PENGARUH INVESTMENT OPPORTUNITY SET, VOLUNTARY DISCLOSURE, LEVERAGE, DAN LIKUIDITAS TERHADAP KUALITAS LABA (Studi pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia Periode 2010-2014)
Skripsi Diajukan kepada Fakultas Ekonomi dan Bisnis Untuk Memenuhi Syarat-syarat Guna Meraih Gelar Sarjana Ekonomi
Disusun oleh: Reza Fahlevi NIM: 1111082000093
JURUSAN AKUNTANSI FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 1437 H/2016 M
DAFTAR RIWAYAT HIDUP
I.
Data Pribadi Nama
: Reza Fahlevi
Tempat/Tanggal Lahir
: Jakarta, 8 Mei 1992
Jenis Kelamin
: Laki-Laki
Nama Ayah
: Ahmad Zailani
Nama Ibu
: Susilawati
Anak Ke Dari
: 2 dari 3 bersaudara
Status
: Belum Menikah
Agama
: Islam
Alamat
: Jl. Bayam RT 002/06 No.9 Kel. Pondok Cabe Ilir, Kec. Pamulang Tangerang Selatan, 15418
II.
No. Telp
: 087808375123
E-mail
:
[email protected]
Pendidikan Formal SD Dharma Karya UT
: Tahun 1998-2004
SMPN 2 Tangerang Selatan
: Tahun 2004-2007
SMAN 1 Tangerang Selatan
: Tahun 2007-2010
Universitas Islam Negeri Syarif Hidayatullah Jakarta : Tahun 2011-2016
vi
III.
Pengalaman Organisasi
1. Anggota Divisi Sosial dan Agama Himpunan Mahasiswa Jurusan Akuntansi Periode 2012-2013. 2. Sekertaris Koordinator Divisi Dana Usaha Mahasiswa Jurusan Akuntansi Periode 2013-2014
IV.
Mandiri
Himpunan
Seminar dan Workshop 1. Sebagai peserta dalam “Dialog Jurusan dan Seminar Konsentrasi”, 23 September 2013, Fakultas Ekonomi dan Bisnis, UIN Syarif Hidayatullah Jakarta. 2. Sebagai peserta dalam “Safari Ramadhan OJK Edukasi Produk dan Jasa Keuangan Gerakan literasi Keuangan”, 10 Juni 2014, Auditorium Harun Nasution, UIN Syarif Hidayatullah Jakarta. 3. Sebagai peserta dalam “Kuliah Umum Sosialisasi Hemat Energi”, 8 November 2012, Fakultas Ekonomi dan Bisnis, UIN Syarif Hidayatullah Jakarta. 4. Sebagai peserta dalam “Industri Hulu Migas Perspektif Pembangunan Ekonomi Nasonal”, 2 Mei 2013, Wisma Syahida Inn, UIN Syarif Hidayatullah Jakarta.
vii
THE EFFECTS OF INVESTMENT OPPORTUNITY SET, VOLUNTARY DISCLOSURE, LEVERAGE, AND LIQUIDITY TOWARDS EARNING QUALITY
ABSTRACT The purposes of this research to analyze the effects of investment opportunity set (IOS), voluntary disclosre, leverage, and liquidity towards earning quality. This research used all the manufacture companies listed on Indonesian Exchange in the peroid 2010 until 2014. The number of all companies that were became in this study were 39 companies with 5 year observation. Based on method purposive sampling, research sample total is 195 financial statements and annual report. This research used secondary data obtain from www.idx.co.id and corporate websites. Data analyzed by multiple regression use data panel with eviews 9. Based on the result of multiple regression with data panel with a significant 5%, the result of this study conclude that: 1) Investment opportunity set influences significantly positive on the earning quality with the significant value 0,000<0,05. 2) Voluntary disclosure influances significanly positive on the earning quality with the significant value 0,0076>0,05. 3) Leverage doesn’t influences on the earning quality with the significant value 0,3770<0,05. 4) Liquidity influences on the earning quality with significant value 0,0009<0,05. Keywords : investment opportunity set, voluntary disclosure, leverage, liquidity, earning quality.
viii
PENGARUH INVESTMENT OPPORTUNITY SET, VOLUNTARY DISCLOSURE, LEVERAGE, DAN LIKUIDITAS TERHADAP KUALITAS LABA
ABSTRAK Penelitian ini bertujuan untuk menganalisis pengaruh investment opportunity set, voluntary disclosure, leverage dan likuiditas terhadap kualitas laba. Penelitian ini menggunakan sampel perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia selama periode 2010 sampai 2014. Jumlah seluruh perusahaan yang dijadikan sampel penelitian ini adalah 39 perusahaan dengan pengamatan selama 5 tahun. Berdasarkan metode purposive sampling, total sampel penelitian adalah 195 laporan keuangan dan laporan tahunan. Metode pengumpulan data yang digunakan adalah data sekunder, yang diperoleh peneliti dari www.idx.co.id dan. Pengujian hipotesis dalam penelitian ini menggunakan metode analisis regresi berganda menggunakan data panel yang pengolahannya melalui eviws 9. Berdasrkan hasil regresi berganda dengan data panel dengan tingkat signifikansi sebesar 5%, hasil penelitian ini menyimpulkan bahwa: 1) Investment opportunity set berpengaruh positif terhadap kualitas laba dengan nilai signifikan 0.0000 < 0.05. 2) Voluntary disclosure berpengaruh positif terhadap kualitas laba dengan nilai signifikan 0.0076 < 0.05. 3) Leverage tidak berpengaruh terhadap kualitas laba dengan nilai signifikan 0.3770 > 0.05. 4) Likuiditas berpengaruh terhadap kualitas laba dengan nilai signifikan 0.0009 < 0.05. Kata kunci : investment opportunity set, voluntary disclosure, leverage, likuiditas, kualitas laba
ix
KATA PENGANTAR
Alhamdulillahi Robbil ’Alamin, segala puji dan syukur hanya milik Allah SWT yang telah melimpahkan segala rahmat dan kasih sayang-Nya kepada kita semua karena hanya dengan ridho-Nya lah penulis dapat menyelesaikan skripsi yang berjudul “Pengaruh Investment Opportunity Set (IOS), Voluntary Disclosure, Leverage dan Likuiditas Terhadap Kualitas Laba (Studi Empiris Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia Pada Tahun 2010-2014)”. Shalawat dan salam semoga selalu tercurahkan kepada junjungan Nabi Besar kita Muhammad SAW beserta keluarga dan para sahabatnya Dalam penyusunan skripsi ini, penulis juga tidak luput dari berbagai masalah dan menyadari sepenuhnya bahwa keberhasilan yang diperoleh bukanlah sematamata hasil usaha penulis sendiri, melainkan berkat bantuan, dorongan, bimbingan dan pengarahan yang tidak ternilai harganya dari pihak lain, yakni ucapan terima kasih yang tak terhingga kepada: 1. Terimakasih kepada orang tuaku ibu dan bapak atas dukungannya selama ini dan seluruh keluargaku 2. Ibu Yusro Rahma, SE,,M.Si selaku dosen pembimbing I, terimakasih atas waktu yang telah diluangkan utuk ilmu, saran, arahan, nasehat yang sangat berharga selama penyusunan skripsi ini. Terimaksih banyak atas bimbingan terbaiknya bu 3. Bapak Dr. Arif Mufraini, Lc., MSi selaku Dekan Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta. 4. Ibu Yesi Fitri SE, M.M selaku Ketua Jurusan Akuntansi Fakultas Ekonomi dan Bisnis.
x
5. Bapak Hepi Prayudiawan, SE., MM., Ak selaku Sekretaris Jurusan Akuntansi Fakultas Ekonomi dan Bisnis. 6. Seluruh dosen dan karyawan Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta yang telah banyak memberikan bantuan kepada penulis selama menempuh masa studi 7. Sahabat-sahabatku dilingkungan kampus dan luar kampus 8. Teman-teman Akuntansi Angkatan 2011 dan kelas Akuntansi manajemen. 9. Semua pihak yang tidak dapat disebutkan satu persatu. Semoga Allah SWT memberikan balasan yang berlipat ganda kepada semua pihak atas bantuan dan amal baik yang telah diberikan kepada penulis dalam penyusunan skripsi ini sampai dengan selesai. Akhir kata, penulis mengharapkan semoga skripsi ini dapat bermanfaat bagi semua pihak yang memerlukan.
Jakarta, 5 Juni 2016
Reza Fahlevi xi
DAFTAR ISI
LEMBAR PENGESAHAN SKRIPSI .................................................................. ii LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ..................................... iii LEMBAR PENGESAHAN UJIAN SKRIPSI ........................................................iv SURAT PERNYATAAN KEASLIAN SKRIPSI ................................................. v DAFTAR RIWAYAT HIDUP .............................................................................. vi ABSTRACT ......................................................................................................... viii ABSTRAK ............................................................................................................ ix KATA PENGANTAR ........................................................................................... x DAFTAR ISI ....................................................................................................... xii DAFTAR TABEL ............................................................................................. xvii DAFTAR GAMBAR ........................................................................................ xviii DAFTAR GRAFIK ............................................................................................. xix DAFTAR LAMPIRAN ........................................................................................ xx BAB I
PENDAHULUAN ................................................................................ 1 A. Latar Belakang Penelitian................................................................. 1 B. Rumusan Masalah ......................................................................... 10 C. Tujuan Penelitian ........................................................................... 10 D. Manfaat Penelitian .......................................................................... 11
BAB II
TINJAUAN PUSTAKA .................................................................... 13 A. Tinjauan Literatur .......................................................................... 13 1. Teori Agensi ............................................................................. 13 xii
2. Kualitas Laba…………………………………………………..14 3. Investment Opportunity Set ....................................................... 21 4. Voluntary Disclosure ............................................................... 26 5. Leverage ................................................................................... 29 6. Likuiditas ................................................................................... 34 B. Hasil-Hasil Penelitian Terdahulu ................................................. 38 C. Kerangka Pemikiran ..................................................................... 42 D. Hipotesis ....................................................................................... 43 1. Investment Opportunity Set terhadap Kualitas Laba ................ 44 2. Voluntary Disclosure terhadap Kualitas Laba ........................... 45 3. Leverage terhadap Kualitas Laba ............................................. 46 4. Likuiditas terhadap Kualitas Laba ............................................. 47 BAB III METODOLOGI PENELITIAN ...................................................... 48 A. Ruang Lingkup Penelitian ............................................................. 48 B. Metode Penentuan Sampel ............................................................ 48 C. Metode Pengmpulan Data ............................................................. 49 D. Metode Analisis Data .................................................................... 50 1. Metode Data Panel ................................................................... 51 2. Pemodelan Data Panel .............................................................. 52 a. Pendekatan Pooled Least Square ................................... 52 b. Pendektatan Fixed Effect Model .................................... 53 c. Pendekatan Random Effect Model ................................. 53 3. Pemlihan Model Data Panel .................................................... 54 xiii
a. Uji Chow ........................................................................ 55 b. Uji Hausman .................................................................. 55 4. Uji Asumsi Klasik .................................................................... 57 a. Uji Normalitas Data ........................................................... 58 b. Uji Multikolonieritas ......................................................... 58 c. Uji Heteroskedastisitas ...................................................... 60 d. Uji Autokorelasi ................................................................. 61 5. Uji Koefisien Determinasi (Adjusted R2) ............................ 62 6. Uji Hipotesis ............................................................................ 63 a. Uji F-statistic .................................................................... 63 b. Uji t-statistic ................................................................... 64 7. Model Regresi Berganda Menggunakan Data Panel ................. 65 E. Operasional Variabel ..................................................................... 66 1. Variabel Independen ................................................................ 66 a. Invesment Opportunity Set ............................................... 66 b. Voluntary Disclosure ......................................................... 67 c. Leverage ............................................................................. 68 d. Likuiditas ........................................................................... 69 2. Variabel Dependen .................................................................. 69 BAB IV HASIL DAN PEMBAHASAN .......................................................... 74 A. Sekilas Gambaran Umum Objek Penelitian ................................. 74 B. Analisis Hasil dan Pembahasan .................................................... 75 1. Statistik Deskriptif ................................................................... 75 xiv
2. Pemilihan Model Terbaik ......................................................... 77 a. Uji Chow ............................................................................ 77 b. Uji Hausman ....................................................................... 78 3. Hasil Uji Asumsi Klasik .......................................................... 80 a. Hasil Uji Normalitas .......................................................... 80 b. Hasil Uji Multikolonieritas ................................................ 81 c. Hasil Uji Heterokedastisitas .............................................. 82 4. Random Effect Model (REM) ................................................. 83 5. Hasil Uji Koefisien Determinasi (Adjusted R2)………………84 6. Hasil Uji Hipotesis..................................................................... 85 a.
Hasil Uji F-statistik ........................................................... 85
b. Hasil Uji t-statistik ............................................................ 86 BAB V
PENUTUP ........................................................................................... 95 A. Kesimpulan ................................................................................... 95 B. Saran ............................................................................................ 96
DAFTAR PUSTAKA ......................................................................................... 98 LAMPIRAN ...................................................................................................... 103
xv
DAFTAR TABEL
Nomor
Keterangan
Halaman
2.1
Penelitian terdahulu
38
3.1
Operasional Variabel
73
4.1
Rincian sampel penelitian
74
4.2
Hasil uji Statistik Deskriptif
75
4.3
Hasil uji Chow
78
4.4
Hasil uji Hausman
79
4.5
Hasil uji Multikolinieritas
82
4.6
Hasil uji Park
83
4.7
Hasil uji Adjusted R2
84
4.8
Hasil uji F-statistic
85
4.9
Hasil uji t-statistic
86
4.10
Hasil uji t (SPSS)
94
xvi
DAFTAR GAMBAR
Nomor
Keterangan
2.1
Kerangka pemikiran
Halaman 42
xvii
DAFTAR GRAFIK
Nomor
Keterangan
4.1
Hasil uji Normalitas
Halaman 81
xviii
DAFTAR LAMPIRAN
Nomor
Keterangan
Halaman
1
Daftar sampel Perusahaan Manufaktur
104
2
Data Olahan
105
3
Checklist pengungkapan sukarela
166
4
Hasil Analisis
168
xix
BAB I PENDAHULUAN A. Latar Belakang Penelitian Perkembangan zaman yang semakin cepat telah merubah pandangan dan cara setiap pelaku ekonomi dalam melakukan pengaturan keuangannya, terutama dalam melakukan investasi. Hal ini juga didukung perkembangan teknologi yang semakin maju memudahkan seseorang yang ingin memulai berinvestasi diberikan kemudahan dalam proses investasinya. Mungkin dahulu di Indonesia hanya sebagian kecil investor saja yang tertarik pada investasi di pasar modal, tetapi kini para investor pemilik modal di Indonesia telah banyak beralih pada investasi berbentuk saham, ini juga didorong dengan bertambah banyaknya perusahaan yang sudah go public dan terdaftar dalam Bursa Efek Indonesia (BEI). Setiap tahun semakin banyak jumlah perusahaan yang menawarkan saham perusahaannya di BEI. Bursa Efek Indonesia mempunyai upaya untuk menaikkan jumlah investor dengan menggelar Sharing Session di Jawa Timur, ini merupakan salah satu indikator bahwa investasi terus ditingkatkan (Dwi Sahara Soekarno, 2016) Laba merupakan bagian dari laporan keuangan, laba yang tidak menyajikan fakta yang sebenarnya tentang kondisi ekonomi perusahaan dapat diragukan kualitasnya (Paulus dan Hadiprajitno, 2012). Laba dari perusahaan yang diragukan kualitasnya dapat menyebabkan kesalahan pengambilan keputusan bagi pihak yang memerlukan informasi laba
1
perusahaan baik investor maupun kreditor. Hal ini dapat terjadi karena adanya konflik keagenan (agency conflict) yang muncul sebagai akibat pemisahan antara kepemilikan perusahaan dan pengelolaan perusahaan yang menimbulkan adanya perbedaan kepentingan antara pihak agen (manajer perusahaan) dan pihak prinsipal (pemilik perusahaan) (Oktarya, dkk, 2014) Adanya konflik kepentingan tersebut meningkatkan kemungkinan manajer perusahaan melakukan suatu tindakan yang tidak sesuai dengan keinginan pemilik perusahaan. Tindakan manajemen yang diambil berdasarkan keputusan sendiri dan demi kepentingan pribadi ini dikhawatirkan akan menyebabkan kualitas laba perusahaan yang dihasilkan menurun. Kualitas laba perusahaan yang rendah tidak akan dapat mencerminkan keadaan perusahaan yang sesungguhnya. Kualitas laba perusahaan menjadi lebih penting lagi karena laba yang disajikan perusahaaan dalam laporan keuangannya merupakan informasi yang sering dijadikan acuan oleh prinsipal dalam mengukur kinerja perusahaan dan nilai dari perusahaan. Kartina dan Nikmah (2011) menyatakan bahwa salah satu indikator yang dapat digunakan dalam mengukur kinerja ataupun nilai dari perusahaan
adalah
Investment
Opportunity
Set
(IOS).
Investment
Opportunity Set (IOS) memiliki kandungan informasi yang dibutuhkan oleh investor dipasar modal, karena IOS merupakan proksi realisasi pertumbuhan
2
perusahaan
dan
berhubungan
dengan
berbagai
variabel
kebijakan
perusahaan, antara lain kebijakan pendanaan atau struktur utang, kebijakan dividen, kebijakan leasing, dan kebijakan kompensasi. Perusahaan dihadapkan pada perencanaan keputusan yang akan menimbulkan pengaruh besar di masa mendatang, perusahaan yang baik diharapkan mampu mengambil keputusan-keputusan yang tepat atas peluang atau kesempatan yang muncul saat ini, agar dimasa mendatang peluang tersebut dapat terealisasi yang memberi keuntungan lebih bagi perusahaan. IOS (Investment opportunity set) merupakan kesempatan perusahaan untuk tumbuh. IOS digunakan sebagai dasar untuk menentukan klasifikasi pertumbuhan di masa depan. Bagi perusahaan yang memiliki set kesempatan investasi tinggi senantiasa melakukan ekspansi dalam strategi bisnisnya, maka akan semakin membutuhkan dana eksternal. Perusahaan yang memiliki set kesempatan investasi atau investment opportunity set (IOS) tinggi memiliki peluang pertumbuhan yang tinggi yang akan mempengaruhi perubahan tingkat laba dan menentukan kualitas informasi laba (Oktarya, dkk, 2014). Investment Opportunity Set menunjukkan investasi perusahaan atau opsi pertumbuhan. Nilai opsi pertumbuhan tersebut tergantung pada discretionary expenditure manajer. Manajemen investment opportunities membutuhkan pembuatan keputusan dalam lingkungan yang tidak pasti dan konsekuensinya tindakan manajerial
3
menjadi lebih unobservable (Smith dan Watts, 1992 dalam Wah, 2002). Tindakan manajer yang unobservable dapat menyebabkan prinsipal tidak dapat mengetahui apakah manajer telah melakukan tindakan yang sesuai dengan keinginan prinsipal atau tidak. Teori sinyal menjelaskan manajer memiliki insentif secara sukarela melaporkan informasi kepada pasar (Astika, 2011). Laporan tahunan dan laporan keuangan merupakan salah satu informasi yang secara formal wajib dipublikasikan sebagai sarana pertanggung jawaban pihak manajemen terhadap pengelolaan sumber daya pemilik. Selain itu, laporan tahunan dan laporan keuangan merupakan jendela informasi yang memungkinkan bagi pihak-pihak diluar manajemen untuk mengetahui kondisi perusahaan. Namun sejauh mana informasi yang dapat diperoleh sangat tergantung pada tingkat pengungkapan (disclosure) dari laporan tersebut. Pengungkapan dalam laporan keuangan akan membantu pengguna laporan keuangan untuk memahami isi dan angka yang dilaporkan dalam laporan keuangan. Kegagalan dalam memahami laporan keuangan mengakibatkan beberapa perusahaan mengalami kesalahan penilaian (misvalued), baik undervalued maupun overvalued. Sehingga muncul pertanyaan mengenai transparansi, pengungkapan informasi, dan peran akuntansi dalam menghasilkan informasi keuangan yang relevan dan dapat dipercaya, sehingga pemakai informasi akuntansi menerima sinyal tentang kondisi perusahaan yang sebenarnya. 4
Luas dari pengungkapan sukarela yang dilakukan oleh perusahaan mampu merubah nilai perusahaan disamping pengumuman laba perusahaan. Perusahaan yang melakukan lebih banyak pengungkapan sukarela dalam laporan tahunannya dapat memberikan nilai lebih dibandingkan dengan perusahaan yang luas pengungkapan sukarelanya kurang. Adanya pengungkapan sukarela mampu memberikan informasi tambahan serta mengurangi asimetri informasi dan ketidakpastian perusahaan. Informasi tambahan (good news maupun bad news) tersebut akan direspon investor sebagai bahan penilaian perusahaan dan pertimbangan investasi selain informasi laba perusahaan. Investor akan semakin yakin dengan pengungkapan yang dilakukan oleh perusahaan, apabila tingkat pengungkapan yang dilakukan oleh perusahaan semakin luas. Selain itu informasi sukarela yang diungkapkan perusahaan akan memberikan informasi tentang expected future earnings sehingga
investor
akan
menggunakan
informasi
tersebut
dan
tidak
menggunakan informasi laba sebagai proksi expected future earnings. Dengan demikian semakin luas pengungkapan sukarela yang dilakukan oleh perusahaan akan mengakibatkan menurunnya nilai ERC (Paramita, 2012).
Menurut Sudarma dan Ratnadi (2015), teori keagenan mengatakan bahwa agen biasanya bersikap oportunis dan tidak menyukai risiko (risk averse). Karena itu, perusahaan khususnya manajer perusahaan yang mendekati atau telah melanggar perjanjian utang akan berusaha untuk mementingkan kepentingannya sendiri dan menghindari risiko yang ada.
5
Debt-convenant hypothesis menyatakan bahwa jika semua hal lain tetap sama, semakin dekat perusahaan dengan pelanggaran perjanjian utang yang berbasis akuntansi, lebih mungkin manajer perusahaan untuk memilih prosedur akuntansi yang memindahkan laba yang dilaporkan dari periode mana datang ke periode saat ini. Alasannya bahwa laba bersih yang dilaporkan naik mengurangi profitabilitas kegagalan teknis. Leverage merupakan salah satu faktor yang mempengaruhi kualitas laba perusahan. Perusahaan yang masih muda dan belum menjadi perusahaan publik memiliki sumber pendanaan yang terbatas dari sumber internal sehingga perusahaan akan memiliki leverage yang besar. Perusahaan yang besar akan diikuti dengan upaya manajer untuk meningkatkan kinerja dan menghasilkan laba yang tinggi. Hal tersebut dilakukan agar manajer tetap mendapatkan kepercayaan ketika akan mencari sumber pendapatan dari pasar hutang. Perusahaan dengan leverage yang tinggi akan memiliki kecenderungan melakukan manajemen laba yang lebih tinggi yang menyebabkan kualitas laba menjadi lebih rendah (Irawati, 2012). Menurut Gaol (2012) menjelaskan bahwa Hutang yang dipergunakan secara efektif dan efesien maka akan meningkatkan nilai perusahaan, Leverage menggambarkan sumber dana operasi yang digunakan oleh perusahaan, leverage juga menunjukkan risiko yang dihadapi perusahaan.
6
Semakin besar risiko yang dihadapi oleh perusahaan maka ketidakpastian untuk menghasilkan laba dimasa depan juga akan semakin meningkat. Terdapat hubungan antara leverage dengan return perusahaan, artinya hutang dapat digunakan untuk memprediksi keuntungan yang kemungkinan bisa diperoleh bagi investor jika berinvestasi pada suatu perusahaan. Likuiditas adalah kemampuan suatu perusahaan untuk memenuhi hutang jangka pendeknya dengan aktiva lancar yang dimiliki. Likuiditas mempunyai pengaruh terhadap kualitas laba karena jika suatu perusahaan memiliki kemampuan dalam membayar hutang jangka pendeknya berarti perusahaan memiliki kinerja keuangan yang baik dalam pemenuhan hutang lancar sehingga perusahaan tidak perlu melakukan praktek manipulasi laba. Jadi likuiditas berpengaruh positif terhadap kualitas laba. Likuiditas menunjukkan bahwa perusahaan mampu untuk memenuhi kewajiban finansialnya dalam jangka pendek menggunakan dana lancar yang tersedia. Namun apabila likuiditas perusahaan terlalu besar maka perusahaan tersebut berarti tidak mampu mengelola aktiva lancarnya semaksimal mungkin sehingga kinerja keuangan menjadi kurang baik dan kemungkinan ada manipulasi laba untuk mempercantik informasi laba tersebut. Likuiditas meningkat karena adanya asimetri informasi (Amihud, 2008).
7
Likuiditas adalah rasio keuangan yang mengukur kemampuan suatu perusahaan untuk memenuhi kewajiban jangka pendek dengan aset lancarnya (Sugiarto dan Siagian, 2007). Rasio likuiditas yang umum digunakan adalah current ratio. Current ratio yang tinggi biasanya dianggap menunjukkan tidak terjadi masalah dalam likuiditas, sehingga semakin tinggi likuiditas artinya laba yang dihasilkan suatu perusahaan berkualitas karena manajemen perusahaan tidak perlu melakukan praktik manajemen laba. Menurut Nurhanifah dan Jaya (2014) likuiditas berpengaruh terhadap kualitas laba karena jika suatu perusahaan memiliki kemampuan dalam membayar hutang jangka pendeknya berarti perusahaan memiliki kinerja keuangan yang baik dalam pemenuhan hutang lancar sehingga perusahaan tidak perlu melakukan praktek manipulasi laba. Suatu perusahaan yang memiliki kemampuan dalam memenuhi kewajibannya menunjukan bahwa perusahaan memiliki kelangsungan hidup yang baik. Dengan kondisi seperti ini sangat dimanfaatkan oleh pihak manajemen dalam memberikan sinyal atas kondisi perusahaan kepada pasar. Kuatnya reaksi pasar akan mengindikasikan bahwa laba perusahaan semakin berkualitas. karena likuiditas merupakan salah satu tinjauan terhadap kinerja perusahaan.
8
Berdasarkan latar belakang yang telah diuraikan, maka peneliti bertujuan untuk melakukan penelitian terhadap kualitas laba dengan judul “Investment Opportunity Set, Voluntary Disclosure, Leverage, dan Likuiditas Terhadap Kualitas Laba” (Studi Pada Perusahaan Manufaktur Yang Terdaftar Pada BEI Periode 2010-2014) Penelitian
ini
merupakan
penelitian
replikasi
dari
penelitian
sebelumnya yang dilakukan oleh Nurhanifah dan Jaya (2014) dan Sudarma dan Ratnadi (2015). Perbedaan penelitian ini dengan penelitian sebelumnya adalah sebagai berikut: 1.
Variabel yang digunakan peneliti terdahulu Sudarma dan Ratnadi (2015) adalah hanya memamakai Voluntary Disclosure sebagai variabel independen yang diduga mempengaruhi kualitas laba. Sedangkan Nurhanifah dan Jaya (2014) menggunakan alokasi pajak, investment opportunity set, leverage likuiditas Sedangkan, dalam penelitian ini, peneliti menambahkan variabel dengan variabel independen lain yaitu leverage.
2.
Tahun pemilihan populasi dan sampel yang dilakukan penelitian sebelumnya yaitu dari tahun 2009-2013. Sedangkan pada penelitian ini menggunakan tahun 2010-2014.
9
3.
Dalam menganalisis ekonometrik dan statistika, peneliti terdahulu menggunakan program spss. Sedangkan dalam penelitian ini menggunakan program eviews 9.
B. Perumusan Masalah Berdasarkan uraian latar belakang di atas, maka dapat diketahui permasalahan dalam penelitian ini: 1. Bagaimana pengaruh Investment Opportunity Set, Voluntary Disclosure, Leverage, dan Likuiditas terhadap Kualitas Laba? 2. Variabel
independen
manakah
yang
paling
dominan
mempengaruhi kualitas laba? C. Tujuan Penelitian Beradasarkan rumusan di atas penelitian ini bertujuan untuk menemukan bukti empiris atas hal-hal sebagai berikut: a. Menganalisis pengaruh Investment Opportunity Set, Voluntary Disclosure, Leverage, dan Likuiditas terhadap Kualitas Laba. b. Menganalisis
variabel
independen
yang
paling
dominan
mempengaruhi kualitas laba.
10
D. Manfaat Penelitian Berdasarkan tujuan penelitian diatas, maka penelitian ini diharapkan dapat memberikan manfaat bagi: a. Bagi Praktisi 1. Bagi perusahaan: sebagai tambahan informasi bagi para manajer dalam upaya memaksimalkan kualitas laba yang akan memaksimalkan nilai perusahaan sebagai tujuan utama perusahaan. 2. Bagi Investor: menjadi bahan masukan atau informasi dalam rangka pengambilan keputusan investasi. 3. BAPEPAM dan Komite Penyusun Standar Akuntansi Keuangan (PSAK): membantu regulator dalam mengevaluasi regulasi-regulasi
dan
standar
akuntansi
yang
telah
dikeluarkan. Hasil evaluasi tersebut dapat dijadikan acuan dalam mengeluarkan regulasi-regulasi dan standar akuntansi dimasa yang akan datang. b. Bagi perkembangan ilmu pengetahuan 1. Memahami
pengetahuan
tentang
pengaruh
Investment
Opportunity Set, Voluntary Disclosure, Leverage, dan Likuiditas terhadap Kualitas Laba
11
2. Sebagai bahan untuk mengembangkan materi perkuliahan sebagai tambahan ilmu dari realita yang ada. c. Bagi peneliti Menambah wawasan dan pengetahuan serta memahami tentang pengaruh Investment Opportunity Set, Voluntary Disclosure, Leverage, dan Likuiditas terhadap Kualitas Laba.
