BAB II TINJAUAN PUSTAKA
3.7 Teknik Analisis Data
3.7.2 Pengujian Hipotesis Penelitian
3.7.2.6 Analisis Regresi Logistik
Metode analisis yang digunakan dalam penelitian ini adalah analisis regresi logistik (logistic regression). Alasan penggunaan alat analisis regresi logistik (logistik regression) adalah karena variabel dependen bersifat dikotomi.
Menurut Ghozali (2006 : 225) “Asumsi multivariate normal distribution tidak dapat dipenuhi karena variabel bebas merupakan campuran antara variabel kontinyu (metrik) dan kategorial (non-metrik)”. Teknik analisis regresi logistik tidak lagi memerlukan uji normalitas dan uji asumsi klasik pada variabel bebasnya. Tahapan analisis pada regresi logistik terdiri dari penjelasan statistik deskriptif dan pengujian hipotesis penelitian. Adapun model regresi dalam penelitian ini adalah sebagai berikut:
Hedging = a + b1Growth + b2Distress + e
39
Keterangan:
Hedging : Keputusan Hedging
a : Konstanta
b1, b2 : Koefisien Regresi Growth : Growth Opportunity Distress : Financial Distress e : residual error
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN 4.1 Data Penelitian
Populasi yang digunakan dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2012–2017.
Berdasarkan rentang waktu selama 6 tahun, jumlah amatan keseluruhan adalah 336 perusahaan (56 perusahaan selama 6 tahun). Pengambilan sampel dilakukan dengan metode purposive sampling. Sampel perusahaan dapat dilihat dalam lampiran II.
4.2 Hasil Penelitian 4.2.1 Statistik Deskriptif
Statistik deskriptif digunakan untuk memberikan gambaran atau deskripsi meliputi nilai rata-rata (mean), nilai maksimum, nilai minimum, dan standar deviasi. Berikut adalah hasil statistik deskriptif yang dapat dilihat dalam tabel berikut:
Tabel 4.1
Growth Opportunity dan Financial Distress
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
G.O 336 -1,03 6,72 1,6983 1,41811
F.D 336 -1,23 11,31 3,3214 2,37172
Valid N (listwise)
336
Sumber : Data diolah peneliti, 2019
41
Dari tabel 4.1 dapat dilihat bahwa:
a. Jumlah amatan sebanyak 336 perusahaan yang terdiri dari 56 perusahaan manufaktur selama 6 tahun.
b. Nilai minimum Growth Opportunity diperoleh PT. Asia Pacific Investama Tbk pada tahun 2012 sebesar -1,03 atau -103%, nilai maksimum diperoleh PT.
Kimia Farma Tbk pada tahun 2016 sebesar 6,72 atau 672%, nilai mean 1,6983 dan standar deviasi 1,41811. Rata-rata growth opportunity menunjukkan penyimpangan data yang rendah karena standar deviasi growth opportunity lebih kecil dari nilai mean.
c. Nilai minimum financial distress diperoleh PT. Asia Pacific Investama Tbk pada tahun 2016 sebesar -1,23 atau -123%, nilai maksimum diperoleh PT.
Tempo Scan Pacific Tbk pada tahun 2012 sebesar 11,31, nilai mean 3,3214 dan standar deviasi 2,37172. Nilai standar deviasi yang lebih kecil dari mean menunjukkan penyimpangan data yang rendah karena standar deviasi financial distress lebih kecil dari nilai mean.
Tabel 4.2 Hedging
HED
Frequency Percent Valid Percent
Cumulative Percent
Valid Tidak melakukan hedging 249 74,1 74,1 74,1
Melakukan hedging 87 25,9 25,9 100,0
Total
336 100,0 100,0
Sumber: data diolah peneliti, 2019
Berdasarkan tabel 4.2, diketahui dari tahun 2012-2017, perusahaan yang tidak melakukan hedging sebanyak 249 atau 74,1% perusahaan, sementara perusahaan yang melakukan hedging sebanyak 87 atau 25,9%
4.2.2 Model Analisis
4.2.2.1 Menilai Model Fit dan Keseluruhan Model (Overall Model Fit) Dalam regresi logisitik, hasil selisih statistik -2 log likelihood antara model regresi logistik yang menggunakan satu set variabel bebas dan model yang lebih sederhana (simpler model) dapat digunakan untuk mengetahui apakah model regresi logistik yang menggunakan satu set variabel bebas lebih baik dalam hal mencocokkan atau menyesuaikan data dibandingkan model regresi logistik yang sederhana. Jika statistik -2 log likelihood pada model regresi logistik yang menggunakan satu set variabel bebas lebih kecil dibandingkan model yang lebih sederhana, maka model regresi logistik yang menggunakan satu set variabel bebas lebih baik dalam hal mencocokkan data dibandingkan model yang lebih sederhana tersebut.
