Variabel Penelitian

BAB IV METODE PENELITIAN

4.5 Variabel Penelitian

Variabel penelitian ini adalah Cost of Equity (CoE), Cost of Debt (CoD), Information Asymmetry (IA), Corporate Governance (CG), dan Earning Management (EM). Pengukurannya akan dijelaskan secara rinci pada bagian

pemilihan satu pengukuran tertentu. Pada variabel IA akan dijelaskan pengintegrasian pendekatan yang digunakan secara khusus dalam penelitian ini untuk menghitung IA masing-masing perusahaan. Ringkasan tabel operasional variabel ditunjukkan dalam tabel 4.2.

4.5.1 Cost of Equity (CoE)

Sebagai sebuah variabel yang dihasilkan dengan pendekatan estimasi, maka hasil pengukuran variabel ini akan relatif bervariasi tergantung pendekatan yang digunakan. Berbagai penelitian berikut seperti H.-W. Huang et al. (2016), Zhu (2014), Hwang et al. (2013), Levi & Zhang (2014), He et al. (2013), J. H. Lee (2014), dan Hasan et al. (2015) menggunakan berbagai pendekatan termasuk menggunakan rata-rata dari berbagai pendekatan yang digunakan secara bersama.

Berbagai penelitian tersebut pada umumnya merata-ratakan pendekatan yang dihasilkan oleh Ohlson & Juettner-Nauroth (2005), Claus & Thomas (2001), Gode

& Mohanram (2003), dan Easton (2004).

Pada awalnya peneliti berencana menggunakan dua atau lebih pendekatan yang telah dibangun tersebut, namun sebagai akibat keterbatasan data yang tersedia di Indonesia, berbagai pendekatan tersebut tidak dapat diaplikasikan. Data utama yang tidak tersedia adalah data estimasi return untuk t+1 dan t+2 yang menjadi komponen utama yang digunakan dalam berbagai pendekatan tersebut. Pendekatan yang relatif sederhana seperti dividen discounted model juga tidak dapat diimplementasikan dengan baik karena banyak diantara perusahaan yang terpilih sebagai sampel tidak membagikan dividen dalam waktu yang cukup lama.

digunakan adalah Capital Asset Pricing Model (CAPM) (Sharpe, 1964) dengan formula sebagai berikut:

𝐶𝑜𝐸 = 𝑅_𝑓+ 𝛽(𝑅_𝑚− 𝑅_𝑓)

Rf : risk free rate yang mengacu pada sekuritas bebas risiko Rm : return pasar yang diukur dengan return indeks pasar,

β : koefisien regresi retun saham dan return pasar untuk 5 tahun terakhir Berdasarkan mekanisme perhitungan yang dilakukan diatas, maka data yang diperoleh sebagai variabel CoE merupakan data dengan skala rasio.

4.5.2 Cost of Debt (CoD)

Perhitungan Cost of Debt (CoD) tidak serumit perhitungan CoE karena langsung menggunakan data yang tersedia di dalam laporan keuangan. Pada awalnya pengukuran CoD dalam penelitian ini akan mengikuti pengukuran yang digunakan oleh berbagai penelitian seperti Hashim & Amrah (2016), Farooq &

Derrabi (2012), Juniarti & Natalia (2012), Zhu (2014), dengan perhitungan sebagai berikut:

𝐶𝑜𝐷 = 𝐼𝑛𝑡𝑒𝑟𝑒𝑠𝑡 𝐸𝑥𝑝𝑒𝑛𝑠𝑒

𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝐼𝑛𝑡𝑒𝑟𝑒𝑠𝑡 𝐵𝑒𝑎𝑟𝑖𝑛𝑔 𝑁𝑜𝑡𝑒𝑥100%

Namun setelah dilakukan pengumpulan data dan dilakukan perhitungan, hasil yang diperoleh relatif tidak rasional. Data hasil perhitungan tidak sejalan dengan tingkat bunga yang terdapat dalam catatan laporan keuangan. Hal ini diakibatkan oleh karena adanya inkonsistensi antara beban bunga terhitung dengan saldo hutang di akhir tahun. Beban bunga berasal dari pembayaran bunga satu tahun sedangkan

diperoleh menjelang akhir tahun, demikian sebaliknya pada kondisi lainnya.

