pengaruh tingkat ketaatan pengungkapan wajib dan luas pengungkapan sukarela terhadap kualitas laba...
Post on 29-Jul-2015
533 Views
Preview:
TRANSCRIPT
PENGARUH TINGKAT KETAATAN PENGUNGKAPAN WAJIB DAN LUAS
PENGUNGKAPAN SUKARELA TERHADAP KUALITAS LABA
( STUDI PADA PERUSAHAAN PUBLIK SEKTOR MANUFAKTUR)
SOVI ISMAWATI RAHAYU
FAKULTAS EKONOMI UNIVERSITAS YARSI
Abstract
The objectives of the research is to find out the impact of mandatory disclosures and voluntary disclosures on earnings quality. The population of this study was public manufacturing companies listed at Jakarta Stock Exchange in 2005 period. There were 31 manufacturing companies meet the criteria was chosen as sample.
This research is explanatory research, and the data analysis were treated as cross-section. Mandatory disclosure were measured by mandatory disclosure index, while voluntary disclosure were measured by voluntary disclosure index, and earnings quality were measured by earnings response coefficient (ERC). Earning persistence, systematic risk, company growth, leverage and company size which in prior studies described ERC variation, in this research used as controlling variable. The research hypothesis were tested using the multiple regression analysis.
The result of this research before and after use the which described ERC variation show that: (a) mandatory disclosure had no impact on earnings quality, (b) voluntary disclosure had significantly negative influence on earnings quality, and (c) mandatory disclosure and voluntary disclosure were simultance had no impact on earning quality.
Keywords: Mandatory Disclosures, Voluntary Disclosures, Earnings Quality, Earnings Response Coefficient
1.PENDAHULUAN
Laporan tahunan dan laporan keuangan merupakan salah satu informasi yang
secara formal wajib dipublikasikan sebagai sarana pertanggungjawaban pihak
manajemen terhadap pengelolaan sumber daya pemilik, serta jendela informasi yang
memungkinkan bagi pihak-pihak diluar manajemen, mengetahui kondisi perusahaan.
Namun sejauh mana informasi yang dapat diperoleh sangat tergantung pada tingkat
pengungkapan (disclosure) dari laporan tersebut.
Pengungkapan dalam laporan keuangan akan membantu pengguna laporan
keuangan untuk memahami isi dan angka yang dilaporkan dalam laporan keuangan.
1
Kegagalan dalam memahami laporan keuangan mengakibatkan beberapa perusahaan
mengalami kesalahan penilaian (misvalued), baik undervalued maupun overvalued,
seperti kasus Enron, Worldcom, dan Kimia Farma. Sehingga muncul pertanyaan
mengenai transparansi, pengungkapan informasi, dan peran akuntansi dalam
menghasilkan informasi keuangan yang relevan dan dapat dipercaya, sehingga pemakai
informasi akuntansi menerima sinyal tentang kondisi perusahaan yang sebenarnya.
Pricewaterhouse Coopers melakukan penelitian mengenai adanya information
gap, menunjukkan bahwa Indonesia pada urutan yang sangat rendah untuk bidang
pengungkapan dan transparansi. Berikutnya pada tahun 2002 dengan responden investor
institusional di Jakarta menunjukkan hasil yang tidak jauh berbeda. Indonesia masih
berada pada urutan yang rendah dalam persepsian standar akuntabilitas, pelaksanaan
auditing dan ketaatannya, serta pengungkapan dan transparansi (Khomsiyah, 2005).
Hasil penelitian Desi (2004) terhadap laporan tahunan 90 emiten manufaktur
tahun 1998, menunjukkan bahwa tingkat pengungkapan sukarela rata-rata sebesar
14,6% sampai 15,6% dari 82 item. Wiwik (2005) juga meneliti pengungkapan sukarela
untuk perusahaan publik sektor manufaktur rata-rata sebesar 43,65% ( skor maksimal
85,98% dan minimal 18,77%) dari 44 item. Sedangkan Khomsiyah (2005) dalam
penelitiannya terhadap perusahaan publik di Indonesia tahun 2003 dengan sampel 41
emiten menemukan bahwa tingkat pengungkapan wajib rata-rata sebesar 74,97% dan
pengungkapan sukarela rata-rata sebesar 47,16% dari 49 item.
Hasil penelitian tersebut cukup bervariasi karena dasar acuan yang dipakai
untuk mengukur tingkat pengungkapan tidak sama dan juga obyek penelitiannya yang
berbeda. Namun hasilnya menunjukkan bahwa praktek pengungkapan wajib relatif
sudah banyak ditaati oleh emiten, sebaliknya kesediaan emiten untuk memberikan
pengungkapan sukarela masih relatif rendah.
2
Bagi investor, laporan laba dianggap mempunyai informasi untuk menganalisis
saham yang diterbitkan oleh emiten. Kualitas laba penting bagi mereka yang
menggunakan laporan keuangan untuk tujuan kontrak dan pengambilan keputusan
investasi (Schipper dan Vincent, 2003). Laba akuntansi yang berkualitas adalah laba
akuntansi yang mempunyai sedikit atau tidak mengandung gangguan persepsi
(perceived noise) didalamnya dan dapat mencerminkan kinerja keuangan perusahaan
yang sesungguhnya. Ayres (1994) menyatakan bahwa laba akuntansi dikatakan
berkualitas apabila elemen-elemen yang membentuk laba tersebut dapat
diinterprestasikan dan dipahami secara memuaskan oleh pihak yang berkepentingan.
Dalam praktek, kualitas laba akuntansi tersebut sulit untuk diukur. Oleh karena
itu, masing-masing peneliti menggunakan pendekatan yang berbeda untuk mengukur
kualitas laba akuntansi. Earnings Response Coefficient (ERC) merupakan salah satu
ukuran atau proksi yang digunakan untuk mengukur kualitas laba.
Perubahan harga saham akibat perubahan laba seharusnya dipengaruhi pula oleh
informasi yang dimiliki investor. Pengungkapan dilaporan tahunan maupun laporan
keuangan, mencerminkan proksi informasi publik yang dimiliki investor, selain
informasi lainnya (berita dimedia massa, laporan analis, dan lainnya). Beberapa peneliti
kemudian menggabungkan penelitian tentang pengungkapan (disclosure) dengan ERC.
Berdasarkan uraian diatas, peneliti termotivasi untuk mengetahui bagaimana
pengaruh tingkat ketaatan pengungkapan wajib (mandatory disclosure) dan luas
pengungkapan sukarela (voluntary disclosure) terhadap kualitas laba pada perusahaan
publik sektor manufaktur yang terdaftar di Bursa Efek Jakarta. Dalam penelitian ini,
pengungkapan wajib berdasarkan Lampiran 1 Surat Edaran Ketua Badan Pengawas
Pasar Modal SE-02/PM/2002, tanggal 27 Desember 2002, tentang Pedoman Penyajian
dan Pengungkapan Laporan Keuangan Emiten atau Perusahaan Publik Industri
3
Manufaktur. Pengungkapan sukarela berdasarkan instrumen yang dikembangkan dan
digunakan oleh Khomsiyah (2005) yang berjumlah 49 item. Sedangkan kualitas laba
diukur dengan ERC, serta menggunakan beberapa faktor yang dalam penelitian
sebelumnya mempengaruhi ERC sebagai variabel kontrol. Yaitu: persistensi laba
(persistence), risiko sistematis (beta), pertumbuhan perusahaan (growth), struktur modal
(leverage), besaran perusahaan (size).