Tabel 4.3 Likelihood Block 0
Iteration Historya,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1 384,837 -,964
2 384,339 -1,050
3 384,339 -1,052
4 384,339 -1,052
43
Tabel 4.4 Likelihood Block 1
Iteration Historya,b,c,d
Iteration -2 Log likelihood
Coefficients
Constant G.O F.D
Step 1 1 335,398 -1,198 ,572 -,222
2 329,794 -1,398 ,743 -,318
3 329,680 -1,417 ,770 -,337
4 329,680 -1,418 ,771 -,338
Sumber: data diolah peneliti, 2018
Dari Tabel 4.3 dapat dilihat bahwa -2 log likelihood awal pada block number = 0, yaitu model yang hanya memasukkan konstanta yang dapat dilihat pada step 4, memperoleh nilai sebesar 384,339. Kemudian pada Tabel 4.4 dapat dilihat nilai -2 LL akhir dengan block number =1, nilai -2log likelihood pada step 1 iterasi 4 adalah 329,680. Adanya penurunan nilai antara -2LL awal (initial-2LL function) dengan nilai -2LL pada langkah berikutnya (-2LL akhir) menunjukkan bahwa model yang dihipotesiskan fit dengan data (Ghozali, 2013).
Penurunan nilai -2 log likelihood menunjukkan bahwa model penelitian ini dinyatakan fit, artinya penambahan-penambahan variabel bebas yaitu growth opportunity dan financial distress ke dalam model penelitian akan memperbaiki model fit dalam penelitian ini.
4.2.2.2 Uji Kelayakan Model Regresi (Hosmer and Lemeshow’s Goodness of Fit Test)
Pada uji Hosmer Lemeshow menguji signifikansi kecocokkan antara predicted probabilities (nilai probabilitas berdasarkan hasil prediksi) dan observed probabilities (nilai probabilitas pengamatan). Hipotesis nol menyatakan tidak
terdapat perbedaan yang signifikan secara statistika antara predicted probabilities dan observed probabilities. Sementara hipotesis alternatif menyatakan terdapat perbedaan yang signifikan secara statistika antara predicted probabilities dan observed probabilities. Diterimanya hipotesis nol dapat diartikan bahwa variabel-variabel bebas yang digunakan dalam model mampu memprediksi dengan baik observed probabilities.
Tabel 4.5
Hosmer and Lemeshow Test
Hosmer and Lemeshow Test
Step Chi-square Df Sig.
1 11,756 8 ,162
Sumber: data diolahpeneliti, 2019
Berdasarkan Tabel 4.5, diketahui nilai Sig. atau probabilitas 0,162.
Karena nilai probabilitas (Sig.), yakni 0,162 lebih besar dibandingkan tingkat signifikansi, yaitu 0,05, maka hipotesis nol diterima, dan hipotesis alternatif ditolak. Hal ini berarti variabel-variabel bebas (secara simultan) mampu memprediksi dengan baik observed probabilities dari keputusan hedging.
4.2.2.3 Uji Regresi Logistik
Analisis data dalam penelitian ini dilakukan dengan menggunakan regresi logistik karena variabel dependen bersifat dikotomi yaitu perusahaan yang melakukan hedging (kode 1) dan perusahaan yang tidak melakukan hedging (kode 0). Teknik analisis regresi logistik tidak memerlukan asumsi normalitas data pada variabel bebasnya (Ghozali, 2013:171).
45
Tabel 4.6 Uji Regresi Logistik
Variables in the Equation
B S.E. Wald Df Sig. Exp(B)
Step 1a G.O ,771 ,116 44,296 1 ,000 2,162
F.D -,338 ,075 20,029 1 ,000 ,714
Constant -1,418 ,246 33,163 1 ,000 ,242
a. Variable(s) entered on step 1: G.O, F.D.
Sumber: data diolah peneliti, 2019
Persamaan regresi logistik terlihat dari nilai kolom B pada tabel 4.6 di atas sehingga diperoleh persamaan berikut ini:
Y = -1,418 + 0,771G.O – 0,338 F.D + e Di mana:
1. Konstanta sebesar -1,418 menyatakan bahwa jika tidak diperhitungkan nilai variabel growth opportunity dan financial distress maka kemungkinan penggunaan hedging adalah sebesar -1,418.
2. Variabel X1 yaitu growth opportunity menunjukkan nilai koefisien regresi sebesar 0,771 dengan tingkat signifikansi 0,000 lebih kecil dari 0,05 sehingga dapat disimpulkan bahwa financial distress berpengaruh positif dan signifikan terhadap penggunaan hedging. Tanda positif berarti bahwa semakin tinggi growth opportunity perusahaan akan cenderung melakukan hedging dan sebaliknya.
