BAB II TINJAUAN PUSTAKA
2.4 Hipotesis
Hipotesis merupakan jawaban sementara yang bersifat praduga terhadap suatu masalah yang masih perlu dibuktikan kembali kebenarannya. Berdasarkan latar belakang masalah, rumusan masalah, landasan teori dan kerangka konseptual, maka hipotesis penelitian adalah sebagai berikut:
H1: Growth opportunity memiliki pengaruh yang positif terhadap keputusan hedging.
H2: Financial distress memiliki pengaruh yang negatif terhadap keputusan hedging.
H3: Growth opportunity dan financial distress berpengaruh secara simultan terhadap keputusan hedging.
29
BAB III
METODE PENELITIAN 3.1 Jenis Penelitian
Penelitian ini merupakan penelitian kausal. Penelitian kausal adalah penelitian yang bertujuan untuk melihat apakah suatu variabel yang berperan sebagai variabel bebas berpengaruh terhadap variabel lain yang menjadi variabel terikat. Penelitian ini bertujuan untuk mengetahui apakah terdapat hubungan antara growth opportunity, dan financial distress terhadap keputusan hedging.
3.2 Tempat dan Waktu Penelitian
Penelitian ini dilakukan pada perusahaan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI). Maka data-data yang digunakan bersumber dari data yang disediakan oleh Bursa Efek Indonesia (BEI), dilihat melalui laporan keuangan perusahaan manufaktur pada tahun 2012-2017.
Penelitian ini dimulai dari bulan September.
3.3 Definisi Operasional dan Pengukuran Variabel
Definisi operasional adalah sebuah konsep yang didefinisikan secara operasional untuk membuatnya bisa diukur, dilakukan dengan melihat karakteristik dari objek yang kemudian diterjemahkan kedalam elemen yang dapat diamati dan diukur dalam riset (Sekaran, 2006:4).
3.3.1 Variabel Dependen
Menurut Sekaran (2006:116) variabel dependen adalah variabel yang menjadi perhatian utama peneliti. Variabel dependen merupakan variabel yang
dipengaruhi atau yang menjadi akibat karena adanya variabel bebas.
Variabel dependen yang digunakan dalam penelitian ini adalah Keputusan Hedging (Y). Hedging adalah tindakan yang dilakukan untuk melindungi sebuah perusahaan dari eksposur terhadap fluktuasi nilai tukar (Madura, 2000:400). Tindakan keputusan hedging biasanya dilakukan berkaitan dengan kondisi mengantisipasi timbulnya fluktuasi valuta asing di pasar. Menurut Shook (dalam Fahmi, 2016:14) hedging adalah menukar valuta asing di masa depan dengan mata uang lokal untuk melindungi uang tersebut dari perubahan nilai tukar.
Penelitian ini melihat data laporan keuangan tahunan perusahaan.
Variabel hedging menggunakan variabel dummy. Apabila perusahaan menggunakan instrumen derivatif dalam aktivitas hedging, diberi angka 1 sebagai kategori bahwa perusahaan melakukan aktivitas hedging, dan diberi angka 0 apabila perusahaan tidak melakukan penggunaan instrumen derivatif dalam aktivitas hedging.
3.3.2 Variabel Independen
Variabel independen adalah variabel yang memepengaruhi variabel terikat, baik secara positif atau negatif. Dengan kata lain, varians variabel dependen ditentukan oleh variabel independen. Dalam penelitian ini yang menjadi variabel independen adalah growth opportunity dan financial distress.
3.3.2.1 Growth Opportunity
Growth opportunity adalah suatu kondisi yang menggambarkan
31
tentang luasnya kesempatan atau peluang investasi bagi suatu perusahaan (Nuzul dan Lautania, 2015).
Peluang pertumbuhan perusahaan yang tinggi ditunjukkan dengan nilai pasar ekuitas yang semakin baik. Pertumbuhan Perusahaan adalah perbandingan antara MVE (market value of equity) dan BVE (book value of equity). Secara matematis dapat diformulasikan sebagai berikut:
Market to Book Ratio = Market Value of Equity Book Value of Equity
Nilai pasar ekuitas perusahaan (market value of equity) diperoleh dengan cara mengkalikan harga pasar saham per lembar dikalikan dengan jumlah saham yang beredar. Nilai buku ekuitas (book value of equity) diperoleh dari total ekuitas yang ada di Laporan Posisi Keuangan.
