BAB IV ANALISIS DAN PEMBAHASAN
C. Hasil Uji Analisis Data
2. Partial Least Square (PLS)
Teknik pengolahan data dengan menggunakan pendekatan SEM
yang berbasis Partial Least Square (PLS) memerlukan 2 tahap untuk
menilai Fit Model pada sebuah model penelitian. Tahap-tahap tersebut
adalah sebagai berikut:
a. Menilai Outer Model Atau Measurement Model
Outer Model, yaitu spesifikasi hubungan antar variabel laten dengan indikatornya, disebut juga dengan outer relation atau measurement model, mendefinisikan karakteristik konstruk dengan variabel manifesnya. Teknik analisa data dengan menggunakan
SmartPLS ada tiga kriteria untuk menilai outer model refleksif yaitu Convergent Validity, Discriminant Validity, dan Composite Reliability. Convergent Validity dari model pengukuran dengan refleksif indikator dinilai berdasarkan korelasi antara item score/component score yang diestimasi dengan software PLS.
81 Ukuran refleksif individual dikatakan tinggi jika berkorelasi lebih
dari 0,70 dengan konstruk yang diukur. Namun menurut Chin
(1998) dalam (Ghozali 2011:25) untuk penelitian tahap awal dari
pengembangan skala pengukuran nilai loading 0,5 sampai 0,6
dianggap cukup memadai.
Discriminant Validity dari model pengukuran dengan refleksif indikator dinilai dengan membandingkan nilai Root of Average Variance Extracted (AVE) setiap konstruk dengan korelasi antara kosntruk dengan konstruk lainnya dalam model. Jika AVE setiap
konstruk lebih besar dari pada nilai korelasi antara kostruk dengan
konstruk lainnya dalam model, maka dikatakan memiliki nilai
Discriminant Validity yang baik (Fornell dan Lacker, 1981 dalam Ghozali, 2011:25). Direkomendasikan nilai AVE harus lebih besar
dari 0,50. Composite Reliability blok indikator yang mengukur suatu konstruk dapat dievaluasi dengan menggunakan internal consistency yang dikembangkan oleh Wert et. Al (1979) dalam Ghozali (2011). Variabel memiliki reliabilitas komposit yang baik
jika memiliki composite reliability ≥ 0,70, walaupun bukan merupakan standar absolut.
1) Outer Model atau Measurement Model Variabel Asimetri Informasi
Variabel Asimetri Informasi diukur oleh satu indikator
yaitu bid-ask spread. Dalam penelitian ini asimetri informasi merupakan model reflektif. Uji terhadap outer loading
82 bertujuan untuk melihat korelasi antara score item atau indikator dengan konstruknya. Indikator dianggap reliable jika
memiliki nilai korelasi diatas 0,70, namun dalam taham
pengembangan korelasi 0,50 msaih dapat diterima (Gozali,
2011:25). Untuk lebih jelas hasil pengolahan data dapat dilihat
pada lampiran, gambar berikut ini adalah ringkasan pengolahan
d a t a d e
ngan menggunakan SmartPLS.
Sumber: Output SmartPLS (2015)
Gambar 4.1
Outer Loadings (Measurement Model) Variabel Asimetri Informasi
Hasil pengolahan dengan menggunakan SmartPLS memperlihatkan nilai outer model atau korelasi antara indikator
dengan variabel laten tidak memenuhi convergent validity. karena nilai korelasi untuk beberapa indikator tersebut berada
dibawah 0,5, yakni pada indikator AI3 dan AI4 nilai korelasi
hanya sebesar 0,268 dan 0,433, sedangkan pada indikator AI1
dan AI2 nilai korelasi sebesar 0,842 dan 0,700. Sehingga dapat 0,842 0,700 0,268 0,433 Asimetri Informasi AI1 AI2 AI3 AI4
83 disimpulkan bahwa variabel asimetri informasi dengan
indikator AI3 dan AI4 tersebut dikatakan tidak bagus.
Sedangkan untuk indikator AI1 dan AI2 tersebut dapat
dikatakan layak dan bagus.
Tabel 4.4
Nilai AVE Variabel Asimetri Informasi AVE AI 0,364211 TD 0.942331 KM 0.918492 BE 0.332617 AI * KM 0.294133 TD * KM 0.907080
Sumber: Output SMartPLS (2015), sig*5%
Nilai Ave untuk variabel asimetri informasi yaitu sebesar
0,364. Hasil ini lebih kecil dibandingkan dengan nilai yang
direkomendasikan yaitu sebesar 0,5, yang berarti bahwa
variabel asimetri informasi adalah tidak valid dan tidak
memiliki nilai discriminant validity yang baik.