3. Variabel X2 yaitu financial distress menunjukkan nilai koefisien regresi sebesar -0,338 dengan tingkat signifikansi 0,000 lebih besar dari 0,05 sehingga dapat disimpulkan bahwa variabel ini berpengaruh negatif dan
signifikan terhadap penggunaan hedging. Tanda negatif berarti bahwa semakin rendah nilai financial distress yang diperoleh maka perusahaan akan cenderung melakukan hedging dan sebaliknya.
4.2.3 Uji Hipotesis
4.2.3.1 Uji Koefisien Determinasi (Nagelkerke R Square)
Dalam regresi logistik, dapat digunakan statistik Nagelkerke’s untuk mengukur kemampuan model regresi logistik dalam mencocokkan atau menyesuaikan data. Dengan kata lain, nilai statistik dari Nagelkerke’s dapat diinterpretasikan sebagai suatu nilai yang mengukur kemampuan variabel-variabel independen dalam menjelaskan atau menerangkan variabel dependen. Tabel 4.7 menyajikan nilai statistik dari Nagelkerke’s.
Tabel 4.7 Nagelkerke R Square
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 329,680a ,150 ,220
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.
Sumber: data diolah peneliti, 2019
Berdasarkan Tabel 4.7 dapat dilihat bahwa nilai statistik Nagelkerke R Square 0,220 atau 22% yang artinya nilai tersebut diinterpretasikan sebagai kemampuan variabel growth opportunity dan financial distress dalam mempengaruhi penggunaan hedging sebesar 22%, sisanya 78% dijelaskan oleh variabel-variabel atau faktor-faktor lain di luar model penelitian.
47
4.2.3.2 Uji Simultan (Uji Omnibus)
Pengujian secara simultan digunakan untuk menguji apakah model regresi logistik yang melibatkan variabel bebas (secara simultan/bersama-sama) berpengaruh signifikan dibandingkan model sebelumnya (model sederhana /parsial).
Jika nilai probabilitas (Sig.) lebih kecil dari tingkat signifikansi 0,05, maka disimpulkan bahwa model yang melibatkan variabel bebas (secara simultan) signifikan (secara statistika) lebih baik dalam hal mencocokkan data dibandingkan model sederhana.
Jika nilai probabilitas (Sig.) lebih besar dari tingkat signifikansi, maka disimpulkan bahwa model yang melibatkan variabel bebas (secara simultan) tidak signifikan (secara statistika) lebih baik dalam hal mencocokkan data dibandingkan model sederhana.
Hasil pengujian pengaruh variabel independen secara simultan terhadap variabel dependen dapat dilihat pada table Omnibus Test of Model Coefficients.
Tabel 4.8
Uji Signifikansi Model secara Simultan
Omnibus Tests of Model Coefficients
Chi-square Df Sig.
Step 1 Step 54,659 2 ,000
Block 54,659 2 ,000
Model 54,659 2 ,000
Sumber: data diolah peneliti, 2019
Berdasarkan Tabel 4.8, diperoleh nilai signifikansi sebesar 0,000 yang lebih kecil dari 0,05. Sehingga dapat disimpulkan bahwa variabel-variabel independen yang digunakan secara simultan berpengaruh signifikan terhadap keputusan hedging pada perusahaan manufaktur. Maka, kesimpulannya adalah growth opportunity dan financial distress berpengaruh positif dan signifikan secara simultan terhadap keputusan hedging.
4.2.3.3 Uji Parsial (Uji Wald)
Dalam regresi linear, baik sederhana maupun berganda, uji digunakan untuk menguji signifikansi dari pengaruh parsial. Pada regresi logistik, uji signifikansi pengaruh parsial dapat diuji dengan uji Wald. Dalam uji Wald, statistik yang diuji adalah statistik Wald (Wald statistic). Nilai statistik dari uji Wald berdistribusi chi-kuadrat. Pengambilan keputusan terhadap hipotesis dapat dilakukan dengan menggunakan pendekatan nilai probabilitas dari uji Wald.
Berikut aturan pengambilan keputusan berdasarkan pendekatan nilai probabilitas.
a. Jika nilai probabilitas (sig.) ≥ 0,05, H0 diterima dan H1 ditolak.
b. Jika nilai probabilitas (sig.) < 0,05, H0 ditolak dan H1 diterima.
Tabel 4.9
Uji Signifikansi Pengaruh Parsial
Variables in the Equation
B S.E. Wald Df Sig. Exp(B)
Step 1a G.O ,771 ,116 44,296 1 ,000 2,162
F.D -,338 ,075 20,029 1 ,000 ,714
Constant -1,418 ,246 33,163 1 ,000 ,242
a. Variable(s) entered on step 1: G.O, F.D.