3.3.2.2 Financial Distress
Financial distress adalah suatu kondisi kesulitan keuangan yang sedang dialami oleh perusahaan. Hal ini ditandai dengan adanya kesulitan perusahaan dalam memenuhi kewajiban-kewaibannya. Pengukuran tingkat kesulitan keuangan diproksikan dengan Z-Score. Z-Score Altman ditentukan dengan menggunakan rumus sebagai berikut:
Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5 Keterangan :
Z : Overall Index
X1: Working Capital to Total Assets (modal kerja dibagi total aktiva)
X2: Retained Earnings to Total Assets (laba ditahan dibagi total aktiva)
X3: Earnings Before Interest and Taxes to Total Assets (laba sebelum pajak dan bunga dibagi total aktiva)
X4: Market Value of Equity to Book Value of debt (nilai pasar modal dibagi dengan nilai buku hutang)
X5: Sales to Total Assets (penjualan dibagi total aktiva)
Identifikasi variabel dan definisi operasional secara terperinci disajikan dalam Tabel 3.1.
Tabel 3.1
Definisi Operasional dan Skala Pengukuran
No Variabel Defenisi Pengukuran Skala
1. Hedging Penggunaan instrumen derivatif untuk sarana lindung nilai.
Pemberian kode 1 untuk perusahaan yang melakukan hedging dan 0 untuk perusahaan yang tidak melakukan hedging
Growth Opportunity = MVE BVE
Menurut Sugiyono (2010:117) populasi adalah wilayah generalisasi yang terdiri dari obyek/subyek yang mempunyai karakteristik tertentu. Populasi ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.
Erlina (2008:75) populasi adalah sekelompok orang, kejadian, suatu yang
33
mempunyai karakteristik tertentu. Jadi populasi bukan hanya orang, tetapi juga obyek dan benda-benda alam yang lain. Dalam penelitian ini yang menjadi populasi adalah Perusahaan Manufaktur yang terdaftar di Bursa Efek Indonesia tahun 2012-2017.
Sampel penelitian merupakan bagian dari populasi yang akan diteliti.
Penetapan sampel diambil dengan cara tertentu yang ditetapkan oleh peneliti.
Pengambilan sampel dalam penelitian ini menggunakan metode purposive sampling. Purposive sampling adalah teknik penentuan sampel dengan pertimbangan tertentu (Sugiono, 2010:156). Adapun pemilihan sampel didasarkan pada beberapa kriteria-kriteria tertentu, meliputi:
1. Perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2012-2017.
2. Perusahaan mempublikasikan laporan keuangan yang telah diaudit oleh auditor independen dinyatakan dalam mata uang rupiah.
3. Perusahaan yang memiliki eksposur transaksi (hutang dan piutang dalam mata uang asing).
Metode purposive sampling digunakan karena penelitian ini meneliti aktivitas hedging perusahaan yang memiliki eksposur transaksi, sehingga perusahaan yang tidak memiliki eksposur transaksi tidak termasuk dalam sampel penelitian.
Tabel 3.2
2. Perusahaan mempublikasikan laporan keuangan yang telah diaudit oleh auditor independen dan dinyatakan dalam mata uang rupiah
(41) 98
3. Perusahaan yang memiliki eksposur transaksi (hutang dan piutang dalam mata uang asing)
(42) 56
Sumber: Hasil Olahan Peneliti, 2018
Berdasarkan pada kriteria yang dikemukakan diatas sampel dalam penelitian diatas berjumlah 56 perusahaan yang diambil dari populasi 148 perusahaan manufaktur dengan 6 tahun penelitian, sehingga jumlah data amatannya 336 amatan. Daftar perusahaan yang menjadi sampel dilampirkan di daftar lampiran.
3.5 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder merupakan data yang sudah tersedia yang dikutip oleh peneliti untuk kepentingan penelitiannya. Data sekunder yang diperoleh adalah annual report (laporan tahunan) perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2012-2017. Data yang digunakan berasal dari situs resmi Bursa Efek Indonesia (BEI) yaitu www.idx.co.id.