2.KAJIAN PUSTAKA, PENELITIAN TERDAHULU, DAN HIPOTESIS
2.1.Pengungkapan Informasi (Disclosure)
Pengungkapan merupakan bagian integral dari pelaporan keuangan dan langkah
akhir dalam proses akuntansi yaitu penyajian informasi dalam bentuk seperangkat
penuh statemen keuangan. Evans (2003) membatasi pengertian pengungkapan hanya
pada hal-hal yang menyangkut pelaporan keuangan. Pernyataan manajemen dalam surat
kabar atau media masa lain serta informasi diluar lingkup pelaporan keuangan tidak
termasuk dalam pengertian pengungkapan. Sementara itu, Wolk, Tearney, dan Dodd
(2001) memasukkan pula statemen keuangan segmental dan statemen yang merefleksi
perubahan harga sebagai bagian dari pengungkapan.
Ada dua jenis pengungkapan dalam hubungannya dengan persyaratan yang
ditetapkan oleh standar dan regulasi, yaitu:
1. Pengungkapan Wajib (mandatory disclousure)
Pengungkapan Wajib merupakan pengungkapan minimum yang disyaratkan
oleh peraturan yang berlaku. Peraturan tentang standar pengungkapan informasi bagi
perusahaan yang telah melakukan penawaran umum dan perusahaan publik yaitu,
Peraturan No. VIII.G.7 tentang Pedoman Penyajian Laporan Keuangan dan Peraturan
No. VIII.G.2 tentang Laporan Tahunan. Peraturan tersebut diperkuat dengan Keputusan
Ketua Bapepam No. Kep-17/PM/1995, yang selanjutnya diubah melalui Keputusan
4
Ketua Bapepem No. Kep-38/PM/1996 yang berlaku bagi semua perusahaan yang telah
melakukan penawaran umum dan perusahaan publik. Peraturan tersebut diperbaharui
dengan Surat Edaran Ketua Bapepam No. SE-02/PM/2002 yang mengatur tentang
penyajian dan pengungkapan laporan keuangan emiten atau perusahaan publik untuk
setiap jenis industri.
2. Pengungkapan Sukarela (voluntary disclosure)
Salah satu cara meningkatkan kredibilitas perusahaan adalah melalui
pengungkapan sukarela secara lebih luas untuk membantu investor dalam memahami
strategi bisnis manajemen. Pengungkapan Sukarela merupakan pengungkapan butir-
butir yang dilakukan secara sukarela oleh perusahaan tanpa diharuskan oleh peraturan
yang berlaku.
Sedangkan dari sumber PSAK dapat disimpulkan bahwa informasi lain atau
informasi tambahan (telaahan keuangan yang menjelaskan karakteristik utama yang
mempengaruhi kinerja perusahaan, posisi keuangan perusahaan, kondisi ketidakpastian,
laporan mengenai lingkungan hidup, laporan nilai tambah) adalah merupakan
pengungkapan yang dianjurkan (tidak diharuskan) dan diperlukan dalam rangka
memberikan penyajian yang wajar dan relevan dengan kebutuhan pemakai.
Luas pengungkapan mengalami perkembangan dari waktu ke waktu,
dipengaruhi oleh perkembangan ekonomi, sosial budaya suatu negara, teknologi
informasi, kepemilikan perusahaan dan peraturan-peraturan yang dikeluarkan oleh
lembaga yang berwenang. Ada tiga konsep pengungkapan yang umumnya diusulkan,
yaitu:
1. Adequate disclosure (pengungkapan cukup)
2. Fair disclosure (pengungkapan wajar)
3. Full disclosure (pengungkapan penuh)
5
2.2.Pengukuran Tingkat Pengungkapan
Pengukuran tingkat pengungkapan menggunakan indeks pengungkapan.
Penelitian terdahulu yang menggunakan indeks pengungkapan untuk mengukur tingkat
pengungkapan perusahaan dibagi dalam dua kelompok, yaitu penelitian yang
menggunakan indeks pengungkapan tanpa pembobotan dan penelitian yang
menggunakan indeks pengungkapan dengan pembobotan. Kedua jenis indeks
pengungkapan ini dapat dikembangkan sendiri oleh peneliti atau dikembangkan
lembaga tertentu.
Dari beberapa penelitian, dapat disimpulkan bahwa penelitian tentang
pengungkapan wajib menggunakan indeks pengungkapan tanpa pembobotan, sedangkan
penelitian tentang pengungkapan sukarela terbagi menjadi dua kelompok yaitu,
menggunakan indeks pengungkapan tanpa pembobotan dan menggunakan indeks
pengungkapan dengan pembobotan.
2.3.Kualitas Laba
Laba akuntansi yang berkualitas adalah laba akuntansi yang mempunyai sedikit
atau tidak mengandung gangguan persepsi (perceived noise) didalamnya dan dapat
mencerminkan kinerja keuangan perusahaan yang sesungguhnya (Chandrarin,2003)
dalam Sekar (2004), sedangkan Ayres (1994) menyatakan bahwa laba akuntansi
dikatakan berkualitas apabila elemen-elemen yang membentuk laba tersebut dapat
diinterprestasikan dan dipahami secara memuaskan oleh pihak yang berkepentingan.
Conservatism index (C-score) sebagai proksi konservatisme neraca, earnings
quality indicator (Q-score) untuk menghitung tingkat konservatisme laporan rugi laba,
dan earnings Response Coefficient (ERC) merupakan ukuran atau proksi yang
digunakan untuk mengukur kualitas laba. Pada penelitian ini kualitas laba diukur
6
dengan menggunakan ERC, karena pada penelitian-penelitian dipasar modal, untuk
mengukur besarnya reaksi pasar terhadap informasi laba digunakan ERC.
Beberapa peneliti telah mengukur kualitas laba dengan ERC antara lain Balsam
et al (2003), Teoh dan Wong (1993), Fan dan Wong (2003), Choi dan Jeter (1990) dan
Warfield et al (1998). Lev (1989), Bandyopadhyay (1994), Sekar (2004), Agung
(2005), Gideon (2005), menyatakan bahwa besaran ERC menunjukkan kualitas
earnings perusahaan. Kuatnya reaksi pasar terhadap informasi laba yang tercermin dari
tingginya ERC, menunjukkan laba yang dilaporkan berkualitas. Sebaliknya, lemahnya
reaksi pasar terhadap informasi laba yang tercermin dari rendahnya ERC, menunjukkan
laba yang dilaporkan kurang atau tidak berkualitas.
ERC dari setiap sekuritas berbeda-beda besarannya karena terdapat banyak
faktor yang mempengaruhi ERC. Beberapa penelitian sebelumnya menunjukkan adanya
beberapa faktor yang mempengaruhi ERC seperti persistensi laba (Kormendi dan Lipe,
1987; Easton dan Zmijweski,1989), risiko sistematis (Collins dan Kothari ,1989),
pertumbuhan perusahaan (Collins dan Kothari ,1989), struktur modal (Dhaliwal et
al ,1991; Biddle dan Seow ,1991; Kim et al,2000) , besaran perusahaan (Easton dan
Zmijweski,1989; Chaney dan Jeter,1991; Baginski,1999) .
2.4.Pengukuran ERC
Scott (2000) menyatakan bahwa ERC mengukur besarnya abnormal returns
saham (CAR) dalam merespon komponen kejutan dari earnings yang dilaporkan
perusahaan (UE).