Tabel 4.5
Composite Reliability Variabel Asimetri Informasi Composite Reliability AI 0,664036 TD 0.984929 KM 0.978272 BE 0.612277 AI * KM 0.160873 TD * KM 0.993634
Sumber: Output SMartPLS (2015), sig*5%
Nilai composite reliability dari variabel asimetri informasi
adalah sebesar 0,664. Dari hasil perhitungan tersebut nilai
84 karena model masih dalam tahap pengembangan. Maka dapat
disimpulkan bahwa variabel asimetri informasi cukup reliabel.
2) Outer Model atau Measurement Model Variabel Tingkat Disclosure
Variabel tingkat disclosure perusahaan diukur dengan satu
indikator yaitu dislcoure index menggunakan model reflektif. Uji terhadap outer loading bertujuan untuk melihat korelasi antara score item atau indikator dengan konstruknya. Indikator
dianggap reliable jika memiliki nilai korelasi diatas 0,70,
namun dalam taham pengembangan korelasi 0,50 msaih dapat
diterima (Gozali, 2011: 25). Untuk lebih jelas hasil pengolahan
data dapat dilihat pada lampiran, gambar berikut ini adalah
ringkasan pengolahan data dengan menggunakan SmartPLS.
Sumber: Output SmartPLS (2015)
Gambar 4.2
Outer Loadings (Measurement Model) Variabel Tingkat Disclosure
Hasil pengolahan dengan menggunakan SmartPLS memperlihatkan nilai outer model atau korelasi antara indikator
dengan variabel laten yang secara umum sudah memenuhi 0,951 0,976 0,977 0,978 Tingkat Disclosure TD3 TD4 TD2 TD1
85 convergent validity. Nilai korelasi untuk indikator tersebut diatas 0,5 yakni sebesar 0,951, 0,976, 0,977, 0,978, sehingga
dapat disimpulkan bahwa variabel tersebut dapat dikatakan
layak atau bagus.
Tabel 4.6
Nilai AVE Variabel Tingkat Disclosure AVE AI 0,364211 TD 0.942331 KM 0.918492 BE 0.332617 AI * KM 0.294133 TD * KM 0.907080
Sumber: Output SMartPLS (2015), sig*5%
Nilai AVE untuk variabel tingkat disclosure yaitu sebesar 0,942. Hasil ini lebih besar dari nilai yang direkomendasikan
yaitu sebesar 0,5, yang berarti bahwa variabel tingkat
disclosure adalah valid dan memiliki nilai discriminant validty yang baik.
Tabel 4.7
Composite Reliability Variabel Tingkat Disclosure Composite Reliability AI 0,664036 TD 0.984929 KM 0.978272 BE 0.612277 AI * KM 0.160873 TD * KM 0.993634
Sumber: Output SMartPLS (2015), sig*5%
Nilai composite reliability dari variabel tingkat disclosure adalah sebesar 0,985. Dari hasil perhitungan tersebut nilai
composite reliability ≥ 0,7, maka dapat disimpulkan bahwa variabel tingkat disclosure adalah reliabel atau dapat dipercaya.
86 3) Outer Model atau Measurement Model Variabel Kepemilikan
Manajerial
Variabel kepemilikan manajerial diukur dengan satu
indikator yaitu % kepemilikan manajerial menggunakan model
reflektif. Dari konstruk tersebut akan dinilai loading factornya
apakah memenuhi nilai Convergent Validity atau dibawah nilai
yang dianjurkan. Hasil pengolahan data dengan menggunakan
SmartPLS untuk Loading Factor untuk variabel kepemilikan manajerial dapat dilihat pada gambar 4.3 sebagai berikut:
Sumber: Output SmartPLS (2015)
Gambar 4.3
Outer Loadings (Measurement Model) Variabel Kepemilikan Manajerial
Hasil pengolahan dengan menggunakan SmartPLS memperlihatkan nilai outer model atau korelasi antara indikator
dengan variabel laten yang secara umum sudah memenuhi
convergent validity. Nilai korelasi untuk indikator tersebut 0,954 0,983 0,988 0,906 Kepemilikan Manajerial KM1 KM2 KM3 KM4
87 diatas 0,5, yakin sebesar 0,954, 0,983, 0,988, 0,906, sehingga
dapat disimpulkan bahwa variabel tersebut dapat dikatakan
layak atau bagus.