Sumber: data diolah peneliti, 2019
49
Penguji penelitian hipotesis dilakukan dengan cara membandingkan antara tingkat signifikansi (sig) dengan signifikansi (α) = 5%. Berdasarkan Tabel 4.9 dapat diinterpretasikan hasil sebagai berikut.
1. Pengujian pengaruh growth opportunity terhadap keputusan hedging
Berdasarkan Tabel 4.9 menyatakan diketahui nilai Sig. dari growth opportunity adalah 0,000 < 0,05. Maka growth opportunity berpengaruh signifikan terhadap keputusan hedging. Diketahui nilai koefisien (B) dari growth opportunity adalah 0,771. Nilai koefisien yang bernilai positif dapat diartikan growth opportunity berpengaruh positif. Kesimpulannya adalah pertumbuhan perusahaan berpengaruh positif signifikan terhadap keputusan hedging.
2. Pengujian pengaruh financial distress terhadap keputusan hedging
Berdasarkan Tabel 4.9 menyatakan diketahui nilai Sig. dari financial distress adalah 0,000 > 0,05. Maka financial distress berpengaruh signifikan terhadap keputusan hedging. Diketahui nilai koefisien (B) dari financial distress adalah -0,338. Nilai koefisien yang bernilai negatif dapat diartikan financial distress berpengaruh negatif. Kesimpulannya adalah financial distress berpengaruh negatif dan signifikan terhadap keputusan hedging.
4.3 Pembahasan Hasil Penelitian
4.3.1 Pengaruh Growth Opportunity (X1) terhadap Keputusan Hedging (Y) Growth opportunity pada penelitian ini menunjukkan koefisien positif sebesar 0,771 dengan tingkat signifikansi 0,000 yang nilainya berada di bawah tingkat signifikansi 0,05 sehingga dapat disimpulkan bahwa growth opportunity
berpengaruh terhadap keputusan hedging. Penelitian yang dilakukan oleh Medina dan Muharam (2016) menghasilkan nilai B sebesar 0,589, dan nilai signifikansinya 0,000. Hasil dari penelitian yang dilakukan menunjukkan bahwa growth opportunity positif dan signifikansi lebih kecil dari 0,05, yang berarti growth opportunity berpengaruh terhadap penggunaan hedging sehingga dapat disimpulkan bahwa hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Medina dan Muharam (2016) namun tidak sejalan dengan penelitian yang dilakukan oleh Azwan, Ismail dan Rahman (2017) menghasilkan nilai B sebesar 0,247 dan nilai signifikansinya 0,247 bahwa lebih besar dari 0,05 maka berpengaruh positif namun tidak signifikan.
4.3.2 Pengaruh Financial Distress (X2) terhadap Keputusan Hedging (Y) Variabel financial distress yang diproksikan dengan Z-Score menunjukkan nilai koefisien negatif sebesar -0,338 dengan tingkat signifikansi 0,000 yang nilainya lebih kecil dari tingkat signifikansi 0,05 (5%) sehingga dapat disimpulkan financial distress berpengaruh signifikan terhadap keputusan penggunaan hedging. Tanda koefisien yang negatif menunjukkan bahwa perusahaan yangmendapatkan nilai z-score rendah akan cenderung melakukan hedging, sedangkan perusahaan yang mendapatkan nilai z-score tinggi akan cenderung tidak melakukan hedging. Argumen ini didasari anggapan bahwa perusahaan dengan nilai z-score rendah akan melakukan hedging untuk melindungi perusahaan dari risiko eksternal perusahaan yang mengakibatkan kondisi perrusaahn semakin buruk, dan sebaliknya. Hasil penelitian ini selaras
51
dengan penelitian yang dilakukan oleh Medina dan Muharam (2016) yang menyatakan bahwa financial distress berpengaruh negatif dan signifikan terhadap penggunaan hedging. Namun penelitian ini tidak konsisten dengan penelitian Nuzul dan Lautania (2015) yang menyatakan bahwa financial distress tidak berpengaruh terhadap penggunaan hedging.
BAB V
KESIMPULAN DAN SARAN 5.1 Kesimpulan
Berdasarkan hasil pengujian hipotesis yang mengacu pada perumusan masalah dan tujuan penelitian maka penulis menarik kesimpulan-kesimpulan sebagai berikut:
1. Growth opportunity berpengaruh positif dan signifikan terhadap penggunaan hedging. Peningkatan atau penurunan nilai pasar saham merupakan faktor yang penting yang menjadi pertimbangan dalam memutuskan penggunaan hedging.