12
BAB II TINJAUAN PUSTAKA A. TINJAUAN LITERATUR 1. Teori Agensi Didalam perusahaan memiliki dua bagian penting yaitu orang yang berperan sebagai principal dan orang yang berperan sebagai agent. Jensen dan Meckling (1976) dalam Nurhanifah dan Jaya (2014) menjelaskan hubungan keagenan di dalam teori agensi (agency theory) bahwa perusahaan merupakan kumpulan kontrak (nexus of contract) antara pemilik sumber daya ekonomis (principal) dan manajer (agent) yang mengurus penggunaan dan pengendalian sumber daya tersebut. Pada teori ini mengasumsikan bahwa tiap-tiap individu semata-mata termotivasi oleh kepentingan dirinya sendiri sehingga menimbulkan konflik kepentingan antara principal dan agent. Di satu sisi agent memiliki informasi yang lebih banyak disbanding dengan principal, sehingga menimbulkan adanya asimetry information. Dalam kondisi asimetri tersebut, agent dapat mempengaruhi angka-angka akuntansi yang disajikan dalam laporan keuangan dengan cara melakukan manipulasi laba. Tindakan agent dengan melaporkan laba secara oportunistik yang memaksimumkan kepentingan pribadinya dapat menyebabkan rendahnya kualitas laba. dengan kualitas laba yang rendah akan mempengaruhi dalam membuat keputusan bagi para
13
pengguna informasi laba seperti investor dan kreditur (Nurhanifah dan Jaya, 2014) Didalam teori keagenan, konflik yang sering terjadi adalah asimetri informasi. Asimetri informasi adalah situasi saat informasi yang dimiliki oleh pihak agen sebagai penyedia informasi lebih banyak dibandingkan dengan prinsipal atau pemegang saham. Situasi ini menjadi keuntungan bagi pihak manajemen untuk melakukan tindakan yang menguntungkan mereka, situasi ini juga akan menimbulkan perbedaan tujuan dan referensi antara agen dan prinsipal karena prinsipal tidak dapat mengontrol dan tidak pernah tahu secara pasti bagaimana keadaan yang sebenarnya atas kontribusi pihak agen akibat tidak mencukupinya informasi yang dimiliki pihak prinsipal. Berdasarkan teori agensi, pada penelitian ini peniliti menggunakan faktor-faktor yang diasumsikan dapat mempengaruhi kualitas laba yaitu investment opportunity set, voluntary disclosure, leverage, dan likuiditas. 2. Kualitas Laba PSAK No. 1 yang menyatakan dengan memberikan informasi mengenai posisi keuangan, kinerja keuangan, dan arus kas entitas bermanfaat bagi sebagian besar kalangan pengguna laporan dalam pembuatan keputusan ekonomi. Kualitas laba, dalam akuntansi, merujuk kepada kemasukakalan seluruh laba yang dilaporkan Knechel, Salterio, dan Ballou (2007) dalam Rinawati (2011). Kualitas laba adalah penilaian sejauh mana laba sebuah
14
perusahaan itu dapat diperoleh berulang-ulang, dapat dikendalikan, dan laik bank (memenuhi syarat untuk mengajukan kredit/pinjaman pada bank), di antara faktor-faktor lainnya (Paulus dan Hadiprajitno, 2012). Kualitas laba mengakui fakta bahwa dampak ekonomi transaksi yang terjadi akan beragam diantara perusahaan sebagai fungsi dari karakter dasar bisnis mereka, dan secara beragam dirumuskan sebagai tingkat laba yang menunjukkan apakah dampak ekonomi pokoknya lebih baik dalam memperkirakan arus kas atau juga dapat diramalkan. Dechow dan Schrand (2009), laba yang berkualitas merupakan laba yang memiliki 3 karakteristik berikut ini : a. Mampu mencerminkan kinerja operasi perusahaan saat ini dengan akurat b. Mampu memberikan indikator yang baik mengenai kinerja perusahaan di masa depan c. Dapat menjadi ukuran yang baik untuk menilai kinerja perusahaan Givoly et al. (2010) mengukur kualitas laba menggunakan: 1. persistensi akrual Persistensi akrual Kualitas laba didasarkan pada perbedaan relatif persistensi akrual terhadap arus kas. Persistensi diukur dengan menggunakan regresi sebagai berikut:
15
OI i,t+1 = α + β 1 CF i,t + β 2 ACCR i,t + ε i,t dimana OI adalah pendapatan operasi (Operating Income) setelah dikurangi depresiasi, CF adalah arus kas operasi (cash flow) yang dihitung dari OI dikurangi ACCR. ACCR (accrual component of earnings) dihitung dari perubahan NOA (net operating asset) tahun t-1 terhadap t. Nama perusahaan ditunjukkan oleh I dan t menunjukkan tahun. Seluruh variabel distandarisasi oleh NOAt-1 dan kontribusi tambahan akrual ditentukan oleh besarnya signifikansi β2. 2. Estimasi kesalahan dalam proses akrual Estimasi Kesalahan Dalam Proses Akrual Akrual memberikan informasi tentang arus kas masa yang akan datang. Untuk meningkatkan bahwa proses akrual bebas dari kesalahan estimasi, akrual dan laba akan di representasi dengan arus kas masa yang akan datang. Givoly et al. (2010) menggunakan ukuran akrual sebagaimana yang digunakan oleh Dechow dan Dichey (2002) dan telah dimodifikasi oleh McNichols (2002) dan Francis et al (2005) yang didasarkan pada model va-rian residual berikut ini: TCAi,t= β0 + β1CFOi,t-1 + β2CFOi,t + β3CFOi,t-1 + β4∆Revi,t + β5∆PPEi,t + εi,t
16
Dimana TCA adalah Total current accruals, CFO adalah Cash flows from operations (pendapatan dari operasi utama dikurangi total akrual. Total akrual sama dengan total current accruals dikurangi biaya depresisasi dan amortisasi). ∆Rev adalah perubahan pendapatan dari tahun t-1 terhadap t. PPE adalah keseimbangan antara property, plant dan equipment (atas dasar PPE bruto). Seluruh variabel diregress dan diskala dengan ratarata total assets dalam tahun t. Diregres juga secara cross sectional untuk tiap industry dengan sedikitnya 20 perusahaan tiap tahunnya. Ukuran kualitas kedua adalah variabilitas (dinilai dengan standar deviasi) residual dari regresi. Semakin tinggi variabilitas hubungan antara laba dan arus kas, maka semakin rendah kualitas akrual dan semakin rendah pula kualitas labanya. Kualitas akrual didefinisikan juga sebagai rasio standar deviasi residual dari regresi terhadap standard deviation total current accruals. 3. Ketiadaan manajemen laba Ketiadaan manajemen laba Sulit untuk menentukan apakah perusahaan melakukan manajemen laba atau tidak, karena sulit untuk diteliti. Namun begitu pola tertentu terhadap laba dapat mengindikasikan keberadaan atau ketiadaan manajemen laba.
17
Givoly et al. (2010) mengidentifikasi manajemen laba dengan menggunakan akrual yang diharapkan atau non discretionary accruals modifikasi model Jones sebagai berikut: TACCi,t = α1*[1/TAi,t-1] + α2*[(∆REVi,t - ∆TRi,t) / TAi,t-1] + α3*[PPEi,t /TAi,t-1] + εi,t Dimana TACC adalah total akrual yang didefinisikan sebagai perbedaan antara pendapatan dari operasi dan arus kas bersih dari aktivitas operasi, tidak termasuk pos-pos luar biasa dan operasi yang dihentikan. TA adalah total asset awal tahun, ∆Rev adalah Perubahan penjualan. PPE adalah tingkat property, plant dan equipment kotor. ∆TR adalah Perubahan dalam piutang dagang (trade receivable) 4. konservatisme. Konservatisme Givoly et al. (2010) menggunakan ukuran konservatisme sebagaimana yang digunakan oleh Ball and shivakumar, yaitu mendeskripsikan perbedaan ketepatan waktu dalam mengakui keuntungan dan kerugian berdasarkan pada hubungan antara akrual dan arus kas sebagai berikut: ACCi,t = α0 + α1 * DCFOi,t + α2 * CFOi,t + α3 * DCFOi,t * CFOi,t + εi,t-1
18
ACC adalah total akrual dalam tahun t, CFO adalah arus kas operasi dalam tahun t, DCFO adalah dummy variabel, 1 jika CFO negatif dan 0 jika CFO positif. Jika α2 < 0 berarti tidak konservatif dan jika α3 > 0 berarti konservatif. Menurut Statement of Financial Accounting Concept (SFAC) No. 1, informasi laba merupakan perhatian utama untuk memperkirakan kinerja atau pertanggung jawaban pihak manajemen perusahaan. Kualitas laba dapat diartikan sebagai kemampuan informasi laba memberikan respon kepada pasar. Dengan kata lain laba yang dilaporkan memiliki kekuatan respon (power of response). Kuatnya reaksi pasar terhadap informasi laba yang tercermin dari tingginya Earning Response Coefficient (ERC), menunukkan laba yang dilaporkan berkualitas. ERC adalah reaksi atas laba yang diumumkan (published) oleh perusahaan. Reaksi ini mencerminkan kualitas dari laba yang dilaporkan oleh perusahaan dan tinggi rendahnya ERC sangat ditentukan dari kekuatan responsif yang tercermin dari informasi (good/bad news) yang terkandung dalam laba. Kualitas laba yang lebih tinggi memberikan informasi lebih lanjut tentang fitur kinerja keuangan perusahaan yang relevan dengan keputusan spesifik yang dibuat oleh pembuat keputusan tertentu (Dechow, 2010). Maka kualitas laba dapat dilakukan pengukuran dengan menggunakan Koefisien respon laba atau disebut earning response coefficient (ERC). ERC didefinisikan sebagai berikut: “An earnings response
19
coefficient measure the extent of a scurity’sabnormal market return in response to the unexpected component of reported earnings of the firm issuing that security.” (Scott, 2003). Earnings Response Coefficient (ERC) adalah ukuran besaran abnormal return suatu saham sebagai respon terhadap komponen laba abnormal (unexpected earnings) yang dilaporkan oleh perusahaan yang mengeluarkan saham tersebut (Scott, 2003). ERC berguna dalam analisis fundamental oleh investor, dalam model penilaian untuk menentukan reaksi pasar atas informasi laba perusahaan perusahaan. ERC merupakan koefisien yang diperoleh dari regresi antara proksi harga saham dan laba akuntansi. Proksi harga saham yang digunakan adalah cummulative abnormal return (CAR), sedangkan proksi laba akuntansi adalah unexpected earning (UE). Regresi model tersebut akan menghasilkan ERC untuk masing-masing sampel yang akan digunakan untuk analisis berikutnya. ERC merupakan pengaruh laba abnormal (unexpected earnings) terhadap CAR, yang ditunjukkan melalui slope coeficient dalam regresi abnormal return saham dengan unexpected earnings (Scott, 2003). Hal ini menunjukkan bahwa ERC adalah reaksi CAR terhadap laba yang diumumkan oleh perusahaan. Nilai Earnings Response Coeffisiens diprediksi lebih tinggi jika laba perusahaan lebih persisitensi di masa depan. Demikian juga jika kualitas laba
20
semakin baik, maka diprediksi nilai ERC akan semakin tinggi. Beta mencerminkan risiko sistematis. Investor akan menilai laba sekarang untuk memprediksi laba dan return dimasa yang akan datang. Jika future return tersebut semakin berisiko, maka reaksi investor terhadap unexpected earnings perusahaan juga semakin rendah (Scott, 2003). ERC adalah ukuran besaran abnormal return suatu sekuritas sebagai respon terhadap komponen laba kejutan (unexpected earnings) yang dilaporkan oleh perusahaan yang mengeluarkan sekuritas tersebut. ERC merupakan proksi dari kualitas laba. Penelitian ini menggunakan pengukuran ERC (Sudarma dan Ratnadi, 2015). 3. Investment Opportunity Set Penilaian suatu perusahaan dalam bidang akuntansi dan keuangan sekarang ini masih beragam. Di satu pihak, nilai suatu perusahaan khususnya neraca perusahaan yang berisi informasi keuangan masa lalu, sementara di pihak lain beranggapan bahwa nilai sekarang dari aktiva yang dimiliki perusahaan, bahkan ada yang beranggapan bahwa nilai suatu perusahaan tercermin dari nilai investasi yang akan dikeluarkan di masa mendatang (Pagalung, 2003) dalam (Kartina dan Nikmah, 2011). Kombinasi aktiva yang dimiliki oleh opsi investasi di masa yang akan datang yang diukur dengan invesment opportuity set (IOS) akan menunjukkan nilai suatu perusahaan.
21
Keputusan investasi tidak dapat diamati secara langsung oleh pihak luar. Beberapa studi yang dilakukan dalam hubungannya dengan keputusan investsasi anatara lain Myers (1984) yang memperkenalkan Investment Opportunities Set (IOS). IOS memberi petunjuk yang lebih luas dimana nilai perusahaan tergantung pada pengeluaran perusahaan dimasa yang akan datang. Jadi prospek perusahaan dapat ditaksir dari investment opportunity set (IOS), yang didifinisikan sebagai kombinasi antara aktiva yang dimiliki (assets in place) dan pilihan investasi dimasa akan datang dengan net present value positif. IOS (Investment opportunity set) merupakan kesempatan perusahaan untuk tumbuh. IOS digunakan sebagai dasar untuk menentukan klasifikasi pertumbuhan di masa depan. Bagi perusahaan yang memiliki set kesempatan investasi tinggi senantiasa melakukan ekspansi dalam strategi bisnisnya, maka akan semakin membutuhkan dana eksternal. Perusahaan yang memiliki set kesempatan investasi atau investment opportunity set (IOS) tinggi memiliki peluang pertumbuhan yang tinggi yang akan mempengaruhi perubahan tingkat laba dan menentukan kualitas informasi laba (Oktarya, Syafitri, dan Wijaya, 2012) IOS (Investment opportunity set) merupakan kesempatan perusahaan untuk tumbuh. IOS digunakan sebagai dasar untuk menentukan klasifikasi pertumbuhan di masa depan. Bagi perusahaan yang memiliki set kesempatan
22
investasi tinggi senantiasa melakukan ekspansi dalam strategi bisnisnya, maka akan semakin membutuhkan dana eksternal. Perusahaan yang memiliki set kesempatan investasi atau investment opportunity set (IOS) tinggi memiliki peluang pertumbuhan yang tinggi yang akan mempengaruhi perubahan tingkat laba dan menentukan kualitas informasi laba. Secara umum dapat dikatakan bahwa IOS menggambarkan tentang luasnya kesempatan atau peluang investasi bagi suatu perusahaan, namun sangat tergantung pada pilihan expenditure perusahaan untuk kepentingan di masa yang akan datang. Dengan demikian IOS bersifat tidak dapat diobservasi, sehingga perlu dipilih suatu proksi yang dapat dihubungkan dengan variabel lain dalam perusahaan, misalnya variabel pertumbuhan, variabel kebijakan dan lain-lain. Proksi IOS yang digunakan dalam bidang akuntansi dan keungan digolongkan menjadi 3 (tiga) jenis, yaitu IOS berbasis harga, IOS berbasis investasi, dan IOS berbasis varian (Kallapur dan Trombley, 2001): 1. Proksi IOS berbasis harga ( price-based proxies) Proksi IOS yang berbasis pada harga merupakan proksi yang menyatakan bahwa prospek pertumbuhan perusahaan sebagian dinyatakan dalam harga pasar. Proksi berdasarkan anggapan yang menyatakan bahwa prospek pertumbuhan perusahaan secara parsial dinyatakan dalam harga-harga saham, dan perusahaan yang tumbuh
23
akan memiliki nilai pasar yang lebih tinggi secara relatif untuk aktiva-aktiva yang dimiliki (asset in place) dibandingkan perusahaan yang tidak tumbuh. IOS yang didasari pada harga akan berbentuk suatu rasio sebagai suatu ukuran aktiva yang dimiliki dan nilai pasar perusahaan. Proksi IOS yang merupakan proksi berbasis harga adalah: market of equity plus book value of debt, ratio of book to market value of asset, ratio of book to market value of equity, ratio of book value of property, plant, and equipment to firm value, ratio of replacement
value
of
assets
to
market
value,
ratio
of
depreciation expense to value dan earning price ratio. 2. Proksi IOS berbasis investasi ( investment-based proxies) Proksi IOS berbasis pada investasi merupakan proksi yang percaya pada gagasan bahwa suatu level kegiatan investasi yang tinggi berkaitan secara positif dengan nilai IOS suatu perusahaan. Proksi IOS yang merupakan proksi IOS berbasis investasi adalah: ratio R&D expense to firm value, ratio of R&D expense to total assets, ratio of R&D expense to sales, ratio of capital addition to firm value, dan ratio of capital addition to asset book value.
24
3. Proksi IOS berbasis pada varian (variance measures). Proksi IOS berbasis pada varian (variance measurement) merupakan proksi yang mengungkapkan bahwa suatu opsi akan menjadi lebih bernilai jika menggunakan variabilitas ukuran untuk memperkirakan besarnya opsi yang tumbuh, seperti variabilitas return yang mendasari peningkatan aktiva. Proksi IOS yang berbasis varian adalah: VARRET (variance of total return), dan Market model Beta. Menurut Puteri dan Rohman (2012) menyebutkan bahwa investment opportunity set dapat diukur melalui rasio nilai buku ekuitas (market to book value of equity). Maksud pemilihan proksi ini karena dapat mencerminkan besarnya return dari aktiva yang ada dan investasi yang diharapkan di masa yang akan datang akan melebihi return dari ekuitas yang diinginkan. Apabila suatu perusahaan dapat memanfaatkan modalnya dengan baik dalam menjalankan usaha, maka semakin besar kemungkinan perusahaan tersebut untuk bertumbuh, maka harga saham perusahaan tersebut diperkirakan akan meningkat, dan pada akhirnya semakin meningkat pula nilai suatu perusahaan.
Secara
matematis
variabel
investment
opportunity
set
diformulasikan sebagai berikut: (Share Outstanding 𝑥 Closing Price)
MBVE =
Total Equity
25
Menurut Nurhanifah dan Jaya (2014) menyebutkan bahwa investment opportunity dapat diukur melalui market to book value of assets, Secara matematis variabel investment opportunity diformulasikan sebagai berikut :
𝐴𝑠𝑠𝑒𝑡𝑠−𝑡𝑜𝑡𝑎𝑙 𝑒𝑘𝑢𝑖𝑡𝑎𝑠+(𝐽𝑈𝐵 𝑥 𝐶𝑙𝑜𝑠𝑖𝑛𝑔 𝑝𝑟𝑖𝑐𝑒)
MBVA = 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠 Rasio market to book value of assets ini berbanding lurus dengan nilai IOS, semakin besar market book value of assets suatu peusahaan, maka semakin bagus pula nilai IOSnya. Penelitian ini menggunakan pengukuran market book value asset (MBVE), yaitu menurut penelitian Puteri dan Rohman (2012) yang menyebutkan bahwa investment opportunity set dapat diukur melalui rasio nilai buku ekuitas (market to book value of equity). 4. Voluntary Disclosure Pengungkapan sukarela (voluntary disclosure) yaitu pengungkapan yang bersifat sukarela dilaksanakan perusahaan dimana pengungkapan butirbutir yang dilakukan secara sukarela oleh perusahaan tanpa diharuskan oleh peraturan yang berlaku.Pengungkapan sukarela merupakan pilihan bebas manajemen dengan pertimbangan kebijakan tertentu untuk menyampaikan informasi yang relevan kepada pengguna informasi keuangan terkait dengan aktivitas-aktivitas perusahaan (Indriani, dkk, 2014).
26
Pengungkapan sukarela adalah pengungkapan yang dapat dengan leluasa dilakukan perusahaan sesuai kepentingan perusahaan yang dianggap relevan dan mendukung dalam pengambilan keputusan ekonomi yang akan dilakukan oleh pengguna informasi tahunan (annual report) (Adhi, 2012). Sedangkan pengungkapan sukarela dalam SAK No.1 paragraf 12 (IAI, 2009) dijelaskan sebagai berikut: Entitas dapat pula menyajikan, terpisah dari laporankeuangan,
laporan
mengenai
lingkungan
hidup
dan
laporan
nilaitambah (value added statement), khususnya bagi industri dimana faktor lingkungan hidup memegang peranan penting dan bagi industri yang menganggap karyawan sebagai kelompok pengguna informasi yang memegang peranan penting. Laporan tambahan tersebut di luar ruang lingkup Standar Akuntansi Keuangan. Berdasarkan keputusan Ketua BAPEPAM No. SE-02/PM/2002, telah disebutkan informasi-informasi yang wajib disampaikan oleh manajemen perusahaan dalam laporan keuangan tahunan perusahaan. Tingginya kebutuhan informasi mengenai prospek perusahaan bagi para stakeholder menuntut
sebagian
besar
manajemen
perusahaan
untuk
melakukan
pengungkapan informasi keuangan melebihi dari informasi yang diwajibkan oleh BAPEPAM, dimana pengungkapan ini disebut dengan pengungkapan sukarela (Baskaraningrum dan Merkusiwati, 2012).
27
Pengungkapan sukarela bisa mengungkapkan butir-butir informasi selain yang berkaitan tentang keuangan perusahaan yang dilakukan secara leluasa dimana tidak menghalangi manajemen untuk memberikan tambahan pengungkapan secara sukarela.Standar-standar akuntansi biasanya tidak mewajibkan pengungkapan yang maksimal, tetapi tidak menghalangi manajemen untuk untuk memberikan tambahan pengungkapan informasi secara sukarela. Pertimbangan manajemen dalam kebijakannya untuk mengungkapkan informasi secara sukarela umumnya dipengaruhi oleh faktor biaya dan manfaat. Manajemen akan mengungkapkan informasi secara sukarela bila manfaat yang diperoleh pengungkapan informasi tersebut lebih besar dari biayanya (Sutomo, 2004). Luas dari pengungkapan sukarela yang dilakukan oleh perusahaan mampu merubah nilai perusahaan disamping pengumuman laba perusahaan. Perusahaan yang melakukan lebih banyak pengungkapan sukarela dalam laporan tahunannya dapat memberikan nilai lebih dibandingkan dengan perusahaan
yang
luas
pengungkapan
sukarelanya
kurang.
Adanya
pengungkapan sukarela mampu memberikan informasi tambahan serta mengurangi asimetri informasi dan ketidakpastian perusahaan. Informasi tambahan (good news maupun bad news) tersebut akan direspon investor sebagai bahan penilaian perusahaan dan pertimbangan investasi selain informasi
laba
perusahaan.
Investor
akan
semakin
yakin
dengan
28
pengungkapan yang dilakukan oleh perusahaan, apabila tingkat pengungkapan yang dilakukan oleh perusahaan semakin luas. Selain itu informasi sukarela yang diungkapkan perusahaan akan memberikan informasi tentang expected future earnings sehingga investor akan menggunakan informasi tersebut dan tidak menggunakan informasi laba sebagai proksi expected future earnings (Sudarma dan Ratnadi, 2015). Pengungkapan sukarela dalam penelitian ini menggunakan daftar item pengungkapan yang digunakan oleh Sudarma (2015) yang berjumlah 8 poin dan dibagi menjadi 46 item. 8 poin tersebut adalah : 1. Background Information (5 item) 2.
Financial overview (2 item)
3. Key non-financial statistics (10 item) 4. Projected information (10 item) 5. Management discussion and analysis (4 item) 6. Research and Development activities (4 item) 7. Employee information (9 item) 8. Value added information (2 item) 5. Leverage Teori keagenan mengatakan bahwa agen biasanya bersikap oportunis dan tidak menyukai risiko (risk averse). Karena itu perusahaan khususnya manajer perusahaan yang mendekati atau telah melanggar perjanjian utang
29
akan berusahan untuk meningkatkan kepentingannya sendiri dan menghidari risiko yang ada. Debt-covenant hypothesis menyatakan bahwa jika semua hal lain tetap sama, semakin dekat perusahaan dengan pelanggaran perjanjian utang yang berbasis akuntansi, lebih mungkin manajer perusahaan untuk memilih prosedur akuntansi yang memindahkan laba yang dilaporkan dari periode masa datang ke periode saat ini. Alasannya bahwa laba bersih yang dilaporkan naik akan mengurangi profitabilitas kegagalan teknis (Herawati dan Baridwan, 2007) Astute (2004) menyatakan perusahaan yang mempunyai rasio leverage yang tinggi, berarti proporsi hutangnya lebih tinggi dibandingkan dengan proporsi aktivanya, maka akan cenderung melakukan manipulasi dalam bentuk manajemen laba. Perusahaan dengan leverage tinggi akan menerapkan standar akuntansi yang menurunkan atau menaikkan laba yang dilaporkan. Dengan demikian, disimpulkan bahwa perusahaan dengan tingkat leverage yang tinggi cenderung mengatur labanya dibandingkan dengan perusahaan dengan tingkat leverage yang rendah. Menurut Brigham dan Houston (2001), Leverage keuangan (financial Leverage) merupakan suatu ukuran yang menunjukkan sampai sejauh mana sekuritas berpenghasilan tetap (utang dan saham preferen) digunakan dalam stuktur modal perusahaan. Pada umumnya ada dua jenis Leverage, yaitu Leverage operasi (operating Leverage) dan Leverage keuangan (financial
30
Leverage), yang dimaksud Leverage dalam penelitian ini adalah Leverage keuangan (financial Leverage). Leverage keuangan menunjukkan proporsi atas penggunaan utang untuk membiayai investasinya. Rasio Leverage merupakan proporsi total hutang terhadap equitas pemegang saham. Rasio tersebut digunakan untuk memberikan gambaran mengenai struktur modal yang dimiliki perusahaan, sehingga dapat dilihat resiko tak tertagihnya suatu utang (Luciana dan Ikka, 2007). Rasio Leverage adalah ukuran dari seberapa banyak aset perusahaan berpengaruh terhadap equitas. Perusahaan dengan rasio Leverage yang tinggi berarti bahwa perusahaan menggunakan hutang dan kewajiban lainnya untuk membiayai asset dan berisiko lebih tinggi dibandingkan perusahaan dengan Leverage yang lebih rendah (Paramita, 2012). Menurut Sutrisno (2013) rasio leverage menunjukkan seberapa besar kebutuhan dana perusahaan dibelanjai dengan hutang. Apabila perusahaan tidak mempunyai leverage atau leverage = 0 artinya perusahaan dalam beroperasi sepenuhnya menggunakan modal sendiri atau tanpa menggunakan hutang. Semakin rendah leverage faktor, perusahaan mempunyai resiko yang kecil bila kondisi ekonomi merosot. Penggunaan dana hutang bagi perusahaan tersebut mempunyati 3 dimensi (1) pemberi kredit akan menitik beratkan pada besarnyan jaminan atas kredit yang diberikan, (2) dengan menggunakan dana hutang, maka apabila perusahaan mendapatkan keuntungan yang lebih besar
31
dari beban tetapnya maka pemilik perusahaan keuntungannya akan meningkat, dan (3) dengan penggunaan hutang, pemilik mendapatkan dana tanpa kehilangan pengendalian pada perusahaannya. Semakin besar tingkat leverage perusahaan, akan semakin besar jumlah hutang yang digunakan, dan semakin besar resiko bisnis yang dihadapi terutama apabila kondisi perekonomian memburuk. Ada lima rasio leverage yang bisa dimanfaatkan oleh perusahaan yakni sebagi berikut : 1.
Total Debt to Total Asset Ratio Rasio total hutang drngan total aktiva yang disebut rasio hutang (debt ratio) mengukur persentase besarnya dana yang berasal dari hutang. Yang dimaksud dengan hutang adalah semua hutang yang dimiliki oleh perusahaan baik yang berjangka pendek maupun yang berjangka panjang. Kreditor lebih menyukai debt ratio yang rendah, sebab tingkat kemanan dananya semakin baik. Untuk mengukur besarnya debt ratio bisa dihitung dengan rumus sebagai berikut :
2.
Debt to Equity Ratio Rasio hutang dengan modal sendiri (debt to equity ratio) merupakan imbangan antara hutang yang dimiliki perusahaan dengan modal sendiri. Semakin tinggi rasio ini berarti modal sendiri semakin sedikit disbanding dengan hutangnya. Bagi perusahaan, sebaiknya besarnya hutang tidak boleh melebihi modal sendiri agar beban tetapnya tidak
32
terlalu tinggi. Untuk pendekatan konservatif besarnya hutang maksimal sama dengan modal sendiri, artinya debt to equitynya maksimal 100%. Untuk menghitung debt to equity ratio bisa menggunakan rumus sebagai berikut :
Debt to Equity Ratio = == 3.
Total Hutang
X 100%
Modal
Time Interest Earned Ratio Time Interest Earned Ratio yang sering disebut sebagai converage ratio merupakan rasio antara laba sebelum bunga dan pajak dengan beban bunga. Rasio ini mengukur kemampuan perusahaan memenuhi beban tetapnya berupa bunga dengan laba yang diperolehnya, atau mengukur berapa kali besarnya laba bisa menutup beban bunganya. Rumus yang digunakan adalah : Laba sebelum bunga & pajak X 100%
Time Interest Earned Ratio= Beban bunga 4.
Fixed Charge Coverage Ratio Rasio ini mengukur kemampuan perusahaan untuk menutup beban tetapnya termasuk pembayaran deviden saham preferen, bunga, angsuran pinjaman, dan sewa. Karena mungkin saja perusahaan menggunakan aktiva tetap dengan cara leasing. Sehingga harus
33
membayar angsuran tertentu. Untuk menghitung rasio ini bisa menggunakan rumus :
EBIT + Bunga + Angsuran Leasse Fixed Charge Converage Ratio = Bunga + Angsuran Leasse
5.
Debt Service Ratio debt Service Ratio
merupakan kemampuan perusahaan dalam
memenuhi beban tetapnya termasuk angsuran pokok pinjaman. Rumus yang digunakan sebagai berikut :
Laba sebelum bunga & pajak Debt Service Ratio = Bunga + Sewa +
Angsuran pokok pinjaman (1-tarif pajak)
Pengukuran leverage dalam penelitian ini menggunakan debt to equity ratio (DER) yang digunakan dalam penelitian Ahalik dan Hardi (2015). Rasio leverage diukur dengan membagi total hutang dengan jumlah modal perusahaan. 6. Likuiditas Likuiditas adalah suatu usaha bisnis yang diartikan sebagai kemampuan perusahaan untuk memenuhi semua kewajibannya yang telah
34
jatuh tempo (Keown et al, 2008) seperti membayar listrik, telepon, air PDAM, gaji karyawan dan sebagainya. Likuiditas berpengaruh terhadap kualitas laba karena jika suatu perusahaan memiliki kemampuan dalam membayar hutang jangka pendeknya berarti perusahaan memiliki kinerja keuangan yang baik dalam pemenuhan hutang lancar sehingga perusahaan tidak perlu melakukan praktek manipulasi laba. Suatu perusahaan yang memiliki kemampuan dalam memenuhi
kewajibannya
menunjukan
bahwa
perusahaan
memiliki
kelangsungan hidup yang baik. Dengan kondisi seperti ini sangat dimanfaatkan oleh pihak manajemen dalam memberikan sinyal atas kondisi perusahaan kepada pasar. Kuatnya reaksi pasar akan mengindikasikan bahwa laba perusahaan semakin berkualitas. karena likuiditas merupakan salah satu tinjauan terhadap kinerja perusahaan. Likuiditas menunjukkan bahwa perusahaan mampu untuk memenuhi kewajiban finansialnya dalam jangka pendek menggunakan dana lancar yang tersedia. Namun apabila likuiditas perusahaan terlalu besar maka perusahaan tersebut berarti tidak mampu mengelola aktiva lancarnya semaksimal mungkin sehingga kinerja keuangan menjadi kurang baik dan kemungkinan ada manipulasi laba untuk mempercantik informasi laba tersebut (Dira dan Astika, 2014). Menurut Sutrisno (2013), likuiditas adalah kemampuan perusahaan untuk membayar kewajiban-kewajibannya yang segera harus dipenuhi.