Berdasarkan hal tersebut, maka penelitian ini mencari jalan keluar dengan langsung memperoleh tingkat bunga untuk berbagai pinjaman perusahaan yang terdapat di dalam catatan laporan keuangan. Berbagai tingkat bunga tersebut kemudian dirata-ratakan. Hasil rata-rata perhitungan tersebut kemudian menjadi ukuran tingkat bunga untuk masing-masing perusahaan. Hal ini juga menghadapi berbagai keterbatasan terkait berbagai perusahaan yang hanya berhutang dalam satuan mata uang selain rupiah sehingga tingkat bunganya tidak dapat diperbandingkan dengan tingkat bunga dalam rupiah. Kondisi ini juga mengakibatkan pengurangan sampel penelitian. Berdasarkan mekanisme perhitungan yang dilakukan diatas, maka data yang diperoleh sebagai variabel CoD merupakan data dengan skala rasio.

4.5.3 Information Asymmetry (IA)

Variabel Information Asymmetry (IA) juga dapat diperoleh secara langsung namun harus dihitung dengan model estimasi dengan berbagai pendekatan.

Pendekatan yang digunakan cukup bervariasi misalnya Ascioglu et al. (2012) menggunakan Amihud’s Liquidity measure, Cormier et al. (2013) menggunakan standar deviasi pergerakan saham selama satu tahun dan bid-ask spread, Nilabhra Bhattacharya et al. (2011) menggunakan tiga pendekatan secara terpisah yaitu adverse selection component, Bid-ask spread, dan Profitability Of Informed Trading (PIN). Pendekatan PIN dan PIN menjadi pendekatan yang paling banyak

Zhang (2014), Neil Bhattacharya et al. (2012).

Pendekatan tersebut didasarkan pada sudut pandang yang berbeda-beda sehingga hasilnya juga cukup bervariasi. Salah satu upaya untuk menghindari variasi tersebut adalah dengan membangun indeks yang merupakan gabungan dari beberapa pendekatan. Abad et al. (2016) membangun indeks yang menggabungkan lima buah pendekatan sekaligus yaitu bid-ask spread, amihud illiquidity, price impact, PIN dan adjusted PIN. Pembentukan indeks dibuat dengan menetapkan bobot untuk tiap-tiap pendekatan. Abad et al. (2016) memberikan dorongan menggunakan pendekatan multi model, namun terdapat keterbatasan data jika menggunakan seluruh pendekatan yang dipergunakan oleh penelitian tersebut.

Karena variabel IA merupakan variabel sentral dalam penelitian ini yang menghubungkan seluruh variabel lainnya serta secara teoritis akan sangat dipengaruhi oleh implementasi IFRS, maka peneliti tetap berusaha menggunakan minimal dua buah pendekatan yang dapat dianalisis secara individual maupun diintegrasikan antar dua pendekatan tersebut. Sebagai alternatif, penelitian ini akan menggunakan pendekatan yang relatif sederhana namun menggabungkannya menjadi suatu pendekatan terintegrasi. Pendekatan dasar yang akan digunakan adalah:

1. Share Price Volatility dengan rumusan berikut:

SPV = SD Percentage Daily Return Shareit

SPV : Share Price Volatility

Shareit : Persentase perubahan saham ‘i’ pada waktu ‘t’

𝑅𝑄𝑆_𝑡= (𝑎_𝑡− 𝑏_𝑡) 𝑄_𝑡

at : batas atas tertinggi untuk membeli pada periode ‘t’

bt : batas bawah terendah untuk menjual pada periode ‘t’

Qt : (at + bt)/2 yang diasumsikan sebagai harga yang efisien.

Integrasi variabel IA dalam penelitian ini adalah salah satu hal yang relatif terbatas digunakan dalam penelitian sejenis. Proses integrasi tersebut dilakukan melalui tahapan sebagai berikut :

1. Menghitung nilai IA masing-masing perusahaan untuk masing-masing tahun untuk kedua metode pengukuran diatas.

2. Meranking urutan perusahaan berdasarkan masing-masing pengukuran tersebut.

3. Membagi perusahaan kedalam 10 kelas, masing-masing 10 persen dari sampel tahunan. Kelas dengan nilai IA tertinggi diberi nilai 10, kemudian kelas dibawahnya diberi nilai 9, demikian hingga kelas terbawah diberi nilai 1.