2. Financial distress berpengaruh negatif dan signifikan terhadap keputusan hedging. Peningkatan atau penurunan nilai Z-Score merupakan faktor pendukung yang menjadi pertimbangan dalam memutuskan penggunaan hedging.
3. Berdasarkan nilai statistik Nagelkerke, kemampuan variabel growth opportunity, dan financial distress perusahaan dalam mempengaruhi keputusan penggunaan hedging sebesar 22%, sisanya 78% dijelaskan oleh variabel-variabel atau faktor-faktor lain di luar model penelitian.
4. Berdasarkan hasil uji Omnibus Test, model yang melibatkan variabel bebas (secara simultan) signifikan (secara statistika) lebih baik dalam hal mencocokkan data dibandingkan model sederhana.
53
5.2 Keterbatasan Penelitian
Adapun yang menjadi keterbatasan dalam penelitian ini adalah hanya meneliti dua faktor yang menyebabkan perusahaan melakukan hedging.
5.3 Saran
Berdasarkan hasil dan keterbatasan penelitian ini terdapat berbagai saran untuk penelitian selanjutnya, yaitu:
1. Untuk peneliti selanjutnya, bisa menambah variabel bebas atau faktor-faktor lain yang memiliki hubungan erat terhadap penggunaan hedging sehingga hasil penelitian lebih mampu untuk memprediksi keputusan penggunaan hedging dengan lebih tepat dan akurat.
2. Penelitian selanjutnya dapat dilakukan dengan menambah periode tahun yang diteliti karena penelitian ini hanya menggunakan periode 2012-2017.
3. Bagi investor dan calon investor untuk mengamati laporan keuangan dan lebih memperhatikan penggunaan hedging dan pertumbuhan perusahaan dalam upaya menginvestasikan dana mereka pada perusahaan yang tepat.
DAFTAR PUSTAKA
Ahmad, N., & Haris B. (2012). Factors for Using Derivatives: Evidence from Malaysian Non-Financial Companies. Research Journal of Finance and Accountancy, 3(9), 79-87.
Altman, Edward dan Hotchkiss, Edith. (2006). Corporate Financial Distress and Bankcruptcy. Third Edition, John Wiley & Sons, Inc., New Jersey.
Ameer, R.. (2010). Determinants of Corporate Hedging Practices in Malaysia.
International Business Research, 3(2), 120-130.
Ariani, N. N. N., & Sudiartha, G. M. (2017). Pengaruh Leverage, Profitabilitas dan Likuiditas terhadap Keputusan Hedging Perusahaan Sektor Pertambangan Di Bursa Efek Indonesia. Jurnal Manajemen Unud, 6(1), 347-374.
Azwan, M., Ismail, N., & Rahman, H. (2017). The Use of Derivatives to Hedge Risk for Plantation and Property Companies in Malaysia. Academia Journal, 6, 38-47.
Brigham,E. F., & Houston, J. F. (2010). Dasar-Dasar Manajemen Keuangan.
Buku 1 edisi 11, Salemba Empat, Jakarta.
Erlina. (2011). Metodologi Penelitian Bisnis. Medan: USU Press.
Fahmi, I. (2016). Manajemen Risiko Teori, Kasus, dan Solusi, Edisi Revisi, Bandung: Alfabeta.
Ghozali, I. (2016). Aplikasi Analisis Multivariate dengan Program SPSS 23.
(Edisi 8), Semarang: Badan Penerbit Universitas Diponegoro.
Guniarti, F. (2014). Faktor-Faktor yang Mempengaruhi Aktifitas Hedging Dengan Instrument Derivatif Valuta Asing.Jurnal Dinamika Manajemen. 5(1),65-79.
Hady, H. (2012). Manajemen Keuangan Internasional, (Edisi Ketiga), Mitra Wacana Media, Jakarta.
Horne, J. C., & Wachowicz, J. M. (2014). Prinsip-Prinsip Manajemen Keuangan. Buku 1 (edisi 13), Salemba Empat, Jakarta.
Kasidi. (2010). Manajemen Risiko, Cetakan. 1, Ghalia Indonesia, Semarang.
Kuncoro, M. (2009). Metode Riset untuk Bisnis dan Ekonomi, (Edisi Ketiga), Erlangga, Jakarta.
Madura, J. (2000). Manajemen Keuangan Internasional, (Edisi Keempat), Erlangga, Jakarta.
55
Mediana, I., & Muharam, H. (2016). Analisis Faktor- Faktor Yang Mempengaruhi Pengambilan Keputusan Lindung Nilai (Hedging) Menggunakan Instrumen Derivatif (Studi Kasus Pada Perusahaan Manufaktur Dan Perusahaan Energi Dan Sumber Daya Mineral Yang Terdaftar Di Bei Periode 2010-2014). Diponegoro Journal of Management, 5(2), 1-14.