35
Kewajiban yang harus dipenuhi hutang jangka pendek, oleh karena itu rasio ini bisa digunakan untuk mengukur tingkat keamanan kredit jangka pendek, serta mengukur apakah operasi perusahaan tidak akan terganggu bila kewajiban jangka pendekini segera ditagih. Ukuran rasio likuiditas terdiri dari tiga alat ukur. 1. Current Ratio Current Ratio adalah rasio yang membandingkan antara aktiva lancar yang dimiliki perusahaan dengan hutang jangka pendek. Aktiva lancar meliputi kas, piutang dagang, efek, persediaan, dan aktiva lancar lainnya. Sedangkan hutang jangka pendek meliputi hutang dagang, hutang wesel, hutang bank, hutang gaji, dan hutang lainnya yang segera harus dibayar. Rumus current ratio adalah :
Aktiva Lancar Current Ratio =
Hutang Lancar
2. Quick Ratio atau Acid Test Ratio Quick Ratio merupakan rasio antara aktiva lancar sesudah dikurangi persediaan dengan hutang lancar. Rasio ini menunjukkan besarnya alat likuid yang paling cepat yang bisa digunakan untuk melunasi hutang lancar. Persediaan dianggap aktiva lancar yang paling tidak lancar, sebab untuk menjadi uang tunai (kas) memerlukan dua langkah yakni
36
menjadi piutang terlebih dahulu sebelum menjadi kas. Formulasi untuk menghitung quick ratio adalah : Aktiva Lancar - Persediaan Quick Ratio =
Hutang Lancar
3. Cash Ratio Cash Ratio adalah rasio yang membandingkan antara kas dan aktiva lancar yang bisa segera menjadi uang kas dengan hutang lancar. Aktiva lancar yang bisasegera menjadi uang kas adalah efek atau surat berharga. Dengan demikian rumus untuk menghitung cash ratio adalah sebagai berikut : Efek + Kas Quick Ratio = Hutang Lancar Rasio likuiditas yang umum digunakan adalah current ratio. Current ratio yang tinggi biasanya dianggap menunjukkan tidak terjadi masalah dalam likuiditas, sehingga semakin tinggi likuiditas artinya laba yang dihasilkan suatu perusahaan berkualitas karena manajemen perusahaan tidak perlu melakukan praktik manajemen laba. Rasio likuiditas yang digunakan pada penelitian ini adalah menggunakan current ratio, yang digunakan dalam penelitian Nurhanifah dan Jaya (2014). Current Ratio adalah rasio yang membandingkan antara aktiva lancar yang dimiliki perusahaan dengan hutang jangka pendek. Aktiva lancar meliputi kas,
37
piutang dagang, efek, persediaan, dan aktiva lancar lainnya. Sedangkan hutang jangka pendek meliputi hutang dagang, hutang wesel, hutang bank, hutang gaji, dan hutang lainnya yang segera harus dibayar B. Hasil-hasil penelitian terdahulu Berikut adalah hasil penelitian serta persamaan dan perbedaan penelitian sebelumnya dengan penelitian ini. Untuk selengkapnya dapat dilihat pada tabel 2.1 di halaman berikut.
Peneliti/Judul Penelitian/Tahun Puteri, Paramitha Anggia dan Rohman, Abdul/ Analisis Pengaruh IOS Dan Mekanisme GCG Terhadap Kualitas Laba Dan Nilai Perusahaan/ 2012 Paulus dan Hadiprajitno / Analisis Faktorfaktor yang Mempengaruhi Kualitas Laba/2012
Tabel 2.1 Penelitian terdahulu Variabel dan metode penelitian sebelumnya Hasil Penelitan Persamaan Perbedaan 1. Menggunakan 1. Menganti variabel 1. Investement variabel independen GCG menjadi opportunuty independen voluntary disclosure, set IOS leverage, dan likuiditas berpengaruh 2. Menggunakan terhadap variabel kualitas laba. dependen kualitas laba
1. Menggunakan variabel independen investment opportunity set 2. Menggunakan variabel dependen kualitas laba 3. Menggunakan data sekunder Berlanjut ke halaman berikutnya
1. Menggunakan program 1. Investment yang berbeda antara opportunity SPSS dan Eviews Set 2. Mengganti variabel berpengaru Independent h positif Commissioner, terhadap Managerial kualitas Ownership, laba. Institutional Ownership,menjadi voluntary disclosure, leverage, dan likuiditas
38
Peneliti/Judul Penelitian/Tahun Paramita/ Pengaruh Leverage, Firm Size Dan Voluntary Disclousure Terhadap Earnings Response Coeffisient (ERC)/2012 Yushita, Amanita Novi dkk. /Pengaruh Corporate Governance, Kualitas Auditor Eksternal, dan Likuiditas Terhadap Kualitas Laba/2013 Nurhanifah dan Jaya/ Pengaruh alokasi pajak antar periode, investment opportunity set, dan likuiditas terhadap kualitas laba/ 2014
Tabel 2.1 (lanjutan) Variabel dan metode penelitian sebelumnya Persamaan Perbedaan 1. Menggunakan 1. Mengganti variable variabel firm size menjadi independen IOS, dan likuiditas leverage and 2. Menggunakan data voluntary sekunder disclosure 2. Menggunakan perhitungan ERC 3. Menggunakan data sekunder
Hasil Penelitan 1. Leverage tidak berpengaruh terhadap kualitas laba 2. Voluntary disclosure berpengaruh positi terhadap kualitas laba
1. Menggunakan variabel independen likuiditas dan variabel dependen kualitas laba
1. Mengganti variabel 1. Likuiditas independen Corporate tidak Governance, Kualitas berpengaruh Auditor Eksternal terhadap menjadi Investment kualitas laba Opportunity Set, Leverage, dan voluntary disclosure
1. Menggunakan variabel independen IOS dan likuiditas
1. Mengganti variabel 1. Lukuiditas struktur modal, berpengaruh pertumbuhan terhadap perusahaan, dan kualitas laba ukuran perusahaan dengan variabel voluntary disclosure dan leverage
2. Menggunakan variabel dependen kualitas laba
3. Menggunakan data sekunder Berlanjut ke halaman berikutnya
2. Menggunakan metode data panel.
39
Tabel 2.1 (lanjutan) Variabel dan metode penelitian sebelumnya Peneliti/Judul Penelitian/Tahun Persamaan Perbedaan Gaio dan Raposo/ 1. Menggunakan 1. Mengganti variable Corporate variabel firm size menjadi Governance and independen IOS, dan likuiditas Earnings Quality: leverag 2. Menggunakan data International 2. Menggunakan panel Evidence/2014 data sekunder Kuo dan Lin/ 1. Menggunakan Disclosure variabel Levels, Stock independen Market Liquidity, likuiditas dan and Earnings voluntary Quality: Evidence disclosure dan from Taiwan/ variabel 2014 dependen kualitas laba Sudarma dan 1. Menggunakan Ratnadi/pengaruh variabel voluntary voluntary disclosure pada disclosure earnings respons coefficient/ Bali 2. Menggunakan 2015. data sekunder
Simamora, 1. Menggunakan Erikson, Tanjung variabel Rusli, dan Julita/ independen Pengaruh investment investment opportunity set opportunity set dan variabel (IOS), mekanisme dependen good corporate kualitas laba governance dan reputasi KAP terhadap kualitas laba perusahaan/ 2014 Berlanjut ke halaman berikutnya
Hasil Penelitan 1. Leverage berpengaruh negatif terhadap kualitas laba
1. Menambahkan 1. Likuiditas dan variabel independen voluntary Investment disclosure Opportunity Set, berpengaruh Leverage, dan terhadap voluntary disclosure kualitas laba
1. Menambahkan variabel IOS, leverage, dan likuiditas. 2. Menggunakan data panel
1. Voluntary disclosure berpengaruh negative terhadap earning respons doefficient.
1. Mengganti variabel 1. GCG dan reputasi KAP menjadi voluntary disclosure, leverage, dan likuiditas.
Investment Opporunity Set tidak berpengaruh terhadap kualitas laba.
40
Tabel 2.1 (lanjutan) Variabel dan metode penelitian sebelumnya Peneliti/Judul Hasil Penelitan Penelitian/Tahun Persamaan Perbedaan Balgacem, Ines and 1. Menggunakan 1. Menambahkan 1. Voluntary Omri, Abdelwahed/ variabel variabel independen, Disclosure Does Corporate independen Investment berpengaruh Social Disclosure Voluntary Opportunity Set, terhadap Affect Earnings Disclosure Leverage, dan kualitas laba. Quality? Empirical 2. Menggunakan likuiditas Ev variabel idence From dependen Tunisia/ 2015 kualitas laba 3. Menggunakan data sekunder Ahalik and 1. Menggunakan 1. Mengganti variable 1. Leverage Hardy/The impact variabel independen ifrs berpengaruh of ifrs independen implementation, positif implementation, leverage Audit quality, terhadap leverage, 2. Menggunakan institutional kualitas laba Audit quality, data sekunder ownership, institutional And managerial ownership, ownership menjadi And managerial ios, voluntary ownership towards disclosure, dan Earnings quality of likuiditas indonesian listed Companies in lq-45 index/ 2015
41
C. Kerangka Pemikiran Hubungan variabel independen, dan variabel dependen dalam penelitian ini dapat digambarkan dalam gambar 2.1 Gambar 2.1 Kerangka Pemikiran Pengaruh, Investment Opportunity Set. Voluntary Disclosure, Leverage, dan Likuiditas terhadap Kualitas Laba
Agency Teory
Kualitas Laba
Investment Opportunity Set Voluntary Disclosure Leverage Likuiditas Metode Estimasi Data Panel
Fixed Effect
Pooled Least Square
Random Effect
Pemilihan Model Regresi Panel
Uji Hausman
Uji Chow
Uji Asumsi Klasik
Normalitas
Multikolonieritas
Adjusted R2
Heterokedastisitas
Uji Signifikansi Uji F
Uji t 42 Interprestasi
D. Hipotesis 1. Investment Opportunity Set dengan Kualitas Laba Investment Opportunity Set (IOS) adalah tersedianya alternative investasi di masa datang bagi perusahaan (Hartono 1999). IOS merupakan nilai sekarang dan pilihan perusahaan untuk membuat investasi di masa mendatang (Myers, 1977 dalam Hasnawati, 2005). IOS merupakan keputusan investasi dalam bentuk kombinasi dari aktiva yang dimiliki dan opsi investasi di masa yang akan datang, dimana IOS tersebut akan mempengaruhi nilai suatu perusahaan (Pagalung, 2003). Maka IOS dijadikan sebagai dasar untuk menentukan klasifikasi pertumbuhan perusahaan di masa depan, apakah suatu perusahaan termasuk dalam klasifikasi bertumbuh atau tidak bertumbuh. Tinggi rendahnya nilai kesempatan investasi menggambarkan kualitas informasi yang diungkapkan perusahaan dalam laporan keuangan. Pada saat kesempatan investasi menguntungkan, akan menunjukan kemampuan menghasilkan laba yang tinggi. Dengan kemampuan perusahaan yang mempunyai kesempatan bertumbuh, akan memberikan sinyal pada reaksi pasar terhadap perusahaaan. Berdasarkan penelitian yang dilakukan oleh Nurhanifah dan Jaya (2014) menyimpulkan bahwa manajer dari perusahaan yang memiliki IOS tinggi cenderung memanipulasi laba hingga kualitas labanya menjadi rendah. Signaling theory dapat mengindikasikan adanya asymmetric information, dimana pihak manajemen mempunyai informasi
43
yang lebih baik dibandingkan dengan pihak luar. Manajemen berusaha mengungkap informasi untuk mengungkap informasi
yang menurut
pertimbangannya akan diminati oleh para pengguna informasi. Dengan nilai IOS yang merupakan pilihan manajemen dimungkinkan adanya tindakan manipulasi, hal ini dapat mengakibatkan pasar merespon rendah terhadap perusahaan yang mempunyai kesempatan bertumbuh. Dan kemungkinan dalam penelitian ini nilai IOS juga kurang menjadi pusat perhatian investor dan dimungkinkan investor hanya berfokus angka laba akuntansi. Serta motivasi investor dalam berinvestasi bukan unuk mendapakan keuntungan jangka panjang. Namun bertujuan unuk mendapatkan keuntungan jangka pendek (capital gain). Beberapa peneliti telah meneliti apakah investment opportunity set berperngaruh terhadap kualitas laba. Penelitian yang dilakukan oleh Nurhanifah dan Jaya (2014) menghasilkan kesimpulan bahwa investment opportunity set berpengaruh terhadap kualitas laba, hal ini juga mendukung hasil penelitian dari Puteri dan Rohman (2012) yang menyebutkan bahwa investment opportunity set berpengaruh terhadap kualitas laba. Dengan demikian keterkaitan antara investment opportunity set dengan kualitas laba dapat dirumuskan melalui hipotesis sebagai berikut: Ha1 : investment opportunity set berpengaruh terhadap kualitas laba
44
2. Voluntary Disclosure dengan Kualitas Laba Luas dari pengungkapan sukarela yang dilakukan oleh perusahaan mampu merubah nilai perusahaan disamping pengumuman laba perusahaan. Perusahaan yang melakukan lebih banyak pengungkapan sukarela dalam laporan tahunannya dapat memberikan nilai lebih dibandingkan dengan perusahaan
yang
luas
pengungkapan
sukarelanya
kurang.
Adanya
pengungkapan sukarela mampu memberikan informasi tambahan serta mengurangi asimetri informasi dan ketidakpastian perusahaan. Informasi tambahan (good news maupun bad news) tersebut akan direspon investor sebagai bahan penilaian perusahaan dan pertimbangan investasi selain informasi
laba
perusahaan.
Investor
akan
semakin
yakin
dengan
pengungkapan yang dilakukan oleh perusahaan, apabila tingkat pengungkapan yang dilakukan oleh perusahaan semakin luas.. Penelitian yang dilakukan oleh Paramita (2012) menghasilkan kesimpulan bahwa luas pengungkapan sukarela berpengaruh positif terhadap Earning Response Coefficient (ERC), Sudarma (2015) juga menghasilkan kesimpulan bahwa voluntary disclosures level berpengaruh terhadap Earning Response Coefficient (ERC). Dengan demikian keterkaitan antara voluntary disclosure dengan kualitas laba dapat dirumuskan melalui hipotesis sebagai berikut: Ha2 : voluntary disclosure berpengaruh terhadap kualitas laba
45
3. Leverage dengan Kualitas Laba Leverage merupakan salah satu faktor yang mempengaruhi kualitas laba perusahaan. penelitian ini menjelaskan bahwa perusahaan yang masih muda dan belum menjadi perusahaan public memiliki sumber pendanaan yang terbatas dari sumber internal sehingga perusahaan akan memiliki leverage yang besar. Perusahaan yang besar akan diikuti dengan upaya manajer untuk meningkatkan kinerja dan menghasilkan laba yang tinggi. Hal tersebut dilakukan agar manajer tetap mendapatkan kepercayaan ketika akan mencari sumber pendapatan dari pasar hutang. Perusahaan dengan leverage yang tinggi akan memiliki kecenderungan melakukan manajemen laba dengan menggunakan akrual untuk melaporkan laba lebih tinggi yang menyebabkan kualitas laba menjadi lebih rendah (Anggraini, 2010). Beberapa peneliti telah meguji apakah terdapat pengaruh antara leverage dengan kualitas laba. Penelitian yang dilakukan oleh Ahalik dan Hardy (2015) menyatakan bahwa leverage berpengaruh terhadap kualitas laba. Dengan demikian keterkaitan antara leverage dengan kualitas laba dapat dirumuskan melalui hipotesis sebagai berikut: Ha3 : leverage berpengaruh terhadap kualitas laba. 4. Likuiditas dengan Kualitas Laba Likuiditas menunjukkan bahwa perusahaan mampu untuk memenuhi kewajiban finansialnya dalam jangka pendek menggunakan dana lancar yang
46
tersedia. Namun apabila likuiditas perusahaan terlalu besar maka perusahaan tersebut berarti tidak mampu mengelola aktiva lancarnya semaksimal mungkin sehingga kinerja keuangan menjadi kurang baik dan kemungkinan ada manipulasi laba untuk mempercantik informasi laba tersebut. Likuiditas meningkat karena adanya asimetri informasi (Amihud, 2008). Gharezi and Zadeh (2013) menyatakan bahwa likuiditas memiliki hubungan yang lemah dan negatif pada kualitas laba. Menurut Nurhanifah dan Jaya (2014) menyatakan bahwa likuiditas berpengaruh terhadap kualitas laba karena jika suatu perusahaan memiliki kemampuan dalam membayar hutang jangka pendeknya berarti perusahaan memiliki kinerja keuangan yang baik dalam pemenuhan hutang lancar sehingga perusahaan tidak perlu melakukan praktek manipulasi laba. Suatu perusahaan yang memiliki kemampuan dalam memenuhi kewajibannya menunjukan bahwa perusahaan memiliki kelangsungan hidup yang baik. Dengan kondisi seperti ini sangat dimanfaatkan oleh pihak manajemen dalam memberikan sinyal atas kondisi perusahaan kepada pasar. Kuatnya reaksi pasar akan mengindikasikan bahwa laba perusahaan semakin berkualitas. karena likuiditas merupakan salah satu tinjauan terhadap kinerja perusahaan. Dengan demikian keterkaitan antara likuiditas dengan kualitas laba dapat dirumuskan melalui hipotesis sebagai berikut: Ha4 : likuiditas berpengaruh terhadap kualitas laba.
47
BAB III METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini menggunakan model regresi untuk keperluan estimasi. Penelitian ini menggunakan 1 (satu) variabel dependent yaitu kualitas laba dan 4 (empat) variabel independent (bebas) yaitu investment opportunity set, voluntary disclosure, leverage, dan likuiditas. Data yang digunakan adalah data sekunder. Analisis
dalam
penelitian
ini
menggunakan
analisis
regresi
berganda
menggunakan data panel, yaitu analisis yang menggabungkan data time series dan cross section. Adapun data time series yang telah ditentukan adalah tahun 20102014, selain itu telah ditentukan juga data cross section yang akan diteliti yaitu perusahaan manufaktur yang terdaftar di BEI. B. Metode Penentuan Sampel Populasi adalah jumlah keseluruhan dari unit analisis yang ciri-cirinya akan diduga. Populasi dalam penelitian ini adalah perusahaan manufaktur dalam public yang terdaftar di Bursa Efek Indonesia (BEI) selama periode tahun 2010 sampai dengan 2014. Pengambilan sampel dalam penelitian ini dilakukan dengan menggunakan metode purposive sampling, dalam hal ini lebih khusus pada penggunaan metode judgment sampling. Judgment sampling merupakan tipe pemilihan sampel secara tidak acak yang informasinya diperoleh dengan
48
menggunakan pertimbangan tertentu yang umumnya disesuaikan dengan tujuan atau masalah penelitian (Indrianto dan Supomo, 1999). Adapun kriteria pemilihan sampel pada penelitian ini adalah sebagai berikut : 1. Seluruh perusahaan manufaktur go public yang terdaftar di BEI selama periode penelitian yaitu tahun 2010 – 2014 2. Data laporan keuangan perusahaan tersedia selama periode penelitian 3. Perusahaan menerbitkan laporan keuangan untuk periode yang berakhir pada 31 Desember selama periode penelitian 4. Perusahaan sampel memiliki semua data yang diperlukan secara lengkap. 5. Perusahaan memiliki data harga penutupan saham akhir tahun dimana saham tersebut aktif diperdagangkan selama periode penelitian. 6. Perusahaan yang mengalami profit selama periode penelitian. C. Metode Pengumpulan Data Dalam mengumpulkan data, sumber data menjadi hal penting dalam menentukan teknik pengumpulan data. Ada dua macam sumber data yang bisa digunakan dalam penelitian, yaitu data primer dan data sekunder.
Dalam
penelitian ini digunakan data sekunder. Data sekunder adalah data penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara atau telah diperoleh dan dicatat oleh pihak lain yang umumya berupa bukti, catatan atau laporan historis yang telah tersusun dalam arsip yang dipublikasikan atau yang
49
tidak dipublikasikan. Data sekunder lebih mudah untuk diperoleh karena sudah tersedia dan peneliti tinggal mengolah data tersebut. Dalam menggunakan data sekunder peneliti harus lebih hati-hati karena suatu data yang dilaporkan sumber yang berbeda ada kemungkinan datanya juga berbeda (Indriantoro dan Supomo, 2002). Metode pengumpulan data yang digunakan dalam penelitian ini adalah studi kepustakaan, yaitu data diperoleh dari beberapa literatur yang berkaitan dengan masalah yang sedang diteliti, penelusuran data ini dilakukan dengan cara: 1. Penelusuran secara manual untuk data dalam format kertas hasil cetakan. Data yang disajikan dalam format kertas hasil cetakan antara lain berupa jurnal, buku, skripsi dan thesis. 2. Penelusuran dengan menggunakan komputer untuk data dalam format elektronik. Data ini antara lain berupa laporan keuangan yang terdapat di PRPM BEI dan yang di publikasikan di situs BEI yang berupa file komputer dari internet D. Metode Analisis Data Sesuai dengan data yang telah diperoleh maka pendekatan yang sesuai dalam penelitian ini adalah pendekatan kuantitatif, yaitu pendekatan yang menekankan pada angka-angka dalam penelitiannya. Dari data angka yang telah diperoleh maka diharap dapat memberikan kesimpulan yang tepat.
50
1. Metode Data Panel Menurut Winarno (2011), data panel atau pooled data merupakan data yang terdiri atas data seksi silang (beberapa variabel) dan data runtut waktu (berdasar waktu). Analisis regresi berganda dengan data panel adalah analisis regresi yang didasarkan pada data panel untuk mengamati hubungan antara variabel terikat (dependen) dan variabel bebas (independen). Model dengan data cross section : Yi = α + β Xi + Ɛi ; i = 1,2,…,N N = Banyaknya data cross section Model dengan data time seris : Yt = α + β Xt + Ɛi ; t = 1,2,…,T T = Banyaknya data time series Melihat data panel merupakan gabungan antara data cross section dan data time series maka model yang dapat disimpulkan adalah sebagai berikut : Yit = α + β Xit + Ɛit ; I = 1,2,…,N; t = 1,2,…,T Dimana : N = Banyaknya data cross section T = Banyaknya data time series N x T = Banyaknya data panel Keunggulan penggunaan metode data panel dibandingkan metode time series atau cross section adalah:
51
1. Estimasi data panel dapat menunjukkan adanya heterogenitas dalam tiap individu. 2. Dengan data panel, data lebih informasif, lebih bervariasi, mengurangi kolinearitas antar variabel, meningkatkan derajat kebebasan (degree of freedom), dan lebih efisien. 3. Studi data panel lebih memuaskan untuk menentukan perubahan dinamis dibandingkan dengan studi berulang dari cross section. 4. Data panel lebih mendeteksi dan mengukur efek yang secara sederhana tidak dapat diukur oleh data time series atau cross section. 5. Data panel membantu studi untuk menganalisis perilaku yang lebih kompleks. 6. Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu atau perusahaan karena unit data lebih banyak. 2. Pemodelan data panel Terdapat tiga pendekatan yang dapat digunakan dalam mengestimasi data panel, yaitu : 1) pendekatan OLS biasa (Pooled Least Square), 2) pendekatan efek tetap (Fixed Effect Model), dan 3) pendekatan efek acak (Random Effect Model). a. Pendekatan Pooled Least Square (PLS) Pendekatan ini merupakan pendekatan yang paling sederhana karena menggabungkan data cross section dan data time series sebagai
52
analisisnya. Dalam pendekatan ini tidak memperhatikan dimensi antar individu maupun rentang waktu, sehingga model ini dapat pula dapat pula disebut sebagai model OLS biasa karena menggunakan kuadrat terkecil. b. Pendekatan Fixed Effect Model (FEM) Metode efek tetap ini dapat menunjukan perbedaan antar objek meskipun dengan regresor yang sama. Model ini dikenal dengan model regresi Fixed Effect (efek tetap). Efek tetap ini dimaksudkan adalah bahwa sutu objek, memiliki konstan yang tetap besarannya untuk berbagai periode waktu. Demikian juga dengan koefisien regresinya, tetap besaranya dari waktu ke waktu (time invariant). Keuntungan metode efek tetap ini adalah dapat membedakan efek individual dan efek waktu dan tidak perlu mengasumsikan bahwa komponen eror tidak berkolerasi dengan variabel bebas yang mungkin sulit
dipenuhi.
Dan
kelemahan
metode
efek
tetap
ini
adalah
ketidaksesuaian model dengan keadaan yang sesungguhnya. Kondisi tiap objek saling berbeda, bahkan satu objek pada suatu waktu akan sangat berbeda dengan kondisi objek tersebut pada waktu yang lain. c. Pendekatan Random Effect Model (REM) Keputusan untuk memasukan variabel boneka dalam model efek tetap (fixed effect) tidak dapat dipungkiri akan dapat menimbulkan konsekuensi (trade off). Penambahan variabel boneka ini akan dapat mengurangi
53
banyaknya derajat kebebasan (degree of freedom) yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Model panel data yang didalamnya melibatkan kolerasi antar error term karena berubahnya waktu karena berbedanya observasi dapat diatasi dengan pendekatan model komponen eror (eror component model) atau disebut juga model efek acak (random effect) Metode ini digunakan untuk mengatasi kelemahan metode efek tetap yang menggunakan variabel semu, sehingga model mengalami ketidakpastian. Tanpa menggunakan variabel semu, metode efek menggunakan residual, yang diduga memiliki hubungan antar waktu dan antar objek. Syarat untuk menganalisis efek random yaitu objek data silang harus lebih besar dari pada banyaknya koefisien (Winarno, 2007). 3. Pemilihan Model Data Panel Ada dua tahap dalam memilih metode dalam data panel. Pertama kita harus membandingkan PLS dengan FEM terlebih dahulu. Kemudian dilakukan uji F-test. Jika hasil menunjukkan model PLS yang diterima, maka model PLS lah yang akan dianalisa. Tapi jika model FEM yang diterima, maka tahap kedua dijalankan, yakni melakukan perbandingan lagi dengan model REM. Setelah itu dilakukan pengujian dengan Hausman test untuk menentukan metode mana yang akan dipakai, apakah FEM atau REM.
54
a. Uji Chow Uji ini dilakukan untuk mengetahui model Pooled Least Square (PLS) atau FEM yang akan digunakan dalam estimasi. Relatif terhadap Fixed Effect Model, Pooled Least Square adalah restricted model dimana ia menerapkan intercept yang sama untuk seluruh individu. Padahal asumsi bahwa setiap unit cross section memiliki perilaku yang sama cenderung tidak realistis mengingat dimungkinkan saja setiap unit tersebut memiliki perilaku yang berbeda. Untuk mengujinya dapat digunakan restricted Ftest, dengan hipotesis sebagai berikut. H0: Model Pooled Least Square (PLS) H1: Model Fixed Effect Jika nilai F-hitung > F-tabel, atau nilai probabilitas (P-Value) < a 5%, maka H0 ditolak, artinya model panel yang baik untuk digunakan adalah Fixed Effect Model, dan sebaliknya jika H0 diterima, maka model Pooled Least Square yang dipakai dan dianalisis. Namun jika H0 ditolak, maka model FEM harus diuji kembali untuk memilih apakah memakai model FEM atau REM baru dianalisis. b. Uji Hausman Ada beberapa pertimbangan teknis empiris yang dapat digunakan sebagai panduan untuk memilih antara Fixed Effect Model atau Random Effect Model yaitu:
55
1) Bila T (jumlah unit time series) besar sedangkan N (jumlah unit cross section) kecil, maka hasil FEM dan REM tidak jauh berbeda. Dalam
hal
ini
pilihan
umumnya
akan
didasarkan pada
kenyamanan perhitungan, yaitu FEM. 2) Bila
N
besar
dan
T
kecil,
maka
hasil
estimasi
kedua
pendekatan dapat berbeda signifikan. Jadi, apabila kita meyakini bahwa unit cross section yang kita pilih dalam penelitian diambil secara acak (random) maka REM harus digunakan. Sebaliknya, apabila kita meyakini
bahwa unit cross section yang kita pilih
dalam penelitian tidak diambil secara acak maka kita menggunakan FEM. 3) Apabila cross section error component (€i) berkorelasi dengan variabel bebas X maka parameter yang diperoleh dengan REM akan bias sementara parameter yang diperoleh dengan FEM tidak habis. 4) Apabila N dan T kecil, dan apabila asumsi yang mendasari REM dapat terpenuhi, maka REM lebih efisien dibandingkan tidak bias. Keputusan penggunaan FEM dan REM dapat pula ditentukan dengan menggunakan
spesifikasi
yang dikembangkan dengan
Hausman.
Spesifikasi ini akan memberikan penilaian dengan menggunakan Chisquare statistik sehinggan keputusan pemilihan model akan dapat
56
ditentukan secara statistik. Pengujian ini dilakukan dengan hipotesa sebagai berikut: H0 : Random Effect Model H1 : Fixed Effect Model Setelah
dilakukan
pengujian
ini,
hasil
dari
Hausman
test
dibandingkan dengan Chi-square statistik dengan df = k, dimana k adalah jumlah koefesien variabel yang diestimasi atau nilai probabilitas (PValue) < a 5%,. Jika hasil dari Hausman test signifikan, maka H0 ditolak, maka Fixed Effect Model yang digunakan. 4. Uji Asumsi Klasik Terlebih dahulu dilakukan uji asumsi klasik sebelum di lakukannya regresi, hal tersebut dilakukan untuk melihat apakah data terbebas dari masalah multikolinearitas, heteroskedastisitas, dan autokorelasi. Uji asumsi klasik ini penting dilakukan untuk menghasilkan estimator yang linier tidak bias dengan varian yang minimum (Best Linier Unbiased Estimator – BLUE), yang berarti model regresi tidak mengandung masalah. Untuk itu perlu dibuktikan lebih lanjut apakah model regresi yang digunakan sudah memenuhi asumsi tersebut. Asumsi – asumsi tersebut antara lain:
57
a. Uji Normalitas Salah satu asumsi dalam analisis statistika adalah data berdistribusi normal. Untuk menguji data apakah terdistribusi normal dengan menggunakan histogram dan uji Jarque-Bera. Jarque-Bera adalah uji statistik untuk mengetahui apakah data berdistribusi normal. Uji ini mengukur perbedaan skewness dan kurtosis data dan dibandingkan dengan apabila datanya bersifat normal. Dengan H0 pada data berdistribusi normal, uji Jarque-Bera didistribusi dengan X2 dengan derajat bebas (degree of freedom) sebesar 2. Probability menunjukan kemungkinan Jarque-Bera melebihi (dalam nilai absolut) nilai terobservasi dibawah hipotesis nol. Nilai probabilitas yang kecil cenderung mengarahkan pada penolakan hipotesis nol distribusi normal. Pada angka Jarque-Bera diatas nilai probabilitas (5%), maka kita dapat menolak H0 bahwa data terdistribusi normal (Winarno, 2011) b. Uji Multikolinearitas Multikolinearitas adalah kondisi adanya hubungan linier antar variabel
independen.
Karena
melibatkan
beberapa
variabel
independen, maka multikolinearitas tidak akan terjadi pada persamaan regresi sederhana (yang terdiri atas satu variabel dependen dan satu variabel independen). (Winarno, 2011)
58
Menurut Singgih Santoso (2010), multikolinearitas mengandung arti bahwa antar variabel independen yang terdapat dalam model memiliki hubungan yang sempurna atau mendekati sempurna (koefisien korelasinya tinggi atau bahkan 1). Indikasi multikolinearitas ditunjukkan dengan beberapa informasi antara lain: 1. Nilai R2 tinggi, tetapi variable independen banyak yang tidak signifikan. 2. Dengan menghitung koefisien korelasi antarvariabel independen, apabila koefisien rendah maka tidak terdapat multikolinearitas. 3. Dengan melakukan regresi auxiliary, yaitu regresi yang dapat digunakan untuk mengetahui hubungan antara dua (atau lebih) variabel independen yang secara bersama-sama mempengaruhi satu variabel independen lainnya. Sedangkan alternatif menghilangkan multikolinearitas antara lain bisa dengan menambahkan data penelitian bila memungkinkan, karena masalah multikolinearitas biasanya muncul karena jumlah observasi yang sedikit. Selain itu dapat dengan menghilangkan salah satu variabel independen terutama yang memiliki hubungan linier yang kuat dengan variabel lain. Namun jika tidak mungkin dihilangkan maka
tetap
harus
dipakai.
Selanjutnya
bisa
dengan
59
mentransformasikan salah satu (atau beberapa) variabel dengan melakukan diferensiasi. (Winarno, 2011). c.