4. Menjumlahkan nilai yang diperoleh masing-masing perusahaan untuk tiap tahun atas ketiga metode yang digunakan. Nilai tersebut akan digunakan sebagai proksi IA.

Berdasarkan mekanisme perhitungan yang dilakukan diatas, maka data yang diperoleh sebagai variabel IA baik dengan pendekatan individual maupun terintegrasi adalah data dengan skala interval.

Pendekatan pengukuran Corporate Governance (CG) cukup bervariasi tetapi secara umum terbagi atas dua pendekatan. Pendekatan pertama menggunakan ukuran tunggal yang seperti Farooq & Derrabi (2012) mengukur CG melalui konsentrasi kepemilikan dan pemilihan auditor, Hashim & Amrah (2016) menggunakan efektifitas dewan direksi dan komite audit, Ashbaugh-Skaife et al.

(2006) menggunakan struktur kepemilikan, H.-W. Huang et al. (2016) menggunakan ukuran fair value measurement, dan lain sebagainya. Pendekatan kedua adalah dengan membangun sekumpulan indikator yang merupakan ciri-ciri dari Corporate Governance yang baik. Penelitian yang menggunakan pendekatan ini seperti Karmani et al. (2015), Ramly (2012), Hodges et al. (2014), Zhu (2014), Siagian et al. (2013), dan lain sebagainya.

Pendekatan ketiga yang umum digunakan adalah pendekatan dengan beberapa ukuran tunggal yang diintegrasi untuk menentukan kualitas CG.

Berdasarkan penelitian Mazzotta & Veltri (2012) digunakan beberapa ukuran tunggal mekanisme internal CG seperti jumlah dewan direksi, jumlah dan proporsi direksi independen terhadap keseluruhan direksi, jumlah komite yang ada di bawah dewan komisaris, serta jumlah anggota komite yang independen. Lebih lanjut penelitian ini menyatakan bahwa berdasarkan review atas berbagai penelitian yang telah dilakukan sebelumnya, indikator-indikator tersebut merupakan mekanisme internal CG yang sangat mempengaruhi CoE sehingga sangat sesuai digunakan untuk penelitian ini. Namun demikian penelitian ini akan menambah indikator pembentuk penilaian CG dengan merujuk pada penelitian Komalasari (2017) yang menyatakan bahwa CG yang diproksi dengan dewan Komisaris akan

sebagai intervening.

Berdasarkan hal diatas, maka untuk memperoleh nilai variabel CG, maka akan dilakukan berbagai langkah berikut:

1. Terkait jumlah dewan komisaris dan direksi terdapat perbedaan pandangan bahwa sebagian penelitian seperti Mazzotta and Veltri (2012) menyatakan bahwa semakin besar jumlah dewan komisaris dan direksi akan memberikan dampak yang kurang baik, namun penelitian lain seperti Larmou and Vafeas (2010) dan Di et al. (2008) menyatakan bahwa semakin banyak anggota dewan komisaris dan direksi akan memberikan manfaat baik bagi tata kelola perusahaan. Dalam konteks Indonesia, penelitian ini berasumsi bahwa semakin banyak anggota dewan komisaris dan direksi merupakan gambaran implementasi mekanisme internal CG yang baik. Berdasarkan hal tersebut maka akan dibuat dummy dua indikator yaitu jumlah dewan komisaris dan direksi yaitu diberi nilai “1” jika jumlahnya diatas median data, dan akan diberi nilai “0” jika tidak demikian.

2. Terkait independensi baik dewan komisaris maupun dewan direksi, mayoritas penelitian menyimpulkan bawa semakin banyak komisaris dan direksi yang independen merupakan gambaran mekanisme internal CG yang baik.

Berdasarkan hal ini akan dibuat empat buah dummy varriabel yaitu jumlah dewan komisaris independen, jumlah dewan direksi independen, proporsi dewan komisarin independen, dan proporsi dewan direksi independen.

Keempat variabel dummy tersebut akan diberi nilai “1” jika diatas nilai median sementara akan diberi nilai “0” jika tidak demikian.

menyimpulkan bahwa semakin lengkap komite dibawah dewan komisaris serta semakin banyak anggotanya yang independen merupakan gambaran mekanisme internal CG yang baik. Berdasarkan hal tersebut akan dibangun dua buah variabel dummy yaitu jumlah komite dibawah dewan komisaris dan proporsi anggota komite yang independen. Untuk kedua variabel tersebut akan diberi nilai “1” jika nilainya diatas median dan akan diberi nilai “0” jika tidak demikian.