CAR adalah total penjumlahan dari abnormal returns untuk periode tertentu
disekitar pengumumman suatu informasi.
ARit = Rit – E(Rit)
Rit = (Pit-Pit-1)/Pit-1
7
Sedang return ekspektasi merupakan return yang harus diestimasi. Brown dan
Warner (1985) dalam Jogiyanto (2003), mengestimasi return ekspektasi menggunakan
model estimasi mean-adjusted model, market model dan market adjusted model. Dalam
penelitian ini, untuk mengestimasi return ekspektasi digunakan market adjusted model,
karena menganggap bahwa penduga yang terbaik untuk mengestimasi return suatu
sekuritas adalah return indeks pasar pada saat tersebut.
ARit = Rit – Rmt.
UE atau earnings surprise merupakan selisih antara earnings harapan dengan
earnings sesungguhnya yang diumumkan oleh perusahaan. Laba ekspektasian
diestimasi dengan model langkah acak (random walk model) Model langkah acak
mengestimasi laba periode berjalan sama dengan laba periode sebelumnya. Laba
kejutan dapat dihitung dengan rumus sebagai berikut:
UE = (EPSit - EPSit-1)/ Pit-1
2.5.Pengungkapan Informasi Dan Kualitas Laba
Kualitas disclosure merupakan dimensi yang sangat penting dari kualitas
akuntansi perusahaan. Dan kualitas informasi akuntansi yang tinggi akan
menggambarkan seberapa bagus kualitas laba yang dihasilkan dari proses akuntansi.
Biasanya perusahaan yang banyak mengungkapkan informasi (high disclosure firms)
adalah perusahaan yang memiliki kabar baik (good news). Basu (1997) menemukan
bahwa good news firms memiliki laba yang lebih persisten dan ERC yang lebih tinggi
bad news firm. Dengan demikian dapat dikatakan bahwa kualitas pengungkapan akan
mempengaruhi kualitas laba, semakin tinggi kualitas pengungkapan maka, akan
semakin bagus kualitas laba yang dihasilkan.
Ketika diasumsikan disclosure terhadap laporan keuangan maupun laporan
tahunan dipandang kredibel oleh investor, dan dapat memberikan informasi tentang
8
prospek perusahaan dimasa datang, maka semakin rendah ketidakpastian prospek
perusahaan. Keberadaan kualitas pengungkapan dalam laporan keuangan maupun
laporan tahunan memungkinkan investor mendapat informasi tambahan untuk menilai
laba perusahaan dengan lebih akurat, sehingga informasi laba memberikan respon
kepada pasar. Dan kuatnya reaksi pasar terhadap informasi laba atau kekuatan respon
(power of response) menunjukkan laba yang dilaporkan berkualitas. Seperti yang
dinyatakan oleh Bandyopadhyay (1994) bahwa besaran ERC menunjukkan kualitas
earnings perusahaan. Akhirnya dapat dikatakan bahwa kualitas pengungkapan akan
mempengaruhi kualitas laba, yang diukur dengan ERC. Semakin tinggi kualitas
pengungkapan maka akan semakin tinggi ERC
2.6.Penelitian Terdahulu
Penggabungan isu penelitian tentang pengungkapan dengan ERC ini antara lain
dilakukan oleh Gelb dan Zarowin (2000), yang menguji hubungan antara luas
pengungkapan sukarela dengan future ERC dan menemukan bahwa future ERC untuk
perusahaan high disclosurers secara signifikan lebih besar dari pada future ERC
perusahaan low disclosurers.
Di Indonesia, Harjanti (2002) menguji pengaruh luas pengungkapan sukarela
dalam laporan tahunan terhadap current ERC. Dalam penelitiannya Harjanti (2002)
mengajukan hipotesis bahwa luas pengungkapan sukarela dalam laporan tahunan
berpengaruh negatif terhadap current ERC, dan hasil penelitiannya tidak mendukung
hipotesis ini. Desi (2004) melakukan penelitian tingkat keluasan pengungkapan sukarela
dalam laporan tahunan dan hubungannya dengan current ERC. Hasil penelitiannya
menyimpulkan bahwa skor pengungkapan dengan penbobotan dengan yang tanpa
pembobotan ditemukan berbeda secara signifikan, dan tingkat keluasan pengungkapan
sukarela dalam laporan tahunan berhubungan positif dengan current ERC.
9
2.7.Hipotesis
H1 : Tingkat ketaatan pengungkapan wajib berpengaruh positif terhadap
Earnings Response Coefficients (ERC).
H2 : Luas pengungkapn sukarela berpengaruh positif terhadap Earnings
Response Coefficients (ERC).
H3 : Tingkat ketaatan pengungkapan wajib dan luas pengungkapan sukarela
berpengaruh positif terhadap Earnings Response Coefficients (ERC).
3.METODOLOGI PENELITIAN
Penelitian ini termasuk explanatory research, karena penelitian ini bertujuan
menjelaskan antar variabel yang diuji. Berkaitan dengan formasi data, penelitian ini
disusun dalam bentuk cross-sectional . Metode analisis yang digunakan dalam
penelitian ini merupakan penelitian kuantitatif dengan menggunakan statistika sebagai
alat analisis yang utama.
3.1.Metode Penarikan Sampel
Penarikan sampel berdasarkan proporsional stratified sampling, dimana
populasi sasaran harus memenuhi kriteria sebagai berikut:
1. Berada pada industri manufaktur pada tahun 2005
2. Mempunyai tahun buku yang berakhir 31 Desember 2005 .
3. Mempublikasikan laporan keuangan tahunan tidak melebihi 31 Maret 2006
4. Mempublikasikan laporan tahunan tidak melebihi 31 Mei 2006
5. Tidak mengalami kerugian pada tahun 2005
6. Mempunyai nilai buku ekuitas positip pada tahun 2005.
7. Mempunyai laporan tahunan pada tahun 2005
8. Mempunyai data lengkap (harga saham harian, IHSG, nilai kapitalisasi pasar)
9. Mempunyai data laba triwulanan tahun 2003 – 2005
10
Berdasarkan kriteria tersebut, terdapat 42 perusahaan yang menjadi populasi sasaran
(lampiran-1). Dari 42 perusahaan yang menjadi populasi sasaran, diambil sampel
sebesar 30 perusahan (n = N/(Nd2 + 1), d = 0.1), kemudian ditentukan proporsinya ke
dalam tiga kategori (lampiran-2).
3.2. Sumber Pengumpulan Data
Sumber data dalam penelitian ini merupakan data sekunder yang diperoleh
melalui berbagai sumber seperti Pusat Referensi Pasar Modal (PRPM), Indonesian
Capital Market Directory (ICMD), Jakarta Stock Exchange (JSX) Statistics, Pusat Data
Pasar Modal (PDPM) IBII, PDPM PPA UGM, serta publikasi lain yang mendukung
penelitian ini.
3.3.Operasionalisasi Variabel
3.3.1.Variabel Dependen
Variabel dependen adalah kualitas laba yang diproksikan dengan ERC. ERC
merupakan efek setiap dolar unexpected earning terhadap return saham, biasanya
diukur dengan slope koefisien dalam regresi abnormal return saham dan unexpected
earnings (Cho and Jung, 1991)
CAR = α + β (UE) + e
CAR = Cumulative abnormal returns UE = Unexpected earnings
β = Koefisien hasil regresi (ERC)
Estimat ERC merupakan slope koefisien yang diperoleh dengan melakukan
regresi cross-sectional antara CAR dan UE (Teets & Wasley, 1996).