Tabel 4.8
Nilai AVE Variabel Kepemilikan Manajerial AVE AI 0,364211 TD 0.942331 KM 0.918492 BE 0.332617 AI * KM 0.294133 TD * KM 0.907080
Sumber: Output SMartPLS (2015), sig*5%
Nilai AVE untuk variabel kepemilikan manajerial yaitu
sebesar 0,918. Hasil ini lebih besar dari nilai yang
direkomendasikan yaitu sebesar 0,5, yang berarti bahwa
variabel kepemilikan manaejerial adalah valid dan memiliki
nilai discriminant validiy yang baik.
Tabel 4.9
Composite Reliability Variabel Kepemilikan Manajerial Composite Reliability AI 0,664036 TD 0.984929 KM 0.978272 BE 0.612277 AI * KM 0.160873 TD * KM 0.993634
Sumber: Output SMartPLS (2015), sig*5%
Nilai composite reliability dari variabel kepemilikan manajerial adalah sebesar 0,978. Dari hasil perhitungan
tersebut nilai composite reliability ≥ 0,7, maka dapat disimpulkan bahwa variabel kepemilikan manajerial adalah
88 4) Outer Model atau Measurement Model Biaya Ekuitas
Variabel biaya ekuitas diukur dengan satu indikator yaitu
Capital Asset Pricing Model (CAPM) menggunakan model reflektf. Hasil pengolahan data dengan menggunakan
SmartPLS untuk Loading Factor untuk variabel biaya ekuitas dapat dilihat pada gambar 4.4 sebagai berikut:
Sumber: Output SmartPLS (2015)
Gambar 4.4
Outer Loadings (Measurement Model) Variabel Biaya Ekuitas
Hasil pengolahan dengan menggunakan SmartPLS memperlihatkan nilai outer model atau korelasi antara indikator
dengan variabel laten tidak memenuhi convergent validity. karena nilai korelasi untuk beberapa indikator tersebut berada
dibawah 0,5, yakni pada indikator BE2 dan BE3 nilai korelasi
hanya sebesar 0,404 dan 0,177, sedangkan pada indikator BE1
dan BE4 nilai korelasi sebesar 0,898 dan 0,574. Sehingga dapat
disimpulkan bahwa variabel biaya ekuitas dengan indikator
BE2 dan BE3 tersebut dikatakan tidak bagus. Sedangkan untuk
indikator BE1 dan BE4 tersebut dikatakan layak dan bagus. 0,898 0,404 0,177 0,574 Biaya Ekuitas BE1 BE2 BE3 BE4
89 Tabel 4.10
Nilai AVE Variabel Biaya Ekuitas AVE AI 0,364211 TD 0.942331 KM 0.918492 BE 0.332617 AI * KM 0.294133 TD * KM 0.907080
Sumber: Output SMartPLS (2015), sig*5%
Nilai Ave untuk variabel biaya ekuitas yaitu sebesar 0,333.
Hasil ini lebih kecil dibandingkan dengan nilai yang
direkomendasikan yaitu sebesar 0,5, yang berarti bahwa
variabel biaya ekuitas adalah tidak valid dan tidak memiliki
nilai discriminant validity yang baik.
Tabel 4.11
Composite Reliability Variabel Biaya Ekuitas Composite Reliability AI 0,664036 TD 0.984929 KM 0.978272 BE 0.612277 AI * KM 0.160873 TD * KM 0.993634
Sumber: Output SMartPLS (2015), sig*5%
Nilai composite reliability dari variabel biaya ekuitas adalah sebesar 0,612. Dari hasil perhitungan tersebut nilai
composite reliability ≤ 0,7, hasil ini masih dapat ditolerir karena model masih dalam tahap pengembangan. Maka dapat
90 b. Menilai Inner Model atau Structural Model
Pengujian inner model atau model structural dilakukan untuk melihat hubungan antara variabel, nilai signifikansi dan R-square
dari model penelitian. Penilaian model PLS dimulai dengan
melihat R-square untuk setiap variabel laten dependen. Perubahan
nilai R-square dapat digunakan untuk menilai pengaruh variabel
laten independen tertentu terhadap variabel laten dependen apakah
mempunyai pengaruh yang subtantif. Tabel berikut ini merupakan
hasil estimasi R-square dengan menggunakan SmartPLS.