Nuzul, H., & Lautania, M. F. (2015). Pengaruh Leverage, Financial Distress dan Growth Options terhadap Aktivitas Hedging pada Perusahaan Non-Keuangan yang Terdaftar Di Bursa Efek Indonesia.Jurnal Dinamika Akuntansi Dan Bisnis JDAB, 2(2), 104-113.
Platt, H. & Platt. M. B. (2006). Comparing Financial Distress and Banckrupcy.
Working Paper.
Putro, S. H. (2012). Analisis Faktor yang Mempengaruhi Penggunaan Instrumen Derivatif sebagai Pengambil Keputusan Hedging. Diponegoro Business Review, 1(1), 1-12.
Sadalia, I. (2003). Risiko Sistematis Keputusan Hedging dan Nilai Perusahaan Manufaktur Terbuka di Indonesia. Universitas Sumatera Utara Press, Medan.
Saragih, D. F., & Nugroho. (2014). Dasar-dasar Keuangan Internasional, (Edisi Pertama), Raja Grafindo Bersama, Depok.
Shaari, N. A., Hasan, N. A., Palanimally, Y. R., Moona, K., & Mohamed, H.
(2013). The Determinants of Derivative Usage: A Study on Malaysian Firms. Interdisciplinary Journal of Contemporary Research in Business, 5(2), 300-316.
Sugiyono. (2016). Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung:
Alfabeta.
Syahrial, D. (2014). Manajemen Keuangan Lanjutan, Edisi Pertama. Jakarta:
Mitra Wacana Media.
Sianturi, C. N., & Pangestuti, I.R. D. (2015). Pengaruh Liquidity, Firm Size, Growth Opportunity, Financial Distress, Leverage dan Managerial Ownership Terhadap Aktivitas Hedging Dengan Instrumen Derivatif (Studi Kasus Pada Perusahaan Nonfinansial Yang Terdaftar Di BEI periode 2010-2014.
Diponegoro Journal Of Management, 4(4), 1-13.
Vural-Yavas, C. (2016). Determinants of Corporate Hedging: Evidence from Emerging Market. International Journal of Economics and Finance,8(12), 151-162.
www.bi.go.id (diakses pada tanggal 28 Agustus 2018) www.idx.co.id (diakses tanggal 28 Juli 2018)