(1). Menghitung CAR masing-masing perusahaan sample.
t+1
CAR = ΣARit
t-1
11
CAR = Cumulative abnormal returns
ARit = Abnormal returns saham i pada hari ke t
t-1 = 1 hari sebelum pengumuman laporan keuangan atau laporan tahunan
t+1 = 1 hari setelah pengumuman laporan keuangan atau laporan tahunan
CAR untuk menguji H1 menggunakan window 3 (tiga) hari, yaitu: 1 hari
sebelum pengumuman laporan keuangan sampai 1 hari setelah pengumuman laporan
keuangan. CAR untuk menguji H2 menggunakan window 4 (tiga) hari, yaitu: hari pada
saat penyampaian laporan tahunan sampai 3 hari setelah penyampaian laporan tahunan.
CAR untuk menguji H3 menggunakan window 4 (tiga) hari, yaitu: hari pada saat
penyampaian laporan tahunan sampai 3 hari setelah penyampaian laporan tahunan.
(2). Menghitung UE masing-masing perusahaan.
Unexpected earnings atau earnings surprise merupakan proksi laba akuntansi
yang menunjukkan kinerja intern perusahaan. UE diukur sesuai dengan penelitian
Kallapur (1994), dapat dihitung dengan menggunakan rumus sebagai berikut:
UEit = (EPSit – EPSit-1)/ P it-1
UEit = Unexpected Earnings perusahaan i pada tahun 2005
EPSit = Earnings per share perusahaan i pada tahun 2005
EPSit-1 = Earnings per share perusahaan i pada tahun 2004
Pit-1 = Harga saham perusahaan i akhir tahun 2004
3.3.2.Variabel Independen
Pengungkapan Wajib (X1)
Pengungkapan wajib diukur berdasarkan Lampiran 1 Surat Edaran Ketua Badan
Pengawas Pasar Modal SE-02/PM/2002, tanggal 27 Desember 2002, tentang Pedoman
Penyajian dan Pengungkapan Laporan Keuangan Emiten atau Perusahaan Publik
Industri Manufaktur. Secara garis besar, yaitu perkelompok butir pengungkapan wajib
12
dapat dilihat pada lampiran-3. Tingkat ketaatan pengungngkapan wajib ditunjukkan
dengan indeks pengungkapan wajib. Perhitungan indeks dilakukan dengan rumus (Zaki
et al, 2001):
∑ butir informasi yang di ungkapkan
Indeks Pengungkapan wajib = -------------------------------------------------------
∑ semua butir informasi – Informasi NA
Pengungkapan Sukarela (X2)
Luas pengungkapan sukarela diukur berdasarkan instrumen yang dikembangkan
dan digunakan oleh Khomsiyah (2005) yang berjumlah 49 item. Daftar item/butir
pengungkapan sukarela secara lengkap disajikan dalam lampiran-4. Luas pengungkapan
sukarela ditunjukkan dengan indeks pengungkapan sukarela, dihitung dengan rumus
sebagai berikut:
Σ ( P x B)
Indeks Pengungkapan Sukarela = -----------
Σ ( S x B)
P = Butir informasi yang di ungkap(1 jika diungkap, 0 jika tidak diungkap)
S = Semua butir pengungkapan sukarela
B = Bobot setiap informasi pengungkapan sukarela
3.3.3.Variabel Kontrol
Variabel kontrol yang dimasukkan dalam model pada penelitian ini merupakan
beberapa variabel yang ditemukan menjelaskan variasi ERC pada penelitian
sebelumnya. Variabel tersebut meliputi: persistensi laba (persistence), beta,
pertumbuhan perusahaan (growth), strutur modal (leverage), besaran perusahaan (size).
Persistensi Laba (Persistence)
Eit = α + βEit-1 + e
13
Eit = laba perusahaan i pada periode t
Eit-1 = laba perusahaan i pada periode t - 1
β = persistensi laba
Risiko Sistematis (Beta)
Pada penelitian beta diestimasi menggunakan model pasar selama setahun yaitu
dari t0 sampai t-setahun, yang dihitung berdasarkan persamaan :
Ri = αi + βiRm + e
Ri = return perusahaan i
Rm = return pasar
βi = beta perusahaan i
Pertumbuhan (Growth)
Market capitalizationMarket-to-book ratio = ----------------------------------
Book value of equityStruktur Modal (Leverage) Lev = TU/TA
Besaran perusahaan (Size). SIZE = Log MCit
Ringkasan Operasionalisasi dapat dilihat pada lampiran-5
3.4.Metode Analisis
Untuk menguji pengaruh tingkat pengungkapan terhadap koefisien respon laba
adalah dengan model regresi cross-sectional (CRSM) yang dikembangkan Teets dan
Wasley (1996). Hipotesis yang diajukan diatas, akan diuji dengan analisis regresi
berganda dengan model interaksi. Dengan menggunakan model interaksi, maka variabel
individual dalam persamaan regresi tidak di interprestasikan . Untuk menguji pengaruh
tingkat ketaatan pengungkapan wajib dan luas pengungkapan sukarela terhadap ERC,
ditentukan dengan melihat arah dan signifikansi koefisien interaksi (β dari UE*MDISC
dan UE*VDISC). Model yang akan digunakan adalah sebagai berikut:
CARLK = α1 + β1(UE) + β2(MDISC) + β3(UE*MDISC) + e1..........(1)
14
CARLK = α2 + β4(UE) + β5(MDISC) + β6(GROWTH) + β7(LEVR) + β8 (PERST) + β9 (SIZE) +
β10(BETALK) + β11(UE*MDISC) + β12(UE*GROWTH) + β13(UE*LEVR) + β14
(UE*PERST) + β15 (UE*SIZE) + β16 (UE*BETALK) + e2..........(2)
CARLT = α3 + β17(UE) + β18(VDISC) + β19(UE*VDISC) + e3........(3).
CARLT = α4 + β20(UE) + β21(VDISC) + β22(GROWTH) + β23(LEVR) + β24 (PERST) + β25 (SIZE)
+ β26(BETALK) + β27(UE*VDISC) + β28(UE*GROWTH) + β29(UE*LEVR) + β30
(UE*PERST) + β31(UE*SIZE) + β32 (UE*BETALK) + e4..........(4)
CARLT = α5+β33(UE) + β34(MDISC) + β35 (VDISC) +β36(UE*MDISC) + β37(UE*VDISC) + e5...(5)
CARLT = α5 + β38(UE) + β39(MDISC) + β40(VDISC) + β41(GROWTH) + β42(LEVR) + β43
(PERST) + β44 (SIZE) + β45(BETALK) + β46(UE*MDISC) + β47(UE*VDISC) +
β48(UE*GROWTH) + β49(UE*LEVR) + β50 (UE*PERST) + β51(UE*SIZE) + β52
(UE*BETALK) + e6..........(6)
CAR = Cumulatif abnormal return UE = Unexpected earnings
VDISC = Voluntary disclosure MDISC = Mandatory disclosure
PERS = Persistence BETA = Risk/Beta
LEVR = Leverage GROW = Growth
SIZE = Size
4.HASIL PENELITIAN DAN PEMBAHASAN
4.1.Statistik Diskriptif
Deskripsi Statistik Tingkat Pengungkapan Wajib (lampiran-6)
Perusahaan sampel memiliki tingkat ketaatan sebesar rata-rata 81% dengan nilai
maksimum sebesar 95% dan nilai minimum sebesar 68%. Perusahaan yang memiliki
indeks pengungkapan wajib tertinggi adalah PT. Indofood Sukses Makmur Tbk, sebesar
95% Sedangkan perusahaan yang memiliki indeks pengungkapan wajib terendah
adalah PT. Intanwijaya International Tbk sebesar 68%.
