1 COST OF CAPITAL
3.4. Metode Analisis Data
Variabel Indikator
Cost of Equity Capital Investment Opportunity Set (IOS) Disclosure Leverage Size Y X1.1 X1.2 X1.3 X1.4 X1.5 X1.6 X2.1 X2.2 X3.1 X3.2 X4 CAPM COEC = Rf + β(Rm-Rf)
Rasio nilai pasar aktiva terhadap nilai bukunya (MTBA)
Rasio nilai pasar ekuitas terhadap nilai bukunya (MTBE)
Rasio harga saham terhadap laba per lembar saham (PE)
Rasio investasi terhadap penjualan (INVOS) Rasio investasi terhadap laba (IOE)
Rasio pengeluaran modal terhadap nilai buku total aktiva (CAPTA)
Mandatory Disclosure Voluntary Disclosure
Debt to total asset ratio(DTA) Debt to total equity ratio(DTE) Ln Total Assets
3.4. Metode Analisis Data
Penelitian ini menggunakan pendekatan kuantitatif dalam melaksanakan analisis data, metode analisis yang digunakan dalam menganalisis data empiris dikumpulkan peneliti meliputi:
a. Analisis Statistik Deskriptif
Analisis statistik depkriptif dimaksudkan untuk untuk memberikan gambaran tentang pengaruh IOS terhadap disclosure dan pengaruh disclosure terhadap COEC. Analisis statistik deskriptif tersebut meliputi nilai-nilai rata-rata, minimum, maksimum,rata-rata dan standar deviasi.
b. Analisis Structural Equation Modeling
Metode Statitik yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modeling (SEM). SEM adalah suatu teknik statistik yang digunakan untuk membangun dan menguji model statistik yang biasanya dalam bentuk model-model
32 Invesment Opportunity Set, Disclosure and Cost of Equity Capital
sebab akibat dan mempertimbangkan variabel–variabel bebas yang berkorelasi dan satu atau dua variabel tergantung laten yang masing-masing diukur dengan beberapa indikator. Sewwl Wright dalam bukunya Ghozali (2011) menyatakan bahwa SEM dapat digunakan untuk mengestimasi pengaruh langsung, pengaruh tidak langsung, dan pengaruh total.
Alasan menggunakan SEM adalah bahwa hubungan kausal yang dirumuskan dalam penelitian ini menggunakan model yang berperan ganda seperti disclosure. Bentuk hubungan kausal seperti ini membutuhkan analisis yang mampu menjelaskan secara simultan tentang hubungan tersebut sehingga metode yang digunakan dalam .penelitian ini menggunakan SEM. Kelemahan apabila menggunakan regresi dalam penelitian ini adalah pada persamaan struktural terdapat variabel latent atau konstruk, merupakan variabel yang tidak dapat diukur secara langsung yaitu variabel IOS. Kelemahan lain adalah adanya variabel endogen (dependen) yang memiliki variabel sebelumnya dan variabel sesudahnya yaitu IOS terhadap disclosure dan disclosure terhadap COEC yang dalam hal ini disclosure sebagai variabel intervening. Pengolahan data dengan bantuan Amos Versi 18.00 dan SPSS Versi 18.
c. Menyusun Structural Equation Modeling
Pada penelitian ini disusun Structural Equation Modeling (SEM) sebagai berikut:
Gambar 1
Structural Equation Modeling
Berdasarkan gambar 3.1 menunjukkan (1) IOS berpengaruh terhadap disclosure dengan variabel kontrol leverage dan size (2) disclosure berpengaruh terhadap COEC dengan variabel kontrol leverage dan size (3) IOS berpengaruh terhadap COEC dengan disclosure sebagai variabel intervening, leverage dan size sebagai variabel kontrol.