4.5.5 Earning Management (EM)

Pendekatan pengukuran Earning Management (EM) sudah berkembang sedemikian rupa melalui berbagai penyempurnaan maupun perubahan konsep pengukuran. Sejalan dengan perkembangan tersebut, hasil pendeteksian praktik manajemen laba juga relatif bervariasi. Salah satu penyebab hal tersebut kemungkinan besar dipengaruhi oleh jenis pendekatan yang digunakan.

Pendekatan yang paling umum digunakan adalah model yang dibangun Healy (1985) yang terus disempurnakan menjadi model Jones (1991), Dechow et al.

(1995), Kasznik (1996), Dechow et al. (2003), dan Kothari et al. (2005). Namun demikian pendekatan yang paling memiliki kekuatan untuk menjelaskan EM adalah Jones Modified Model yang dibangun oleh Dechow. Tahapan perhitungan yang akan dilakukan untuk memperoleh nilai Discreationary Accrual(DA) sebagai pengukur manajemen laba adalah sebagai berikut:

a. Menentukkan nilai Total Accrual (TA) dengan formulasi berikut:

TAit = NIit – CFOit

umum sebagai berikut:

𝑇𝐴_𝑖𝑡

𝐴_𝑖𝑡−1 = 𝛼₁[ 1

𝐴_𝑖𝑡−1] + 𝛼₂[∆𝑅_{𝑒𝑣𝑖𝑡}

𝐴_𝑖𝑡−1 −∆𝑅_{𝑒𝑐𝑖𝑡}

𝐴_𝑖𝑡−1] + 𝛼₃[𝑃𝑃𝐸 𝐴_𝑖𝑡−1] + 𝜖_𝑖𝑡

c. Setelah memperoleh nilai koefisien dari dari persamaan di atas, selanjutnya nilai koefisien tersebut digunakan di dalam persamaan di bawah ini untuk memperoleh NDA masing-masing perusahaan.

𝑁𝐷𝐴_𝑖𝑡

𝐴_𝑖𝑡−1 = 𝛼₁[ 1

𝐴_𝑖𝑡−1] + 𝛼₂[∆𝑅_{𝑒𝑣𝑖𝑡}

𝐴_𝑖𝑡−1 −∆𝑅_{𝑒𝑐𝑖𝑡}

𝐴_𝑖𝑡−1] + 𝛼₃[𝑃𝑃𝐸 𝐴_𝑖𝑡−1] + 𝜖_𝑖𝑡 d. Nilai DA sebagai proksi manajemen laba diperoleh dengan rumusan

berikut:

DAit = TAit – NDAit

Ait-1 : Total aset perusahaan pada satu periode sebelumnya

∆Revit : Perubahan penjualan bersih perusahaan i pada tahun t

∆Recit : Perubahan piutang perusahaan i pada tahun t

PPE : Property, Plant, & Equipment perusahaan I pada periode t α1, α2, α3 : Parameter yang diperoleh pada persamaan regresi

ɛit : Error perusahaan i pada tahun t

4.6.1 Analisis Deskripstif

Analisis deskriptif bertujuan untuk memberikan analisis berdasarkan variasi data yang diperoleh dalam penelitian. Analisis akan dikaitkan antara data tersebut terkait rata-rata, deviasi, tren, pola tertentu dengan menghubungkannya dengan teori yang mendasari hipotesis penelitian.

4.6.2 Analisis Data Untuk Memperoleh Nilai Beta

Berbagai metode pengukuran yang dilakukan di dalam penelitian ini seperti pengukuran Cost of Equity (CoE) dan Earning Management (EM) membutuhkan nilai koefisien atau beta. Nilai beta tersebut akan diperoleh dengan menggunakan analisis regresi atas data yang sesuai dengan menggunakan bantuan software Statistical Package for the Social Sciences (SPSS).