15
Deskripsi Statistik Tingkat Pengungkapan Sukarela (lampiran-7)
Pada luas pengungkapan sukarela dengan pembobotan, perusahaan sampel
memiliki tingkat pengungkapan sukarela sebesar rata-rata 40% dengan nilai maksimum
sebesar 77% dan nilai minimum sebesar 11%. Perusahaan yang memiliki indeks
pengungkapan sukarela tertinggi adalah PT. Kimia Farma Tbk (77 % dengan
pembobotan dan 78% tanpa pembobotan). Sedangkan perusahaan yang memiliki indeks
pengungkapan sukarela terendah adalah PT. Alakasa Industrindo Tbk ( 11% dengan
pembobotan dan 10% tanpa pembobotan).
Deskripsi Statistik CAR dan UE (lampiran-8)
Perusahaan yang memiliki CAR disekitar pengumuman laporan keuangan
(CARLK) tertinggi adalah PT. Branta Mulia Tbk, sebesar 0.089, sedangkan terendah
adalah PT. Pyridam Farma Tbk sebesar -0.1074. CAR disekitar pengumuman laporan
tahunan (CAR LT) tertinggi adalah PT. Delta Djakarta Tbk, sebesar 0.181, sedangkan
terendah adalah PT. Pelangi Indah Canindo Tbk sebesar -0.126
Perusahaan yang memiliki UE tertinggi adalah PT. Sekar Laut Tbk, sebesar
3.9356. Sedangkan perusahaan yang memiliki UE terendah adalah PT. Berlina Tbk
sebesar -0.1248.
Deskripsi Statistik Variabel Kontrol (lampiran-9)
4.2.Uji Normalitas
Uji normalitas yang digunakan dalam penelitian ini adalah uji Kolmogorov-
Smirnov dan Jarque-Bera. Uji Kolmogorov-Smirnov (output SPSS), memiliki distribusi
normal jika nilai Asymp.Sig (2-tailed) > 0.05. Hasil tersebut menunjukan bahwa
variabel yang memiliki distribusi normal adalah MDISC, VDISC, CARLK, CARLT,
SIZE, LEVR, BETALK, dan BETALT. Sedangkan variabel yang tidak berdistribusi
normal adalah UE, GROWTH dan PERST (lampiran-10).
16
Sedangkan uji Jarque-Bera (output Eviews) memiliki distribusi normal jika nilai
Probability < 0.05. Hasil tersebut menunjukkan bahwa persamaan model 1, 2, 3, 5
berdistribusi normal. Sedangkan persamaan model yang tidak memiliki distribusi
normal adalah persamaan model 4 dan 6, (lampiran-10).
4.3.Uji Asumsi Klasik
Uji Multikolinieritas
Uji Multikolinieritas yang digunakan dalam penelitian ini adalah uji Q box-
pierce (jika nilai AC < 0.5, maka data terbebas dari multikolinieritas). Hasil uji Q box-
pierce untuk setiap model persamaan menunjukkan nilai AC<0.5 (lampiran-11),
sehingga dapat disimpulkan bahwa dalam model terbebas dari adanya multikolinieritas.
Uji Autokorelasi
Metode deteksi autokorelasi yang digunakan dalam penelitian ini adalah Uji
Durbin-Watson. Hasil Uji (lampiran-12) menunjukkan bahwa dalam setiap model
persamaan terbebas dari adanya autokorelasi.
Uji Heteroskedastisitas
Uji heteroskedastisitas dengan White Heteroskedasticity Test pada penelitian ini
ditunjukkan dengan melihat nilai Obs*R-squared. Dari hasil tersebut dapat disimpulkan
bahwa setiap model persamaan terbebas dari kondisi heteroskedastisitas, karena nilai
Obs*R-squared > 0.05 (lampiran-13).
4.4.Uji Hipotesis
Hasil pengujian hipotesis 1 sebelum dan setelah dimasukkan variabel kontrol
konsisten, yaitu tingkat pengungkapan wajib tidak berhubungan terhadap ERC
(lampiran-14). Hasil penelitian ini tidak mendukung hipotesis bahwa tingkat ketaatan
pengungkapan wajib berpengaruh positif terhadap ERC
17
Hasil pengujian hipotesis 2 sebelum dan setelah dimasukkan variabel kontrol
konsisten, yaitu tingkat pengungkapan sukarela berpengaruh negatif terhadap ERC
(lampiran-15). Hasil penelitian ini tidak mendukung hipotesis bahwa luas
pengungkapan sukarela berpengaruh positif terhadap ERC
Hasil pengujian hipotesis 3 sebelum dan setelah dimasukkan variabel kontrol,
tingkat pengungkapan wajib tidak berpengaruh terhadap ERC. Sedangkan tingkat
pengungkapan sukarela tidak berpengaruh terhadap ERC, namun setelah dimasukkan
variabel kontrol, tingkat pengungkapan sukarela berpengaruh negatif terhadap ERC
(lampiran-16) . Hasil penelitian ini tidak mendukung hipotesis bahwa tingkat ketaatan
pengungkapan wajib dan luas pengungkapan sukarela berpengaruh secara bersama-
sama terhadap ERC.
Ringkasan Hasil Uji Hipotesis
Hipotesis 1 Variabel Hipotesis Hasil Signifikansi KesimpulanTanpa variabel kontrol MDISC Positif Negatif Tidak signifikan
H0 diterima Dengan variabel kontrol MDISC Positif Negatif Tidak signifikan
Hipotesis 2 Variabel Hipotesis Hasil Signifikansi KesimpulanTanpa variabel kontrol VDISC Positif Negatif Signifikan
H0 ditolak Dengan variabel kontrol VDISC Positif Negatif Signifikan
Hipotesis 3 Variabel Hipotesis Hasil Signifikansi KesimpulanTanpa variabel kontrol MDISC Positif Positif Tidak signifikan
H0 diterima
VDISC Positif Negatif Tidak signifikan Dengan variabel kontrol MDISC Positif Negatif Tidak signifikan VDISC Positif Negatif Signifikan
18
5.KESIMPULAN KETERBATASAN DAN SARAN
5.1.Kesimpulan
Penelitianini tidak berhasil membuktikan hipotesis yang diajukan bahwa tingkat
ketaatan pengungkapan wajib dan luas pengungkapan sukarela secara parsial
berpengaruh positif terhadap kualitas laba yang diukur dengan ERC. Peneliti juga tidak
berhasil membuktikan bahwa tingkat ketaatan pengungkapan wajib dan luas
pengungkapan sukarela secara bersama-sama berpengaruh terhadap kualitas laba yang
diukur dengan ERC. Hasil penelitian tersebut tetap konsisten sebelum dan setelah
dimasukkan variabel kontrol.
