1.415001516
0.17673997
0.16638369
0.061
0.047
1,416,197,433,900.080
0.320189712
0.272229465
0.2201
0.11722
0.145
(0.031)
224,999,999,999.928
0.024142054
1.137654254
0.07243185
0.01697883
0.342
0.112
153,937,500,000.193
0.258540341
1.233146339
1.73603923
0.59470661
0.053
0.092
312,000,000,000.145
0.484703134
0.492832828
0.22955212
0.47122036
0.163
0.005
108,001,461,000.007
0.19875665
0.346447778
0.0306334
0.038435
0.154
(0.029)
385,578,639,999.872
0.295946221
0.612813677
0.21290496
0.1906358
0.063
(0.000)
2,024,177,657,000.000
0.261479796
0.756223773
0.20499088
0.17917273
129
IONS
GROWEQ
GROWAS
1.003
CAPBVA (0.161)
300,999,999,999.636
CAPMVA
GROWSAL 0.113668424
GROWEAR 0.09878127
0.16006851
0.01114558
0.082
(0.000)
205,583,400,000.000
0.295946221
0.612813677
-0.811766
-0.4724952
0.661
0.144
1,120,000,000,000.290
0.119587911
-0.494290065
0.42791412
0.55986286
0.645
0.002
1,998,617,553,500.000
0.132388472
-0.491187329
1.86079024
0.13213553
0.103
(0.012)
75,599,999,999.985
0.64186277
37.71959459
0.37224223
0.2973324
0.007
0.048
13,162,473,000.112
0.172033153
0.349183281
0.13425874
0.1210773
0.055
(0.016)
49,535,999,999.976
0.081020184
-0.292679255
0.13026268
0.00641621
0.041
0.002
22,400,000,000.011
0.122306968
0.034054404
0.18971381
0.17107595
0.006
0.089
76,300,000,000.180
0.106716743
0.141181288
0.13663091
0.15291958
0.136
0.019
383,292,000,000.045
0.434654501
0.513090963
0.11585537
0.21874793
0.025
0.000
139,500,000,000.001
0.256106616
0.291139841
0.19661184
0.07117057
0.057
0.254
831,719,320,750.878
-0.195307636
0.782099841
0.9415588
0.20455102
0.186
(0.009)
305,999,999,999.954
0.03450019
0.261014367
0.15245348
0.07990029
0.049
0.021
599,833,050,000.087
0.271752979
-0.090748459
0.46730043
0.41440386
0.106
0.043
143,966,886,000.104
0.272101536
0.138773732
0.13276124
0.12011686
0.174
0.015
53,500,000,000.103
0.220848554
1.002695418
0.08607843
0.12273179
0.024
38.741
13,000,000,041.566
0.093261929
3.556741281
0.31496389
0.21025355
0.044
0.074
195,000,000,000.095
0.643515146
1.034965816
0.3409434
0.63686909
0.061
0.020
30,633,850,000.031
0.320189712
1.06066817
0.2349261
0.54489417
0.137
0.004
225,000,000,000.010
0.058673192
1.420904749
0.11635157
0.07582855
0.302
0.103
476,563,854,125.162
0.149366288
-0.285769972
-0.0113617
0.14343813
0.033
0.183
312,540,000,000.273
0.606943024
0.098452994
0.25878216
0.39377389
0.103
0.006
108,001,461,000.008
0.590055335
1.411603952
0.02665813
0.31650186
0.133
0.017
385,578,640,000.051
0.161224531
0.244265311
0.17314609
0.36347839
0.000
0.000
2,024,177,657,000.000
0.387992985
0.409819776
0.22688492
0.24315368
0.959
(0.008)
300,999,999,999.984
0.046396667
-0.735473828
0.03646731
0.1760074
0.097
0.021
205,583,400,000.031
-0.149707579
-0.975337816
0.01439501
-0.1290082
0.392
0.023
1,078,560,000,000.060
0.688605836
0.129092962
0.01833167
0.06108426
0.477
0.002
2,003,617,553,500.000
0.352598235
0.039399259
0.14029705
0.21600103
0.067
(0.006)
75,599,999,999.994
0.537730988
-0.996597156
0.03134132
0.43131303
0.006
0.030
13,162,473,000.072
0.194336928
0.249176945
0.14649003
0.12557962
0.044
(0.025)
49,535,999,999.961
0.255885986
0.122567714
0.14483941
0.12815825
0.035
0.021
22,400,000,000.166
0.164272218
0.102084148
0.16807982
0.13291166
0.005
0.055
76,300,000,000.106
0.241764363
0.225270939
0.15161576
0.21962138
0.098
0.088
383,292,000,000.153
0.381565103
0.385912747
0.15096576
0.54396609
0.029
(0.002)
139,499,999,999.995
-0.117604857
0.26647734
-0.0238262
-0.5058527
0.057
0.133
831,719,320,750.623
-0.008162013
0.434766105
0.24363984
0.1228262
0.355
0.000
306,000,000,000.003
-0.476023597
-0.706010012
-0.029641
-0.1170002
0.041
0.056
593,152,000,000.295
0.178380956
0.318181098
0.26371774
0.22147996
130
IONS
CAPBVA
CAPMVA
GROWSAL
GROWEAR
GROWEQ
GROWAS
0.105
(0.018)
143,966,885,999.961
0.015563104
0.452357005
-0.0886087
0.01279695
0.155
0.017
53,500,000,000.130
0.122714455
-0.057110812
0.04212131
0.03059634
0.022