4.6.3 Analisis dan Diagram Jalur Menggunakan Partial Least Squares (PLS) Analisis data penelitian ini menggunakan analisis jalur (path analysis) dengan perangkat lunak Smart Partial Least Squares (PLS) dengan pertimbangan terdapat skala data yang dimiliki adalah ordinal dan rasio. Keberadaan skala data ordinal membuat penggunaan statistik inferensial tidak dimungkinkan. Analisis Partial Least Squares (PLS) merupakan teknik statistika multivariat yang melakukan perbandingan antara variabel dependen berganda dan variabel independen berganda (Abdillah & Hartono, 2015).

PLS tidak mengasumsikan distribusi tertentu untuk mengestimasi parameter dan memprediksi hubungan kausalitas. Oleh karena itu, teknik parametrik untuk

parametrik. Diagram jalur merupakan visualisasi dari kerangka konseptual penelitian sehingga lebih mudah untuk dipahami dan dipelajari. Pengajuan awal model persamaan struktural penelitian berdasarkan kerangka konseptual yang diteliti ditunjukkan dalam gambar 4.1.

Persamaan struktur adalah sebagai berikut:

IA = pIACG + pIAEM +ε1

EM = pCGEM + ε2

CoE = pCoECG + pCoEIA + pCoEEM + pCoECoD + pIACG + pIAEM + ε3

CoD = pCoDIA + pCoDEM + pCoDCG + pIACG + pIAEM + ε4

4.7 Penilaian Model 4.7.1. Pengujian Hipotesis

Pengujian hipotesis satu sampai keempat belas didasarkan pada path coefficient dan total effect dari variabel-variabel penelitian. Pengujian signifikansi pengaruh-pengaruh ini dilakukan dengan metode bootstrapping. Apabila nilai ini

pCoDEM

ε2

CoE

CoD IA

CG

EM

ε1 ε3

ε4 rCGEM

pIACG

pIAEM

pCoECG

pCoDCG

pCoEEM

pCoECoD pCoEIA

pCoDIA

Gambar 4.1 Diagram Jalur Penelitian

mediasi dilakukan dengan pendekatan bootstrap dengan tahapan-tahapan sebagai berikut:

1. Menguji efek utama (pengaruh independen terhadap dependen) >> harus signifikan.

2. Menguji pengaruh variabel independen ke variabel mediasi >> harus signifikan.

3. Kalkulasi nilai Variance Accounted For (VAF). Nilai VAF dihitung dengan persamaan:

VAF = pengaruh tidak langsung

pengaruh total x 100%

Kriteria penilaian efek mediasi didasarkan pada nilai VAF.

a. Apabila nilai VAF > 80% maka variabel mediasi bersifat full mediation, b. Apabila 20% ≤ VAF ≤ 80% maka variabel mediasi bersifat partial

mediation.

c. Apabila VAF < 20% maka variabel mediasi bukan bersifat sebagai mediator.

Sedangkan untuk pengujian hipotesis kelima belas sampai kedelapan belas yang fokus kepada apakah ada perbedaan hubungan sebelum dan sesudah implementasi International Financial Reporting Standard (IFRS) dilakukan analisis multigroup (Ghozali & Latan, 2015). Koefisien jalur masing-masing sub sampel diperbandingkan dan diuji signifikansi perbedaannya dengan Smith-Satterthwait test dengan menghitung t-statistic dengan rumusan berikut:

𝑡 =𝑃𝑎𝑡ℎ_{𝑆𝑎𝑚𝑝𝑙𝑒1}− 𝑃𝑎𝑡ℎ_{𝑆𝑎𝑚𝑝𝑙𝑒2}

√𝑆. 𝐸_{𝑆𝑎𝑚𝑝𝑙𝑒1}² + 𝑆. 𝐸_{𝑆𝑎𝑚𝑝𝑙𝑒2}²

Koefisien determinasi digunakan untuk melihat kemampuan model atau kemampuan variabel independen dalam menjelaskan variansi data pada variabel dependen. Berbagai klasifikasi digunakan untuk menganalisis kemampuan model tersebut. Penelitian ini merujuk pada Chin (1998) yang memberikan klasifikasi sebagai berikut ; nilai R² sebesar 0.67 atau lebih besar diklasifikasikan sebagai kemampuan yang kuat, kuat, nilai R² sebesar 0.33 sampai 0.67 diklasifikasikan sebagai kemampuan model yang moderat, dan R² sebesar 0.19 sampai dengan 0.33 diklasifikasikan sebagai kemampuan yang lemah.