Tabel 4.12 Nilai R-SQUARE R Square AI TD KM BE 0,579156 AI * KM TD * KM
Sumber: Output SMartPLS (2015), sig*5%
Tabel 4.11 ini menunjukkan nilai R-square konstruk BE (biaya
ekuitas) sebesar 0,579. Semakin tinggi nilai R-square, maka
semakin besar kemampuan variabel independen tersebut dapat
menjelaskan variabel dependen sehingga semakin baik persamaan
struktural. Variabel BE (biaya ekuitas) memiliki nilai R-square
sebesar 0,579 yang berarti 57,9% variance AI (asimetri informasi),
TD (tingkat disclosure), dan KM (kepemilikan manajerial) mampu
91 3. Hasil Pengujian Hipotesis
Hasil hipotesis yang diajukan, dapat dilihat dari besarnya nilai
t-statistik. Nilai t-statistik diperbandingkan dengan nilai t-tabel yang
ditentukan dalam penelitian ini adalah sebesar 1,9776 dimana
diketahui nilai df sebesar 136 (jumlah sampel dikurangi tahun
penelitian: 140-4) dan α sebesar 0,05 (two tailed). Batas untuk menolak dan menerima hipotesis yang diajukan adalah ± 1,9776,
dimana apabila nilai t berada pada rentang nilai -1,9776 dan 1,9776
maka hipotesis akan ditolak atau dengan kata lain menerima hipotesis
nol (H0). Tabel 4.6 memberikan output estimasi untuk pengujian model struktural.
Tabel 4.13
Result For Inner Weights Hipotesis Variabel
Original Sample Estimate
Standard
Deviation T-Statistic Kesimpulan Ha1 AI → BE -0.380793 0.066214 5.750926* Diterima Ha2 TD → BE -0.109953 0.084836 1.296059 Ditolak Ha3 Kε → BE 0.225384 0.084742 2.659637* Diterima Ha4 AI * Kε → BE 0.457677 0.071999 6.356720* Diterima Ha5 TD * Kε → BE -0.111340 0.078757 1.413723 Ditolak
Sumber: Output SmartPLS (2015), *Sig 5%
Tabel diatas menunjukkan bahwa pengaruh AI (asimetri informasi)
terhadap BE (biaya ekuitas) sebesar -0,380793 dan signifikan pada
0,05 (5,750926 >1,9776). Pengaruh TD (tingkat disclosure) terhadap BE (biaya ekuitas) sebesar -0,109953 dan tidak signifikan pada 0,05
(1,296059<1,9776). Pengaruh KM (kepemilikan manajerial) terhadap
BE (biaya ekuitas) sebesar 0,225384 dan signifikan pada 0,05
92 (kepemilikan manajerial) terhadap BE (biaya ekuitas) sebesar
0,457677 dan signifikan pada 0,05 (6,356720>1,9776). Pengaruh TD
(tingkat disclosure) dengan KM (kepemilikan manajerial) terhadap BE
(biaya ekuitas) sebesar -0,111340 dan tidak signifikan pada 0,05
(1,413723<1,9776).
a. Hipotesis 1 (Pengaruh Asimetri Informasi terhadap Biaya Ekuitas)
Hipotesis pertama (Ha1) menyatakan bahwa asimetri informasi
berpengaruh terhadap biaya ekuitas. Hasil uji terhadap koefisien
parameter antara asimetri informasi terhadap biaya ekuitas
menunjukkan adanya pengaruh negatif sebesar -0,380793 dengan
nilai t-statistik 5.750926 dan signifikan pada 0,05. Nilai statistik
tersebut diatas 1,9776, dengan demikian hipotesis pertama (Ha1)
dapat diterima.
Hasil pengujian hipotesis pertama membuktikan bahwa
asimetri informasi yang diukur dengan menggunakan bid-ask-spread berpengaruh signifikan terhadap biaya ekuitas yang diproksikan dengan Capital Asset Pricing Model (CAPM) pada periode 2010-2013. Pembuktian ini berhasil mendukung teori
keagenan (Agency Theory), yang menyatakan bahwa semakin
banyak informasi yang disembunyikan oleh pihak agen, maka akan
semakin tinggi risiko yang harus ditanggung oleh pemilik modal.