35
3.6 Metode Pengumpulan Data
Pengumpulan data dalam penelitian ini menggunakan metode studi dokumentasi, dimana peneliti mengumpulkan data, teori dan berbagai informasi lainnya yang relevan terhadap permasalahan yang akan diteliti yang diperoleh dari sumber data sekunder. Data-data ini diperoleh dari situs Bursa Efek Indonesia (www.idx.co.id) dan berbagai macam literature lainnya yang berkaitan dengan permasalahan yang diteliti.
3.7 Teknik Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini adalah analisis deskriptif dan analisis regresi logistik. Untuk memperoleh hasil dalam menarik kesimpulan penelitian maka data-data yang diperoleh dikalkulasikan menggunakan alat uji statistik SPSS. Alasan menggunakan regresi logistik adalah variabel dependen merupakan variabel dummy, yaitu hanya terdiri atas dua nilai, yang mewakili kemunculan atau tidak adanya suatu kejadian yang biasanya diberi angka 0 atau angka 1. Tahapan analisis regresi logistik (Iogistic Regression) diantaranya dilakukan pengujian kelayakan model regresi, menilai kelayakan model regresi (Goodness of Fit Test), menilai model fit (Overall Model Fit), uji regresi. Metode analisis data yang digunakan untuk menguji hipotesis dalam penelitian ini adalah statistik deskriptif yang digunakan untuk memberikan gambaran mengenai variabel-variabel dalam penelitian ini. Berikut ini penjelasan mengenai metode analisis dalam penelitian ini.
3.7.1 Statistik Deskriptif
Statistik deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap objek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum (Sugiyono, 2011). Statistik deskriptif dilakukan dengan tujuan untuk memperoleh gambaran umum tentang data sampel yang meliputi perhitungan rata-rata, median, standar deviasi, nilai maksimum dan nilai minimum.
3.7.2 Pengujian Hipotesis Penelitian
Pengujian dengan model regresi logistik yang digunakan dalam penelitian ini untuk mengetahui pengaruh dari masing-masing variabel independen terhadap variabel dependen. Kriteria pengujian:
a. Tingkat kepercayaan yang digunakan adalah 95% atau taraf signifikansi 5%
(𝛼 = 0,05).
b. Kriteria penerimaan atau penolakan hipotesis didasarkan pada signifikansi p-value. Jika taraf signifikansi > 0,05 Ho diterima, jika taraf signifikansi < 0,05 Ho ditolak.
3.7.2.1 Menilai Keseluruhan Model (Overall Model Fit)
Uji ini digunakan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data. Pengujian dilakukan dengan membandingkan nilai antara -2 log likelihood pada awal (block number = 0) dengan nilai --2 log likelihood pada akhir (block number = 1). Adanya pengurangan nilai antara 2LogL awal (initial
-37
2LL function) dengan -2LogL pada langkah berikutnya menunjukkan bahwa model yang dihipotesiskan fit dengan data (Ghozali, 2006).
3.7.2.2 Menilai Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lameshow’s Goodness of Fit Test. Adapun hipotesis untuk menilai kelayakan model ini adalah:
Ho : Tidak ada perbedaan antara model dengan data Ha : Ada perbedaan antara model dengan data
Jika nilai statistik Hosmer and Lameshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05, maka berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistik Hosmer and Lameshow’s Goodness of Fit Test lebih besar dari 0,05, maka berarti model mampu mempredisi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya (Ghozali, 2006).
3.7.2.3 Koefisien Determinasi (Nagelkerke R Square)
Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan dengan nilai Nagelkerke R square. Nilai Nagelkerke R square menunjukkan variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen, sedangkan sisanya dijelaskan oleh variabel-variabel lain di luar model penelitian. Nilai Nagelkerke R square dikatakan baik jika di atas 0,5 karena nilai Nagelkerke R Square berkisar antara 0 sampai 1.
3.7.2.4 Pengujian Hipotesis Secara Simultan
Pengujian hipotesis secara simultan dengan menggunakan Omnibus Test of Model Coefficients yaitu hasil signifikan harus lebih kecil dari 𝛼 = 5%. Hal ini menunjukkan bahwa semua variabel independen secara bersama-sama berpengaruh terhadap variabel dependen.
3.7.2.5 Pengujian Hipotesis Secara Parsial
Pengujian hipotesis secara parsial dengan menggunakan Wald Test yaitu hasil signifikan harus lebih kecil dari 𝛼 = 5%. Hal ini menunjukkan bahwa semua variabel independen secara bersama-sama berpengaruh terhadap variabel dependen.
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
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