4.7.3. Effect Size (f²)

Effect size mengukur kontribusi antara masing-masing variabel terhadap bentukan R².

Perhitungan effect size sebagai berikut:

𝑓²=𝑅² 𝑀𝑜𝑑𝑒𝑙 𝑀𝑜𝑑𝑒𝑟𝑎𝑠𝑖 − 𝑅² 𝑀𝑜𝑑𝑒𝑙 𝑇𝑎𝑛𝑝𝑎 𝑀𝑜𝑑𝑒𝑟𝑎𝑠𝑖 1 − 𝑅² 𝑀𝑜𝑑𝑒𝑙 𝑀𝑜𝑑𝑒𝑟𝑎𝑠𝑖

Nilai dari f² ini menentukan besarnya pengaruh dari masing-masing variabel. Acuan nilai yang digunakan adalah 0,02; 0,15, dan 0,35 yang mengindikasikan pengaruh lemah, sedang, dan kuat (F. Hair Jr, Sarstedt, Hopkins, & G. Kuppelwieser, 2014).

5.1 Perhitungan Variabel dan Analisis Deskriptif Terhadap Variabel Analisis deskriptif dilakukan atas variabel yang telah dihasilkan melalui berbagai mekanisme perhitungan. Analisis deskriptif yang dilakukan bervariasi antara satu variabel dengan variabel lainnya yang disesuaikan berdasarkan karakteristik masing-masing variabel tersebut.

5.1.1 Perhitungan dan Analisis Deskriptif Cost of Equity (CoE)

Pengukuran Cost of Equity (CoE) dalam penelitian ini menggunakan pendekatan Capital Aset Pricing Model (CAPM). Untuk menghasilkan CoE dengan menggunakan CAPM, diperlukan data-data berikut ini:

1. Risk free (Rf) yang menggunakan suku bunga acuan Bank Indonesia (BI) atau dikenal juga dengan istilah BI rate. BI rate yang digunakan dalam penelitian ini adalah BI rate tahunan yang dihitung dengan merata-ratakan BI rate bulanan. Setelah melakukan pengolahan data atas BI rate bulanan yang diperoleh dari Bank Indonesia diperoleh data BI rate tahunan seperti yang ditunjukkan dalam tabel 5.1.

2. Return Market (Rm) merupakan return pasar yang diharapkan oleh investor.

Secara teoritis return market ini adalah return estimasi yang diharapkan. Salah satu cara pendekatan untuk menaksir return market adalah dengan menggunakan data historis (Erhardt & Brigham, 2011). Data historis return market yang digunakan dalam penelitian ini adalah return Indeks Harga Saham

tahun memberikan rentang waktu untuk menjamin stabilitas pergerakan indeks melewati fase tren bullish dan bearish dalam minimal satu siklus. Hasil perhitungan return market dalam periode penelitian ditunjukkan dalam tabel 5.2. Berdasarkan data yang ditunjukkan dalam tabel tersebut terlihat nilai Rm

cukup stabil pada kisaran 20% hingga 35% sekalipun dalam tahun-tahun tertentu return tahunan IHSG cukup besar sementara di tahun yang lain mengalami penurunan yang juga signifikan.

Tabel 5.1 Tabel Suku Bunga Acuan Bank Indonesia (BI Rate)

3. Data lain yang dibutuhkan dalam menghitung CoE dengan model CAPM adalah beta saham. Untuk memperoleh nilai beta saham dilakukan dengan menghitung nilai slope return harian masing-masing saham dengan return harian IHSG selama hari perdagangan dalam satu tahun tertentu. Perhitungan ini membutuhkan data yang cukup besar yaitu IHSG penutupan harian dan harga saham penutupan harian untuk 65 perusahaan selama 10 tahun. Nilai beta saham ditampilkan dalam lampiran 2.