Hasil penelitian ini sesuai dengan penelitian yang dilakukan
oleh Putri (2013) dan Indayani dan Mutia (2013), yang
93 terhadap biaya ekuitas perusahaan, yang berarti setiap peningkatan
asimetri informasi akan menurunkan biaya ekuitas, dan sebaliknya
setiap penurunan asimetri informasi akan meningkatkan biaya
ekuitas perusahaan. Dimana ketika terdapat asimetri informasi
maka keputusan yang dibuat oleh manajer dapat mempengaruhi
harga saham. Semakin meningkat kesenjangan antara manajer
dengan investor maka harga saham menjadi tidak stabil karena
keputusan yang diambil oleh manajer. Dan karena asimetri
informasi terjadi antara investor yang lebih informed. Informed
akan menimbulkan biaya transaksi dan menurunkan likuiditas
sehingga biaya ekuitas juga akan menurun. Tetapi hasil penelitian
ini tidak konsisten dengan penelitian yang dilakukan oleh Murni
(2003) dan Purwanto (2013), yang menunjukkan bahwa adanya
pengaruh hubungan positif antara asimetri informasi dengan biaya
ekuitas perusahaan.
b. Hipotesis 2 (Pengaruh Tingkat Disclosure terhadap Biaya Ekuitas)
Hipotesis kedua (Ha2) menyatakan bahwa tingkat disclosure berpengaruh negatif terhadap biaya ekuitas. Hasil uji terhadap
koefisien parameter antara tingkat disclosure terhadap biaya ekuitas menunjukkan adanya pengaruh negatif sebesar -0,109953
dengan nilai t-statistik sebesar 1,296059 tetapi tidak signifikan
pada 0,05. Nilai t-statistik tersebut lebih kecil dari 1,9776, dengan
94 Hasil pengujian hipotesis kedua membuktikan bahwa tingkat
disclosure yang diukur dengan disclosure index tidak berpengaruh terhadap biaya ekuitas yang diproksikan dengan Capital Asset Pricing Model (CAPM) pada periode 2010-2013. Pembuktin ini tidak berhasil membuktikan bahwa tingkat pengungkapan laporan
keuangan perusahaan dapat mempengaruhi tinggi-rendahnya
tingkat pengembalian saham.
Hasil penelitian ini konsisten dengan penelitian yang dilakukan
oleh Adrian (2013) yang menyatakan bahwa tingkat disclosure tidak berpengaruh signifikan terhadap biaya ekuitas. Tetapi, hasil
penelitian ini tidak konsisten dengan penelitian yang dilakukan
oleh Murni (2003), yang menyatakan bahwa semakin luas
pengungkapan maka semakin rendah tingkat biaya ekuitas, karena
manajemen akan mengungkapkan informasi secara sukarela jika
manfaat yang diperoleh dari pengungkapan informasi tersebut
lebih besar dari biayanya.
c. Hipotesis 3 (Pengaruh Kepemilikan Manajerial terhadap Biaya
Ekuitas)
Hipotesis ketiga (Ha3) menyatakan bahwa kepemilikan
manajerial berpengaruh terhadap biaya ekuitas. Hasil uji terhadap
koefisien parameter antara kepemilikan manajerial terhadap biaya
ekuitas menunjukkan pengaruh sebesar 0,225384 dengan nilai
95 tersebut diatas 1,9776, dengan demikian hipotesis ketiga (Ha3)
dapat diterima.
Hasil pengujian hipotesis ketiga membuktikan bahwa
kepemilikan manajerial yang diukur dengan % kepemilikan
manajerial berpengaruh signifikan terhadap biaya ekuitas yang
diproksikan dengan Capital Asset Pricing Model (CAPM) pada periode 2010-2013. Pembuktian ini berhasil mendukung teori
apabila kepemilikan manajerial sebagai pemegang saham
mayoritas/tertinggi maka akan memiliki biaya ekuitas yang lebih
tinggi. Hal ini disebabkan karena control yang dimiliki dipegang
oleh pemegang saham mayoritas dan peluang untuk memperoleh
keuntungan pribadi menjadi lebih besar sehingga pemegang saham
menginginkan tingkat pengembalian yang lebih tinggi untuk
mengkompensasi risiko tersebut.