Uji Heteroskedastisitas Dalam regresi linier ganda, salah satu asumsi yang harus dipenuhi agar taksiran parameter dalam model tersebut bersifat BLUE adalah var (ui) = ơ2 (konstan), semua sesatan mempunyai variansi yang sama. Padahal, ada kasus-kasus tertentu dimana variansi ưi tidak konstan, melainkan suatu variabel berubah-ubah (Nachrowi, 2008). Heteroskedastisitas merupakan fenomena terjadinya perbedaan varian antar seri data. Heteroskedastisitas muncul apabila nilai varian dari variabel tak bebas (Yi) meningkat sebagai meningkatnya varian dari variabel bebas (Xi), maka varian dari Yi adalah tidak sama. Gejala heteroskedastisitas lebih sering dalam data cross section dari pada time series. Selain itu juga sering muncul dalam analisis yang menggunakan data rata-rata. Menurut Nachrowi dan Usman (2008), ada beberapa dampak yang ditimbulkan oleh heteroskedastisitas terhadap OLS, antara lalin: 1. Akibat tidak konstannya variansi, maka salah satu dampak yang ditimbulkan adalah lebih besarnya variansi dari taksiran. 2. Lebih besarnya variansi taksiran, tentu akan berpengaruh pada uji hipotesis yang dilakukan (uji t dan F) karena kedua
60
uji
tersebut
menggunakan
besaran
variansi
taksiran.
Akibatnya, kedua uji hipotesis tersebut menjadi kurang akurat. 3. Lebih besarnya variansi taksiran akan mengakibatkan standard error taksiran yang lebih besar sehingga interval kepercayaan menjadi sangat besar. 4. Akibat beberapa dampak tersebut, maka kesimpulan yang diambil
dari
persamaan
regresi
yang
dibuat
dapat
menyesatkan. Menurut
Gujarati
(2007),
untuk
mendektesi
keberadaan
heteroskedastisitas digunakan metode grafik scatter plot, uji Park, uji Glejser, uji White, dimana apabila nilai probabilitas (p-value) observasi R2 lebih besar dibandingkan tingkat resiko kesalahan yang diambil
(digunakan
α
=
5%),
maka
residual
digolongkan
homoskedastisitas. d. Uji Autokorelasi Autokorelasi adalah adanya korelasi antara variable itu sendiri, pada pengamatan yang berbeda waktu dan individunya. Pada umumya autokorelasi lebih sering terjadi pada data time series (Nachrowi dan Usman, 2008)
61
Menurut Winarno (2011), autokorelasi adalah hubungan antara residual
satu
observasi
dengan
residual
observasi
lainnya.
Autokorelasi lebih mudah timbuh pada data yang bersifat runtut waktu, karena berdasarkan sifatnya, data masa sekarang dipengaruhi oleh data pada masa sebelumnya. Dikarenakan dalam penelitian ini menggunakan data panel, maka uji autokorelasi sudah tidak perlu du uji kembali. Karena data panel sifatnya lebih kepada cross section maka bisa dikatakan tidak ada autokorelasi. 5. Koefisien Determinasi (Adjusted R2) Untuk mengetahui penaksiran parameter dan standard error bahwa model regresi estimasi cukup baik atau tidak perlu dilakukan cara untuk mengukur seberapa dekat garis regresi yang terestimasi dengan data. Ukuran yang biasa yang digunakan untuk keperluan ini adalah Goodness of Fit (R2) . ukuran ini mencerminkan seberapa besar variasi dari (regressand) (Y) dapat diterangkan oleh regressor (X). Bila R2 =0, artinya variasi dari Y tidak dapat diterangkan oleh X sama sekali. Sementara bila R2 = 1, artinya variasi dari Y, 100% dapat diterangkan oleh X. dengan kata lain bila R2 = 1, maka semua titik pengamatan berada pada garis regresi. Dengan demikian, ukuran goodness of fit dari suatu model ditentukan oleh R2 yang nilainya antara nol dan satu.
62
6. Uji Hipotesis Uji hipotesis ini digunakan untuk memeriksa atau menguji apakah koefisien regresi yang didapat signifikan (berbeda nyata). Maksudnya dari signifikan ini adalah suatu nilai koefisien regresi yang secara statistik tidak sama dengan nol. Jika koefisien slope sama dengan nol, berarti dapat dikatakan bahwa tidak cukup bukti untuk menyatakan variabel bebas mempunyai pengaruh terhadap variabel terikat. Ada dua jenis uji hipotesis terhadap koefisien regresi yang dapat dilakukan antara lain: a. Uji Signifikansi simultan (uji F) Pengujian ini dilakukan untuk mengetahui apakah semua variabel independen secara bersama-sama (simultan) dapat berpengaruh terhadap variable dependen. Cara yang digunakan adalah dengan membandingkan nilai F hitung dengan F table dengan ketentuan sebagai berikut: 1. Ho : β = 0 berarti tidak ada pengaruh signifikan dari variabel independen terhadap variabel dependen secara simultan (bersama-sama). 2. Ho : β > 0, berarti ada hubungan yang signifikan dari variabel independen terhadap variabel dependen secara simultan (bersama-sama).
63
3. Tingkat kepercayaan yang digunakan adalah 95% atau taraf signifikan 5% (α = 0,05) dengan kriteria penilaian sebagai berikut: a) Jika F hitung > F table maka Ha diterima dan Ho ditolak berarti ada variable independen secara bersama-sama
mempunyai
pengaruh
yang
signifikan terhadap variable dependen. Jika F hitung < F tabel maka Ho diterima dan Ha ditolak berarti ada variable independen secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap variable dependen. b. Uji Signifikansi Individual (uji t) Uji ini dilakukan untuk mengetahui pengaruh masing – masing variabel independen secara parsial terhadap variabel dependen. Uji t dilakukan dengan membandingkan t hitung terhadap t table dengan ketentuan sebagai berikut: 1. Ho : β = 0, berarti tidak ada pengaruh positif dari masing -masing variabel independen terhadap variabel dependen secara parsial (individu). 2. Ho : β > 0, berarti ada pengaruh positif dari masing-masing variabel independen terhadap variabel dependen secara parsial (individu).
64
3. Tingkat kepercayaan yang digunakan adalah 95% atau taraf signifikan 5% (α = 0,05) dengan criteria penilaian sebagai berikut: a. Jika t hitung > t table maka Ha diterima dan Ho ditolak berarti ada pengaruh yang signifikan dari masing – masing variable independen
terhadap
variable
dependen
secara
parsial
(individu). b. Jika t hitung < t table maka Ho diterima dan Ha ditolak berarti tidak ada pengaruh yang signifikan dari masing – masing variabel independen terhadap variable dependen secara parsial (individu). 7. Model Regresi Berganda Menggunakan Data Panel Model persamaan dasar data panel yaitu: Yit = β1 X1it + β2 X2it + β3 X3it + β4 X4it + µit………………. Model persamaan yang akan diestimasi pada penelitian ini adalah sebagai berikut: KL = β0 + β1IOS + β2VD + β3LEV + β4LIQ + ε… Dimana: KL
: Kualitas Laba
β0
: Konstanta
β1,β2,β3,β4 : Koefisien Variabel Independen IOS
: Investment Opportunity Set
65
VD
: Voluntary Disclosure
LEV
: Leverage
LIQ
: Likuiditas
ε
: Koefisien Eror
Setelah model penelitian diestimasi maka akan diperoleh nilai dan besaran dari masing – masing parameter dalam model persamaan diatas. Nilai dari parameter positif atau negatif selanjutnya akan digunakan untuk menguji hipotesis penelitian. E. Operasional Variabel Penelitian 1. Variabel Independen Variabel independen dalam penelitian ini adalah Investment Opportunity Set (IOS), Struktur Modal, Pertumbuhan Perusahaan, serta Return on Asset. a. Investment Opportunity Set (IOS) (X1) Menurut Sri Hasnawati (2005) dalam penelitiaanya menyebutkan investment opportunity dapat diukur melalui : 1. Total Assets Growth 2. Market to book value of total equity 3. Earning to price ratio 4. Ratio capital expenditure to BVA 5. Current assets to total assets
66
Dari kelima pengkuran diatas, pengukuran menggunakan market to book value of equity memiliki pengaruh yang besar terhadap nilai perusahaan. Oleh karena itu dalam penelitian ini mengambil market to book value of equity digunakan sebagai proksi dari investment opportunity. Penggunaan rasio ini didasari atas pemikiran MBVE yang mencerminkan pasar menilai return investasi dimasa depan akan lebih besar dari return yang diharapkan dari ekuitasnya. Dalam penelitian Puteri dan Rohman (2012), secara matematis variabel market to book value of equity diformulasikan sebagai berikut : (Shared Outstanding 𝑥 𝐶𝑙𝑜𝑠𝑖𝑛𝑔 𝑝𝑟𝑖𝑐𝑒)
MBVE = 𝑇𝑜𝑡𝑎𝑙 Equity b. Voluntary Disclosure (X2) Pengungkapan sukarela (voluntary disclosure) dalam penelitian ini menggunakan daftar item pengungkapan yang digunakan oleh Sudarma (2015) yang berjumlah 8 poin dan dibagi menjadi 46 item. 8 poin tersebut adalah : 1. Background Information (5 item) 2.
Financial overview (2 item)
3. Key non-financial statistics (10 item) 4. Projected information (10 item)
67
5. Management discussion and analysis (4 item) 6. Research and Development activities (4 item) 7. Employee information (9 item) 8. Value added information (2 item) Pengukuran luas pengungkapan sukarela dalam penelitian ini menggunakan daftar pengungkapan sukarela tanpa pembobotan. Indeks pengungkapan tanpa pembobotan dihitung dengan cara memberikan skor 1 pada setiap item yang diungkapkan dan skor 0 pada setiap item yang tidak diungkapkan perusahaan. Indeks pengungkapan sukarela (VDI) dapat dirumuskan sebagai berikut:
Total Score
VDI =
Total Score of disclosure (46 item)
c. Leverage (X3) Leverage yang dimaksud dalam penelitian ini adalah jumlah asset yang tidak dibayar oleh ekuitas pemegang saham. Rasio leverage diukur dengan membagi total hutang dengan jumlah modal perusahaan. Berikut adalah rumus untuk menghitung leverage (Ahalik dan Hardy, 2015) : DER =
Total Debt
X 100%
Equity
68
Keterangan:
d.
DER
= Debt to Equity Ratio
Total debt
= Total hutang perusahaan
Equity
= Jumlah modal perusahaan
Likuiditas (X4) Likuiditas menunjukan kemampuan perusahaan dalam membayar kewajiban jangka pendeknya yang jatuh tempo tepat pada waktunya. Digunakan untuk menganalisis posisi modal kerja perusahaan dan mengukur tingkat keamanan perusahaan. Rasio likuiditas yang digunakan
pada
penelitian
ini
adalah
menggunakan
current
ratio.Dengan rumus (Nurhanifah dan Jaya, 2014) Current Ratio =
Current Asset Current Libialities
2.
Variabel Dependen Variabel Dependen, yaitu variabel yang dipengaruhi atau tertanggung oleh variabel lain. variabel dependen yang digunakan dalam penelitian ini adalah kualitas laba. Menurut Scott (1997) dalam Paramitha (2012), ERC adalah ukuran besaran abnormal return suatu sekuritas sebagai respon terhadap komponen laba kejutan (unexpected earnings) yang dilaporkan
69
oleh perusahaan yang mengeluarkan sekuritas tersebut. ERC merupakan proksi dari kualitas laba. Besarnya ERC diperoleh dengan menggunakan beberapa tahapan perhitungan (Sudarma dan Ratnadi, 2015), yaitu: 1. Tahap pertama yang akan dilakukan adalah mencari return saham harian dan return pasar harian. Return saham harian dihitung dengan menggunakan rumus:
Dimana: Rit
= return saham perusahaan i pada hari t
Pit
= harga penutupan saham i pada hari t
Pit-1 = harga penutupan saham i pada pada hari t-1 Return pasar harian dihitung sebagai berikut:
Dimana : Rmt
= return pasar harian
IHSGt
= indeks harga saham gabungan pada hari t
IHSGt-1
= indeks harga saham gabungan pada hari t-1.
70
2. Tahap kedua adalah menghitung abnormal return. Dalam penelitian ini abnormal return dihitung menggunakan model sesuaian pasar (market adjusted model). Abnormal return didapatkan dari: ARi,t = Ri,t –Rm,t
Dimana: ARi,
= abnormal return perusahaan i pada perioda ke- t
Ri,t
= return perusahaan pada perioda ke-t
Rm,t
= return pasar pada perioda ke-t
3. Tahap ketiga adalah menghitung variabel Cummulative Abnormal Return (CAR) dengan menggunakan rumus: CARi(-3,+3) = t = -3∑+3 ARit Dimana: CARi(-3,+3) = Abnormal
return
kumulatif
perusahaan
i
selama periode pengamatan kurang lebih 3 hari dari tanggal publikasi laporan keuangan (3 hari sebelum, 1 hari tanggal publikasi dan 3 hari setelah tanggal publikasi laporan keuangan atau
penyerahan
laporan
keuangan
ke
BAPEPAM). ARit
= Abnormal return perusahaan i pada hari t.
71
4. Menghitung Unexpected Earnings (UE) dengan model random walk. UE diartikan sebagai selisih laba akuntansi yang diharapkan oleh pasar. UE diukur sesuai dengan penelitian Kalaapur (1994): UEit (EPSit -EPSit-1) Pit-1 Dimana: UEit
= unexpected earnings perusahaan i pada perioda t
EPSit = earnings per share perusahaan i pada perioda t EPSit-1= earnings per share perusahaan i pada perioda t-1 Pit-1
= harga saham perusahaan i pada perioda t-1
5. Tahap kelima adalah mencari Earnings Response Coefficient (ERC). ERC merupakan koefisien yang diperoleh dari regresi antara proksi harga saham dan laba akuntansi. Proksi harga saham yang digunakan adalah CAR, sedangkan proksi laba akuntansi adalah UE. Pada penelitian Mulyani et al. (2007) model persamaan yang digunakan untuk menentukan ERC adalah: CARit = α0 + α1UEit + εit Dalam hal ini: CARit = abnormal return kumulatif perusahaan i selama perioda pengamatan 3 hari sebelum dan sesudah publikasi laporan keuangan UEit = unexpected earnings
72
εi
= komponen error dalam model atas perusahaan i pada perioda t
Selengkapnya untuk definisi dan pengukuran operasional variabel penelitian ini dapat dilihat pada tabel 3.1 berikut ini. Tabel 3.1 Operasional Variabel Variabel
Indikator
Skala
MBVE = (Shared Outstanding x closing price) Total Equity
Rasio
Investment Opportunity Set (IOS), (Puteri dan Rohman, 2012)
Voluntary Disclosure (Sudarma dan Ratnadi,
Total Score VDI = Total score of disclosure
Rasio
2015)
Leverage (Ahalik dan Hardy, 2015)
Total Debt X 100%
DER = Equity
Likuiditas (Nurhanifah dan Jaya, 2014)
Kualitas Laba, (Sudarma dan Ratnadi, 2015)
Rasio
Current Asset Current Ratio =
Rasio
Current Libialities
CARit = α0 + α1UEit + εit
Rasio
73
BAB IV HASIL DAN PEMBAHASAN
A.
Sekilas Gambaran Umum Objek Penelitian Penelitian ini mengambil sampel seluruh perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) dari tahun 2010 sampai dengan tahun 2014. Kriteria-kriteria perusahaan yang djadikan sampel dalam penelitian ini dapat dilihat dalam tabel 4.1 dibawah ini Tabel 4.1 Rincian Sampel Penelitian No
Kriteria Jumlah Seluruh perusahaan manufaktur yang terdaftar di BEI dari 1 143 tahun 2010 sampai dengan 2014 Perusahaan tersebut memiliki data lengkap terkait dengan 2 98 variabel yang diteliti Perusahaan yang mengalami kerugian tahun 2010 sampai 3 (59) dengan tahun 2014 4 Perusahaan yang memenuhi kriteria. 39 5 Total sampel penelitian selama 5 periode 195 Sumber: Data sekunder yang diolah Dari kriteria-kriteria perusahaan tersebut yang dijadikan sampel penelitian adalah sebanyak 39 perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) dengan periode pengamatan 5 tahun, sehingga diperoleh data observasi sebanyak 195. Adapun perusahaan yang menjadi objek penelitian adalah sebagai berikut:
74
B. Analisis Hasil dan Pembahasan 1. Statistik Deskriptif Sebelum melakukan pengujian secara kemaknaan pengaruh variabel Investment Opportunity Set, Voluntary Disclosure, Leverage, dan Likuiditas terhadap Kualitas Laba, terlebih dahulu akan ditinjau mengenai deskripsi variabel penelitian dengan analisis statistik deskriptif. Statistik deskriptif memberikan gambaran suatu data yang dapat dilihat dari nilai rata-rata (mean), standar deviasi, nilai maksimum dan minimum. Selengkapnya mengenai hasil statistik deskriptif penelitian dapat dilihat pada tabel 4.3 sebagai berikut. Tabel 4.2 Hasil Uji Statistik Deskriptif Seluruh Sampel
CAR
MBVE
VDI
DER
CR
Mean
0.787461 0.577003 0.269455
0.958773
0.562171
Median
0.718970 0.291000 0.260870
0.685266
0.570160
Maximum
1.871270 2.181040 0.347830
3.880536
2.273770
Minimum
0.170000 0.012080 0.195650
0.000380
0.003320
Std. Dev. 0.366983 0.616653 0.034992 Sumber: data sekunder yang diolah
0.739145
0.373286
75
Dari tabel 4.3 dapat dilihat bahwa variabel independen market book value asset (MBVE) memiliki nilai minimum 0.0212080 yang diperoleh dari PT. KMI Wire and Cable Tbk pada tahun 2013, sedangkan untuk nilai maksimumnya yang sebesar 2.181040 diperoleh dari PT. Lionmesh Prima Tbk pada tahun 2010. Dalam tabel 4.3 juga dapat dilihat nilai rata-rata market book value asset (MBVE) sebesar 0.577003 hal ini menujukkan bahwa market book value asset (MBVE) di dalam perusahaan mencapai 57.70% dengan standar deviasinya sebesar 0.616653. Variabel independen voluntary disclosure memiliki nilai minimum sebesar 0.195650 yang diperoleh dari PT Darya-Varia Laboratoria Tbk pada tahun 2010, sedangkan untuk nilai maksimumnya adalah sebesar 0.347830 yang diperoleh dari PT Citra Tubindo Tbk pada tahun 2014. Nilai rata-rata dari voluntary disclosure adalah sebesar 0.269455, hal ini menunjukkan bahwa tingkat pengungkapan sukarela pada seluruh perusahaan sebesar 26.94% dengan standar deviasinya sebesar 0.34992. Variabel independen leverage memiliki nilai minimum sebesar 0.000380 yang diperoleh dari PT Nusantara Infrastructure Tbk pada tahun 2013, sedangkan untuk nilai maksimumnya adalah sebesar 3.880536 yang diperoleh dari PT Nusantara Infrastucture Tbk pada tahun 2014. Nilai ratarata dari leverage adalah sebesar 0.958773, hal ini menujukkan bahwa tingkat
76
hutang perusahaan pada seluruh perusahaan sebesar 95.87% dengan standar deivasi sebesar 0.739145. Variabel independen likuiditas memiliki nilai minimum sebesar 0.003320 yang diperoleh dari PT Delta Djakarta Tbk pada tahun 2014, sedangkan untuk nilai maksimumnya adalah sebesar 2.273770 yang diperoleh dari PT Indal Alumunium Industry Tbk. Nilai rata-rata dari likuiditas adalah sebesar 0.562171, hal ini menujukkan bahwa kemampuan perusahaan yang membayar hutang jangka pendek sebesar 56.21% dengan standar deviasinya sebesar 0.373286. Variabel dependen kualitas laba memiliki nilai minimum sebesar 0.170000 yang diperoleh dari PT Multi Bintang Indonesia Tbk pada tahun 2010, sedangkan untuk nilai maksimumnya adalah sebesar 1.8721270 yang diperoleh dari PT Kalbe Farma Tbk pada tahun 2014. Nilai rata-rata dari kualitas laba adalah sebesar 0.787461, hal ini menunjukkan bahwa kualitas laba perusahaan sebesar 78.74% dengan standar deviasinya sebesar 0.366983. 2. Pemilihan Model Terbaik a. Uji Chow Untuk mengetahui model panel yang akan digunakan, maka digunakan uji F-Restricted dengan cara melihat nilai (P-Value) F-
77
Statistik lebih kecil dari tingkat signifikan α = 5%, terlebih dahulu dibuat hipotesisnya. Adapun hipotesisnya adalah sebagai berikut: H0
: Model Pooled Least Square (PLS)
H1
: Model Fixed Effect (FEM)
Dari hasil berdasarkan metode Fixed Effect Model (FEM) dan Pooled Least Square (PLS) diperoleh nilai probababilitas F-Statistik yakni sebagai berikut:
Table 4.3 Hasil Uji Chow Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test Cross-section F Cross-section Chi-square
Statistic 1.513377 62.572161
d.f.
Prob.
(38,152) 38
0.0421 0.0073
Sumber: data sekunder yang diolah Dari tabel 4.4 diatas diperoleh F-Statistik adalah 1.513377 dan nilai probabilitas F-Statistik sebesar 0.0421 yang berarti bahwa nilai probabilitas F-Statistik lebih kecil dari tingkat signifikansi α 5% (0.0421 < 0.05). Maka H0 ditolak, sehingga
model panel yang
digunakan adalah Fixd Effect Model (FEM).
78
b. Uji Hausman Untuk mengetahui model panel yang akan digunakan, maka digunakan uji hausman. Pengujian ini untuk menentukan model paling tepat digunakan antara Fixed Effet Model (FEM) dengan Random Effect Model (REM). Uji hausman memberikan penilaian dengan menggunakan Chi-Square Statistic dan nilai α 5% sehingga keputusan pemilihan model dapat ditentukan dengan tepat. Sebelum membandingkan Chi-Square Statistic dan terlebih dahulu dibuat hipotesisnya adalah sebagai berikut: H0
: Model Random Effect
H1
: Model Fixed Effect
Hasil pengolahan dengan uji hausman dapat dilihat pada tabel 4.5 sebagai berikut: Tabel 4.4 Hasil Uji Hausman
Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects Test Summary Cross-section random
Chi-Sq. Statistic Chi-Sq. d.f. 9.008821
4
Prob. 0.0609
Sumber: data sekunder yang diolah
79
Berdasarkan hasil uji hausman pada tabel 4.5 diatas, didapatkan Chi-Square statistic sebesar 9.008821
dengan nilai probabilitas
0.0609. Dikarenakan nilai probabilitas Chi-Square statistic lebih besar dari nilai α 5% (0.0609 > 0.005) maka H0 diterima. Dapat disimpulkan bahwa model yang dapat digunakan untuk model penelitian adalah Random Effect Model (REM). 3. Hasil Uji Asumsi Klasik a. Uji Normalitas Untuk menguji apakah dalam model regresi variable pengganggu atau residual memiliki distribusi normal atau tidak dapat diketahui dengan membandingkan nilai Jarque-Bera dengan nilai Chi-tabel, maka data dalam penelitian berdistribusi normal (Winarno, 2011:5). Sebenarnya normalitas data dapat dilihat dari gambar histogram, namun seringkali polanya tidak mengikuti bentuk kurva normal, sehingga sulit disimpulkan. Lebih mudah bila melihat koefisien Jarue-Bera dan probabilitasnya. Kedua angka ini bersifat saling mendukung. Apabila nilai probabilitasnya lebih besar dari 5 %, maka data terdistribusi normal (Winarno, 2011:5). Adapun uji normalitas dapat dilihat pada grafik 4.1 sebagai berikut:
80
Grafik 4.1 Uji Normalitas 24
Series: Standardized Residuals Sample 2010 2014 Observations 195
20
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
16
12
8
4
Jarque-Bera Probability
-3.97e-16 -0.005399 0.425662 -0.332740 0.152547 0.395455 3.079235 5.133510 0.076784
0 -0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
0.4
Sumber: data diolah Dilihat pada grafik 4.1 diperoleh nilai Jarque-Bera hitung sebesar 5.133510 dan nilai probabilitasnya sebesar 0.0776784, karena nilai probabilitas lebih besar dari tingkat signifikansi α = 5% (0.0776784 > 0.05). Maka dapat disimpulkan bahwa data dalam penelitian ini telah terdistribusi secara normal. b. Uji Multikolinieritas Multikolinieritas adalah kondisi adanya hubungan linier antar variable indpenden. Untuk meilihat ada atau tidak adanya multikolonieritas nilai correlation matrix dari semua variabel inpenden harus kurang dari 0.8. Berikut ini uji multikolinieritas dengan menggunakan correlation matrix:
81
Tabel 4.5 Hasil Uji Multikolinieritas MBVE MBVE 1.000000 VDI 0.104329 DER 0.077501 CR -0.081628 Sumber: data diolah
VDI 0.104329 1.000000 0.224558 -0.161399
DER 0.077501 0.224558 1.000000 0.011167
CR -0.081628 -0.161399 0.011167 1.000000
Dari tabel 4.7 dapat dilihat bahwa tidak ada masalah multikolinieritas.
hal
ini
dikarenakan
nilai
korelasi
matriks
(correlation matrix) dari semua variable independen adalah kurang dari 0.8. Multikolinieritas
biasanya
terjadi
pada
estimasi
yang
menggunakan data runtut waktu. Dengan mengkombinasikan data time series dengan data cross-section mengakibatkan masalah multikolinieritas secara teknis dapat dikurangi. Penelitian ini menggunakan data panel, yang mana secara teknis sudah dikatakan masalah multikolinieritas adalah sudah tidak ada. c. Uji Heterkoskedastisitas Untuk mendeteksi adanya heteroskedastisitas dalam penelitian salah satunya adalah menggunakan menggunakan cara dalam prosedur statistic dengan uji park. Uji park menggunakan ln(residu2) sebagai variable dependen. Berikut hasil uji heteroskedastisitas dengan uji park:
82
Tabel 4.6 Hasil Uji Park Variable
Coefficient
Std. Error
t-Statistic
Prob.
MBVE
-0.005186
0.003992
-1.299240
0.1954
VDI
0.018336
0.072760
0.252004
0.8013
DER
0.005330
0.006643
0.802319
0.4234
CR
-0.002859
0.003395
-0.841893
0.4009
C 0.020948 Sumber: data diolah
0.020183
1.037873
0.3006
Berdasarkan tabel 4.8 diatas, dari hasil tersebut dapat dilihat nilai probababilitas dari masing-masing variable independen lebih besar dari α = 5%. Hal ini mengindikasi bahwa data penelitian ini tidak mengandung heteroskedastisitas. Maka dapat disimpulkan bahwa data penelitian ini terbebas dari masalah heteroskedastisitas.