No. Tahun BI Rate No. Tahun BI Rate

1 2007 8,60 6 2012 5,77

2 2008 8,67 7 2013 6,48

3 2009 7,15 8 2014 7,54

4 2010 6,50 9 2015 7,52

5 2011 6,58 10 2016 6,79

Tanggal IHSG Return Tahunan

Tahun Penelitian

Rata-Rata Return 10 Tahun (Return Market

yang Diharapkan – Rm)

02 Januari 1996 513,00

02 Januari 1997 637,00 24,17%

05 Januari 1998 410,83 -35,51%

04 Januari 1999 408,70 -0,52%

04 Januari 2000 700,22 71,33%

02 Januari 2001 410,21 -41,42%

02 Januari 2002 383,46 -6,52%

02 Januari 2003 409,13 6,69%

02 Januari 2004 704,50 72,19%

03 Januari 2005 1.000,88 42,07%

02 Januari 2006 1.171,71 17,07%

02 Januari 2007 1.836,52 56,74% 2007 20,63%

02 Januari 2008 2.731,51 48,73% 2008 23,09%

05 Januari 2009 1.437,34 -47,38% 2009 21,90%

04 Januari 2010 2.575,41 79,18% 2010 29,87%

03 Januari 2011 3.727,52 44,74% 2011 27,21%

02 Januari 2012 3.809,14 2,19% 2012 31,57%

02 Januari 2013 4.346,48 14,11% 2013 33,63%

02 Januari 2014 4.327,27 -0,44% 2014 32,92%

02 Januari 2015 5.242,77 21,16% 2015 27,82%

04 Januari 2016 4.525,92 -13,67% 2016 22,24%

Setelah memperoleh ketiga data diatas yaitu Risk Free (Rf), Beta Saham, dan Return Market (Rm) yang diharapkan maka nilai CoE dapat dihitung dengan menggunakan formula berikut ini :

𝐶𝑜𝐸 = 𝑅_𝑓+ 𝛽(𝑅_𝑚− 𝑅_𝑓)

Hasil perhitungan dengan menggunakan formula tersebut secara lengkap terdapat dalam lampiran 3. Selanjutnya data yang diperoleh tersebut, dihitung berbagai ukuran statistik deskriptifnya seperti yang ditunjukkan dalam tabel 5.3 dan secara visual ditunjukkan dalam grafik 5.1. Berdasarkan hasil tersebut, secara keseluruhan

7,57% atau setara dengan koefisien variasi sebesar 43,26%. Hal ini berarti rentang nilai CoE mayoritas sampel berada pada kisaran 9,94% sampai 25,08%. Gambaran disparitas yang besar tersebut terlihat juga melalui nilai maksimum dan minimum yang cukup lebar yaitu antara 5,34% hingga 39,31%.

Tabel 5.3 Ringkasan Statistik Deskriptif CoE

Hasil analisis ini mendukung dugaan bahwa terdapat perbedaan karakteristik pendanaan yang sangat variatif antara satu perusahaan dengan perusahaan yang lain. Kondisi ini tentu membuat daya saing antar perusahaan cenderung sangat variatif. Berdasarkan grafik 5.1 diperoleh beberapa gambaran lainnya. Pergerakan CoE tidak sepenuhnya mengambarkan atau sesuai dengan suku bunga bebas risiko terlihat dari pola grafik BI rate tidak memiliki pola yang sama dengan CoE. Hal ini juga terlihat dari tabel 5.3 bahwa nilai Risk Premium yang merupakan selisih antara CoE dengan suku bunga bebas risiko tidak selalu sama antar tahun. Jika dianalisis lebih lanjut, data tersebut menunjukkan bahwa dalam

Tahun Rata-Rata Risk Free

Risk Premium

Standar Deviasi

Koefisien Variasi

Nilai Maksimum

Nilai Minimum 2007 16,04% 8,60% 7,44% 5,50% 34,30% 31,28% 8,69%

2008 15,12% 8,67% 6,46% 5,66% 37,42% 28,88% 8,67%

2009 13,63% 7,15% 6,48% 5,82% 42,72% 30,25% 7,15%

2010 18,64% 6,50% 12,14% 8,25% 44,76% 34,59% 7,08%

2011 21,55% 6,58% 14,97% 8,34% 40,27% 38,17% 6,58%

2012 20,72% 5,77% 14,95% 8,47% 48,54% 38,83% 5,34%

2013 19,91% 6,48% 13,43% 9,06% 53,84% 39,31% 6,48%

2014 17,93% 7,54% 10,38% 7,08% 43,00% 32,07% 7,55%

2015 16,15% 7,52% 8,63% 7,45% 50,91% 34,20% 7,55%

2016 15,41% 6,79% 8,62% 6,47% 41,96% 31,37% 6,82%

Total 17,51% 7,57% 39,31% 5,34%

43,26%

Koefisien Variasi

bunga bebas risiko bukan merupakan ukuran tunggal yang mempengaruhi namun juga dipengaruhi risiko pasar yang melekat pada investasi berisiko secara spesifik seperti saham.