34 Invesment Opportunity Set, Disclosure and Cost of Equity Capital d. Analisis Structural Equation Model
Analisis selanjutnya adalah analisis Structural Equation Model (SEM) secara Full Model yang dimaksudkan untuk menguji model dan hipotesis yang dikembangkan dalam penelitian ini. Pengujian model dalam Structural Equation Model dilakukan sebagai berikut:
e. Model Persamaan Struktural
Model untuk menggambarkan pengaruh IOS terhadap COEC dengan disclosure sebagai variabel intervening dengan memasukkan leverage dan size sebagai variabel kontrol sebagai berikut :
1) Persamaan Sruktural 1 :
Model untuk menggambarkan pengaruh IOS terhadap disclosure sebagai berikut : Discl = 1 IOS+ 2. Lev + 3 Size+ ε1 ...(3.6)
Keterangan :
Discl = Disclosure
IOS = Investment Opportunity Set Lev = Leverage
Size = Size
ε1 = Residual atas Disclosure
(Gama) = koefisien pengaruh variabel eksogen terhadap variabel endogen
(Beta) = koefisien pengaruh variabel endogen terhadap variabel endogen
2) Persamaan Sruktural 2 :
Model untuk menggambarkan pengaruh IOS, Disclosure terhadap COEC sebagai berikut:
COEC=4.IOS+5Lev +6 Size + β1 Discl + ε 2 ....(3.7) Keterangan :
COEC = cost of equity capital IOS = investment opportunity set Discl = Disclosure
Lev = Leverage Size = Size
ε1 = Residual atas cost of equity capital
(Gama) = koefisien pengaruh variabel eksogen terhadap variabel endogen β (Beta) = koefisien pengaruh variabel endogen terhadap variabel endogen
Selain itu akan diketahui pula persamaan-persamaan measurement model dari masing-masing konstruk (persamaan ini digunakan untuk menentukan variabel mana mengukur konstruk mana, serta menentukan serangkaian matrik yang menunjukkan antar konstruk atau variabel) sebagai berikut:
Untuk variabel IOS :
MTBA MTBE INVOS PE IOE CAPTA
Untuk variabel Disclosure :
Mdiscl
Vdiscl
f. Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji apakah data sampel berdistribusi normal. Pada penelitian ini uji normalitas menggunakan kriteria critical ratio skeweness value sebesar + 2,58 pada tingkat signifikasi 0.01. Apabila Z-value lebih kecil dari nilai kritis, maka dapat diduga bahwa data berdistribusi tidak normal (Ghozali, 2011).
g. Evaluasi Uji kriteria Goodness of Fit Model
Pada tahap ini dilakukan pengujian terhadap kesesuaian model melalui telaah terhadap berbagai kriteria goodness of fit. Uji Goodness of-fit Model adalah mengukur kesesuaian input observasi sesungguhnya dengan prediksi dari model yang diajukan. Goodness-of Fit Model untuk mengukur kesesuaian input observasi (matrik kovarian atau korelasi) dengan prediksi dari model yang diajukan. Berikut ini beberapa indeks kesesuaian dan cut-off value untuk menguji apakah sebuah model dapat diterima atau ditolak (Ghozali, 2011) :
1) Likelihood-Ratio Chi-Square Statistic = χ2
Tujuan pengujian ini untuk mengembangkan dan menguji kesesuaian model dengan data dengan nilai Chi-Square (χ2) sekecil mungkin, sehingga taraf signifikannya besar ( > 5 %). Semakin kecil nilai χ2 semakin baik model tersebut dan diterima berdasarkan probabilitas dengan cut off value sebesar p > 0,10, p > 0,05 dan p > 0,01.
2) RMSEA (Root Mean Square of Approximation)
RMSEA merupakan ukuran yang dapat digunakan untuk memperbaiki kecenderungan statistic chi-square dalam jumlah sampel yang besar. Nilai RMSE memenuhi Goodness-of Fit jika nilainya < 0.08.
3) GFI (Goodness of Fit Index)
GFI dignakan untuk menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan. Nilai GFI sama dengan R2 dalam regresi berganda. Model dikatakan fit jika nilai GFI mendekati 1 ( > 0,9).
36 Invesment Opportunity Set, Disclosure and Cost of Equity Capital 4) AGFI (Adjusted Goodness-of-Fit Index)
AGFI merupakan nilai GFI yang di adjusted terhadap degree of freedom yang tersedia. Model dikatakan fit jika nilai ACFI mendekati angka 1 ( > 0,9)
5) Chi-Square Relatif (CMIN/ DF)
CMIN/DF (The Minimum Sample Disprepancy Function with Degree of Freedom) adalah harga chi square χ2 statistik dibagi degree of freedom (df) nya. Model dikatakan fit jika nilai dari χ2 relatif< 2,00.
6) TLI (Tucker-Lewis Index)
TLI (Tucker Lewis Index) atau dikenal dengan nonnormed fit index(NNFI). Sebuah
alternative incremental fit indeks untuk membandingkan sebuah model yang diuji terhadap baseline model. Model dikatakan fit jika nilai dari > 0,95.