4. Random Effect Model (REM) Model data panel yang digunakan dalam penelitian ini adalah dengan menggunakan model Random Effect Model (REM) dapat dijelaskan melalui persamaan sebagai beikut: CAR = 0.180097 + 0.535607MBVE + 0.945009VDI – 0.014534DER + 0.102487CR Dimana: CAR
: kualitas laba
MBVE
: Investment Opportunity Set 83
VDI
: voluntary disclosure
DER
: leverage
CR
: likuiditas
5. Koefisien Determinasi (Adjusted R2) Koefisien determinasi (adjusted R2) merupakan suatu ukuranyang penting dalam regresi. Hal ini karena koefisien determinasi (adjusted R2) dapat menginformasikan baim atau tidaknya model regresi yang di estimasi. Hal ini bertujuan untuk mengetahu seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Nilai adjusted R2 dikatakan baik jika nilainya diatas 0,5, hal ini karena nilai R2 berkisar antara 0-1. Nilai adjusted R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas. Nilai adjusted R2 mendekati 1 berarti variabel-variabel indpenden memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen. Hasil pengujian koefisien determinasi (adjusted R2) sebagai berikut:
Tabel 4.7 Hasil uji Adjusted R2 Adjusted R-Squared
0.828814
Sumber: data diolah
84
Berdasarkan tabel 4.11 didapatkan koefisien determinasi (adjusted R2) sebesar 0.828814 atau 82.88%. Hal ini terlihat bahwa 82.88% kualitas laba dapat dijelaskan oleh variabel indpenden seperti nvestment opportunity set (IOS), voluntary disclosure, leverage, dan likuiditas. Sedangkan 17.12% di jelaskan oleh variabel diluar variabel independen yang digunakan, misalnya variabel ukuran perusahaan, struktur modal, pertumbuhan laba dan variabel lainnya (Dira dan Astika, 2014). 6. Hasil Uji Hipotesis a. Uji-F-statistik Untuk menguji apakah variabel independen berpengaruh secara bersama-sama terhadap vaeriabel dependennya, maka digunakan uji-f dengan cara membandigkan F-statistik dengan F-tabel. Tabel 4.8 Uji F-Statistik F-statistic
Prob(F-statistic)
235.8182
0.000000
Sumber: data diolah Berdasarkan tabel 4.10 diatas, hasil regresi berganda dengan data panel menggunakan Random Effect Model (REM) diperoleh nilai Fstatistik sebesar 235.8182 dengan nilai probabilitas sebesar 0.000000, pada tingkat keyakinan α = 5%, k = 4, n = 195, sehingga diperoleh Ftabel dengan nilai df yaitu (2.46). Maka dapat dilihat bahwa F-
85
statistik > F-tabel (1165.182 > 2.46) atau nilai probabilitas F-statistik lebih kecil dari tingkat signifikansi α = 5% (0.000000 < 0.05). Hal ini menunjukkan bahwa variabel investement opportunity set (IOS), voluntary disclosure, leverage, dan likuiditas berpengaruh secara simultan terhadap kualitas laba. b. Uji t-statistik Pengujian ini dilakukan untuk menguji apakah variable independen (investment opportunity set, voluntary dislclosure, leverage, dan likuiditas) berpengaruh secara parsial terhadap variable dependennya (kualitas laba) dan untuk mengetahui variable independen manakah yang paling dominan mempengaruhi variable dependen, yaitu dengan membandingkan masing-masing nilai tstatistik dari regresi dengan t-tabel dalam menolak atau menerima hipotesis. Pada tingkat keyakinan α = 5%, maka diperoleh t-tabel (4.9). Tabel 4.9 Uji t- Statistik Variable MBVE VDI DER CR C Sumber: data diolah
Coefficient
t-Statistic
Probability
0.535607 0.945009 -0.014534 0.102487 0.180097
30.51841 2.698329 -0.885459 3.381629 1.848578
0.0000 0.0076 0.3770 0.0009 0.0661
86
Tabel 4.9 merupakan hasil pengujian variable independen yaitu investment opportunity set, voluntary disclosure, levergae, dan likuiditas terhadap kualitas laba secara parsial. Dari tabel 4.9 diatas menunjukkan bahwa koefisien model regresi memiliki nilai konstanta sebesar 0.180097 dengan nilai t-statistic sebesar 1.848578 dan nilai probabilitas sebesar 0.0661. Konstanta sebesar 0.180097 menandakan bahwa jika variabel independen konstan maka nilai kualitas laba adalah sebesar 0.180097. Variabel investment Opportunity Set (IOS) mempunya nilai koefisien sebesar 0.535607 yang menunjukkan bahwa jika investment opportunity set (IOS) meningkat 1 satuan maka akan meningkatkan kualitas laba sebesar 0.535607 satuan, dengan catatan variabel lain dianggap konstan. Variabel voluntary disclosure memiliki nilai koefisien sebesar 0.945009. Hal ini menunjukkan bahwa jika voluntary disclosure mengalami kenaikan 1 satuan maka akan meningkatkan kualitas laba sebesar 0.945009 satuan, dengan catatan variabel lain dianggap konstan. Variabel leverage memiliki nilai koefisien sebesar -0.014534. Hal ini menunjukkan bahwa jika leverage mengalami peningkatan 1 satuan, maka akan menurunkan kualitas laba sebesar 0.014534 satuan, dengan catatan variabel lain dianggap konstan. Untuk variabel likuiditas memiliki nilai koefisien
87
sebesar 0.102487. Hal ini menunjukkan bahwa jika likuiditas mengalami kenaikan 1 satuan maka akan meningkatkan nilai kualitas laba sebesar 0.102487, dengan catatan variabel lain dianggap konstan. Varibel investment opportunity set mempunyai nilai t-statistic sebesar 30.51841 dengan probability signifikan sebesar 0.0000. hal tersebut menunjukkan bahwa nilai probabilitasnya lebih kecil dari α = 5%. Hal ini dapat disimpulkan bahwa investment opportunity set (IOS) mempengaruhi kualitas laba secara signifikan. Hasil pengujian hipotesis, ditemukan bahwa variabel investment opportunity set (IOS) berpengaruh positif signifikan terhadap kualitas laba. Hal ini berarti H1 diterima. Hasil penelitian mendukung penelitian yang dilakukan oleh Nurhanifah dan Jaya (2014), Oktarya, Syafitri, dan Wijaya (2014), dan Rohman dan Puteri (2012) yang menyatakan bahwa Investment Opportunity Set dengan pengukuran market book value equity (MBVE) berpengaruh terhadap kualitas laba. Hal ini dikarenakan bagi perusahaan yang memiliki set kesempatan investasi tinggi senantiasa melakukan ekspansi dalam strategi bisnisnya, maka akan semakin membutuhkan dana eksternal. Apabila kondisi perusahaan sangat baik maka pihak manajemen akan cenderung lebih memilih investasi baru daripada membayar dividen yang tinggi. Dana yang seharusnya dapat dibayarkan sebagai dividen
88
tunai kepada pemegang saham akan digunakan untuk pembelian investasi yang menguntungkan. Sebaliknya, perusahaan yang mengalami pertumbuhan lambat cenderung membagikan dividen lebih tinggi. Berarti semakin besar kesempatan berinvestasi perusahaan, semakin baik perusahaan tersebut dan informasi laba perusahaan semakin
mengindikasikan
laba
perusahaan
yang
sebenarnya
(Oktarya, Syafitri, dan Wijaya 2014). Hal ini mendukung pernyataan Wahyudi dan Pawestri (2006) bahwa pengeluaran investasi memberikan sinyal positif tentang pertumbuhan perusahaan di masa yang akan datang, sehingga meningkatkan harga saham sebagai indikator nilai perusahaan (signaling theory). Penelitian ini bertentangan dengan hasil penelitian Kartina dan Nikamh (2011) yang menyatakan bahwa investment opportunity set tidak berpengaruh terhadap kualitas laba, artinya pasar tidak menganggap pengeluaran investasi sebagai hal yang dipertimbangkan dalam menentukan kualitas laba yang diumumkan oleh perusahaan. Variabel voluntary disclosure mempunyai nilai t-statistic sebesar 2.698329 dengan nilai probabilitas sebesar 0.0076. Hal ini menunjukkan bahwa voluntary disclosure berpengaruh terhadap kualitas laba karena nilai probablitasnya lebih kecil dari α = 5%. Hasil
89
peneilitian ini ditemukan bahwa variabel voluntary disclosure berpengaruh signifikan terhadap kualitas laba. Hal ini berarti H2 diterima. Penelitian ini mendukung hasil penelitian Sudarma (2015) dan Paramita (2012) yang menyatakan bahwa voluntary disclosure berpengaruh terhadap kualitsa laba. Luas dari pengungkapan sukarela yang dilakukan oleh perusahaan
mampu
merubah
nilai
perusahaan
disamping
pengumuman laba perusahaan. Perusahaan yang melakukan lebih banyak pengungkapan sukarela dalam laporan tahunannya dapat memberikan nilai lebih dibandingkan dengan perusahaan yang luas pengungkapan sukarelanya kurang. Adanya pengungkapan sukarela mampu memberikan informasi tambahan serta mengurangi asimetri informasi dan ketidakpastian perusahaan. Informasi tambahan (good news maupun bad news) tersebut akan direspon investor sebagai bahan penilaian perusahaan dan pertimbangan investasi selain informasi laba perusahaan. Investor akan semakin yakin dengan pengungkapan yang dilakukan oleh perusahaan, apabila tingkat pengungkapan yang dilakukan oleh perusahaan semakin luas. Variabel leverage mempunyai nilai t-ststistic sebesar
-
0.885459 dengan nilai probabilitasnya sebesar 0.3770. Hal tersebut menunjukkan bahwa leverage mempunyai nilai proabablitas lebih
90
besar dari nilai α = 5%. Hal ini dapat disimpulkan bahwa leverage tidak berpengaruh secara signifikan. Pada penelitian ini ditemukan bahwa variabel leverage tidak berpengaruh terhadap kualitas laba, maka dapat disimpulkan H3 ditolak. Hasil penelitian ini bertentangan dengan hasil penelitian Ahalik dan Hardy (2015) dan Gaol (2013) yang menyatakan bahwa leverage berpengaruh secara signifikan terhadap kualitas laba. Hutang yang dipergunakan secara efektif dan efisien maka akan meningkatkan nilai perusahaan, leverage menggambarkan sumber dana operasi yang digunakan oleh perusahaan, artinya hutang dapat digunakan untuk memprediksi keuntungan yang kemungkinan bisa diperoleh bagi para investor jika berinvestasi pada suatu perusahaan (Gaol, 2013). Hasil penelitian ini mendukung hasil dari penelitian Oktarya, Syafitri, dan Wijaya (2014) yang menyatakan bahwa leverage tidak berpengaruh terhadap kualitas laba. Hal ini berarti leverage perusahaan tidak dapat menentukan kualitas laba informasi laba yang disajikan. Variabel likuditas mempunyai nilai t-statistic sebesar 3.381629 dan nilai probabilitasnyas sebesar 0.0009. Hal tersebut menunjukkan bahwa
likuiditas
mempunyai
nilai
probabilitas
lebih
kecil
91
dibandingkan dengan nilai α = 5%, maka dapat disimpulkan bahwa likuiditas berpengaruh secara signifikan terhadap kualitas laba. Pada penelitian ini ditemukan bahwa likuiditas memiliki pengaruh positif terhadap kualitas laba. Hal ini dapat disimpulkan bahwa likuiditas berpengaruh terhadap kualitas laba, hal ini berarti H4 diterima. Hasil penelitian ini mendukung hasil penelitian Nurhanifah dan Jaya (2014) dan Sa’diah, Halimatus (2015) yang menyatakan bahwa likuiditas berpengaruh secaara signifikan terhadap kualitas laba. Menurut Sa’diah, Halimastus (2015) likuiditas menggambarkan kemampuan perusahaan dalam memenuhi utang jangka pendeknya yang jatuh tempo. Beberapa literatur menyebutkan bahwa perusahaan yang liquid adalah perusahaan yang memiliki tingkat likuiditas mendekati dua atau lebih besar dari satu. Likuiditas perusahaan merupakan bahan pertim-bangan yang penting bagi pihak kreditur dan investor. Secara teori perusahaan yang memiliki likuiditas yang rendah diper-sepsikan memiliki risiko yang tinggi. Dengan demikian bagi investor yang rasional (risk averse) likuiditas perusahaan perlu dipertimbangkan dalam hal pengam-bilan keputusan investasi terkait kualitas laba. Penelitian ini mendukung signaling theory, perusahaan yang kemampuan finansialnya kuat mencerminkan perusahaan tersebut
92
memiliki prospek yang baik. Kemampuan manajer dalam mengelola finansial perusahaan sebagai sinyal untuk menarik perhatian investor, sehingga akan mempengaruhi investor dalam pengambilan keputusan investasi. Hasil penelitian ini bertentangan dengan hasil penelitian Dira dan Astika (2014) yang menyatakan bahwa likuiditas tidak berpengaruh terhadap kulaitias laba. Hal ini dikarenakan apabila likuiditas perusahaan terlalu besar maka perusahaan tersebut tidak mampu mengelola aktiva lancarnya semaksimal mungkin sehingga kinerja keuangan menjadi kurang baik dan kemungkinan ada manipulasi laba untuk mempercantik informasi laba tersebut. Oleh karena itu, investor merespon negatif terhadap tingginya tingkat likuiditas suatu perusahaan. Dari keempat variabel independen (investment opportunity set, voluntary disclosure, leverage, dan likuiditas) terdapat satu variabel indpenden yang tidak berpengaruh terhadap kualitas laba. Dan dari ketiga variabel indpenden yang berpengaruh positif terhadap kulitas laba maka dapat dilihat variabel mana yang paling dominan terhadap kualitas laba, yaitu investment opportunity set, Hal ini dibuktikan dengan nilai beta pada uji regresi spss yang menunjukkan bahwa
93
investment opportunity set (IOS) mempunyai nilai beta paling tinggi sebesar 0.904. Berikut hasil regresi spss:
Tabel 4.10 Hasil Uji t (SPSS) Coefficientsa
Model 1 (Constant) mbve vdi der cr
Unstandardized Standardized Coefficients Coefficients B Std. Error Beta t .210 .092 2.295 .538 .018 .904 29.707 .833 .330 .079 2.524 -.011 .015 -.022 -.724 .095 .030 .096 3.142
Sig. .023 .000 .012 .470 .002
a. Dependent Variable: car
Sumber: data diolah
94
BAB V PENUTUP A. Kesimpulan Berdasarkan pada hasil analisis pembahasan yang telah dilakukan, maka dapat diperoleh kesimpulan sebagai berikut: 1. Berdasarkan uji regresi berganda dengan data panel ditemukan bahwa: a. variabel investment opportunity set (IOS) berpengaruh terhadap kualitas laba, penelitian ini mendukung penelitian Nurhanifah dan Jaya (2014) dan Rohman dan Puteri (2012) yang menyatakan bahwa Investment Opportunity Set dengan pengukuran market book value equity (MBVE) berpengaruh terhadap kualitas laba. b. voluntary disclosure berpengaruh terhadap kualitas laba. Penelitian ini mendukung hasil penelitian Sudarma (2015) dan Paramita (2012) yang menyatakan bahwa voluntary disclosure berpengaruh terhadap kualitsa laba. c. Leverage tidak berpengaruh signifikan terhadap nilai perusahaan. Hasil penelitian ini mendukung hasil dari penelitian Oktarya, Syafitri, dan Wijaya (2014) yang menyatakan bahwa leverage tidak berpengaruh terhadap kualitas laba.
95
d. Likuiditas berpengaruh terhadap kualitas laba. Hasil penelitian ini mendukung hasil penelitian Nurhanifah dan Jaya (201) yang menyatakan bahwa likuiditas berpengaruh secara signifikan terhadap kualitas laba. 2. Hasil uji regresi juga ditemukan bahwa variabel investment opportunity set
(IOS)
adalah
variabel
independen
yang
paling
dominan
mempengaruhi Kualitas Laba, karena memiliki nilai beta paling tinggi.
B. Saran Berdasarkan kesimpulan penelitian, maka penulis merekomendasikan berupa saran-saran berikut: a. Bagi perusahaan emiten hendaknya meningkatkan kualitas laba sehingga dapat menarik investor untuk berinvestasi pada perusahaan mereka, dan perusahaan emiten hendaknya juga mampu meningkatkan kinerja keungan dan mengoptimalkan penggunaan hutang, tidak saja hanya memperbesar laba perusahaan dengan melakukan manajemen laba, agar para investor percaya akan menanamkan modal kepada perusahaan. b. Bagi investor diharapkan untuk tidak hanya memperhatikan besarnya laba perusahaan saja tanpa mengetahui kemampuan laba tersebut dalam menghasilkan kas bagi perusahaan, karena itu hanya merupakan gambaran atas kinerja perusahaan dalam jangka pendek. Sebaiknya para investor juga mempertimbangkan nilai investment opportunity set,
96
voluntary disclosure, likuiditas dan
kualitas laba perusahaan yang
diharapkan akan memberikan kemakmuran kepada para pemegang saham. c. Untuk penelitian selanjutnya : 1. indikator penelitian dapat diganti dengan proxy yang lain ataupun ditambah
dengan
variabel
yang
lain
seperti
mekanisme
Pertumbuhan perusahaan (Irawati, Dhian Eka, 2012), asimetri infomarsi,
kualitas
akrual,
profitabilitas
(Gaol,
2012),
pertumbuhan perusahaan, dan pertumbuhan laba (Dira dan AStika, 2014). 2. Penelitian ini juga dapat dikembangkan dengan memperluas model penelitian sebelumnya. 3. Menggunakan metode dan alat uji yang lebih lengkap dan akurat sehingga diperoleh kesimpulan yang lebih valid. 4. Memperluas penelitian dengan cara memperpanjang periode penelitian
dengan
menambahkan
tahun
penelitian,
juga
memperbanyak sampel untuk penelitian yang akan datang.
97
DAFTAR PUSTAKA Adhi, Nurseto dan Mutmainah, Siti. “Pengaruh Karakteristik Perusahaan terhadap Luas Pengungkapan Sukarela dan Implikasinya terhadap Asimetri Informasi”. Semarang: Undip. 2012. Ahalik and Hardy. “The Impact Of Ifrs Implementation, Leverage, Audit Quality, Institutional Ownership, And Managerial Ownership Towards Earnings Quality Of Indonesian Listed Companies In Lq-45 Index”. IJABER, Vol. 13. No. 1. 2015. Amihud, Yakov.” Liquidity, The Value of The Firm, and Corporate Finance”. Journal in the Summer, 2(20), 2008. Anggraini, Glovita Brelian. “Pengaruh Kepemilikan Manajerial, Kepemilikan Institusional, Leverage dan Growth terhadap Kualitas Laba Perusahaan”. Jurnal Ekonomi. Universitas Sebelas Maret. Surakarta. 2010. Astika, I.B. Putra. “Teori Akuntansi: Konsep Dasar Akuntansi Keuangan”. 2011. Balgacem, Ines and Omri, Abdelwahed.” Does Corporate Social Disclosure Affect Earnings Quality? Empirical Evidence From Tunisia”. International Journal of Advanced Research, Volume 3, Issue 2, 2015 Baskara, Made Ratih dan Merkusiwati. “Pengungkapan Sukarela Laporan Keuangan Tahunan dan Faktor-Faktor yang Mempengaruhi (Studi Pada Saham-Saham Lq45 Di Bursa Efek Indonesiaperiode 2010-2011). Universitas Udayana, Bali. 2012. Brigham, F.E dan Houston, F.J. “Dasar-dasar Manajemen Keuangan”. Edisi 10. Jakarta: Penerbit Salemba Empat. 2006. Bellovery, JL., Gaicomino, DE., dan Ak-ers, MD. “Earnings Quality: It’s Time to Measure and Report”. The CPA Journal. 2010. Dechow, P.M., Wei, G., & Schrand, C. “Understanding Earnings Quality: A review of the Proxies, Their Determinants and Their Consequencies”. Manuscript, edited by M. Hanlon. University of Noter Dame. 2010. Dira, Kadek Prawisanti dan Astika, Ida Bagus Putra. “Pengaruh Struktur Modal, Likuiditas, Pertumbuhan Laba, dan Ukuran Perusahaan pada Kualitas Laba”. E- Jurnal Akuntansi Universitas Udayana, Bali. 2014.
98
Gaio, Cristina dan Raposo, Clara C. “Corporate Governance and Earnings Quality: International Evidance”. IESG- University de Lisboa. 2014 Gaol, Karolus Timotus L. “Pengaruh Asimetri Informasi, Leverage, Kualitas Akrual, Dan Profitabilitas terhadap Kualitas Laba (Studi Pada Perusahaan Manufaktur Yang Terdaftar Di Bei 2010-2011)”. 2012. Gharezi, Davood and Zadeh, Mohammad Reza Abbas. “The Relationship between Earnings Quality and Risk of Liquidity in Tehran Stock Exchange”. Interdisciplinary Journal of Contemporary Research in Business, 5 (3). 2013. Givoly Dan, Hayn Carla K. Dan Katz Sharon P. “Does Public Ownership of Equity Improve Earnings Quality?, The Accounting Review”. 2010. Gujarati, Damodar, “Dasar-Dasar Ekonimetrika”, Erlangga, Jakarta, 2006. Hasnawati, Sri. “Dampak Set Peluang Investasi terhadap Nilai Perusahaan Publik di Bursa Efek Jakarta”. JAAI. Vol. 9 No. 2. 2005. Husaini, Balla and Gugong, Benjamin Kumai. “Audit Committee Characteristics and Earning Quality of Listed Food and Beverage Firms in Nigeria”. Full Length Research Paper, 2015. Indriani, dkk. “Faktor-Faktor yang Mempengaruhi luas Pengungkapan Sukarela dan Implikasinya terhadap Asimetri Informasi. Universitas Mataram, Lombok. 2014. Indrianto dan Supomo, “Metodologi Penelitian Bisnis untuk Akuntansi dan Manajemen”, BPFE, Yogyakarta, 2002. Irawati, Dhian Eka. Pengaruh Struktur Modal, Pertumbuhan Laba, Ukuran Perusahaan dan Likuiditas terhadap Kualitas Laba. Accounting Analysis Journal. 2012. Kartina, Eti dan Nikmah. “Pengaruh Corporate Governance, Invesment Opportunity Set (IOS) terhadap Kualitas Laba dan Nilai Perusahaan”. Jurnal Akuntansi Vol. 1 No. 1. 2011. Kasmir. “Analisis Laporan Keuangan”. Jakarta : Rajawali Press. 2012.
99
Keown, Arthur J. “Manajemen Keungan dan Prinsip Penerapannya”. Jakarta: PT Indeks. 2008. Kallapur, S dan M, A. Trombley,” The Association Between Investment Opportunity Set and Realized Growth”, Journal of Business, Financial, and Accounting 96, 1999. Kallapur, Sanjay dan Mark A. Trombley. “The Investment Opportunity Set: Determinants, Consequences and Measurement”. Managerial Finance. Vol. 27. 2001 Kuo, Horg-Ching dan Lin, Hsiu-Chin. “ Disclosure Levels, Stock Market Liquidity, and Earnings Quality: Evidence from Taiwan”. Austin Journal of Accounting, Audit and Finance Management. 2014 Martono dan Harjito, Agus, “Manajemen Keuangan”, Ekonisia, Yogyakarta, 2005. Myers, S. C dan N.S Majluf. “Corporate Financing & Investment Decision When Firm Have Information That Investor Do Not Have”. Journal of Financial Economics, 13, 1984. Nachrowi, Djalal & Hardius Usman. “Penggunaan Teknik Ekonometrik”, edisi revisi, Raja Grafindo Persada: Jakarta, 2008. Nurhanifah, Yoga Anisa dan Jaya, Tresno Eka. “Pengaruh Alokasi Pajak Antar Periode, Investment Opportunity Set dan Likuiditas terhadap Kualitas Laba”. Jurnal Ilmiah Wahana Akuntansi Vol. 9 No. 2. 2014. Oktarya, Eka, Syafitri, Lili, dan Widjaya, Trisnadi. “Pengaruh Pertumbuhan Laba, Investment Opportunity Set, Leverage dan Ukuran Perusahaan terhadap Kualitas Laba Pada Perusahaan Manufaktur Yang Terdaftar Di BEI”. STIE Multi Data Palembang. Palembang.2014. Pagalung, Gagaring. “Pengaruh Kombinasi Keunggulan dan Keterbatasan Perusahaan terhadap Set Kesempatan Investasi (IOS)”. Jurnal Riset Akuntansi Indonesia, Vol. 6. 2003. Paramita, Ratna Wijayanti Daniar. “Pengaruh Leverage, Firm Size dan Voluntary Disclousure terhadap Earnings Response Coeffisient (Erc)”. Jurnal WIGA Vol. 2 No. 2, ISSN NO 2088-0944. 2012
100
Paulus, Christian dan Hadi Prajitno, P. Basuki. “Analisis Faktor-faktor yang Mempengaruhi Kualitas Laba”. Jurnal Akuntansi. Universitas Diponegoro. Semarang. 2012. Puteri, Paramitha Anggia dan Rohman, Abdul. “ Analisis Pengaruh Investment Opportunity Set (Ios) dan Mekanisme Corporate Governance terhadap Kualitas Laba dan Nilai Perusahaan” DIPONEGORO JOURNAL OF ACCOUNTING Volume 1, Nomor 2, 2012. Rinawati, A. 2011. “Kualitas Laba”. http://annyriwayati.blogspot.com/.. Diakses 5 Juli 2011. Sa’diah, Halimatus. “Pengaruh Leverage, Likuiditas, Size, Pertumbuhan Laba, dan Ios terhadap Kualitas Laba” jurnal ilmu & riset akuntansi, surabaya. 2015. Scott, William R. “Financial Accounting Theory”. 4th edition. Prentice Hall : Canada. 2003. Scott, William R. 2009. “Financial Accounting Theory”, 5th Ed. Canada: PrenticeHall. 2001. Simamora, Erikson, Tanjung Rusli, dan Julita. “ Pengaruh Investment Opportunity Set (IOS), Mekanisme Good Corporate Governance dan Reputasi KAP terhadap Kualitas Laba Perusahaan (Studi Empiris pada Perusahaan Property and Real Estate yang Terdaftar di Bursa Efek Indonesia 20102012)”. JOM FEKON Vol. 1 No. 2, 2014. Santoso, Singgih, “Statistik Multivariat”, PT. Gramedia, Jakarta, 2010. Soekarno, Shara. 2016. “Upaya BEI Tingkatkan Jumlah Investor dengan Menggelar Sharing Session di Jawa Timur”. http://www.idx.co.id/Beranda/.. Diakses 15 Januari 2016 Sudarma dan Ratnadi. ”pengaruh voluntary disclosure pada earnings respons coefficient” E- Jurnal Akuntansi Universitas Udayana, Bali. 2015. Sugiarto, Bambang Lesia dan Ddergibson Siagian. “Faktor-Faktor yang Mempengaruhi Kualitas Laba pada Perusahaan Manufaktur di BEJ”. Jurnal Akuntabilitas, 2007.
101
Sutrisno, “Manajemen Keuangan Yogyakarta,2013.
Teori
Konsep
&
Aplikasi”,
Ekonisia,
Yushita, Amanita Novi dkk. “Pengaruh Corporate Governance, Kualitas Auditor Eksternal, dan Likuiditas terhadap Kualitas Laba”. Universitas Negeri Yogyakata, 2013. Wah, Lai Kam. “Investment Opportunity and Audit Quality”. http://papers.ssrn.com. 2002. Winarno, Wing Wahyu, “Analisis Ekonometrika dan Statistika dengan Eviews, UPP STIM YKPN, Yogyakarta, 2007. Winarno, Wing Wahyu, “Analisis Ekonometrika dan Statistika dengan Eviews, Edisi Ketiga, UPP STIM YKPN, Yogyakarta, 2011.
102
LAMPIRAN
103
Lampiran 1 DAFTAR SAMPEL SELURUH PERUSAHAAN No. 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 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Nama Perusahaan PT. Alumindo Light Metal Industry Tbk PT. AsahimasFlat Glass Tbk PT. Asiaplast Industries Tbk PT. Budi Strach & Sweetener Tbk PT. Charoen Pokphand Indonesia Tbk PT. Citra Tubindo Tbk PT. Delta Djakarta Tbk PT. Darya-Varia Laboratoria Tbk PT. Ekadharma International Tbk PT. Indofood CBP Sukses Makmur Tbk PT. Champion Pacific Indonesia Tbk PT. Indal Aluminium Industry Tbk PT. Indofood Sukses Makmur Tbk PT. Indospring Tbk PT. Indocement Tunggal Prakarsa Tbk PT. Jembo Cable Company Tbk PT. JAPFA Comfeed Indonesia Tbk PT. Kimia Farma Tbk PT. KMI Wire and Cable Tbk PT. Kedaung Indah Can Tbk PT. Lion Metal Works Tbk PT. Lionmesh Prima Tbk PT. Martina Berto Tbk PT. Multi Bintang Indonesia Tbk PT. Mayora Indah Tbk PT. Nipress Tbk PT. Pelangi Indah Canindo Tbk PT. Prima Alloy Steel Universal Tbk PT. Ricky Putra Globalindo Tbk PT. Nippon Indosari Corpindo Tbk PT. Supreme Cable Manufacturing & Commerce Tbk PT. Sierad Produce Tbk PT. Sekar Laut Tbk PT. Holcim Indonesia Tbk PT. Indo AcidatamaTbk PT. Siantar Top Tbk PT. Surya Toto Indonesia Tbk PT. Tempo Scan Pacific Tbk PT. Ultrajaya Milk Industry & Trading Tbk
Kode ALMI AMFG APLI BUDI CPIN CTBN DLTA DVLA EKAD ICBP IGAR INAI INDF INDS INTP JECC JPFA KAEF KBLI KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
104
Lampiran 2 Data diolah Investment Oportunity Set (IOS) tahun 2010 No.
KODE
clossing price
1 ALMI 1,920 2 AMFG 1,220 3 APLI 470 4 BUDI 3,700 5 CPIN 550 6 CTBN 580 7 DLTA 59 8 DVLA 5,850 9 EKAD 740 10 ICBP 204 11 IGAR 470 12 INAI 173 13 INDF 400 14 INDS 155 15 INTP 185 16 JECC 350 17 JPFA 285 18 KAEF 1,750 Berlanjut ke halaman berikutnya
jml. Saham beredar 99,740,000 333,516,000 208,889,000 3,217,391,000 455,234,000 154,280,000 33,714,000 1,001,383,000 130,440,000 701,043,478 107,024,000 27,476,000 113,333,000 23,846,000 104,148,000 888,505,000 469,422,000 1,224,384,000
TOTAL EKUITAS 209,122,000,000 5,245,222,000,000 94,305,753,777 5,485,099,000,000 1,616,272,023,456 2,436,754,000,000 15,041,079,638 34,142,674,000,000 1,133,547,000,000 685,821,589,456 1,797,974,000,000 372,002,989,683 282,306,467,893 215,034,932,281 406,448,113,303 191,977,807,039 930,303,143,665 2,579,669,615,576
105
MVE 191,500,800,000 406,889,520,000 98,177,830,000 11,904,346,700,000 250,378,700,000 89,482,400,000 1,989,126,000 5,858,090,550,000 96,525,600,000 143,012,869,512 50,301,280,000 4,753,348,000 45,333,200,000 3,696,130,000 19,267,380,000 310,976,750,000 133,785,270,000 2,142,672,000,000
MBVE 0.91574 0.07757 1.04106 2.17031 0.15491 0.03672 0.13225 0.17158 0.08515 0.20853 0.02798 0.01278 0.16058 0.01719 0.04740 1.61986 0.14381 0.83060
Data diolah Investment Oportunity Set (IOS) tahun 2010 No. 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
KODE KBLI KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC
clossing price 2,225 2,500 340 395 158 210 800 4,200 400 55 6,150 370 590 390 810 180 3,225 180 490 180
jml. Saham beredar 436,823,000 106,838,000 323,810,000 112,857,000 52,667,000 200,000,000 105,528,000 231,625,000 49,339,000 31,301,000 336,249,000 822,222,000 590,000,000 23,400,000 106,847,000 90,000,000 348,649,000 15,070,000 111,579,000 90,000,000
TOTAL EKUITAS 5,478,384,000,000 2,666,909,122,000 760,113,402,243 20,439,084,056 123,406,705,000 1,035,237,183,743 843,266,716,000 1,136,572,861,829 221,787,103,255 84,550,414,340 4,763,327,000,000 206,340,855,969 1,624,354,688,981 367,093,409,000 1,029,336,226,000 148,975,906,963 1,228,469,148,847 139,650,353,636 1,759,496,000,000 716,874,227,000
MVE 971,931,175,000 267,095,000,000 110,095,400,000 44,578,515,000 8,321,386,000 42,000,000,000 84,422,400,000 972,825,000,000 19,735,600,000 1,721,555,000 2,067,931,350,000 304,222,140,000 348,100,000,000 9,126,000,000 86,546,070,000 16,200,000,000 1,124,393,025,000 2,712,600,000 54,673,710,000 16,200,000,000
MBVE 0.17741 0.10015 0.14484 2.18104 0.06743 0.04057 0.10011 0.85593 0.08898 0.02036 0.43414 1.47437 0.21430 0.02486 0.08408 0.10874 0.91528 0.01942 0.03107 0.02260
106
Data diolah Investment Oportunity Set (IOS) tahun 2011 No.