Hasil penelitian ini tidak konsisten dengan penelitian yang
dilakukan oleh Natalia dan Yen Sun (2013). Dalam penelitiannya
kepemilikan manajerial mempunyai pengaruh positif yang tidak
signifikan terhadap biaya ekuitas karena persentase kepemilikan
manajerial yang relatif lebih kecil pada sampel yang diuji.
d. Hipotesis 4 (Pengaruh Asimetri Informasi terhadap Biaya Ekuitas
dengan Kepemilikan Manajeral sebagai Variabel Moderating)
Hipotesis keempat (Ha4) menyatakan bahwa asimetri informasi
dengan kepemilikan manajerial berpengaruh terhadap biaya
96 informasi dengan kepemilikan manajerial terhadap biaya ekuitas
menunjukkan pengaruh sebesar 0,457677 dengan nilai t-statistik
sebesar 6,356720 dan signifikan pada 0,05. Nilai t-statistik tersebut
diatas 1,9776, dengan demikian hipotesis keempat (Ha4) dapat
diterima.
Hasil pengujian hipotesis kedua membuktikan bahwa asimetri
informasi yang diukur dengan menggunakan bid-ask spread dengan kepemilikan manajerial yang diukur dengan % kepemilikan
manajerial berpengaruh positif signifikan terhadap biaya ekuitas
yang diproksikan dengan Capital Asset Pricing Model (CAPM) pada periode 2010-2013. Pembuktian ini berhasil mendukung teori
keagenan (Agency Theory), yang membahas hubungan antara
principal (pemilik dan pemegang saham) dan agen (manajemen),
dimana teori keagenan menganggap kepemilikan manajerial
sebagai suatu instrument atau alat yang dapat digunakan untuk
mengurangi konflik keagenan diantara beberapa klaim terhadap
perusahaan seperti tingkat pengembalian. Karena tujuan
manajemen adalah untuk mengutamakan kepentingan pribadinya,
dan dengan kepemilikan manajerial diyakini dapat mengurangi
ketidakseimbangan informasi antara insider dan outsider.
e. Hipotesis 5 (Pengaruh Tingkat Disclosure terhadap Biaya Ekuitas dengan Kepemilikan Manajerial sebagai Variabel Moderating)
Hipotesis kelima (Ha5) menyatakan bahwa tingkat disclosure dengan kepemilikan manajerial berpengaruh negatif terhadap biaya
97 ekuitas. Hasil uji terhadap koefisien parameter antara tingkat
disclosure dengan kepemilikan manajerial terhadap biaya ekuitas menunjukkan adanya negatif sebesar -0,111340 dengan nilai
statistik sebear 1,413723 tetapi tidak signifikan pada 0,05. Nilai
t-statistik tersebut lebih kecil dari 1,9776, dengan demikian hipotesis
kelima (Ha5) tidak dapat diterima.
Hasil pengujian hipotesis kelima membuktikan bahwa tingkat
disclosure yang diukur dengan disclosure index dengan kepemilikan manajerial yang diukur dengan % kepemilikan saham
sebagai variabel moderasi tidak berpengaruh terhadap biaya
ekuitas yang diproksikan dengan Capital Asset Pricing Model (CAPM) pada periode 2010-2013. Pembuktin ini tidak berhasil
membuktikan bahwa tingkat pengungkapan laporan keuangan
perusahaan dengan kepemilikan manajerial dapat memperkuat
pengaruh terhadap tinggi-rendahnya tingkat pengembalian saham.
Dengan kata lain, kepemilikan manajerial sebagai variabel
moderasi dinyatakan memperlemah hubungan antara tingkat
98 BAB V PENUTUP
A. Kesimpulan
Tujuan dari penelitian ini adalah untuk mengetahui pengaruh asimetri
informasi dan tingkat disclosure terhadap biaya ekuitas dengan
kepemilikan manajerial sebagai variabel moderating. Sampel penelitian ini
adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia
(BEI) periode tahun 2010 sampai dengan tahun 2013. Total sampel yang
digunakan sebanyak 35 perusahaan dengan 140 data perusahaan selama 4
tahun. Berdasarkan hasil analisa dan pembahasan pada bab sebelumnya,
diperoleh beberapa kesimpulan sebagai berikut:
1. Hasil pengujian hipotesis pertama membuktikan bahwa asimetri
informasi yang diukur dengan menggunakan bid-ask spread berpengaruh terhadap biaya ekuitas yang diproksikan dengan capital asset pricing model (CAPM).
2. Hasil pengujian hipotesis kedua membuktikan bahwa tingkat
disclosure yang diukur dengan disclosure index tidak berpengaruh terhadap biaya ekuitas yang diproksikan dengan capital asset pricing model (CAPM).