Dengan demikian hasil penelitian ini berbeda dengan temuan Harjanti (2002)
dan Desi (2004) bahwa luas pengungkapan sukarela berpengaruh positif terhadap ERC
Perbedaan hasil penelitian ini diduga karena periode pengamatan yang berbeda, dimana,
penelitian Harjanti (2002) dengan periode pengamatan tahun 1995 dan Desi (2004) pada
periode pengamatan 1998. Pada periode pengamatan tersebut ditemukan nilai UE rata-
rata negatif, penelitian Desi (2004) ditemukan 61% dari sampel mempunyai nilai UE
negatif. Sedangkan pada penelitian ini ditemukan rata-rata nilai UE positif (68% nilai
UE positif),
Nilai UE negatif diartikan EPS tahun ini lebih kecil dari pada tahun sebelumnya,
sebaliknya, nilai UE positif diartikan EPS tahun ini lebih besar dari pada tahun
sebelumnya (terjadi kenaikan). Dapat disimpulkan, ketika terjadi penurunan EPS, luas
pengungkapan sukarela berpengaruh positif terhadap ERC, namun ketika terjadi
kenaikan EPS, luas pengungkapan sukarela tidak berpengaruh terhadap ERC.
Menurut dugaan peneliti, hal ini disebabkan karena masyarakat pemakai
laporan keuangan khususnya investor relatif akan memberikan respon terhadap
informasi laba ketika terjadi penurunan earnings per share (EPS) yang ditunjukkan
19
dengan nilai unexpected earnings (UE) negatif, dengan memperhatikan voluntary
disclosure. Demikian pula sebaliknya masyarakat pemakai laporan keuangan relatif
tidak memperhatikan voluntary disclosure ketika terjadi kenaikan EPS. Sedangkan
penilaian tentang mandatory disclosure, investor mempercayakan kepada auditor
dengan memperhatikan laporan auditor independen.
5.2.Saran
Penelitian berikutnya diharapkan mempertimbangkan dalam penilaian luas
ungkapan sukarela dengan current issue dan dengan memberi bobot pada tingkat
kerincian suatu butir informasi yang diungkapkan, sehingga indeks pengungkapan
menjadi up to date dan lebih teliti. Penelitian berikutnya juga diharapkan menggunakan
metode pengukur kualitas laba selain Earnings Response Coefficient (ERC), dan metode
pengukur return ekspektasi dalam menentukan abnormal return selain market adjusted
model.
20
REFERENSI
A.A.A. Ratna Dewi, 2004, Pengaruh Konservatisme Laporan Keuangan Terhadap Earnings Response Coefficient, Jurnal Riset Akuntansi Indonesia, Vol 7, No. 2, hal. 207-223.
Aida Ainul Mardiyah, 2002, Pengaruh Informasi Asimetri dan Disclosure terhadap Cost of Capital, Jurnal Riset Akuntansi Indonesia, Vol. 5, No.2, hal. 229-256
Ayres, F.L, 1994, Perception of Earnings Quality: What Manager Need to Know, Management Accounting, pp. 27-29
Badyopadhyay. S, 1994, Market Reactions to Earnings Announcemants of SE dan FC firm in The Oil and Gas Industry, The Accounting Review (October): 657-674.
Balsam, S.,2003, Krishnan, J., dan Yang, J.S., Auditor Industry Specialization and Earnings Quality, Auditing: A Journal of Practice & Theory, Vol. 22, pp. 71-97.
Bapepam, 2002, Pedoman Penyajian dan Pengungkapan Laporan Keuangan Emiten atau Perusahaan Publik, Lampiran 1 Surat Edaran Ketua Bapepam No : SE-02/PM/2002, http://www.bapepam.go.id.
Binsar H. Simanjutak, Lusy W., 2004, Faktor-faktor yang Mempengaruhi Kelengkapan pengungkapan Laporan Keuangan pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Jakarta, Jurnal Riset Akuntansi Indonesia, Vol.7, No.3.
Botosan, Christine A, 1997,Disclosure Level and the Cost of Equity Capital, The Accounting Review, pp 323-349.
Bryan, Daniel., Liu, M.H. Carol.,Tiras, Samuel l., 2003, The Influence Of Independent And Effective Audit Committees On Earnings Quality, http://papers.ssrn.com.
Cho, L.Y., and K. Jung, 1991, Earnings Response Coefficients: A Syinthesis of Theory and Empirical Evidence, Journal of Accounting Literature, Vol 10, p. 85-116.
Choi, Frederik, D.S, 1999, International Accounting, Third Edition, Prentice-Hall Inc, New Jersey.
Chow, Chee W., & Adrian Wong Boren, 1987, Voluntary Financial Disclosure by Mexican Corporation, Accounting Review, pp. 533-541
Collins, D. dan S. Kothari, 1989, An Analysis of the Intertemporal and Cross-sectional Determinants of Earnings Response Coefficients, Journal of Accounting and Economics 11, pp. 143-182.
Collins, W.A., W.S. Hoopwood, and J.C. Mackeowmn, 1984, The Predictability of Interm Earnings Over Alternative Quarters, Journal of Accounting Research, Vol.22, No.2.p. 467-479.
21
Cooper, Donald R and Emory, C William, 1995, Business Research Methods, 5 th ed, Richard D. Irwin, Inc.
Courtis, John K , 1992, The Reliability of Perception-based Annual Report Disclosure Studies, Accounting & Business 23 (Winter), pp 31-43.
Desi Adhariani, 2004, Tingkat Keluasan pengungkapan Sukarela dalam Laporan Tahunan dan Hubungannya dengan Current Earnings Response Coefficient, Tesis S2, Magister Manajemen, Universitas Indonesia.
ECFIN, 2007, Indonesian Capital Market Directory 2006, Jakarta,
Enwistle, Gary M., Phillips, Fred., 2003, Relevance, Reliability, and the Earnings Quality Debate, Issues in Accounting Education, Vol. 18, No. 1.
Espahbodi, Reza, 2001, On the Factors Influencing Return-Earnings Relationship, Style Sheet, http://papers.ssrn.com.
Evans, Thomas G, 2003, Accounting Theory: Contemporary Accounting Issues, Thomson, South Western, Australia.
Fan, J.P.H., Wong, T.J., 2002,Corporate ownership Structure and the Informativeness of Accounting Earnings in East Asia, Journal of Accounting and Economics 33, p.401-425.
Financial Accounting Standards Boards (FASB), 1983, Accounting Standards: Statement of Financial Accounting Concept (SFAC) 1-5, McGraw-Hill Book Company, USA.
Gelb, D., and P. Zarowin, 2000, Corporate Disclosure Policy and the Informativeness of Stock Prices, Working Paper, Seton Hall University and New York University.
Ghosh, Aloke., Gu, Zhaoyang., 2005, Sustained Earnings And Revenue Growth, Earnings Quality, And Earnings Response Coefficients, http://papers.ssrn.com.
Harjanti Widiastuti, 2002, Pengaruh Luas Ungkapan Sukarela Dalam Laporan Tahunan Terhadap Earnings Response Coefficient, Tesis S2, Universitas Gadjah Mada.
Healy, P.M., A.P. Hutton, and K.G. Palepu, 1993, The Effect of Firms Financial Disclosure Strategies on Stock Prices, Accounting Horizons, p.1-11.
Ikatan Akuntan Indonesia, 2004, Standar Akuntansi Keuangan, Jakarta, Salemba Empat.
Imam Ghozali, Aplikasi Analisis Multivariate Dengan Program SPSS, 2005, Semarang, Penerbit: Badan penerbit Universitas Diponegoro.
Imhoff, E, and G.J. Lobo, 1992, The Impact of Ex Ante Earnings Uncertainty on Earnings Response Coefficient, The Accounting Review 67 (April): 427-439.
22
Jakarta Stock Exchange, 2006, JSX Monthly Statistics February 2006, Volume 15 No.2, Jakarta, JSX Research Development Division.