KODE
clossing price
1 ALMI 560 2 AMFG 1,000 3 APLI 270 4 BUDI 136 5 CPIN 540 6 CTBN 240 7 DLTA 50 8 DVLA 1,090 9 EKAD 6,600 10 ICBP 500 11 IGAR 230 12 INAI 197 13 INDF 390 14 INDS 260 15 INTP 2,900 16 JECC 1,900 17 JPFA 2,300 18 KAEF 10,200 Berlanjut ke halaman berikutnya
jml. Saham beredar
TOTAL EKUITAS
MVE
MBVE
186,667,000 256,041,000 1,040,904,000 68,000,000 174,194,000 23,864,000 2,307,239,990 212,683,000 1,129,766,000 192,308,000 115,000,000 118,200,000 339,130,000 63,707,000 3,502,415,000 1,560,921,000 223,030,000 189,064,000
1,678,561,198,000 11,470,106,390,475 4,102,508,882,000 159,256,402,555 1,107,746,000,000 126,091,686,236 595,463,637,593 1,470,533,696,751 38,373,129,000,000 763,598,008,107 648,237,200,000 290,252,832,000 127,679,763,243 855,759,068,630 8,418,056,000,000 3,815,399,858,000 526,830,826,851 13,265,731,000,000
104,533,520,000 256,041,000,000 281,044,080,000 9,248,000,000 94,064,760,000 5,727,360,000 115,361,999,500 231,824,470,000 7,456,455,600,000 96,154,000,000 26,450,000,000 23,285,400,000 132,260,700,000 16,563,820,000 10,157,003,500,000 2,965,749,900,000 512,969,000,000 1,928,452,800,000
0.06228 0.02232 0.06851 0.05807 0.08492 0.04542 0.19373 0.15765 0.19431 0.12592 0.04080 0.08022 1.03588 0.01936 1.20657 0.77731 0.97369 0.14537
107
Data diolah Investment Oportunity Set (IOS) tahun 2011 No. 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
KODE KBLI KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC
clossing price 930 1,010 225 560 170 7,800 3,725 845 540 61 380 500 2,000 1,310 660 86 1,670 167 164 455
jml. Saham beredar 2,066,667,000 210,417,000 867,420,000 229,744,000 69,388,000 144,578,000 664,512,000 6,150,000,000 1,579,178,000 34,857,000 77,551,000 61,250,000 103,896,000 281,884,000 293,333,000 71,667,000 346,241,000 128,462,000 270,123,000 413,636,000
TOTAL EKUITAS 1,768,299,000,000 8,977,127,000,000 3,134,535,549,000 2,611,774,171,861 84,868,348,006 11,986,798,000,000 3,353,156,079,810 4,887,630,043,291 18,426,483,000,000 2,389,974,656 339,170,980,680 254,430,262,440 264,778,000,000 6,097,319,594,454 139,883,299,162 218,635,793,389 736,460,000,000 132,974,168,250 700,434,651,774 225,321,850,174
MVE 1,922,000,310,000 212,521,170,000 195,169,500,000 128,656,640,000 11,795,960,000 1,127,708,400,000 2,475,307,200,000 5,196,750,000,000 852,756,120,000 2,126,277,000 29,469,380,000 30,625,000,000 207,792,000,000 369,268,040,000 193,599,780,000 6,163,362,000 578,222,470,000 21,453,154,000 44,300,172,000 188,204,380,000
MBVE 1.08692 0.02367 0.06226 0.04926 0.13899 0.09408 0.73820 1.06325 0.04628 0.88967 0.08689 0.12037 0.78478 0.06056 1.38401 0.02819 0.78514 0.16133 0.06325 0.83527
108
Data diolah Investment Oportunity Set (IOS) tahun 2012 No. KODE clossing price 1 ALMI 215 2 AMFG 2,625 3 APLI 820 4 BUDI 720 5 CPIN 5,550 6 CTBN 83 7 DLTA 1,680 8 DVLA 410 9 EKAD 1,930 10 ICBP 151 11 IGAR 350 12 INAI 1,000 13 INDF 270 14 INDS 340 15 INTP 305 16 JECC 340 17 JPFA 2,200 18 KAEF 650 19 KBLI 305 Berlanjut ke halaman berikutnya
jml. Saham beredar 172,000,000 291,667,000 205,000,000 126,915,000 770,833,000 27,667,000 329,826,000 83,673,000 498,065,000 65,135,000 43,172,000 100,000,000 28,662,000 113,333,000 41,216,000 994,297,000 40,489,000 50,000,000 677,778,000
TOTAL EKUITAS 310,026,236,000 7,743,574,000,000 408,746,422,000 1,390,195,000,000 9,363,869,390,000 94,809,733,218 5,724,343,000,000 495,402,436,908 6,613,987,000,000 800,917,837,925 164,664,621,266 2,753,343,486,718 73,976,578,603 242,556,471,149 451,318,464,718 16,820,317,000,000 962,431,483,000 587,883,021,026 242,000,709,651
MVE 36,980,000,000 765,625,875,000 168,100,000,000 91,378,800,000 4,278,123,150,000 2,296,361,000 554,107,680,000 34,305,930,000 961,265,450,000 9,835,385,000 15,110,200,000 100,000,000,000 7,738,740,000 38,533,220,000 12,570,880,000 338,060,980,000 89,075,800,000 32,500,000,000 206,722,290,000
MBVE 0.11928 0.09887 0.41126 0.06573 0.45688 0.02422 0.09680 0.06925 0.14534 0.01228 0.09176 0.03632 0.10461 0.15886 0.02785 0.02010 0.09255 0.05528 0.85422
109
Data diolah Investment Oportunity Set (IOS) tahun 2012 No. 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
KODE KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
clossing price 610 80 380 97 4,875 600 620 245 150 92 174 180 177 670 380 910 160 580 600 740
jml. Saham beredar 89,580,000 140,348,000 51,351,000 63,622,000 527,027,000 85,714,000 200,000,000 24,361,000 50,000,000 60,343,000 27,635,000 15,070,000 141,600,000 103,077,000 76,000,000 232,997,000 80,000,000 289,803,000 159,600,000 144,390,000
TOTAL EKUITAS 2,226,013,893,089 135,785,616,531 434,562,913,348 114,872,176,392 1,819,086,078,988 3,988,710,375,646 1,386,712,000,000 115,759,878,140 116,775,441,000 104,624,886,919 366,957,389,624 129,482,560,948 358,624,440,000 781,359,304,525 1,274,371,788,866 14,177,573,305,225 137,336,599,059 270,275,796,145 2,416,601,000,000 1,310,076,391,669
MVE 54,643,800,000 11,227,840,000 19,513,380,000 6,171,334,000 2,569,256,625,000 51,428,400,000 124,000,000,000 5,968,445,000 7,500,000,000 5,551,556,000 4,808,490,000 2,712,600,000 25,063,200,000 69,061,590,000 28,880,000,000 212,027,270,000 12,800,000,000 168,085,740,000 95,760,000,000 106,848,600,000
MBVE 0.02455 0.08269 0.04490 0.05372 1.41239 0.01289 0.08942 0.05156 0.06423 0.05306 0.01310 0.02095 0.06989 0.08839 0.02266 0.01496 0.09320 0.62190 0.03963 0.08156
110
Data diolah Investment Oportunity Set (IOS) tahun 2013 No. KODE clossing price 1 ALMI 255 2 AMFG 560 3 APLI 270 4 BUDI 600 5 CPIN 480 6 CTBN 65 7 DLTA 2,275 8 DVLA 131 9 EKAD 780 10 ICBP 1,460 11 IGAR 380 12 INAI 2,000 13 INDF 260 14 INDS 1,700 15 INTP 870 16 JECC 2,500 17 JPFA 3,250 18 KAEF 275 19 KBLI 610 Berlanjut ke halaman berikutnya
jml. Saham beredar 143,555,000 280,000,000 28,662,000 46,154,000 417,391,000 54,167,000 2,747,585,000 100,769,000 700,909,000 260,714,000 76,000,000 85,470,000 40,000,000 1,240,685,000 155,357,000 277,778,000 579,775,000 91,667,000 234,615,000
TOTAL EKUITAS 280,293,729,818 1,457,745,000,000 66,557,077,885 657,341,556,453 201,124,214,511 217,723,188,925 8,772,947,000,000 125,649,448,686 16,108,089,000,000 797,152,084,000 1,253,281,135,254 2,698,636,954,000 199,113,004,978 1,035,650,413,675 686,824,541,000 7,297,162,000,000 3,862,951,854,240 2,086,775,486,000 835,490,518,562
MVE 36,606,525,000 156,800,000,000 7,738,740,000 27,692,400,000 200,347,680,000 3,520,855,000 6,250,755,875,000 13,200,739,000 638,363,567,070 380,642,440,000 28,880,000,000 170,940,000,000 10,400,000,000 2,109,164,500,000 135,160,590,000 694,445,000,000 1,884,268,750,000 25,208,425,000 143,115,150,000
MBVE 0.13060 0.10756 0.11627 0.04213 0.99614 0.01617 0.71250 0.10506 0.03963 0.47750 0.02304 0.06334 0.05223 2.03656 0.19679 0.09517 0.48778 0.01208 0.17129
111
Data diolah Investment Oportunity Set (IOS) tahun 2013 No. 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
KODE KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
clossing price 770 1,690 61 830 190 378 101 4,200 995 790 1,425 107 550 1,500 575 353 1,690 2,800 1,090 395
jml. Saham beredar 123,926,000 31,103,000 2,755,125,000 680,000,000 95,000,000 3,774,685,500 7,840,000,000 4,819,733,000 353,220,780 3,000,000,000 14,198,613,920 4,098,997,362 3,096,031,500 297,500,000 2,895,037,800 331,129,913 1,120,000,000 2,708,640,000 2,900,000,000 320,000,000
TOTAL EKUITAS 1,031,308,404,711 841,546,479,000 173,192,913,626 1,035,845,653,000 125,645,527,944 1,315,658,415,441 967,412,481,687 10,136,557,000,000 294,833,176,755 1,605,024,000,000 15,874,525,000,000 913,351,000,000 882,352,377,517 528,247,933,918 818,877,777,000 236,082,522,272 962,431,483,000 3,549,882,353,025 3,013,786,262,602 166,375,888,797
MVE 95,423,020,000 52,564,070,000 168,062,625,000 564,400,000,000 18,050,000,000 26,831,119,000 791,840,000,000 20,242,878,600,000 351,454,676,100 2,370,000,000,000 20,233,024,836,000 438,592,717,734 1,702,817,325,000 446,250,000,000 1,664,646,735,000 116,888,859,289 1,892,800,000,000 7,584,192,000,000 3,161,000,000,000 126,400,000,000
MBVE 0.09253 0.06246 0.97038 0.54487 0.14366 1.08450 0.81851 1.99702 1.19205 1.47661 1.27456 0.48020 1.92986 0.84477 2.03284 0.49512 1.96669 2.13646 1.04885 0.75973
112
Data diolah Investment Oportunity Set (IOS) tahun 2014 No. KODE clossing price 1 ALMI 1,000 2 AMFG 299 3 APLI 310 4 BUDI 204 5 CPIN 950 6 CTBN 2,590 7 DLTA 1,290 8 DVLA 278 9 EKAD 1,020 10 ICBP 1,890 11 IGAR 1,800 12 INAI 480 13 INDF 200 14 INDS 520 15 INTP 201 16 JECC 338 17 JPFA 780 18 KAEF 760 19 KBLI 835 Berlanjut ke halaman berikutnya
jml. Saham beredar 1,111,112,000 4,276,655,336 286,000,000 2,558,803,600 10,660,522,910 1,742,167,907 6,471,106,210 1,148,418,000 23,077,689,620 6,822,863,770 780,000,000 59,869,000 1,070,000,000 12,533,067,320 15,235,671,880 757,580,994 1,281,630,000 116,923,000 10,064,747,320
TOTAL EKUITAS 566,646,945,779 889,965,599,401 80,924,867,194 1,079,816,086,618 5,289,994,000,000 9,388,877,000,000 8,018,870,795,857 397,013,520,000 17,646,449,043,205 7,218,834,000,000 1,557,515,000,000 277,196,709,778 453,749,133,904 5,331,105,681,545 2,365,272,914,818 136,578,516,694 4,657,666,667,000 656,304,363,721 10,295,571,000,000
MVE 1,111,112,000,000 1,278,719,945,464 88,660,000,000 521,995,934,400 10,127,496,764,500 4,512,214,879,130 8,347,727,010,900 319,260,204,000 23,539,243,412,400 12,895,212,525,300 1,404,000,000,000 28,737,120,000 214,000,000,000 6,517,195,006,400 3,062,370,047,880 256,062,375,972 999,671,400,000 88,861,480,000 8,404,064,012,200
MBVE 1.96085 1.43682 1.09558 0.48341 1.91446 0.48059 1.04101 0.80415 1.33394 1.78633 0.90144 0.10367 0.47163 1.22248 1.29472 1.87484 0.21463 0.13540 0.81628
113
Data diolah Investment Oportunity Set (IOS) tahun 2014 No. 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
KODE KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
clossing price 695 483 184 1,775 100 441 790 445 1,150 2,100 705 300 2,185 4,100 50 50 755 356 605 625
jml. Saham beredar 14,210,673,400 1,200,000,000 715,000,000 1,600,000,000 175,436,000 329,560,000 7,096,000,000 1,564,487,500 483,498,000 1,890,000,000 15,816,309,570 690,740,479 7,662,899,902 331,200,012 6,020,000,000 4,800,000,000 5,342,098,939 1,043,763,025 5,580,000,000 2,099,873,760
TOTAL EKUITAS 4,881,076,939,492 447,059,550,000 172,045,710,651 1,618,183,385,679 167,255,414,285 288,293,699,722 3,359,447,000,000 406,537,360,733 3,845,754,000,000 3,017,341,317,000 16,807,051,000,000 153,368,106,620 8,758,592,000,000 657,969,062,458 328,836,439,000 489,254,892,975 2,464,417,000,000 309,510,415,383 2,153,243,000,000 854,425,098,590
MVE 9,876,418,013,000 579,600,000,000 131,560,000,000 2,840,000,000,000 17,543,600,000 145,335,960,000 5,605,840,000,000 696,196,937,500 556,022,700,000 3,969,000,000,000 11,150,498,246,850 207,222,143,700 16,743,436,285,870 1,357,920,049,200 301,000,000,000 240,000,000,000 4,033,284,698,945 371,579,636,900 3,375,900,000,000 1,312,421,100,000
MBVE 2.02341 1.29647 0.76468 1.75505 0.10489 0.50412 1.66868 1.71250 0.14458 1.31540 0.66344 1.35114 1.91166 2.06381 0.91535 0.49054 1.63661 1.20054 1.56782 1.53603
114
Data diolah Voluntary Disclosure tahun 2010
No.
Kode
Background Information
Financial overview
Key nonfinancial statistic
Projected information
Management discussion and analysis
R&D activities
Employee added information
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
ALMI AMFG APLI BUDI CPIN CTBN DLTA DVLA EKAD ICBP IGAR INAI INDF INDS INTP JECC JPFA KAEF KBLI
2 2 3 2 2 3 3 2 3 3 2 2 2 2 2 2 2 2 2
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 1
2 3 2 3 2 3 2 2 2 3 4 4 2 2 3 3 2 2 2
2 2 3 3 2 2 3 3 2 2 2 3 3 3 2 2 2 3 3
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 2 1 3 4 5 2 1 1 3 1 4 5 3 2 1 2 5 3
Value Total added Score information 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
10 10 10 12 11 14 12 9 9 12 10 15 13 11 10 10 9 13 12
VDI 0.21739 0.21739 0.21739 0.26087 0.23913 0.30435 0.26087 0.19565 0.19565 0.26087 0.21739 0.32609 0.28261 0.23913 0.21739 0.21739 0.19565 0.28261 0.26087
Berlanjut ke halaman berikutnya
115
Data diolah Voluntary Disclosure tahun 2010
No.
Kode
20 21 22 23 24 25 26 28 29 30 31 32 33 34 35 36 37 38 39
KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TSPC ULTJ
Background Information
Financial overview
Key nonfinancial statistic
Projected information
Management discussion and analysis
R&D activities
Employee added information
3 2 2 2 2 2 2 3 3 2 2 3 3 3 2 2 3 2 2
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 1 0 0 0 1 0 0 1 0 0 0 1 0 0 1 0 0 0
3 3 2 2 2 2 3 3 2 3 2 2 3 3 4 2 2 2 3
2 2 2 2 2 2 3 3 3 3 3 2 2 2 2 3 3 2 3
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 2 4 2 2 3 4 1 5 3 4 5 2 2 3 1 4 5 1
Value Total added Score information 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
12 11 11 9 9 11 13 11 15 12 12 13 12 11 12 10 13 12 10
VDI 0.26087 0.23913 0.23913 0.19565 0.19565 0.23913 0.28261 0.23913 0.32609 0.26087 0.26087 0.28261 0.26087 0.23913 0.26087 0.21739 0.28261 0.26087 0.21739
116
Data diolah Voluntary Disclosure tahun 2011
No.
Kode
Background Information
Financial overview
Key nonfinancial statistic
Projected information
Management discussion and analysis
R&D activities
Employee added information
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
ALMI AMFG APLI BUDI CPIN CTBN DLTA DVLA EKAD ICBP IGAR INAI INDF INDS INTP JECC JPFA KAEF KBLI
3 2 3 2 3 3 3 2 3 3 2 2 3 2 3 2 2 3 2
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 1
2 3 3 3 2 3 2 2 2 4 4 4 2 2 3 4 2 2 2
3 2 3 3 2 2 3 3 2 3 2 3 3 3 2 3 2 3 3
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 2 2 3 4 5 2 1 1 3 2 4 5 3 2 1 2 5 3
Value Total added Score information 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
12 11 12 12 12 14 12 9 9 14 11 15 14 11 11 12 9 14 12
VDI 0.26087 0.23913 0.26087 0.26087 0.26087 0.30435 0.26087 0.19565 0.19565 0.30435 0.23913 0.32609 0.30435 0.23913 0.23913 0.26087 0.19565 0.30435 0.26087
Berlanjut ke halaman berikutnya
117
Data diolah Voluntary Disclosure tahun 2011
No.
Kode
20 21 22 23 24 25 26 28 29 30 31 32 33 34 35 36 37 38 39
KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TSPC ULTJ
Background Information
Financial overview
Key nonfinancial statistic
Projected information
Management discussion and analysis
R&D activities
Employee added information
3 2 2 2 3 2 2 3 3 2 2 3 3 3 2 2 3 2 2
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 1 0 0 1 1 0 1 1 0 1 0 1 0 0 1 0 0 0
3 3 2 3 2 2 3 3 2 3 2 2 3 3 4 3 2 3 4
2 2 2 2 3 2 3 3 3 3 3 2 2 2 3 3 3 2 3
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 3 4 2 2 3 4 1 5 3 4 5 2 2 3 1 4 5 1
Value Total added Score information 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
12 12 11 10 12 11 13 12 15 12 13 13 12 11 13 11 13 13 11
VDI 0.26087 0.26087 0.23913 0.21739 0.26087 0.23913 0.28261 0.26087 0.32609 0.26087 0.28261 0.28261 0.26087 0.23913 0.28261 0.23913 0.28261 0.28261 0.23913
118
Data diolah Voluntary Disclosure tahun 2012
No.
Kode
Background Information
Financial overview
Key nonfinancial statistic
Projected information
Management discussion and analysis
R&D activities
Employee added information
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
ALMI AMFG APLI BUDI CPIN CTBN DLTA DVLA EKAD ICBP IGAR INAI INDF INDS INTP JECC JPFA KAEF KBLI
3 2 3 2 3 3 3 2 3 3 2 2 3 2 3 2 3 3 2
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 1 0 0 0 1 1 0 0 0 0 1 0 1 0 1 0 0 1
2 3 3 3 2 3 2 3 2 4 4 5 2 3 3 4 2 2 3
3 2 3 3 2 2 3 3 2 3 2 3 3 3 2 3 2 3 3
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 2 2 4 4 5 3 1 2 3 2 4 5 4 2 2 2 5 3
Value Total added Score information 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
12 11 12 13 12 15 13 10 10 14 11 16 14 14 11 13 10 14 13
VDI 0.26087 0.23913 0.26087 0.28261 0.26087 0.32609 0.28261 0.21739 0.21739 0.30435 0.23913 0.34783 0.30435 0.30435 0.23913 0.28261 0.21739 0.30435 0.28261
Berlanjut ke halaman berikutnya
119
Data diolah Voluntary Disclosure tahun 2012
No.
Kode
20 21 22 23 24 25 26 28 29 30 31 32 33 34 35 36 37 38 39
KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TSPC ULTJ
Background Information
Financial overview
Key nonfinancial statistic
Projected information
Management discussion and analysis
R&D activities
Employee added information
3 2 3 2 3 3 2 3 3 2 2 3 3 3 2 2 3 2 3
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 1 0 0 1 1 0 1 1 0 1 0 1 0 0 1 0 1 0
3 3 2 4 2 2 3 4 2 3 2 2 3 3 4 4 2 3 4
2 2 2 2 3 2 3 3 3 3 3 2 2 2 3 3 3 2 3
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
4 3 4 2 2 3 4 2 5 4 4 5 2 2 3 1 4 5 2
Value Total added Score information 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
13 12 12 11 12 12 13 14 15 13 13 13 12 11 13 12 13 14 13
VDI 0.28261 0.26087 0.26087 0.23913 0.26087 0.26087 0.28261 0.30435 0.32609 0.28261 0.28261 0.28261 0.26087 0.23913 0.28261 0.26087 0.28261 0.30435 0.28261
120
Data diolah Voluntary Disclosure tahun 2013
No.
Kode
Background Information
Financial overview
Key nonfinancial statistic
Projected information
Management discussion and analysis
R&D activities
Employee added information
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
ALMI AMFG APLI BUDI CPIN CTBN DLTA DVLA EKAD ICBP IGAR INAI INDF INDS INTP JECC JPFA KAEF KBLI
3 2 3 2 3 3 3 2 3 3 2 2 3 2 3 2 3 3 2
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 1 0 0 0 1 1 0 0 0 0 1 0 1 0 1 0 0 1
2 3 4 3 2 4 2 3 3 5 4 5 2 4 3 4 2 3 3
3 2 3 3 2 2 3 3 2 3 2 3 3 3 2 3 2 3 3
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 2 3 4 4 5 3 2 2 3 2 4 5 4 2 3 2 5 3
Value Total added Score information 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
12 11 14 13 12 16 13 11 11 15 11 16 14 15 11 14 10 15 13
VDI 0.26087 0.23913 0.30435 0.28261 0.26087 0.34783 0.28261 0.23913 0.23913 0.32609 0.23913 0.34783 0.30435 0.32609 0.23913 0.30435 0.21739 0.32609 0.28261
Berlanjut ke halaman berikutnya
121
Data diolah Voluntary Disclosure tahun 2013
No.
Kode
Background Information
Financial overview
Key nonfinancial statistic
Projected information
Management discussion and analysis
R&D activities
Employee added information
Value Total added Score information
20 21 22 23 24 25 26 28 29 30 31 32 33 34 35 36 37 38 39
KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP
3 2 3 2 3 3 2 3 3 2 2 3 3 3 2 2 3
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 1 0 0 1 1 0 1 1 0 1 0 1 0 0 1 0
3 3 2 4 2 3 3 4 2 4 2 3 3 3 4 4 2
2 2 2 2 3 2 3 3 3 3 3 2 2 2 3 3 3
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
4 3 4 2 3 3 4 2 5 4 4 5 2 2 3 1 4
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
13 12 12 11 13 13 13 14 15 14 13 14 12 11 13 12 13
0.28261 0.26087 0.26087 0.23913 0.28261 0.28261 0.28261 0.30435 0.32609 0.30435 0.28261 0.30435 0.26087 0.23913 0.28261 0.26087 0.28261
TSPC ULTJ
3 2
1 1
0 1
4 4
3 2
0 0
2 2
0 0
13 12
0.28261 0.26087
VDI
122
Data diolah Voluntary Disclosure tahun 2014
No.
Kode
Background Information
Financial overview
Key nonfinancial statistic
Projected information
Management discussion and analysis
R&D activities
Employee added information
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
ALMI AMFG APLI BUDI CPIN CTBN DLTA DVLA EKAD ICBP IGAR INAI INDF INDS INTP JECC JPFA KAEF KBLI
3 2 3 2 3 3 3 2 3 3 2 2 3 2 3 2 3 3 2
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 1 0 0 0 1 1 0 0 0 0 1 0 1 0 1 0 0 1
2 3 4 3 2 4 2 3 3 5 4 5 2 4 3 4 2 3 3
3 2 3 3 2 2 3 3 2 3 2 3 3 3 2 3 2 3 3
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 3 3 4 4 5 3 2 2 3 2 4 5 4 3 3 2 5 3
Value Total added Score information 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
12 12 14 13 12 16 13 11 11 15 11 16 14 15 12 14 10 15 13
VDI 0.26087 0.26087 0.30435 0.28261 0.26087 0.34783 0.28261 0.23913 0.23913 0.32609 0.23913 0.34783 0.30435 0.32609 0.26087 0.30435 0.21739 0.32609 0.28261
Berlanjut ke halaman berikutnya
123
Data diolah Voluntary Disclosure tahun 2014
No.
Kode
20 21 22 23 24 25 26 28 29 30 31 32 33 34 35 36 37 38 39
KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TSPC ULTJ
Background Information
Financial overview
Key nonfinancial statistic
Projected information
Management discussion and analysis
R&D activities
Employee added information
3 2 3 2 3 3 2 3 3 2 2 3 3 3 2 2 3 2 3
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 1 0 0 1 1 0 1 1 0 1 0 1 0 0 1 0 1 0
3 3 2 4 2 3 3 4 2 4 2 3 3 3 4 4 2 3 4
2 2 2 2 3 2 3 3 3 3 3 2 2 2 3 3 3 2 3
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
4 3 4 2 4 3 4 3 5 4 5 5 2 3 4 2 4 5 3
Value Total added Score information 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
VDI
13 12 12 11 14 13 13 15 15 14 14 14 12 12 14 13 13 14 14
3 2 3 2 3 3 2 3 3 2 2 3 3 3 2 2 3 2 3
124
Data diolah leverage tahun 2010 No. Kode Total Hutang 1 ALMI 998,362,707,505 2 AMFG 529,732,000,000 3 APLI 105,490,781,452 4 BUDI 1,165,086,000,000 5 CPIN 2,036,240,000 6 CTBN 160,529,711,000 7 DLTA 1,152,249,470 8 DVLA 213,507,941 9 EKAD 79,271,063,174 10 ICBP 8,999,132 11 IGAR 154,228,711,548 12 INAI 309,301,526,997 13 INDF 22,423,117 14 INDS 543,464,100,019 15 INTP 2,245,548 16 JECC 463,284,977 17 JPFA 3,494,240 18 KAEF 543,257,475,734 19 KBLI 302,557,312,152 20 KLBF 2,260,361,432,719 Berlanjut ke halaman berikutnya
Total Ekuitas 505,791,625,207 1,842,925,000,000 229,459,767,545 802,010,000,000 4,482,036,000 113,145,698,000 593,358,786 640,602,050 125,199,419,821 9,362,181 293,244,352,907 79,705,884,198 24,852,838 226,351,552,268 13,100,598 198,713,717 3,468,867 1,114,034,358,646 656,180,055,458 5,771,917,028,836
DER 1.97386 0.28744 0.45974 1.45271 0.45431 1.41879 1.94191 0.33329 0.63316 0.96122 0.52594 3.88054 0.90224 2.40097 0.17141 2.33142 1.00731 0.48765 0.46109 0.39161
125
Data diolah leverage tahun 2010 No. 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Kode LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
Total Hutang 243,971,457,126 31,414,708,371 216,210,684,226 665,714 2,359,027,500,267 189,439,039,218 394,769,045,138 326,702,937,187 275,342,301,390 112,812,910,988 729,084,826,875 804,447,107,111 81,070,404,211 3,611,246 135,752,357 301,933,973,559 460,601,074,226 7,448,627,006,290 705,472,336,001
Total Ekuitas 259,928,517,672 46,785,338,474 116,919,245,610 471,368 2,040,163,635,268 148,166,676,306 175,591,220,927 135,265,785,680 337,980,895,248 455,452,430,838 428,528,218,710 1,233,011,475,857 118,305,038,258 6,826,003 228,252,412 447,340,001,989 630,982,040,872 2,644,733,210,591 1,301,123,426,259
DER 0.93861 0.67146 1.84923 1.41230 1.15629 1.27855 2.24823 2.41527 0.81467 0.24769 1.70137 0.65242 0.68527 0.52904 0.59475 0.67495 0.72997 2.81640 0.54220
126
Data diolah leverage tahun 2011 No.
Kode
Total Hutang
1 ALMI 1,274,907,058,776 2 AMFG 545,395,000,000 3 APLI 111,969,959,294 4 BUDI 1,312,254,000,000 5 CPIN 2,658,734,000 6 CTBN 100,943,673,000 7 DLTA 1,232,312,490 8 DVLA 89,946,780,063 9 EKAD 89,946,780,063 10 ICBP 4,513,084 11 IGAR 649,936,391,710 12 INAI 438,219,669,509 13 INDF 21,975,708 14 INDS 507,466,203,524 15 INTP 24,173,800 16 JECC 499,540,912 17 JPFA 4,481,070 18 KAEF 541,736,739,279 19 KBLI 363,596,917,064 20 KLBF 4,758,619,054,414 Berlanjut ke halaman berikutnya
Total Ekuitas
DER
516,616,105,951 2,145,200,000,000 221,382,498,576 811,031,000,000 6,189,470,000 145,279,298,000 572,935,427 147,645,528,251 147,645,528,251 10,709,773 290,586,357,773 206,062,773,854 31,610,225 632,249,053,230 15,733,951 227,497,023 3,785,347 1,252,505,683,826 719,926,725,752 6,515,935,058,426
2.4678 0.2542 0.5058 1.6180 0.4296 0.6948 2.1509 0.6092 0.6092 0.4214 2.2366 2.1266 0.6952 0.8026 1.5364 2.1958 1.1838 0.4325 0.5050 0.7303
127
Data diolah leverage tahun 2011 No. 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Kode LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
Total Hutang 363,755,284,220 40,816,452,492 141,131,522,256 690,545 4,175,176,240,894 280,690,734,654 373,926,044,212 342,114,676,806 291,842,821,653 712,695,735,714 936,368,362,997 1,370,530,530,045 91,337,531,247 3,423,241 108,941,955 494,700,771,082 579,028,772,664 4,204,438,648,313 776,735,279,582
Total Ekuitas 302,060,465,373 57,202,680,156 400,542,318,744 530,268 2,424,669,292,434 165,997,722,727 187,914,292,813 139,797,023,606 350,251,850,387 546,441,182,786 519,252,194,040 1,271,072,402,115 122,900,348,177 7,527,260 252,240,228 490,065,156,836 760,541,257,156 3,045,935,747,008 1,402,446,699,852
DER 1.2042 0.7135 0.3524 1.3023 1.7220 1.6909 1.9899 2.4472 0.8332 1.3042 1.8033 1.0782 0.7432 0.4548 0.4319 1.0095 0.7613 1.3803 0.5538
128
Data diolah leverage tahun 2012 No.
Kode
Total Hutang 1,293,685,492,896 1 ALMI 958,332,000,000 2 AMFG 115,231,507,057 3 APLI 1,445,537,000,000 4 BUDI 4,172,163,000 5 CPIN 125,830,064,000 6 CTBN 147,095,322,000 7 DLTA 233,144,997 8 DVLA 81,915,660,390 9 EKAD 5,835,523 10 ICBP 70,313,908,037 11 IGAR 483,005,957,440 12 INAI 25,181,533,000,000 13 INDF 528,206,496,386 14 INDS 33,364,420 15 INTP 566,079,393,000 16 JECC 6,198,137,000,000 17 JPFA 634,813,891,119 18 KAEF 316,557,195,204 19 KBLI 20,463,135,660,610 20 KLBF Berlanjut ke halaman berikutnya
Total Ekuitas 587,883,021,026 2,457,089,000,000 218,635,793,389 854,135,000,000 8,176,646,000 268,438,471,000 598,211,513,000 841,546,479 191,977,807,039 11,984,361 242,028,852,241 229,218,262,395 34,142,674,000,000 1,136,572,861,829 19,418,738 242,875,793,000 4,763,327,000,000 1,441,533,689,666 845,141,024,021 7,371,643,614,897
DER 2.2006 0.3900 0.5270 1.6924 0.5103 0.4687 0.2459 0.2770 0.4267 0.4869 0.2905 2.1072 0.7375 0.4647 1.7182 2.3307 1.3012 0.4404 0.3746 2.7759
129
Data diolah leverage tahun 2012 No. 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Kode LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
Total Hutang 616,676,551,130 31,022,520,184 174,931,100,594 822,195,000 5,234,655,914,665 322,620,214 395,503,093,290 297,056,156,250 475,541,284,698 538,337,083,673 832,876,706,628 2,021,380,807,617 220,263,906,808 3,750,461 132,904,817,000 670,149,495,580 624,499,013,875 4,279,828,890,909 744,274,268,607
Total Ekuitas 371,829,387,027 97,525,195,182 434,562,913,348 329,853,000 3,067,850,327,238 202,073,660 199,113,004,978 280,293,729,818 366,957,389,624 666,607,597,550 654,044,664,731 1,276,742,767,154 129,482,560,948 8,418,056 269,204,143,000 579,691,340,310 898,164,900,513 3,353,156,079,810 1,676,519,113,422
DER 1.6585 0.3181 0.4025 2.4926 1.7063 1.5965 1.9863 1.0598 1.2959 0.8076 1.2734 1.5832 1.7011 0.4455 0.4937 1.1560 0.6953 1.2764 0.4439
130
Data diolah leverage tahun 2013 No.