7) CFI (Comparative Fit Index)
Comparative Fit Index (CFI) Sebuah alternative untuk membandingkan sebuah model yang diuji terhadap baseline model. Model dikatakan fit jika nilai dari > 0,95.
Indeks-indeks yang digunakan untuk menguji goodness of-fit Model, maka dapat disajikan pada Tabel 3.3 berikut:
Tabel 3.2
Kriteria Indeks Goodness of Fit
Goodness of Fit Index Cut off Value
Chi square Significance Probability RMSEA GFI AGFI CMIN/DF/ χ2 relatif TLI CFI Diharapkan kecil >0,05 <0,08 >0,90 >0,90 < 2,00 > 0,95 > 0,95 Sumber : Ghozali (2011)
Pengujian hipotesis dilakukan dengan menganalisis nilai Critical Ratio dan nilai Probability hasil olah data, yaitu C.R 2,58 atau P < 0,05. Apabila hasil olah data menunjukkan nilai yang memenuhi syarat tersebut, maka hipotesis penelitian yang diajukan terbukti.
h. Pengujian Asumsi Structural Equation Modeling
Prinsip uji hipotesis asumsi model, yaitu asumsi yang berkaitan dengan model dan asumsi yang berkaitan dengan pendugaan parameter dan pengujian hipotesis yang dijelaskan berikut.
1) Asumsi linieritas yaitu asumsi yang menghendaki semua hubungan berbentuk linier. Uji linearitas, untuk memeriksanya dapat dilakukan dengan membuat diagram pencar
(scatter diagram) atau pendekatan curve fit (pada software SPSS). Pengujian asumsi linieritas menggunakan metode curve fit yang dilakukan dengan software SPSS. Rujukan yang digunakan adalah jika nilai Signifkansi model Linier < 0.05 maka asumsi linieritas terpenuhi.
2) Asumsi normalitas sebaran, yaitu data yang akan dianalisis (variabel latent)
dengan menyebar normal (normal ganda). Dengan sampel yang besar (100), asumsi ini tidak terlalu kritis, landasannya adalah Dalil Limit Pusat (Central Limit Theorm), yaitu jika n (sample size) besar maka statistik dari sampel tersebut akan mendekati distribusi normal walaupun populasi dari mana sampel tersebut diambil tidak terdistribusi normal.
i. Pengujian Structural Equation Modeling : Uji Hipotesis Penelitian
Setelah model tersebut memenuhi syarat, maka yang perlu dilakukan selanjutnya adalah uji regression weight/loading faktor. Uji ini dilakukan sama dengan uji t terhadap regression weight /loading faktor/ koefisien model). Pengujian ini dilakukan terhadap uji t (uji parsial) dalam multiple regression, uji ini dilakukan dengan cara membandingkan nilai t hitung dengan t tabel , dengan ketentuan: jika t hitung > t tabel berarti variabel tersebut signifikan dan jika t hitung ≤ t tabel berarti variabel tersebut tidak signifikan Ghozali (2011) menjelaskan bahwa t hitung identik dengan C.R (critical ratio) yang diuji dengan nilai probabilitas p, dimana jika p < 0,05 menunjukkan pengaruh yang signifikan dan jika p > 0,05 menunjukkan tidak signifikan
IV
ANALISIS DATA
DAN PEMBAHASAN
4.1. Data dan Sampel Penelitian
Populasi penelitian ini adalah seluruh perusahaan yang masuk kelompok LQ45 dan
terdaftar di Bursa Efek Indonesia. Sampel penelitian adalah perusahaan yang masuk kelompok LQ45 dari tahun 2006 sampai dengan tahun 2010. Metode pengambilan sampel menggunakan metode purposive random sampling. Prosedur pemilihan sampel disajikan pada tabel 4.1.
Tabel 4.1.
Prosedur Pemilihan Sampel Penelitian
Berdasarkan hasil pengumpulan data, banyaknya perusahaan yang memenuhi kriteria tersebut dengan data panel sejumlah 172 perusahaan yang terdiri atas 35 jenis usaha dan merupakan 82,69231% dari 208 perusahaan yang masuk kelompok LQ45 yang terdaftar dari tahun 2006 sampai dengan tahun 2010 .