Jaswadi, 2004, Dampak Earnings Reporting Lags terhadap Koefisien Respon Laba, Jurnal Riset Akuntansi Indonesia, Vol. 7, No. 3.
Jogiyanto H.M., 2003, Teori Portofolio dan Analisis Investasi, Edisi 3, Yogyakarta, Penerbit BPFE.
Kallapur, Sanjay, 1994, Deviden Payout Ratio as Determinants of Earnings Response Coefficient, Journal of Accounting and Economics 17: 359-375.
Khomsiyah, 2005, Analisis Hubungan Struktur Dan Indeks Corporate Governance Dengan Kualitas Pengungkapan, Disertasi S3, Universitas Gadjah Mada.
Kormendi, Roger and Lipe, 1987, Earnings Innovations, Earnings Persistence and Stock Returns, Journal of Business, Vol.60, No.3, july, p.323-345.
Kothari, S, 1992, Price Earnings Regression in the Presence of Prices Leading Earnings, Journal of Accounting and Econimics 15, pp. 173-202.
Lang, M. dan R. Lundholm, 1993, Cross-sectional Determinants of Analyst Rating of Corporate Disclosures, Journal of Accounting Research 31, pp. 246-271.
Lobo, Gerald J. dan Jian Zhou, 2001, Disclosure Quality And Earnings Management, Social Science Research Network Electronic Paper Collection.
Lougee, Barbara A., Marquardt, Carol A., 2002, Earnings Quality and Strategic Disclosure: An Empirical Examination Of `Pro Forma` Earnings, http://papers.ssrn.com.
Marston, C.L., dan P.J. Shrives, 1991, The Use of Disclosure Indices in Accounting Research: A Review Article, British Accounting Review 23, pp.195-210.
Palepu, Krisna G., Healy, Paul M., Bernard Victor L., 2004, Business Analysis and Valuation, Third Edition, South-Western, USA.
Schipper, Khaterine and Linda Vincent 2003, Earnings Quality, Accounting Horizons, Vol.17, Supplement, p.97-110.
Scott, William R.,2003, Financial Accounting Theory, Third Edition, Prentice Hall International.
Sekar Mayangsari, 2004, Bukti Empiris Pengaruh Spesialisasi Industri Auditor terhadap Earnings Response Coefficient, Jurnal Riset Akuntansi Indonesia, Vol. 7, No.2.
23
Singhvi, Surendra S. and Desai, Harsha B., 1971, An Empirical Analysis of the Quality of Corporate Financial Disclosure, The Accounting Review 73, p 129-138.
Siti Asiah Murni, 2004, Pengaruh Luas Ungkapan Sukarela dan Asimetri Informasi Terhadap Cost of Equity Capital pada Perusahaan Publik di Indonesia, Jurnal Riset Akuntansi Indonesia, Vol 7, No. 2, hal. 192-206.
Suwardjono, 2005, Teori Akuntansi: Perekayasaan Pelaporan Keuangan, BPFE, Yogyakarta.
Teets, W.R. and Wasley, C.E., 1996, Estimating Earnings Response Coefficients: Pooled versus Firm Specific Models, Journal of Accounting Ecconomics 21, Juni, hal. 279-295
Teoh, S. H. dan Wong, T. J., 1993, Perecieved Auditor Quality and the Earnings Response Coefficient, Journal Accounting Review, Vol.66, No.2, p. 346-366.
Tjakradinata, Emma Siamuljati, 2000, Studi Empiris atas kualitas Pengungkapan (Disclosure) Laporan Tahunan dan Pengeruhnya terhadap Dispersi Harga Saham Perusahaan yang Tercatat pada Bursa Efek Jakarta, Tesis Pascasarjana, Universitas Indonesia.
Wallace, R.O.S., et al, 1994, The Relationship between the comprehensiveness of corporate annual reports and firm characteristics in Spain, Accounting and Business Research, Vol 25, No. 97, p. 41-53.
Warfield,T.D.,Wild, J.J.,danWild, K.L., 1995, Manajerial Ownership, Accounting Choice and Informativeness of Earnings, Journal of Accounting & Ecconomics 20, p. 61-91.
White, Gerald I., Shondhi, Ashwinpaul C., Fried, Dov., 2003, The Analysis And Use of Financial Statements, Third Edition, John Wiley & Sons, USA.
Wiwik Utami, 2005, Dampak Pengungkapan Sukarela Dan Manajemen Laba Terhadap Biaya Modal Ekuitas Dengan Informasi Asimetri Sebagi Variabel Intervening, Disertasi S3, Universitas Padjajaran.
Wolk, Harry I., Michael G. Tearney, and James L. Dodd, 2001, Accounting Theory: A Conceptual and Institusional Approach, South Western College Publising.
Yunita F Juniarti, 2003, Pengaruh Tingkat Disclosure Terhadap Biaya Ekuitas, Jurnal Akuntansi dan Keuangan, Vol 5, No. 2, Nofember 2003, hal 152-170.
Zaki Baridwan, Mas`ud Machfoedz, dan M.G. Tearney, 2001, An Evaluation of Disclosure of financial Information by Public Companies in Indonesia, Laporan Penelitian SIAGA-UGM dan Pusat Pengembangan Akuntansi Universitas Gadjah Mada.
24
LAMPIRAN
Lampiran 1 Populasi Sasaran
Lampiran 2 Jumlah Sampel
Lampiran 3 Daftar item/butir pengungkapan wajib
Lampiran 4 Dartar item/butir pengungkapan sukarela
Lampiran 5 Ringkasan Operasionalisasi variabel
Lampiran 6 Deskripsi Statistik Tingkat Pengungkapan Wajib
Lampiran 7 Deskripsi Statistik Tingkat Pengungkapan Sukarela
Lampiran 8 Deskripsi Statistik CAR dan UE
Lampiran 9 Deskripsi Statistik Variabel Kontrol
Lampiran 10 Uji Normalitas
Lampiran 11 Uji Multikolinieritas
Lampiran 12 Uji Autokorelasi
Lampiran 13 Uji Heteroskedastisitas
Lampiran 14 Uji Hipotesis (H1)
Lampiran 15 Uji Hipotesis (H2)
Lampiran 16 Uji Hipotesis (H3)
25
LAMPIRAN-1
Populasi sasaran
Kriteria JumlahPerusahaan manufaktur 138Tahun buku tidak berakhir 31 Desember 2005 2Tanggal publikasi LK diatas 31 Maret 2006 24Tanggal publikasi LT diatas 31 Mei 2006 25Mengalami kerugian pada tahun 2005 25Nilai buku ekuitas negatif pada tahun 2005 1Data tidak lengkap 19Populasi sasaran (terdiri 3 kategori) 421. Industri dasar kimia 182. Aneka industri 73. Industri barang konsumsi 17
LAMPIRAN-2
Jumlah sampel
Kriteria JumlahJumlah sampel awal 301. Industri dasar kimia (18/42 x 30 = 12.85) 132. Aneka industri (7/42 x 30 = 5) 53. Industri barang konsumsi ( 17/42 x 30 = 12.15) 13Jumlah sampel akhir 31
PERUSAHAAN SAMPEL
No Kode Emiten A Industri dasar dan kimia1 AMFG Asahimas Flat Glass Co. Ltd. Tbk.2 ARNA Arwana Citramulia Tbk.3 ALKA Alakasa Industrindo Tbk.4 CTBN Citra Tubindo Tbk.5 PICO Pelangi Indah Canindo Tbk.6 BUDI Budi Acid Jaya Tbk.7 INCI Intanwijaya International Tbk.8 SRSN Sarasa Nugraha Tbk.9 UNIC Unggul Indah Cahaya Tbk.