Kode
Total Hutang 2,094,736,673,254 1 ALMI 778,666,000,000 2 AMFG 85,871,301,621 3 APLI 1,497,042,000,000 4 BUDI 5,771,297,000 5 CPIN 123,248,117,000 6 CTBN 190,482,809,000 7 DLTA 275,351,336 8 DVLA 105,893,942,734 9 EKAD 8,001,739 10 ICBP 89,003,869,709 11 IGAR 639,563,606,250 12 INAI 39,719,660 13 INDF 4,436,527,499,650 14 INDS 36,295,540 15 INTP 1,092,161,372,000 16 JECC 9,672,368,000,000 17 JPFA 847,584,859,909 18 KAEF 450,372,591,220 19 KBLI 2,815,103,309,451 20 KLBF Berlanjut ke halaman berikutnya
Total Ekuitas 757,341,556,453 2,760,727,000,000 218,635,793,389 854,135,000,000 9,950,900,000 274,151,287,000 676,557,993,000 914,702,952 237,707,561,355 13,265,731 225,742,774,790 231,317,803,126 37,891,756 1,752,865,614,508 22,977,687 1,476,603,440,000 5,245,222,000,000 1,624,354,688,981 886,649,700,731 8,499,957,965,575
DER 2.7659 0.2821 0.3928 1.7527 0.5800 0.4496 0.2815 0.3010 0.4455 0.6032 0.3943 2.7649 1.0482 2.5310 1.5796 0.7396 1.8440 0.5218 0.5079 0.3312
131
Data diolah leverage tahun 2013 No. 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Kode LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
Total Hutang 827,835,593,180 312,295,043,290 160,451,280,610 794,615,000 5,771,077,430,823 562,461,853 406,365,304,333 489,182,140,905 497,223,323,456 1,035,351,397,437 1,054,421,709,690 1,870,560,118,674 162,339,135,063 6,122,043 406,406,914,000 775,930,985,779 710,527,268,893 1,545,006,061,565 796,474,448,056
Total Ekuitas 415,784,337,843 110,465,094,376 451,318,464,718 987,533,000 3,938,760,819,650 235,945,772 215,034,932,281 406,448,113,303 372,002,989,683 787,337,649,671 707,611,129,154 1,285,120,275,806 139,650,353,636 8,772,947 314,375,634,000 694,128,409,113 1,035,650,413,675 3,862,951,854,240 2,015,146,534,086
DER 1.9910 2.8271 0.3555 0.8046 1.4652 2.3839 1.8898 1.2036 1.3366 1.3150 1.4901 1.4556 1.1625 0.6978 1.2927 1.1178 0.6861 0.4000 0.3952
132
Data diolah leverage tahun 2014 No.
Kode
Total Hutang 2,571,403,202,989 1 ALMI 7,337,490,000,000 2 AMFG 478,687,316,920 3 APLI 1,563,631,000,000 4 BUDI 9,919,150,000 5 CPIN 113,598,060,000 6 CTBN 227,473,881,000 7 DLTA 273,816,042 8 DVLA 273,199,231,964 9 EKAD 9,870,264 10 ICBP 86,443,556,430 11 IGAR 751,439,553,825 12 INAI 44,710,509 13 INDF 454,347,526,616 14 INDS 41,001,720 15 INTP 891,120,969,000 16 JECC 10,440,441,000,000 17 JPFA 1,157,040,676,384 18 KAEF 396,594,755,312 19 KBLI 2,607,556,689,283 20 KLBF Berlanjut ke halaman berikutnya
Total Ekuitas 987,883,021,026 2,457,089,000,000 218,635,793,389 854,135,000,000 8,176,646,000 268,438,471,000 598,211,513,000 841,546,479 191,977,807,039 11,984,361 242,028,852,241 329,218,262,395 34,142,674 1,136,572,861,829 19,418,738 542,875,793,000 4,763,327,000,000 1,441,533,689,666 845,141,024,021 7,371,643,614,897
DER 2.6029 2.9863 2.1894 1.8307 1.2131 0.4232 0.3803 0.3254 1.4231 0.8236 0.3572 2.2825 1.3095 0.3998 2.1115 1.6415 2.1918 0.8026 0.4693 0.3537
133
Data diolah leverage tahun 2014 No. 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Kode LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
Total Hutang 156,123,759,272 23,964,388,443 165,633,948,162 1,677,254,000 6,190,553,036,545 630,960,175,000 395,525,304,553 601,006,310,349 774,439,342,861 1,182,771,921,472 841,614,670,129 1,513,908,338,484 178,206,785,017 8,436,760 134,510,685,000 882,610,280,834 796,096,371,054 9,460,391,494,410 1,651,985,807,625
Total Ekuitas 371,829,387,027 97,525,195,182 434,562,913,348 629,853,000 3,067,850,327,238 302,073,660,000 199,113,004,978 280,293,729,818 366,957,389,624 666,607,597,550 654,044,664,731 1,276,742,767,154 129,482,560,948 8,418,056 269,204,143,000 579,691,340,310 898,164,900,513 3,353,156,079,810 1,676,519,113,422
DER 0.4199 0.2457 0.3812 2.6629 2.0179 2.0888 1.9864 2.1442 2.1104 1.7743 1.2868 1.1858 1.3763 1.0022 0.4997 1.5226 0.8864 2.8213 0.9854
134
Data diolah likuiditas tahun 2010 No. Kode Current Asset 823,517,334,009 1 ALMI 513,164,260,920 2 AMFG 45,468,209,223 3 APLI 510,462,298,710 4 BUDI 343,122,866,800 5 CPIN 110,967,143 6 CTBN 113,206,230,789 7 DLTA 349,178,846 8 DVLA 25,727,251,527 9 EKAD 45,839 10 ICBP 98,458,632,162 11 IGAR 11,740,129,087 12 INAI 4,565,265 13 INDF 369,083,094,563 14 INDS 2,979,217 15 INTP 373,880,501 16 JECC 1,417,666 17 JPFA 469,301,172,084 18 KAEF 178,074,782,755 19 KBLI 105,821,912,318 20 KLBF Berlanjut ke halaman berikutnya
Current Libialities 834,085,193,410 725,854,000,000 84,930,157,694 811,791,000,000 1,461,341,000,000 133,305,074 189,396,759,000 574,921,950 69,499,301,764 2,701,200 103,850,552,867 207,386,134,734 9,859,118 412,927,764,609 2,947,706 438,883,543 1,686,714 469,822,675,254 200,980,534,243 2,146,489,093,666
Current Ratio 0.98733 0.70698 0.53536 0.62881 0.23480 0.83243 0.59772 0.60735 0.37018 0.01697 0.94808 0.05661 0.46305 0.89382 1.01069 0.85189 0.84049 0.99889 0.88603 0.04930
135
Data diolah likuiditas tahun 2010 No. 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Kode LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
Current Asset 92,004,174,765 5,444,410,028 117,535,290,419 178,575 1,133,651,575,538 167,566,224,508 182,427,915,178 84,667,653,716 268,617,837,431 29,902,982,192 772,135,774,890 290,054,318,451 1,457,460,953 1,037,454 232,964,221 105,963,742,405 201,451,128,166 2,127,146,384,459 197,264,781,744
Current Libialities 98,732,816,188 21,656,364,472 166,071,283,831 532,026 1,040,333,647,369 175,506,121,442 345,396,207,997 149,383,629,831 245,387,045,805 92,639,122,006 719,376,688,552 564,055,614,125 50,396,298,504 1,355,830 102,457,250 170,422,732,529 353,323,853,244 984,352,502,804 477,557,754,724
Current Ratio 0.93185 0.25140 0.70774 0.33565 1.08970 0.95476 0.52817 0.56678 1.09467 0.32279 1.07334 0.51423 0.02892 0.76518 2.27377 0.62177 0.57016 2.16096 0.41307
136
Data diolah likuiditas tahun 2011 No. Kode Current Asset 495,288,827,701 1 ALMI 375,274,616,400 2 AMFG 3,383,320,786 3 APLI 383,802,637,140 4 BUDI 504,516,469,760 5 CPIN 20,066,171 6 CTBN 124,713,091,710 7 DLTA 227,700,417 8 DVLA 10,563,946,962 9 EKAD 239,800 10 ICBP 96,371,292,440 11 IGAR 1,880,588,958 12 INAI 9,893,577 13 INDF 310,259,296,809 14 INDS 3,933,451 15 INTP 480,864,538 16 JECC 1,486,353 17 JPFA 359,834,915,772 18 KAEF 311,073,289,655 19 KBLI 230,167,478,736 20 KLBF Berlanjut ke halaman berikutnya
Current Libialities 1,010,834,784,483 593,132,000,000 98,985,394,546 725,374,000,000 1,975,552,000,000 80,390,091 216,129,303,000 244,279,679 81,808,618,930 2,988,540 120,928,177,431 322,571,004,720 12,831,304 390,238,723,110 4,476,597 467,757,960 3,099,991 459,694,310,937 307,776,998,006 2,130,588,528,518
Current Ratio 0.48998 0.63270 0.03418 0.52911 0.25538 0.24961 0.57703 0.93213 0.12913 0.08024 0.79693 0.00583 0.77105 0.79505 0.87867 1.02802 0.47947 0.78277 1.01071 0.10803
137
Data diolah likuiditas tahun 2011 No. 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Kode LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
Current Asset 113,645,315,227 23,829,296,737 137,564,627,035 114,475 1,812,770,502,692 259,272,708,781 178,490,993,142 139,522,932,267 257,827,812,585 115,880,263,055 902,739,676,268 461,528,597,365 13,842,011,163 1,352,831 1,434,640 102,703,368,179 404,588,610,355 370,098,266,640 325,549,075,203
Current Libialities 136,152,721,642 33,552,465,802 212,665,224,368 659,873 1,845,791,716,500 245,828,355,992 319,184,194,028 216,727,918,770 262,265,342,175 148,209,117,955 923,584,989,481 882,649,500,592 61,944,022,033 1,683,799 91,670,263 303,434,183,764 444,637,071,374 1,912,652,540,775 607,594,391,942
Current Ratio 0.83469 0.71021 0.64686 0.17348 0.98211 1.05469 0.55921 0.64377 0.98308 0.78187 0.97743 0.52289 0.22346 0.80344 0.01565 0.33847 0.90993 0.19350 0.53580
138
Data diolah likuiditas tahun 2012 No. Kode Current Asset 890,423,817,895 1 ALMI 711,209,191 2 AMFG 5,010,498,083 3 APLI 314,724 4 BUDI 1,583,083 5 CPIN 12,940,172 6 CTBN 202,997,156 7 DLTA 274,632,562 8 DVLA 8,020,096,160 9 EKAD 368,820 10 ICBP 122,635,181,389 11 IGAR 377,809,759,345 12 INAI 12,152,135 13 INDF 375,996,615,917 14 INDS 8,246,093 15 INTP 407,781,442 16 JECC 3,214,670 17 JPFA 502,766,841,275 18 KAEF 303,653,352,235 19 KBLI 434,083,750,575 20 KLBF Berlanjut ke halaman berikutnya
Current Libialities 925,798,581,702 926,669,000 97,499,476,226 907,065 4,167,652 110,157,247 249,919,552 311,717,606 74,814,329,851 3,648,069 120,746,702,955 214,820,869,351 12,805,200 371,743,866,089 8,418,762 531,671,545 3,523,891 537,184,235,226 294,597,427,319 2,991,617,853,724
Current Ratio 0.96 0.77 0.05 0.35 0.38 0.12 0.81 0.88 0.11 0.10 1.02 1.76 0.95 1.01 0.98 0.77 0.91 0.94 1.03 0.15
139
Data diolah likuiditas tahun 2012 No. 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Kode LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
Current Asset 81,411,147,738 31,815,276,900 141,672,087,201 549,533 1,513,182,547,883 278,995,056 183,811,440,342 155,895,442,672 247,226,040,967 113,712,140,218 445,510,206,217 38,418,332,977 9,600,174,206 1,614,978 17,148,170 207,014,826,380 261,205,194,933 956,208,672,763 393,349,604,537
Current Libialities 148,249,381,295 37,036,281,503 197,512,947,804 796,679 1,924,434,119,144 278,822,186 338,979,143,093 177,151,899,038 266,783,974,109 195,455,567,772 818,847,218,587 1,435,662,667,304 88,824,705,832 1,556,875 111,511,056 571,296,021,580 448,767,622,942 1,297,134,545,306 592,822,529,143
Current Ratio 0.55 0.86 0.72 0.69 0.79 1.00 0.54 0.88 0.93 0.58 0.54 0.03 0.11 1.04 0.15 0.36 0.58 0.74 0.66
140
Data diolah likuiditas tahun 2013 No. Kode Current Asset 1,006,544,185,298 1 ALMI 592,748,273 2 AMFG 9,178,786,716 3 APLI 213,610 4 BUDI 1,770,178 5 CPIN 14,179,687 6 CTBN 488,852,511 7 DLTA 221,498,881 8 DVLA 3,891,736,697 9 EKAD 283,918 10 ICBP 121,068,131,143 11 IGAR 37,132,774,856 12 INAI 14,846,289 13 INDF 525,523,624,721 14 INDS 6,087,952 15 INTP 913,846,265 16 JECC 4,023,526 17 JPFA 698,483,185,519 18 KAEF 318,811,648,455 19 KBLI 49,713,646,888 20 KLBF Berlanjut ke halaman berikutnya
Current Libialities 926,964,300,132 753,960,000 68,961,583,137 1,016,562 5,327,048 110,874,090 658,990,741 515,473,310 128,355,431,960 5,696,583 135,516,948,155 439,441,122,554 19,471,309 591,799,219,289 14,740,089 1,012,583,258 4,361,546 746,123,148,554 359,617,439,291 3,040,590,023,748
Current Ratio 1.08585 0.78618 0.13310 0.21013 0.33230 0.12789 0.74182 0.42970 0.03032 0.04984 0.89338 0.08450 0.76247 0.88801 0.41302 0.90249 0.92250 0.93615 0.88653 0.01635
141
Data diolah likuiditas tahun 2013 No. 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Kode LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
Current Asset 37,894,802,518 28,873,951,200 110,211,417,263 153,208 1,742,097,330,000 349,499,537 190,757,148,332 186,438,834,301 37,923,307,181 185,880,998,028 526,668,597,722 600,040,304,087 9,238,583,112 1,989,755 31,380,017 365,317,331,620 479,400,512,444 343,563,397,199 375,896,914,899
Current Libialities 283,728,680,126 47,518,969,110 211,684,498,431 722,542 2,631,646,469,682 508,836,644 349,346,473,393 321,945,837,163 298,985,392,467 320,197,405,822 1,043,362,648,524 1,224,772,011,935 125,712,112,019 3,262,054 119,839,668 598,988,885,897 496,494,829,421 1,347,465,965,403 633,794,053,008
Current Ratio 0.13356 0.60763 0.52064 0.21204 0.66198 0.68686 0.54604 0.57910 0.12684 0.58052 0.50478 0.48992 0.07349 0.60997 0.26185 0.60989 0.96557 0.25497 0.59309
142
Data diolah likuiditas tahun 2014 No. Kode Current Asset 1,201,639,627,236 1 ALMI 1,135,467,616 2 AMFG 12,276,630,238 3 APLI 159,470 4 BUDI 2,453,096 5 CPIN 30,602,610 6 CTBN 442,340,261 7 DLTA 232,883,463 8 DVLA 555,266,142 9 EKAD 2,120,552 10 ICBP 88,669,944,419 11 IGAR 79,733,318,136 12 INAI 5,789,954 13 INDF 11,147,774,417 14 INDS 16,745,579 15 INTP 581,180,438 16 JECC 708,657 17 JPFA 10,248,533,310 18 KAEF 236,375,402,523 19 KBLI 128,665,626,232 20 KLBF Berlanjut ke halaman berikutnya
Current Libialities 2,370,051,137,523 1,982,380,000 31,090,308,805 945,117 5,467,240 98,028,733 790,952,635 478,583,390 167,248,837,925 8,230,997 193,319,694,812 595,335,758,497 22,681,686 545,123,443,360 32,605,590 846,116,408 4,916,448 1,548,116,814,270 856,060,417,655 4,085,920,172,489
Current Ratio 0.50701 0.57278 0.39487 0.16873 0.44869 0.31218 0.55925 0.48661 0.00332 0.25763 0.45867 0.13393 0.25527 0.02045 0.51358 0.68688 0.14414 0.00662 0.27612 0.03149
143
Data diolah likuiditas 2014 No. 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Kode LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
Current Asset 29,636,208,012 118,560,935,526 661,067,119,950 125,769 1,837,339,742,640 260,733,270 116,763,186,326 323,325,641,034 37,161,754,596 181,101,527,924 499,564,565,263 460,005,546,772 6,351,410,323 2,516,521 103,009,469 569,575,858,521 83,450,014,086 54,479,039,221 382,011,049,177
Current Libialities 292,155,047,433 203,573,034,900 1,116,837,221,790 1,588,801 4,114,337,601,362 518,954,798 276,068,533,694 564,899,086,298 483,247,784,088 307,608,669,233 826,026,927,582 1,203,289,509,984 141,425,302,223 3,807,545 216,994,521 538,631,479,995 628,814,814,904 2,237,332,206,210 890,967,089,226
Current Ratio 0.10144 0.58240 0.59191 0.07916 0.44657 0.50242 0.42295 0.57236 0.07690 0.58874 0.60478 0.38229 0.04491 0.66093 0.47471 1.05745 0.13271 0.02435 0.42876
144
Data diolah kualitas laba tahun 2010 No.
Kode
EPSt 1 ALMI 141.96 2 AMFG 763.00 3 APLI 27.55 4 BUDI 156.15 5 CPIN 135.00 6 CTBN 0.02 7 DLTA 8.72 8 DVLA 122.00 9 EKAD 44.00 10 ICBP 344.00 11 IGAR 33.05 12 INAI 100.54 13 INDF 766.00 14 INDS 3.19 15 INTP 876.05 16 JECC 6.75 17 JPFA 463.00 18 KAEF 191.00 19 KBLI 12.06 20 KLBF 237.00 Berlanjut ke halaman berikutnya
EPSt-1 85.13 155.00 23.19 146.15 98.00 0.02 7.90 106.00 29.00 46.00 24.66 80.69 236.00 1.57 746.12 104.78 394.00 163.00 5.17 197.00
clossing price 650 830 860 114 365 440 255 1,690 350 7,800 375 450 5,850 4,200 224 1,900 6,150 740 187 106
UE 0.0874 0.7325 0.0051 0.0878 0.1014 0.0000 0.0032 0.0095 0.0429 0.0382 0.0224 0.0441 0.0906 0.0004 0.5800 (0.0516) 0.0112 0.0378 0.0368 0.3774
CAR 0.86728 -0.1751 1.01587 1.63499 0.50098 0.35518 0.32494 0.51004 0.4094 0.68076 0.73012 0.29236 0.32697 0.62711 -0.3142 1.48606 0.42347 0.87391 0.5236 0.27248
CARit 0.95471 0.55748 1.02094 1.72275 0.60235 0.35519 0.32814 0.51951 0.45226 0.71897 0.75249 0.33647 0.41757 0.62750 0.26585 1.43447 0.43469 0.91175 0.56044 0.64984
145
Data diolah kualitas laba tahun 2010 No.
Kode
21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
EPSt 743.00 766.00 251.00 29.25 631.00 633.00 21.22 0.52 16.86 106.38 465.00 6.51 27.00 128.00 5.63 32.54 3,792.00 131.00 37.00
EPSt-1 646.00 250.00 222.00 24.37 485.00 184.00 22.27 6.61 5.57 66.37 37.00 3.96 18.53 117.00 4.22 31.35 3,691.00 99.00 21.00
clossing price 10,400 10,500 380 740,000 200 4,100 260 255 174 690 4,050 50 180 290 50 1,050 6,650 3,725 1,330
UE 0.0093 0.0491 0.0763 0.0000 0.7300 0.1095 (0.0040) (0.0239) 0.0649 0.0580 0.1057 0.0510 0.0471 0.0379 0.0282 0.0011 0.0152 0.0086 0.0120
CAR 0.70256 1.22619 0.31202 0.16999 -0.2068 0.79213 0.65146 0.47744 0.68921 1.16113 0.46379 0.41009 0.33351 0.32899 0.93505 0.54795 0.30384 0.51854 0.85738
CARit 0.71189 1.27533 0.38834 0.17000 0.52322 0.90164 0.64742 0.45356 0.75410 1.21912 0.56947 0.46109 0.38057 0.36692 0.96325 0.54908 0.31903 0.52713 0.86941
146
Data diolah kualitas laba tahun 2011 No.
Kode
EPSt 177.87 1 ALMI 776 2 AMFG 10.92 3 APLI 51.6 4 BUDI 144 5 CPIN 0.0627 6 CTBN 9060 7 DLTA 143 8 DVLA 38 9 EKAD 339 10 ICBP 37.52 11 IGAR 166.39 12 INAI 850 13 INDF 551.69 14 INDS 997.1 15 INTP 190.37 16 JECC 298 17 JPFA 230.93 18 KAEF 15.9 19 KBLI 142 20 KLBF Berlanjut ke halaman berikutnya
EPSt-1 141.96 763 17.55 46.15 135 0.023 8716 122 44 344 33.05 100.54 766 3.189 876.05 6.75 463 191 12.06 137
clossing price 650 830 860 114 365 440 255 1,690 350 7,800 375 450 5,850 4,200 224 1,900 6,150 740 187 106
UE 0.0552 0.0157 (0.0077) 0.0478 0.0247 0.0001 1.3490 0.0124 (0.0171) (0.0006) 0.0119 0.1463 0.0144 0.1306 0.5404 0.0966 (0.0268) 0.0540 0.0205 0.0472
CAR 0.28487 0.36153 0.27088 0.44838 0.35569 0.6114 -0.7686 0.46917 0.6114 0.50497 0.73115 0.27368 1.00149 0.36181 0.60251 0.82524 1.01191 0.70069 1.03691 0.62483
CARit 0.34012 0.37719 0.26317 0.49619 0.38035 0.61149 0.58040 0.48160 0.59426 0.50433 0.74307 0.42001 1.01585 0.49241 1.14291 0.92188 0.98508 0.75465 1.05744 0.67200
147
Data diolah kualitas laba tahun 2011 No.
Kode
21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
EPSt 1010 1135 60.35 24074 714 892 21.68 3.3 19.36 114.52 533 12.35 8.65 139 3.98 32.58 4440 226 44
EPSt-1 743 766 51 29.25 631 633 21.22 0.52 16.86 106.38 465 6.51 7 108 1.63 32.54 3192 131 37
clossing price 10,400 10,500 380 740,000 200 4,100 260 255 174 690 4,050 50 180 290 50 1,050 6,650 3,725 1,330
UE 0.0257 0.0351 0.0246 0.0325 0.4150 0.0632 0.0018 0.0109 0.0144 0.0118 0.0168 0.1168 0.0092 0.1069 0.0470 0.0000 0.1877 0.0255 0.0053
CAR 0.22822 0.45049 0.71403 0.41045 0.39552 0.98323 0.47239 0.9864 0.5156 0.93216 1.05464 0.41851 1.09699 0.14202 0.85904 0.6507 0.34469 0.93126 0.53518
CARit 0.25389 0.48563 0.73864 0.44294 0.81052 1.04640 0.47416 0.99730 0.52997 0.94396 1.07143 0.53531 1.10616 0.24892 0.90604 0.65074 0.53236 0.95676 0.54044
148
Data diolah kualitas laba tahun 2012 No.
Kode
EPSt 245.29 1 ALMI 799 2 AMFG 12.81 3 APLI 3.27 4 BUDI 164 5 CPIN 0.0429 6 CTBN 13097 7 DLTA 175 8 DVLA 51 9 EKAD 374 10 ICBP 48.16 11 IGAR 146.18 12 INAI 371 13 INDF 622.8 14 INDS 1293.15 15 INTP 211.71 16 JECC 472 17 JPFA 36.93 18 KAEF 31.24 19 KBLI 37 20 KLBF Berlanjut ke halaman berikutnya
EPSt-1 177.87 776 10.92 1.6 144 0.0627 13060 143 38 339 37.52 166.39 350 551.69 997.1 190.37 298 30.93 15.9 32
clossing price 650 830 860 114 365 440 255 1,690 350 7,800 375 450 5,850 4,200 224 1,900 6,150 740 187 106
UE 0.1037 0.0277 0.0022 0.0146 0.0548 (0.0000) 0.1451 0.0189 0.0371 0.0045 0.0284 (0.0449) 0.0036 0.0169 1.3217 0.0112 0.0283 0.0081 0.0820 0.0472
CAR 0.6695 0.63319 0.62714 0.86893 1.00886 0.57053 0.44092 0.39007 0.37271 0.60389 0.68606 1.01316 0.58327 1.02552 -0.7722 0.47889 0.51799 0.37078 0.6982 0.43471
CARit 0.77322 0.66090 0.62934 0.88358 1.06365 0.57048 0.58602 0.40900 0.40985 0.60838 0.71443 0.96825 0.58686 1.04245 0.54941 0.49012 0.54628 0.37889 0.78023 0.48188
149
Data diolah kualitas laba tahun 2012 No.
Kode
21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
EPSt 1641 4300 42.54 21516 952 1078 39.7 26.5 25.92 147.33 824 2.38 21.53 176 4.82 56.98 476 140 122
EPSt-1 1010 1135 40.35 24074 614 892 21.68 3.3 19.36 114.52 533 2.35 8.65 139 3.98 32.58 440 126 44
clossing price 10,400 10,500 380 740,000 200 4,100 260 255 174 690 4,050 50 180 290 50 1,050 6,650 3,725 1,330
UE 0.0607 0.3014 0.0058 (0.0035) 1.6900 0.0454 0.0693 0.0910 0.0377 0.0476 0.0719 0.0006 0.0716 0.1276 0.0168 0.0232 0.0054 0.0038 0.0586
CAR 0.77065 0.57701 0.6211 1.14206 -1.2303 0.90452 0.2576 0.50602 0.80479 0.67502 0.38184 0.88437 0.39169 0.16586 0.3352 0.62476 0.97757 0.53131 0.77581
CARit 0.83132 0.87844 0.62686 1.13860 0.45973 0.94989 0.32691 0.59700 0.84249 0.72257 0.45369 0.88497 0.46325 0.29345 0.35200 0.64800 0.98298 0.53507 0.83446
150
Data diolah kualitas laba tahun 2013 No.
Kode
EPSt 84.8 1 ALMI 780 2 AMFG 3.28 3 APLI 2.63 4 BUDI 154 5 CPIN 0.0478 6 CTBN 16515 7 DLTA 112 8 DVLA 56 9 EKAD 482 10 ICBP 40.28 11 IGAR 331.69 12 INAI 525 13 INDF 779.62 14 INDS 1361.02 15 INTP 349.25 16 JECC 556 17 JPFA 38.63 18 KAEF 48.35 19 KBLI 41 20 KLBF Berlanjut ke halaman berikutnya
EPSt-1 45.29 799 2.81 1.27 164 0.0429 14997 175 51 374 28.16 146.18 371 422.8 1293.15 211.71 472 36.93 31.24 37
clossing price 600 7,000 65 109 3,375 4,500 380 2,200 390 10,200 295 600 6,600 2,675 20 2,850 1,220 590 142 1,250
UE 0.07 (0.00) 0.01 0.01 (0.00) 0.00 3.99 (0.03) 0.01 0.01 0.04 0.31 0.02 0.13 3.39 0.05 0.07 0.00 0.12 0.00
CAR 0.59129 0.89785 0.6728 0.24414 0.80969 0.47142 -2.9861 0.44282 0.4585 0.54054 0.25644 0.12803 0.5093 1.66758 -3.0577 0.68144 0.99388 0.7507 0.27777 0.34837
CARit 0.65714 0.89514 0.68003 0.25662 0.80673 0.47142 1.00864 0.41418 0.47132 0.55113 0.29752 0.43721 0.53263 1.80097 0.33580 0.72970 1.06273 0.75358 0.39826 0.35157
151
Data diolah kualitas laba tahun 2013 No.
Kode
21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
EPSt 1945 6498 65.11 55576 1115 1247 2801 58.8 41.43 231.22 909 4.03 16.56 124 3.66 87.38 739 141 213
EPSt-1 1641 4300 42.54 21516 952 1078 2370 26.5 25.92 147.33 824 2.38 11.53 176 2.82 56.98 476 140 122
clossing price 12,000 800 305 12,000 260 325 155 185 173 1,020 4,400 50 180 2,275 50 1,550 1,700 3,250 4,500
UE 0.03 2.75 0.07 2.84 0.63 0.52 2.78 0.17 0.09 0.08 0.02 0.03 0.03 (0.02) 0.02 0.02 0.15 0.00 0.02
CAR 0.66663 -1.7591 0.71431 -1.9865 0.45195 0.38101 -1.0779 0.9281 1.3192 1.08958 0.78901 1.45906 0.90821 1.27846 0.5399 1.73296 1.49697 1.02374 0.88474
CARit 0.69196 0.98844 0.78831 0.85184 1.07887 0.90101 1.70276 1.10269 1.40885 1.17183 0.80833 1.49206 0.93615 1.25560 0.55670 1.75257 1.65168 1.02405 0.90496
152
Data diolah kualitas laba tahun 2014 No.
Kode
EPSt 93.16 1 ALMI 1057 2 AMFG 6.72 3 APLI 6.61 4 BUDI 207 5 CPIN 0.0318 6 CTBN 17621 7 DLTA 173 8 DVLA 57 9 EKAD 447 10 ICBP 33.53 11 IGAR 69.63 12 INAI 372 13 INDF 293.02 14 INDS 1431.82 15 INTP 157.73 16 JECC 31 17 JPFA 42.24 18 KAEF 27.49 19 KBLI 44 20 KLBF Berlanjut ke halaman berikutnya
EPSt-1 84.8 780 1.28 2.63 154 0.0478 16515 112 56 382 20.28 31.69 225 279.62 1361.02 149.25 56 38.63 18.35 41
clossing price 268 8,050 81 107 378 53 390 1,690 515 13,100 315 350 6,750 1,600 25 235 950 1,465 139 1,830
UE 0.03 0.03 0.07 0.04 0.14 (0.00) 2.84 0.04 0.00 0.00 0.04 0.11 0.02 0.01 2.83 0.04 (0.03) 0.00 0.07 0.00
CAR 1.26287 1.22176 1.05514 0.68146 1.16732 0.62408 -1.8029 0.84076 1.15411 1.65088 0.92506 0.26198 0.59114 1.10516 -1.6609 1.7099 0.54499 0.41957 0.85127 1.86963
CARit 1.29406 1.25617 1.1223 0.71866 1.30753 0.62378 1.033 0.87685 1.15605 1.65584 0.96712 0.37038 0.61292 1.11353 1.17107 1.74599 0.51867 0.42203 0.91703 1.87127
153
Data diolah kualitas laba tahun 2014 No.