Grafik 5.1 Grafik Rata-Rata CoE Tahun Versus Suku Bunga Bebas Risiko (BI Rate)

Gambaran lain yang perlu diperhatikan, bahwa sekalipun garis tren yang terbentuk masih terlihat seperti gerakan siklus turun dan naik, namun dalam periode penelitian terlihat kecenderungan turun. Hal ini sejalan dengan kebijakan perekonomian nasional yang berusaha menekan biaya dana yang digunakan oleh perusahaan. Penurunan biaya dana tersebut merupakan salah satu upaya untuk meningkatkan daya saing perusahaan-perusahaan nasional terutama dalam era globalisasi dimana perusahaan bersaing secara terbuka dengan perusahaan dari mancanegara. Hal lain yang perlu diperhatikan dari analisis deskriptif diatas adalah

tabel 5.1 dengan rata-rata return market yang terdapat dalam tabel 5.3. Selisih antara risk free dengan return market berkisar antara 6% hingga 17%. Selisih ini adalah gambaran kelebihan return yang diinginkan oleh investor sebagai kompensasi risiko yang ditanggung dengan berinvestasi pada surat berharga berisiko.

5.1.2 Analisis Deskriptif Cost of Debt (CoD)

Nilai Cost of Debt (CoD) merupakan biaya dana yang ditanggung oleh perusahaan atas dana yang diperoleh dari pihak eksternal. Pada awalnya biaya dana ini direncanakan akan dihitung dengan membagi beban bunga atas keseluruhan hutang perusahaan. Namun dalam proses perhitungan hasil yang diperoleh sangat tidak rasional karena biaya hutang yang sangat kecil atau sangat besar tidak sejalan dengan tingkat bunga yang dapat diperoleh pada catatan atas laporan keuangan masing-masing perusahaan. Dalam analisis yang dilakukan atas kondisi tersebut, hal tersebut disebabkan ketidaksesuaian interval waktu antara saldo hutang tercatat di akhir tahun dengan beban bunga. Sebagai gambaran, beban bunga di dalam laporan keuangan mencatat jumlah akrual beban bunga dalam setahun sedangkan di dalam neraca yang tercatat sebagai hutang adalah saldo hutang per 31 Desember di tahun tertentu tanpa memperhatikan waktu awal perusahaan tersebut berhutang.

Hal ini membuat beban bunga akrual tidak selalu dapat diperbandingkan dengan saldo hutang akhir periode.

Untuk mengatasi keterbatasan data tersebut, maka pendekatan perhitungan CoD diubah dengan langsung melakukan penelusuran terhadap catatan atas laporan

Tingkat bunga yang ditanggung oleh perusahaan untuk masing-masing pinjaman selalu diungkapkan dalam catatan atas laporan keuangan. Untuk memperoleh ukuran variabel tingkat bunga untuk masing-masing perusahaan pada tahun tertentu maka dihitung rata-rata dari semua tingkat bunga dari berbagai pinjaman yang diungkapkan di dalam laporan keuangan. Masalah lain yang diperoleh untuk menghasilkan nilai CoD adalah bahwa banyak perusahaan meminjam dalam mata uang selain Rupiah dan mencantumkan tingkat bunga dalam mata uang tersebut.

Hal ini membuat data tersebut tidak dapat diperbandingkan dengan tingkat bunga dalam rupiah sehingga tidak dapat dijadikan sampel penelitian.

Tabel 5.4 Ringkasan Statistik Deskriptif CoD

Hasil perhitungan statistik deskriptif variabel CoD terdapat dalam tabel 5.4.

Berdasarkan hal tersebut dapat dilihat bahwa karakteristik CoD berbeda dengan CoE. Rata-rata CoD hanya sebesar 10,86% lebih kecil dibandingkan rata-rata CoE

Berdasarkan hal tersebut dapat dilihat bahwa karakteristik CoD berbeda dengan CoE. Rata-rata CoD hanya sebesar 10,86% lebih kecil dibandingkan rata-rata CoE