57
LAMPIRAN
Lampiran i Tabel Pengambilan Sampel Dengan Kriteria
No Kode Nama Perusahaan Kriteria Sampel
1 2 3
28 CINT Chitose Internasional Tbk X
29 CNTX Centex Tbk √ X
59
99 POLY Asia Pacific Fibers Tbk √ X
105 RMBA Bentoel Internasional Investama Tbk √ X
106 ROTI Nippon Indosari Corpindo Tbk √ √ X
107 SCCO Supreme Cable Manufacturing Corporation Tbk
√ √ 42
108 SCPI Merck Sharp Dohme Pharma Tbk √ X
109 SIAP Sekawan Intipratama Tbk √ √ X
110 SIDO Industri Jamu dan Farmasi Sido Muncul Tbk
61
132 TIRT Tirta Mahakam Resources Tbk √ √ 50
133 TKIM Pabrik Kertas Tjiwi Kimia Tbk √ X
134 TOTO Surya Toto Indonesia Tbk. √ √ √ 51
135 TPIA Chandra Asri Petrochemical Tbk. √ X
136 TRIS Trisula International Tbk. √ √ √ 52
137 TRST Trias Sentosa Tbk. √ √ √ 53
138 TSPC Tempo Scan Pacific Tbk. √ √ 54
139 ULTJ Ultra Jaya Milk Industry Tbk √ √
140 UNIC Unggul Indah Cahaya Tbk √ X
141 UNIT Nusantara Inti Corpora Tbk √ √ X
142 UNTX Unitex Tbk X
143 UNVR Unilever Indonesia Tbk √ √
144 VOKS Voksel Electric Tbk √ √ 55
145 WIIM Wismilak Inti Makmur Tbk √ X
146 WSBP Waskita Beton Precast Tbk √ X
147 WTON Wijaya Karya Beton √ √ X
148 YPAS Yanaprima Hastapersada Tbk √ √ 56
Lampiran ii Daftar Perusahaan yang Menjadi Sampel
No. Kode Nama Perusahaan
1 ADES Akasha Wira International Tbk 2 AKPI Argha Karya Prima Industry Tbk 3 ALDO Alkindo Naratama Tbk
4 ALKA Alakasa Industrindo Tbk
5 ALMI Alumindo Light Metal Industry Tbk 6 AMFG Asahimas Flat Glass Tbk
7 ASII Astra International Tbk 8 AUTO Astra Otoparts Tbk
9 BIMA Primarindo Asia Infrastructure Tbk 10 BRNA Berlina Tbk
11 BUDI Budi Starch & Sweetener Tbk 12 CEKA Wilmar Cahaya Indonesia Tbk.
13 DVLA Enseval Putra Megatrading Tbk 14 EKAD Ekadharma International Tbk 15 FASW Fajar Surya Wisesa Tbk 16 GJTL Gajah Tunggal Tbk
17 HDTX Panasia Indo Resources Tbk 18 ICBP Indofood CBP Sukses Makmur Tbk 19 IGAR Champion Pacific Indonesia Tbk 20 IMAS Indomobil Sukses Internasional Tbk 21 INAF Indofarma Tbk
22 INAI Indal Aluminium Industry Tbk 23 INDF Indofood Sukses Makmur Tbk 24 INDS Indospring Tbk
25 INTP Indocement Tunggal Prakarsa Tbk 26 JECC Jembo Cable Company Tbk 27 JPFA Japfa Comfeed Indonesia Tbk 28 KAEF Kimia Farma Tbk
29 KBLI KMI Wire and Cable Tbk.
63 31 KIAS Keramika Indonesia Assosiasi Tbk 32 KICI Kedaung Indah Can Tbk
33 LMPI Langgeng Makmur Industri Tbk 34 LPIN Multi Prima Sejahtera Tbk 35 MAIN Malindo Feedmill Tbk 36 MLIA Mulia Industrindo Tbk 37 MRAT Mustika Ratu Tbk 38 MYOR Mayora Indah Tbk
39 MYTX Asia Pacific Investama Tbk.
40 NIPS Nipress Tbk
41 RICY Ricky Putra Globalindo Tbk
42 SCCO Supreme Cable Manufacturing Corporation Tbk 43 SKLT Sekar Laut Tbk
44 SMCB Holcim Indonesia Tbk
45 SMGR Semen Indonesia (Persero) Tbk 46 SMSM Selamat Sempurna Tbk
47 SPMA Suparma Tbk
48 STTP Siantar Top Tbk
49 TCID Mandom Indonesia Tbk 50 TIRT Tirta Mahakam Resources Tbk 51 TOTO Surya Toto Indonesia Tbk.
52 TRIS Trisula International Tbk.
53 TRST Trias Sentosa Tbk.
54 TSPC Tempo Scan Pacific Tbk.
55 VOKS Voksel Electric Tbk
56 YPAS Yanaprima Hastapersada Tbk
Lampiran iii Alumindo Light Metal Industry
Tbk 0,31 0,28 0,27 0,22 0,36 0,32 Indomobil Sukses Internasional
Tbk 0,91 2,83 2,65 2,98 2,54 1,93
65
Multi Prima Sejahtera Tbk 1,21 0,74 0,95 0,98 1,22 0,60 Malindo Feedmill Tbk 2,90 3,24 3,53 3,72 1,67 3,97 Mulia Industrindo Tbk 0,25 0,77 0,60 0,61 0,45 0,44
Mustika Ratu Tbk 0,54 0,53 0,40 0,24 0,24 0,24
Mayora Indah Tbk 5,00 5,90 4,58 5,25 5,87 6,14