Kode
21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT SMCB SRSN STTP TOTO TSPC ULTJ
EPSt 1542 1771 22.73 59700 1451 64 2827 19.2 21.06 37.26 665 2.19 23.86 187 32.4 94.27 297 129 98
EPSt-1 1245 1498 15.11 55576 1115 47 2801 18.8 11.43 31.22 509 1.03 16.56 124 2.66 87.38 239 141 113
clossing price 93 645 200 1,195 209 487 160 204 174 1,385 3,950 53 300 2,185 50 2,880 3,975 2,865 3,720
UE 3.19 0.42 0.04 3.45 1.61 0.03 0.16 0.00 0.06 0.00 0.04 0.02 0.02 0.03 0.59 0.00 0.01 (0.00) (0.00)
CAR -2.1142 0.45587 1.3822 -2.8729 -0.9635 1.4583 1.20809 0.7549 1.11874 0.81315 1.12293 1.44247 1.6169 0.91109 0.08396 1.21169 1.10389 1.31272 1.34764
CARit 1.07938 0.87913 1.4203 0.57818 0.6442 1.49321 1.37059 0.75686 1.17408 0.81751 1.16242 1.46436 1.64123 0.93992 0.67876 1.21408 1.11848 1.30853 1.34361
154
Lampiran 3 Keterangan : MBVE VDI DER CR CAR
: Investment Opportunity Set : Voluntary Disclosure : Leverage : Likuiditas : Kualitas Laba Data diolah tahun 2010
No. Nama Perusahaan 1 PT. Alumindo Light Metal Industry Tbk 2 PT. AsahimasFlat Glass Tbk 3 PT. Asiaplast Industries Tbk 4 PT. Budi Strach & Sweetener Tbk 5 PT. Charoen Pokphand Indonesia Tbk 6 PT. Citra Tubindo Tbk 7 PT. Delta Djakarta Tbk 8 PT. Darya-Varia Laboratoria Tbk 9 PT. Ekadharma International Tbk 10 PT. Indofood CBP Sukses Makmur Tbk 11 PT. Champion Pacific Indonesia Tbk 12 PT. Indal Aluminium Industry Tbk Berlanjut ke halaman selanjutnya
Kode ALMI AMFG APLI BUDI CPIN CTBN DLTA DVLA EKAD ICBP IGAR INAI
MBVE 0.91574 0.10011 1.04106 2.17031 0.29491 0.04628 0.22634 0.32794 0.12592 0.37675 0.0408 0.01289
VDI 1.973862 0.287441 0.459735 1.452708 0.454311 1.418788 0.194191 0.333293 0.633158 0.427158 0.184927 3.880536
DER 0.21739 0.21739 0.21739 0.26087 0.23913 0.30435 0.26087 0.19565 0.19565 0.26087 0.21739 0.32609
CR 0.98733 0.70698 0.53536 0.62881 0.2348 0.83243 0.59772 0.60735 0.37018 0.01697 0.94808 0.05661
CAR 0.95471 0.55748 1.02094 1.72275 0.60235 0.35519 0.32814 0.51951 0.45226 0.71897 0.75249 0.33647
155
Data diolah tahun 2010 No. Nama Perusahaan 13 PT. Indofood Sukses Makmur Tbk 14 PT. Indospring Tbk 15 PT. Indocement Tunggal Prakarsa Tbk 16 PT. Jembo Cable Company Tbk 17 PT. JAPFA Comfeed Indonesia Tbk 18 PT. Kimia Farma Tbk 19 PT. KMI Wire and Cable Tbk 20 PT. Kedaung Indah Can Tbk 21 PT. Lion Metal Works Tbk 22 PT. Lionmesh Prima Tbk 23 PT. Martina Berto Tbk 24 PT. Multi Bintang Indonesia Tbk 26 PT. Mayora Indah Tbk 27 PT. Nipress Tbk 28 PT. Pelangi Indah Canindo Tbk 29 PT. Prima Alloy Steel Universal Tbk 30 PT. Ricky Putra Globalindo Tbk 31 PT. Nippon Indosari Corpindo Tbk 32 PT. Supreme Cable Manufacturing & Commerce Tbk 33 PT. Sierad Produce Tbk Berlanjut ke halaman berikutnya
Kode INAI INDF INDS INTP JECC JPFA KAEF KBLI KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO
MBVE 0.30932 0.02036 0.06246 1.61986 0.26855 0.8306 0.33743 0.17741 0.28626 2.18104 0.09408 0.05156 0.17158 0.85593 0.14484 0.02304 0.43414 1.47437 0.37987 0.03963
VDI 0.902236 2.400974 0.171408 2.331419 1.007314 0.487649 0.461089 0.218361 0.169167 0.671465 1.849231 1.412302 1.156293 1.278554 2.248228 2.415267 0.814668 0.247694 1.701369 0.652425
DER 0.28261 0.23913 0.21739 0.21739 0.19565 0.28261 0.26087 0.26087 0.23913 0.23913 0.19565 0.19565 0.23913 0.28261 0.23913 0.32609 0.26087 0.26087 0.28261 0.26087
CR 0.46305 0.89382 1.01069 0.85189 0.84049 0.99889 0.88603 0.0493 0.93185 0.2514 0.70774 0.33565 1.0897 0.95476 0.52817 0.56678 1.09467 0.32279 1.07334 0.51423
CAR 0.41757 0.6275 0.26585 1.43447 0.43469 0.91175 0.56044 0.64984 0.71189 1.27533 0.38834 0.17 0.52322 0.90164 0.64742 0.45356 0.7541 1.21912 0.56947 0.46109
156
Data diolah tahun 2010 No. 34 35 36 37 38 39
Nama Perusahaan PT. Sekar Laut Tbk PT. Holcim Indonesia Tbk PT. Siantar Top Tbk PT. Surya Toto Indonesia Tbk PT. Tempo Scan Pacific Tbk PT. Ultrajaya Milk Industry & Trading Tbk
Kode SIPD SKLT STTP TOTO TSPC ULTJ
MBVE 0.21891 0.91528 0.02232 0.0449 0.02455 0.21891
VDI 0.529043 0.594747 0.45141 0.729975 0.357262 0.529043
DER 0.26087 0.21739 0.28261 0.26087 0.21739 0.26087
CR 0.76518 2.27377 0.62177 0.57016 2.16096 0.76518
CAR 0.36692 0.96325 0.54908 0.31903 0.52713 0.36692
157
Data diolah tahun 2011 No. Nama Perusahaan 1 PT. Alumindo Light Metal Industry Tbk 2 PT. AsahimasFlat Glass Tbk 3 PT. Asiaplast Industries Tbk 4 PT. Budi Strach & Sweetener Tbk 5 PT. Charoen Pokphand Indonesia Tbk 6 PT. Citra Tubindo Tbk 7 PT. Delta Djakarta Tbk 8 PT. Darya-Varia Laboratoria Tbk 9 PT. Ekadharma International Tbk 10 PT. Indofood CBP Sukses Makmur Tbk 11 PT. Champion Pacific Indonesia Tbk 12 PT. Indal Aluminium Industry Tbk 13 PT. Indofood Sukses Makmur Tbk 14 PT. Indospring Tbk 15 PT. Indocement Tunggal Prakarsa Tbk 16 PT. Jembo Cable Company Tbk 17 PT. JAPFA Comfeed Indonesia Tbk 18 PT. Kimia Farma Tbk 19 PT. KMI Wire and Cable Tbk 20 PT. Kedaung Indah Can Tbk 21 PT. Lion Metal Works Tbk Berlanjut ke halaman selanjutnya
Kode ALMI AMFG APLI BUDI CPIN CTBN DLTA DVLA EKAD ICBP IGAR INAI INAI INDF INDS INTP JECC JPFA KAEF KBLI KLBF
MBVE 0.291 0.08689 0.02422 0.09517 0.08156 0.12037 0.06226 0.35006 0.30581 0.35624 0.22518 0.05306 0.10015 1.03588 0.02095 1.20657 0.77731 0.97369 0.2866 1.12383 0.03107
VDI 0.542202 2.467804 0.25424 0.505776 1.618007 0.429558 0.694825 0.215088 0.609208 0.609208 0.421399 0.223664 2.126632 0.695209 0.802637 0.153641 2.195813 1.183794 0.432522 0.505047 0.269895
DER 0.23913 0.26087 0.23913 0.26087 0.26087 0.26087 0.30435 0.26087 0.19565 0.19565 0.30435 0.23913 0.32609 0.30435 0.23913 0.23913 0.26087 0.19565 0.30435 0.26087 0.26087
CR 0.41307 0.48998 0.6327 0.03418 0.52911 0.25538 0.24961 0.57703 0.93213 0.12913 0.08024 0.79693 0.00583 0.77105 0.79505 0.87867 1.02802 0.47947 0.78277 1.01071 0.10803
CAR 0.86941 0.34012 0.37719 0.26317 0.49619 0.38035 0.61149 0.5804 0.4816 0.59426 0.50433 0.74307 0.42001 1.01585 0.49241 1.14291 0.92188 0.98508 0.75465 1.05744 0.672
158
Data diolah tahun 2011 22 23 24 26 27 28 29 30 31 32 33 34 35 36 37 38 39
PT. Lionmesh Prima Tbk PT. Martina Berto Tbk PT. Multi Bintang Indonesia Tbk PT. Mayora Indah Tbk PT. Nipress Tbk PT. Pelangi Indah Canindo Tbk PT. Prima Alloy Steel Universal Tbk PT. Ricky Putra Globalindo Tbk PT. Nippon Indosari Corpindo Tbk PT. Supreme Cable Manufacturing & Commerce Tbk PT. Sierad Produce Tbk PT. Sekar Laut Tbk PT. Holcim Indonesia Tbk PT. Siantar Top Tbk PT. Surya Toto Indonesia Tbk PT. Tempo Scan Pacific Tbk PT. Ultrajaya Milk Industry & Trading Tbk
LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT STTP TOTO TSPC ULTJ
0.24103 0.15886 0.7382 1.08692 0.06228 0.88967 0.1354 0.22162 0.78478 0.08408 1.38401 0.04213 0.78514 0.3114 0.08898 0.83527 0.0201
0.352351 1.302257 1.721957 1.690931 1.989875 2.447224 0.833237 0.389238 1.803302 1.078247 0.743184 0.454779 0.431898 0.907432 0.761338 0.395425 0.553843
0.21739 0.26087 0.23913 0.28261 0.26087 0.32609 0.26087 0.28261 0.28261 0.26087 0.23913 0.28261 0.23913 0.28261 0.28261 0.23913 0.23913
0.64686 0.17348 0.98211 1.05469 0.55921 0.64377 0.98308 0.78187 0.97743 0.52289 0.22346 0.80344 0.01565 0.33847 0.90993 0.1935 0.5358
0.73864 0.44294 0.81052 1.0464 0.47416 0.9973 0.52997 0.94396 1.07143 0.53531 1.10616 0.24892 0.90604 0.65074 0.53236 0.95676 0.54044
159
Data diolah tahun 2012 No. Nama Perusahaan 1 PT. Alumindo Light Metal Industry Tbk 2 PT. AsahimasFlat Glass Tbk 3 PT. Asiaplast Industries Tbk 4 PT. Budi Strach & Sweetener Tbk 5 PT. Charoen Pokphand Indonesia Tbk 6 PT. Citra Tubindo Tbk 7 PT. Delta Djakarta Tbk 8 PT. Darya-Varia Laboratoria Tbk 9 PT. Ekadharma International Tbk 10 PT. Indofood CBP Sukses Makmur Tbk 11 PT. Champion Pacific Indonesia Tbk 12 PT. Indal Aluminium Industry Tbk 13 PT. Indofood Sukses Makmur Tbk 14 PT. Indospring Tbk 15 PT. Indocement Tunggal Prakarsa Tbk 16 PT. Jembo Cable Company Tbk 17 PT. JAPFA Comfeed Indonesia Tbk 18 PT. Kimia Farma Tbk 19 PT. KMI Wire and Cable Tbk 20 PT. Kedaung Indah Can Tbk Berlanjut ke halaman selanjutnya
Kode ALMI AMFG APLI BUDI CPIN CTBN DLTA DVLA EKAD ICBP IGAR INAI INAI INDF INDS INTP JECC JPFA KAEF KBLI
MBVE 0.22004 0.17129 0.41126 0.09255 0.45688 0.03632 0.16133 0.0968 0.28652 0.01228 0.14537 0.04542 0.19431 0.3063 0.04057 0.02266 0.15491 0.07757 0.85422 0.03672
VDI 2.200583 0.267932 0.527048 1.692399 0.510254 0.468748 0.245892 0.277044 0.426693 0.486928 0.290519 2.107188 0.737538 0.464736 0.171816 2.330736 1.30122 0.440374 0.374561 0.277593
DER 0.26087 0.23913 0.26087 0.28261 0.26087 0.32609 0.28261 0.21739 0.21739 0.30435 0.23913 0.34783 0.30435 0.30435 0.23913 0.28261 0.21739 0.30435 0.28261 0.28261
CR 0.96179 0.76749 0.05139 0.34697 0.37985 0.11747 0.81225 0.88103 0.1072 0.1011 1.01564 1.75872 0.949 1.01144 0.97949 0.76698 0.91225 0.93593 1.03074 0.1451
CAR 0.77322 0.6609 0.62934 0.88358 1.06365 0.57048 0.58602 0.409 0.40985 0.60838 0.71443 0.96825 0.58686 1.04245 0.54941 0.49012 0.54628 0.37889 0.78023 0.48188
160
21 22 23 24 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Data diolah tahun 2012 PT. Lion Metal Works Tbk 0.10461 KLBF PT. Lionmesh Prima Tbk 0.06056 LION PT. Martina Berto Tbk 0.06989 LMSH PT. Multi Bintang Indonesia Tbk 1.41239 MBTO PT. Mayora Indah Tbk 0.01496 MLBI PT. Nipress Tbk 0.14534 MYOR PT. Pelangi Indah Canindo Tbk 0.06573 NIPS PT. Prima Alloy Steel Universal Tbk 0.09253 PICO PT. Ricky Putra Globalindo Tbk 0.06925 PRAS PT. Nippon Indosari Corpindo Tbk 0.01681 RICY PT. Supreme Cable Manufacturing & Commerce Tbk 0.02367 ROTI PT. Sierad Produce Tbk 0.09887 SCCO PT. Sekar Laut Tbk 0.14381 SIPD PT. Holcim Indonesia Tbk 0.02486 SKLT PT. Siantar Top Tbk 0.01719 STTP PT. Surya Toto Indonesia Tbk 0.15765 TOTO PT. Tempo Scan Pacific Tbk 0.6219 TSPC PT. Ultrajaya Milk Industry & Trading Tbk 0.0474 ULTJ
0.165849 0.318097 0.402545 2.49261 1.706294 1.596548 1.986325 1.059803 1.295903 0.807577 1.273425 1.583233 0.928804 0.445526 0.493695 1.156045 0.695306 0.381679
0.26087 0.26087 0.23913 0.26087 0.26087 0.28261 0.30435 0.32609 0.28261 0.28261 0.28261 0.26087 0.23913 0.28261 0.26087 0.28261 0.30435 0.28261
0.54915 0.85903 0.71728 0.68978 0.7863 1.00062 0.54225 0.88001 0.92669 0.58178 0.54407 0.02676 0.10808 1.03732 0.15378 0.36236 0.58205 0.73717
0.83132 0.87844 0.62686 1.1386 0.45973 0.94989 0.32691 0.597 0.84249 0.72257 0.45369 0.88497 0.46325 0.29345 0.352 0.648 0.98298 0.53507
161
Data diolah tahun 2013 No. Nama Perusahaan 1 PT. Alumindo Light Metal Industry Tbk 2 PT. AsahimasFlat Glass Tbk 3 PT. Asiaplast Industries Tbk 4 PT. Budi Strach & Sweetener Tbk 5 PT. Charoen Pokphand Indonesia Tbk 6 PT. Citra Tubindo Tbk 7 PT. Delta Djakarta Tbk 8 PT. Darya-Varia Laboratoria Tbk 9 PT. Ekadharma International Tbk 10 PT. Indofood CBP Sukses Makmur Tbk 11 PT. Champion Pacific Indonesia Tbk 12 PT. Indal Aluminium Industry Tbk 13 PT. Indofood Sukses Makmur Tbk 14 PT. Indospring Tbk 15 PT. Indocement Tunggal Prakarsa Tbk 16 PT. Jembo Cable Company Tbk 17 PT. JAPFA Comfeed Indonesia Tbk 18 PT. Kimia Farma Tbk 19 PT. KMI Wire and Cable Tbk 20 PT. Kedaung Indah Can Tbk Berlanjut ke halaman selanjutnya
Kode ALMI AMFG APLI BUDI CPIN CTBN DLTA DVLA EKAD ICBP IGAR INAI INAI INDF INDS INTP JECC JPFA KAEF KBLI
MBVE 0.22552 0.21828 0.21938 0.05372 0.99614 0.01942 0.7125 0.21463 0.04926 0.4775 0.02798 0.08942 0.06743 2.03656 0.36403 0.16058 0.48778 0.31413 0.01208 0.15342
VDI 2.765907 0.282051 0.39276 1.7527 0.579977 0.449562 0.28155 0.301028 0.44548 0.603189 0.394271 2.76487 1.04824 0.253101 0.15796 0.739644 1.844034 0.521798 0.507949 0.33119
DER 0.26087 0.23913 0.30435 0.28261 0.26087 0.34783 0.28261 0.23913 0.23913 0.32609 0.23913 0.34783 0.30435 0.32609 0.23913 0.30435 0.21739 0.32609 0.28261 0.28261
CR 1.08585 0.78618 0.1331 0.21013 0.3323 0.12789 0.74182 0.4297 0.03032 0.04984 0.89338 0.0845 0.76247 0.88801 0.41302 0.90249 0.9225 0.93615 0.88653 0.01635
CAR 0.65714 0.89514 0.68003 0.25662 0.80673 0.47142 1.00864 0.41418 0.47132 0.55113 0.29752 0.43721 0.53263 1.80097 0.3358 0.7297 1.06273 0.75358 0.39826 0.35157
162
Data diolah tahun 2013 21 22 23 24 26 27 28 29 30 31 32 33 34 35 36 37 38 39
PT. Lion Metal Works Tbk PT. Lionmesh Prima Tbk PT. Martina Berto Tbk PT. Multi Bintang Indonesia Tbk PT. Mayora Indah Tbk PT. Nipress Tbk PT. Pelangi Indah Canindo Tbk PT. Prima Alloy Steel Universal Tbk PT. Ricky Putra Globalindo Tbk PT. Nippon Indosari Corpindo Tbk PT. Supreme Cable Manufacturing & Commerce Tbk PT. Sierad Produce Tbk PT. Sekar Laut Tbk PT. Holcim Indonesia Tbk PT. Siantar Top Tbk PT. Surya Toto Indonesia Tbk PT. Tempo Scan Pacific Tbk PT. Ultrajaya Milk Industry & Trading Tbk
KLBF LION LMSH MBTO MLBI MYOR NIPS PICO PRAS RICY ROTI SCCO SIPD SKLT STTP TOTO TSPC ULTJ
0.08839 0.97038 0.54487 0.25753 1.09705 0.81851 1.99702 1.19205 1.47661 1.27456 0.4802 1.92986 0.84477 2.03284 0.49512 1.96669 2.13646 1.04885
0.199102 0.282709 0.355517 0.804647 1.465201 2.383861 1.889764 0.95752 1.336611 1.315003 1.490115 1.455553 1.162468 0.697832 0.338471 1.117849 0.686069 0.399955
0.26087 0.26087 0.23913 0.28261 0.28261 0.28261 0.30435 0.32609 0.30435 0.28261 0.30435 0.26087 0.23913 0.28261 0.26087 0.28261 0.30435 0.28261
0.13356 0.60763 0.52064 0.21204 0.66198 0.68686 0.54604 0.5791 0.12684 0.58052 0.50478 0.48992 0.07349 0.60997 0.26185 0.60989 0.96557 0.25497
0.69196 0.98844 0.78831 0.85184 1.07887 0.90101 1.70276 1.10269 1.40885 1.17183 0.80833 1.49206 0.93615 1.2556 0.5567 1.75257 1.65168 1.02405
163
Data diolah tahun 2014 No. Nama Perusahaan 1 PT. Alumindo Light Metal Industry Tbk 2 PT. AsahimasFlat Glass Tbk 3 PT. Asiaplast Industries Tbk 4 PT. Budi Strach & Sweetener Tbk 5 PT. Charoen Pokphand Indonesia Tbk 6 PT. Citra Tubindo Tbk 7 PT. Delta Djakarta Tbk 8 PT. Darya-Varia Laboratoria Tbk 9 PT. Ekadharma International Tbk 10 PT. Indofood CBP Sukses Makmur Tbk 11 PT. Champion Pacific Indonesia Tbk 12 PT. Indal Aluminium Industry Tbk 13 PT. Indofood Sukses Makmur Tbk 14 PT. Indospring Tbk 15 PT. Indocement Tunggal Prakarsa Tbk 16 PT. Jembo Cable Company Tbk 17 PT. JAPFA Comfeed Indonesia Tbk 18 PT. Kimia Farma Tbk 19 PT. KMI Wire and Cable Tbk 20 PT. Kedaung Indah Can Tbk Berlanjut ke halaman selanjutnya
Kode ALMI AMFG APLI BUDI CPIN CTBN DLTA DVLA EKAD ICBP IGAR INAI INAI INDF INDS INTP JECC JPFA KAEF KBLI
MBVE 1.96085 1.43682 1.16243 0.48341 1.91446 0.48059 1.04101 0.80415 1.33394 1.78633 0.90144 0.19373 0.47163 1.22248 1.29472 1.87484 0.3985 0.23435 0.81628 2.02341
VDI 2.602943 0.298625 0.218943 1.83066 1.213107 0.423181 0.00038 0.325372 1.423077 0.823595 0.357162 2.282497 1.30952 0.399752 0.211145 1.641482 2.191838 0.802646 0.469265 0.353728
DER 0.26087 0.26087 0.30435 0.28261 0.26087 0.34783 0.28261 0.23913 0.23913 0.32609 0.23913 0.34783 0.30435 0.32609 0.26087 0.30435 0.21739 0.32609 0.28261 0.28261
CR 0.50701 0.57278 0.39487 0.16873 0.44869 0.31218 0.55925 0.48661 0.00332 0.25763 0.45867 0.13393 0.25527 0.02045 0.51358 0.68688 0.14414 0.00662 0.27612 0.03149
CAR 1.29406 1.25617 1.1223 0.71866 1.30753 0.62378 1.033 0.87685 1.15605 1.65584 0.96712 0.37038 0.61292 1.11353 1.17107 1.74599 0.51867 0.42203 0.91703 1.87127
164
21 22 23 24 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Data diolah tahun 2014 PT. Lion Metal Works Tbk 1.29647 KLBF PT. Lionmesh Prima Tbk 0.76468 LION PT. Martina Berto Tbk 1.75505 LMSH PT. Multi Bintang Indonesia Tbk 0.20853 MBTO PT. Mayora Indah Tbk 0.50412 MLBI PT. Nipress Tbk 1.66868 MYOR PT. Pelangi Indah Canindo Tbk 1.7125 NIPS PT. Prima Alloy Steel Universal Tbk 0.28174 PICO PT. Ricky Putra Globalindo Tbk 1.3154 PRAS PT. Nippon Indosari Corpindo Tbk 0.66344 RICY PT. Supreme Cable Manufacturing & Commerce Tbk 1.35114 ROTI PT. Sierad Produce Tbk 1.91166 SCCO PT. Sekar Laut Tbk 2.06381 SIPD PT. Holcim Indonesia Tbk 0.91535 SKLT PT. Siantar Top Tbk 0.49054 STTP PT. Surya Toto Indonesia Tbk 1.63661 TOTO PT. Tempo Scan Pacific Tbk 1.20054 TSPC PT. Ultrajaya Milk Industry & Trading Tbk 1.56782 ULTJ
0.41988 0.245725 0.381151 2.662929 2.01788 2.088763 1.986436 2.144202 2.110434 1.774315 1.286785 1.185758 1.3763 1.002222 0.499661 1.522552 0.886359 0.435527
0.26087 0.26087 0.23913 0.30435 0.28261 0.28261 0.32609 0.32609 0.30435 0.30435 0.30435 0.26087 0.26087 0.30435 0.28261 0.28261 0.30435 0.30435
0.10144 0.5824 0.59191 0.07916 0.44657 0.50242 0.42295 0.57236 0.0769 0.58874 0.60478 0.38229 0.04491 0.66093 0.47471 1.05745 0.13271 0.02435
1.07938 0.87913 1.4203 0.57818 0.6442 1.49321 1.37059 0.75686 1.17408 0.81751 1.16242 1.46436 1.64123 0.93992 0.67876 1.21408 1.11848 1.30853
165
Lampiran 4 Checklist pengungkapan sukarela No. Item Pengungkapan 1. Background Information a. Description of organization structure, including the description of authority and responsibility b. The effect of corporate strategy on current and future results are discussed c. Barriers to entry are discussed d. Impact of barriers to entry on current profits is discussion e. Impact of barriers to entry on future profits is discussion 2.
3.
4.
Financial Overview a. Information of expanses, classified as fixed and variable costs b. Information of expected return on a project to be done Key non-financial statistic a. Oreder backlog b. Percentage of erder backlog to be shipped next year c. Percentage of salesin products designed in the last 5 years d. Dollar/rupiah’s amount of new orders placed this year e. Rejection/defect rates f. Production lead time g. Break event sales $’s/Rp’s h. Volume of material consumed i. Price of materials consumed j. Ratios of input to output Projected information a. Comparison of previous earnings projection to actual earnings is provided b. Comparison of previous sales projection to actual sales is provided c. The impact opportunities availables to the firm on future sales or profit d. A forecast of market share is provided e. A cashflow is provided f. A projection of future (not commited) capital expenditure g. For single segment : 1. A projection of future profits is provided
Bobot 1 1 1 1 1 5 1 1 2 1 1 1 1 1 1 1 1 1 1 10 1 1 1 1 1 1
1 166
2. A projection on future sales is provided h. A project of future profits: multi segments 1. Forecast of each segment 2. Consolidated foreast 3. Forecast are point estimates i. A projection of future sales: multi segments 1. Forecast of each segment 2. Consolidated forecast 3. Forecast are point estimates j. Factor affecting future business-political k. Factor affecting future business-technology Management discussion and analysis a. Change in selling and administrative expenses b. Change in interest expense or interest income c. Change in inventory d. Change in capital expenditure or R & D Research and Development activities a. Company’s policy on research and development b. Discussion on future research and development activities c. Forecast of research and development expenditure d. Number of research personal employed Employee information a. Avarge compensation/welfare for employees b. Age of key emlpoyeees c. Aqual employment policy d. Description of problems faced in recruiting employees and actions taken to handle them e. Breakdown of emlpoyees by line of business f. Breakdown of emlpoyees by geographic area g. Categories of employees by sex h. Description of work safety, including the cost of safety measures i. Discussion of employe turnover 5.
Value added information a. Value added statement b. Value added ratios Total
1 1
1
1 1 10 1 1 1 1 4 1 1 1 1 4 1 1 1 1 1 1 1 1 1 9 1 1 2 46
167
Lampiran 5 Descriptive Statistics
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
CAR 0.787461 0.718970 1.871270 0.170000 0.366983 0.794234 3.149248
MBVE 0.577003 0.291000 2.181040 0.012080 0.616653 1.092922 3.010824
VDI 0.269455 0.260870 0.347830 0.195650 0.034992 0.026785 2.612276
DER 0.958773 0.685266 3.880536 0.000380 0.739145 1.037755 3.376725
CR 0.562171 0.570160 2.273770 0.003320 0.373286 0.874577 5.630450
Jarque-Bera Probability
20.68225 0.000032
38.82148 0.000000
1.244745 0.536670
36.15350 0.000000
81.07782 0.000000
Sum Sum Sq. Dev.
153.5549 26.12730
112.5156 73.77067
52.54363 0.237540
186.9607 105.9891
109.6233 27.03250
Observations
195
195
195
195
195
168
Uji Chow Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test
Statistic
Cross-section F Cross-section Chi-square
1.513377 62.572161
d.f.
Prob.
(38,152) 38
0.0421 0.0073
t-Statistic
Prob.
Cross-section fixed effects test equation: Dependent Variable: CAR Method: Panel Least Squares Date: 05/15/16 Time: 21:40 Sample: 2010 2014 Periods included: 5 Cross-sections included: 39 Total panel (balanced) observations: 195 Variable
Coefficient
MBVE VDI DER CR C
0.537918 0.832971 -0.011156 0.094674 0.210106
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.827389 0.823755 0.154065 4.509869 90.56330 227.6846 0.000000
Std. Error
0.018107 29.70740 0.330060 2.523693 0.015403 -0.724308 0.030134 3.141776 0.091557 2.294812 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
0.0000 0.0124 0.4698 0.0019 0.0228 0.787461 0.366983 -0.877572 -0.793649 -0.843593 2.039134
169
Uji Hausman Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects Chi-Sq. Statistic Chi-Sq. d.f.
Test Summary Cross-section random
9.008821
Prob.
4
0.0609
Random
Var(Diff.)
Prob.
0.535607 0.945009 -0.014534 0.102487
0.000047 0.261042 0.000665 0.000495
0.0946 0.0466 0.5055 0.0603
Cross-section random effects test comparisons: Variable MBVE VDI DER CR
Fixed 0.524129 1.961820 -0.031707 0.144290
Cross-section random effects test equation: Dependent Variable: CAR Method: Panel Least Squares Date: 05/15/16 Time: 21:41 Sample: 2010 2014 Periods included: 5 Cross-sections included: 39 Total panel (balanced) observations: 195 Variable
Coefficient
Std. Error
t-Statistic
Prob.
C MBVE VDI DER CR
-0.094300 0.524129 1.961820 -0.031707 0.144290
0.179700 0.018845 0.619432 0.030571 0.037600
-0.524766 27.81225 3.167127 -1.037169 3.837503
0.6005 0.0000 0.0019 0.3013 0.0002
Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.874769 0.840166 0.146717 3.271947 121.8494 25.27993 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
0.787461 0.366983 -0.808712 -0.086973 -0.516488 2.750795
170
Uji Normalitas 24
Series: Standardized Residuals Sample 2010 2014 Observations 195
20
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
16
12
8
4
-5.31e-16 -0.005399 0.425662 -0.332740 0.152547 0.395455 3.079235
Jarque-Bera Probability
5.133510 0.076784
0 -0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
0.4
Uji Multikolinieritas
MBVE
VDI
DER
CR
MBVE
1.000000
0.104329
0.077501
-0.081628
VDI
0.104329
1.000000
0.224558
-0.161399
DER
0.077501
0.224558
1.000000
0.011167
CR
-0.081628
-0.161399
0.011167
1.000000
171
Uji Park Dependent Variable: RES Method: Panel EGLS (Cross-section random effects) Date: 05/15/16 Time: 21:44 Sample: 2010 2014 Periods included: 5 Cross-sections included: 39 Total panel (balanced) observations: 195 Swamy and Arora estimator of component variances Variable
Coefficient
MBVE VDI DER CR C
-0.005186 0.018336 -0.002859 0.005330 0.020948
Std. Error
t-Statistic
0.003992 -1.299240 0.072760 0.252004 0.003395 -0.841893 0.006643 0.802319 0.020183 1.037873
Prob. 0.1954 0.8013 0.4009 0.4234 0.3006
Effects Specification S.D. Cross-section random Idiosyncratic random
0.000000 0.033963
Rho 0.0000 1.0000
Weighted Statistics R-squared 0.017502 Adjusted R-squared -0.003183 S.E. of regression 0.033522 F-statistic 0.846131 Prob(F-statistic) 0.497556
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.023151 0.033469 0.213513 2.322017
Unweighted Statistics R-squared Sum squared resid
0.017502 0.213513
Mean dependent var Durbin-Watson stat
0.023151 2.322017
172
Random Effect Dependent Variable: CAR Method: Panel EGLS (Cross-section random effects) Date: 05/15/16 Time: 21:45 Sample: 2010 2014 Periods included: 5 Cross-sections included: 39 Total panel (balanced) observations: 195 Swamy and Arora estimator of component variances Variable
Coefficient
MBVE VDI DER CR C
0.535607 0.945009 -0.014534 0.102487 0.180097
Std. Error
t-Statistic
0.017550 30.51841 0.350220 2.698329 0.016414 -0.885459 0.030307 3.381629 0.097424 1.848578
Prob. 0.0000 0.0076 0.3770 0.0009 0.0661
Effects Specification S.D. Cross-section random Idiosyncratic random
0.040287 0.146717
Rho 0.0701 0.9299
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.832344 0.828814 0.148639 235.8182 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
0.671063 0.359251 4.197754 2.177845
Unweighted Statistics R-squared Sum squared resid
0.827211 4.514517
Mean dependent var Durbin-Watson stat
0.787461 2.025036
173
Hasil Uji t (SPSS) Coefficientsa
Model 1 (Constant) mbve vdi der cr
Unstandardized Standardized Coefficients Coefficients B Std. Error Beta t .210 .092 2.295 .538 .018 .904 29.707 .833 -.011 .095
.330 .015 .030
.079 -.022 .096
2.524 -.724 3.142
Sig. .023 .000 .012 .470 .002
a. Dependent Variable: car
174