(387.191)
12,999,998,452.496
0.108759046
-0.6637472
0.10334727
0.03677025
0.052
(0.003)
194,999,999,999.996
-0.159536564
-0.410851172
-0.0450931
-0.1183807
0.068
0.036
30,633,850,000.075
-0.112362556
0.537149393
0.2754856
-0.1533384
0.150
(0.001)
224,999,999,999.996
-0.083795209
759.7999283
982.930887
-0.1931747
0.264
0.052
476,979,666,375.098
0.148290546
3.439374185
0.20229458
-0.0588233
0.035
0.106
313,829,250,000.149
-0.054123561
0.307980175
0.08258448
0.24292414
0.105
0.011
108,001,461,000.016
-0.024121186
0.633237448
0.08774188
-0.0859176
0.132
(0.001)
385,578,639,999.994
0.00537104
0.357298706
0.20950452
0.01842004
0.000
0.000
2,024,177,657,000.000
-0.018917054
0.092372974
0.20598549
0.17497419
0.854
(0.020)
300,999,999,999.957
0.123038109
2.734000294
0.13148502
0.05303649
0.136
0.004
205,583,400,000.006
-0.290057225
0.646046885
0.05355794
-0.0745725
0.384
(0.006)
1,078,559,999,999.980
0.019090341
0.166666667
0.00765116
-0.2272435
1.004
0.002
2,003,617,553,500.000
-0.525227073
-0.222931132
0.10329354
-0.1918707
0.099
(0.012)
75,599,999,999.986
-0.325479296
202.1025641
0.14347482
-0.1277345
0.005
0.023
13,162,473,000.054
0.172496453
0.164883345
0.12953506
0.14321845
0.051
(0.015)
49,535,999,999.968
-0.128092128
1.888760725
0.45563755
-0.019628
0.030
0.028
22,400,000,000.152
0.179348457
0.487527885
0.08208992
0.15705853
0.004
0.064
76,300,000,000.126
0.171337359
0.264567879
0.19433754
0.15069851
0.080
0.078
383,292,000,000.151
0.222511141
0.896539775
0.27037472
0.11067438
131
Lampiran 12
Nilai
Data Seluruh 40000000
MVABVA
35000000
MVEBVE
30000000
EP
25000000
PER
20000000
IONS
15000000
CAPBVA
10000000
CAPMVA
5000000
GROWSAL
0
GROWEAR
-5000000 1
11 21 31 41 51 61 71 81 91 Perusahaan
GROWEQ GROWAS
Grafik Data Seluruhnya
Data Proksi Berbasis Harga Saham 40000000 35000000 30000000
MVABVA
Nilai
25000000
MVEBVE
20000000
EP
15000000
PER
10000000 5000000 0 1
11 21 31 41 51
61 71 81 91
Perusahaan
Grafik Data Proksi Berbasis Harga Saham
132
Data Proksi Berbasis Investasi 100 0
Nilai
-100
1
10 19 28
37 46 55 64
73 82 91 100 IONS CAPBVA
-200
CAPMVA
-300 -400 -500 Perusahaan
Grafik Data Proksi Berbasis Investasi
Data Realisasi Pertumbuhan 1200 1000
Nilai
800
GROWSAL
600
GROWEAR
400
GROWEQ GROWAS
200 0 -200
1
10 19 28 37 46 55 64 73 82 91 100 Perusahaan
Grafik Data Realisasi Pertumbuhan
133
Nilai
MVABVA 9000000 8000000 7000000 6000000 5000000 4000000 3000000 2000000 1000000 0
MVABVA
1
10 19 28 37 46 55 64 73 82 91 100 Perusahaan
Grafik Market to Book Value of Asset Ratio
MVEBVE 40000000 35000000 30000000 Nilai
25000000 MVEBVE
20000000 15000000 10000000 5000000 0 1
11 21 31 41 51
61 71 81 91
Perusahaan
Grafik Market to Book Value of Equity Ratio
134
Nilai
EP 45 40 35 30 25 20 15 10 5 0
EP
1
9
17
25
33
41
49
57
65
73
81
89
97
Perusahaan
Grafik Earning to Price
PER 1200 1000
Nilai
800 600
PER
400 200 0 1
9
17 25 33 41 49 57 65 73 81 89 97 Perusahaan
Grafik Price to Earning Ratio
135
IONS 1.2 1
Nilai
0.8 0.6
IONS
0.4 0.2 0 1
9
17 25 33 41 49 57 65 73 81 89 97 Perusahaan
Grafik Investment to Net Sales
Nilai
CAPBVA 100 50 0 -50 1 -100 -150 -200 -250 -300 -350 -400 -450
10 19
28 37
46 55
64 73
82 91 100 CAPBVA
Perusahaan
Grafik Capital Expenditure to Book of Asset
136
CAPMVA 0.015 0.01
Nilai
0.005 CAPMVA
0 -0.005
1
10 19 28 37 46 55 64 73 82 91 100
-0.01 -0.015 Perusahaan
Grafik Capital Expenditure to Market Value of Asset
GROWSAL 0.8 0.6
Nilai
0.4 0.2 GROWSAL 0 -0.2
1
10 19 28 37 46 55 64 73 82 91 100
-0.4 -0.6 Perusahaan
Grafik Pertumbuhan Penjualan
137
GROWEAR 800 700 600
Nilai
500 400
GROWEAR
300 200 100 0 -100 1
10 19 28 37 46 55 64 73 82 91 100 Perusahaan
Grafik Pertumbuhan Laba
GROWEQ 1200 1000
Nilai
800 600 GROWEQ 400 200 0 -200
1
10 19 28 37 46 55 64 73 82 91 100 Perusahaan
Grafik Pertumbuhan Nilai Buku Ekuitas
138
GROWAS 1200 1000
Nilai
800 600 GROWAS 400 200 0 -200
1
10 19 28 37 46 55 64 73 82 91 100 Perusahaan
Grafik Pertumbuhan Asset
139