Asia Pacific Investama Tbk. -1,03 -0,32 -0,69 -0,13 -0,10 -0,58
Nipress Tbk 0,41 0,99 1,24 1,37 0,69 0,93
Ricky Putra Globalindo Tbk 0,30 0,30 0,29 0,26 0,24 0,22 Supreme Cable Manufacturing
Corporation Tbk 1,27 1,28 1,00 0,83 1,23 0,68
Sekar Laut Tbk 0,96 0,89 1,51 1,68 1,72 2,47
Holcim Indonesia Tbk 2,64 1,99 1,95 0,90 0,92 0,76 Semen Indonesia (Persero) Tbk 5,18 3,85 3,84 2,46 1,78 1,93 Selamat Sempurna Tbk 4,49 4,93 6,09 4,76 3,57 3,95
Suparma Tbk 0,56 0,61 0,37 0,20 0,38 0,38
Siantar Top Tbk 2,37 2,93 4,63 3,92 3,58 4,12
Mandom Indonesia Tbk 1,60 1,73 1,81 1,93 1,41 1,94 Tirta Mahakam Resources Tbk 0,67 0,89 0,87 0,55 0,80 0,73 Surya Toto Indonesia Tbk. 2,67 2,68 3,59 4,81 3,37 3,49 Trisula International Tbk. 1,40 1,42 1,20 0,95 1,01 0,91 Trias Sentosa Tbk. 0,42 0,41 0,61 0,44 0,44 0,53 Tempo Scan Pacific Tbk. 4,00 3,79 3,16 1,82 1,91 1,59 Voksel Electric Tbk 1,42 1,02 1,31 1,60 1,82 1,59 Yanaprima Hastapersada Tbk 2,72 2,58 2,08 3,55 3,95 5,07
Lampiran iv
67
Malindo Feedmill Tbk 5,32 5,91 2,46 2,40 2,87 2,00 Mulia Industrindo Tbk 0,19 -0,88 0,34 0,09 0,18 0,90
Mustika Ratu Tbk 4,65 4,86 2,99 2,66 2,58 2,41
Mayora Indah Tbk 4,31 5,56 4,21 5,46 6,26 6,58
Asia Pacific Investama Tbk. -0,49 -0,99 0,31 -1,19 -1,23 -0,62
Nipress Tbk 2,03 2,12 2,10 1,36 1,45 1,49
Ricky Putra Globalindo Tbk 1,65 1,52 1,59 1,26 1,25 1,50 Supreme Cable Manufacturing
Corporation Tbk 4,17 3,95 3,99 3,83 3,67 2,94
Sekar Laut Tbk 2,76 3,07 3,15 3,20 2,37 3,25
Holcim Indonesia Tbk 5,10 3,00 1,98 1,20 2,59 2,57 Semen Indonesia (Persero) Tbk 7,59 8,99 8,76 5,99 4,26 3,54 Selamat Sempurna Tbk
6,41 8,03 9,99 8,47 8,49 10,7 4
Suparma Tbk 1,53 1,22 1,39 0,79 1,67 1,63
Siantar Top Tbk 2,98 4,14 4,89 5,14 4,37 6,23
Mandom Indonesia Tbk 9,57 6,50 6,08 8,92 6,71 7,21 Tirta Mahakam Resources Tbk 0,61 -0,99 1,15 0,98 0,92 0,94 Surya Toto Indonesia Tbk. 6,09 6,77 4,84 5,48 5,10 4,53 Trisula International Tbk. 4,37 4,24 3,39 3,15 2,82 3,18
Trias Sentosa Tbk. 2,40 1,82 1,74 1,65 1,59 1,68
Tempo Scan Pacific Tbk. 11,31 9,66 8,19 5,39 5,79 4,95 Voksel Electric Tbk 2,68 2,00 1,61 1,72 2,82 2,52 Yanaprima Hastapersada Tbk 3,27 1,82 2,88 3,72 3,51 3,10
Lampiran v
Alumindo Light Metal Industry
Tbk 0 0 0 0 1 0
Indomobil Sukses Internasional
Tbk 0 1 1 1 1 1
69
Multi Prima Sejahtera Tbk 0 0 0 0 1 0
Malindo Feedmill Tbk 0 0 0 1 0 1
Mulia Industrindo Tbk 0 1 0 0 0 0
Mustika Ratu Tbk 0 0 0 0 0 0
Mayora Indah Tbk 1 1 1 1 1 1
Asia Pacific Investama Tbk. 0 1 0 1 1 0
Nipress Tbk 0 0 0 1 1 1
Ricky Putra Globalindo Tbk 0 0 0 0 0 0
Supreme Cable Manufacturing
Corporation Tbk 0 0 0 0 0 0
Sekar Laut Tbk 0 0 0 0 0 0
Holcim Indonesia Tbk 0 0 0 0 0 0
Semen Indonesia (Persero) Tbk 1 1 1 1 1 1
Selamat Sempurna Tbk 1 1 1 1 1 1
Suparma Tbk 0 1 0 0 0 0
Siantar Top Tbk 0 0 0 0 0 0
Mandom Indonesia Tbk 0 0 0 0 0 0
Tirta Mahakam Resources Tbk 0 1 0 0 0 0
Surya Toto Indonesia Tbk. 0 0 1 1 1 1
Trisula International Tbk. 0 0 0 0 0 0
Trias Sentosa Tbk. 0 0 0 1 1 1
Tempo Scan Pacific Tbk. 0 0 0 0 0 0
Voksel Electric Tbk 1 1 1 1 1 1
Yanaprima Hastapersada Tbk 0 0 0 0 0 0
Lampiran vi Data Output SPSS
Logistic Regression Block 0: Beginning Block
Iteration Historya,b,c Iteration -2 Log likelihood
Coefficients
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 384,339
c. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.
Block 1: Method = Enter
Iteration Historya,b,c,d Iteration -2 Log likelihood
Coefficients
b. Constant is included in the model.
b. Constant is included in the model.