10 BRNA Berlina Tbk.11 CPIN Charoen Pokphand Indonesia Tbk.12 BRPT Barito Pacific Timber Tbk.13 FASW Fajar Surya Wisesa Tbk. B Aneka Industri
26
14 BRAM Branta Mulia Tbk.15 PBRX Pan Brothers Tbk.16 RICY Ricky Putra Globalindo Tbk.17 BATA Sepatu Bata Tbk.18 IKBI Sumi Indo Kabel Tbk. C Industri makanan dan minuman
19 DLTA Delta Djakarta Tbk.20 INDF Indofood Sukses Makmur Tbk.21 MLBI Multi Bintang Indonesia Tbk.22 MYOR Mayora Indah Tbk.23 SHDA Sari Husada Tbk.24 SKLT Sekar Laut Tbk.25 SMAR Smart Corporation Tbk.26 HMSP H.M. Sampoerna Tbk.27 KAEF Kimia Farma Tbk.28 MERK Merck Tbk.29 PYFA Pyridam Farma Tbk.30 UNVR Unilever Indonesia Tbk.31 LMPI Langgeng Makmur Industri Tbk.
LAMPIRAN-3
Kelompok Butir Pengungkapan Wajib
No Kelompok Informasi Jumlah Butir
1 Gambaran umum perusahaan 5
2 Penawaran umum efek perusahaan 4
3 Karyawan, direksi, dan komisaris 2
4 Ikhtisar kebijakan akuntansi 47
5 Pengungkapan atas pos-pos laporan keuangan dan
pengungkapan lainnya
391
Jumlah butir 449
LAMPIRAN-4
27
Kelompok Butir Pengungkapan Sukarela
No Kelompok Informasi Jumlah Butir
1 Informasi umum perusahaan 7
2 Informasi dewan komisaris dan direksi 7
3 Prospek bisnis 5
4 Penelitian dan Pengembangan 5
5 Informasi karyawan 10
6 Tanggung jawab sosial 6
7 Peningkatan Produk dan Jasa 3
8 Informasi penerapan GCG 6
Jumlah butir 49
LAMPIRAN-5Operasionalisasi Variabel
Variabel Konsep variabel Indikator Skala
Variabel dependen
Kualitas Laba Laba yang dapat mencerminkan
kinerja keuangan perusahaan yang
sesungguhnya, tidak mengandung
gangguan persepsi sehingga
memiliki power of response
terhadap pasar yang tercermin dari
tingginya ERC
Koefisien β dari model
CAR = α + βUE + e
Rasio
Variabel Independen
Pengungkapan
wajib
Merupakan pengungkapan
minimum yang disyaratkan oleh
peraturan yang berlaku
(SE-02/PM/2002).Kel informasi :
- Gambaran umum perusahaan
-Penawaran umum efek perusahaan
- Karyawan, direksi, dan komisaris
- Ikhtisar kebijakan akuntansi
-Pengungkapan atas pos pelaporan
keuangan& pengungkapan lainnya
Indeks pengungkapan wajib =
∑ butir informasi yang di ungkap
∑ semua butir informasi – informasi NA
Dimana:
Skor 1 jika butir informasi diungkap
Skor 0 jika butir informasi tidak diungkap
Rasio
Pengungkapan Pengungkapan atas laporan
28
Sukarela keuangan yang tidak diharuskan
oleh Standar Akuntansi Keuangan
dan Peraturan Bapepam, yang
hanya bersifat anjuran serta
praktiknya diserahkan sepenuhnya
kepada emiten. Dengan kelompok
informasi berikut:
- Informasi umum perusahaan
- Informasi komisaris dan direksi
- Prospek bisnis
- Penelitian dan pengembangan
- Informasi karyawan
- Tanggung jawab social
- Peningkatan Produk dan Jasa
- Informasi penerapan GCG
Indeks pengungkapan sukarela =
∑ (P x B)
∑ (S x B)
Dimana:
P = butir informasi yang diungkap
(1 jika informasi diungkap,
0 jika informasi tidak diungkap)
S = semua butir pengungkapan sukarela
B = Bobot setiap informasi
Rasio
Variabel Kontrol
Persistence suatu ukuran yang menjelaskan
kemampuan perusahaan untuk
mempertahankan jumlah laba yang
diperoleh saat ini sampai masa
mendatang
Koefisien β dari model
Eit = α + βEit-1 + e
(menggunakan periode estimasi laba
triwulanan selama 12 triwulan dari
tahun 2003-2005)
Rasio
Beta pengukur risiko sistematik dari
suatu sekuritas terhadap risiko
pasar, yang tidak dapat dihilangkan
karena diversifikasi.
Koefisien β dari model
Ri = αi + βiRm + ei
(menggunakan periode estimasi
selama setahun/t0 sampai t-setahun)Rasio
Leverage rasio total hutang dengan total aset
perusahaan.
Total Hutang
Total Aktiva Rasio
Growth prospek pertumbuhan perusahaan
dimasa mendatang.
Market to book ratio =
Market capitalization
Book value of equity
Rasio
Size Ukuran perusahaan Log Market capitalization Rasio
LAMPIRAN-6Tingkat Pengungkapan Wajib Berdasarkan Kelompok Pengungkapan
Kelompok pengungkapan Rata-rata Maksimum Minimum
1. Gambaran umum perusahaan 0.99 1.00 0.80
2. Penawaran umum efek perusahaan 0.90 1.00 0.00
3. Karyawan, direksi, dan komisaris 0.94 1.00 0.50
4. Ikhtisar kebijakan akuntansi 0.88 0.97 0.72
5. Pengungkapan atas pos-pos LK 0.79 0.95 0.67
dan pengungkapan lainnya
Tingkat Pengungkapan Wajib 0.81 0.95 0.68
29
LAMPIRAN-7Tingkat Pengungkapan Sukarela Berdasarkan Kelompok Pengungkapan
(Tanpa bobot)
Kelompok pengungkapan Rata-rata Maksimum Minimum
1. Informasi umum perusahaan 0.64 0.86 0.29
2. Informasi direksi dan komisaris 0.56 1.00 0.00
3. Prospek bisnis 0.32 0.80 0.20
4. Penelitian dan pengembangan 0.20 0.60 0.00
5. Informasi karyawan 0.25 0.70 0.00
6. Tanggung jawab sosial 0.31 1.00 0.00
7. Peningkatan produk dan jasa 0.54 1.00 0.00
8. Informasi penerapan GCG 0.38 1.00 0.00
Tingkat Pengungkapan Sukarela 0.39 0.78 0.10
Tingkat Pengungkapan Sukarela Berdasarkan Kelompok Pengungkapan(Dengan bobot)
Kelompok pengungkapan Rata-rata Maksimum Minimum
1. Informasi umum perusahaan 0.64 0.86 0.29
2. Informasi direksi dan komisaris 0.56 1.00 0.00
3. Prospek bisnis 0.31 0.80 0.19
4. Penelitian dan pengembangan 0.21 0.61 0.00
5. Informasi karyawan 0.26 0.70 0.00
6. Tanggung jawab sosial 0.33 1.00 0.00
7. Peningkatan produk dan jasa 0.53 1.00 0.00
8. Informasi penerapan GCG 0.38 1.00 0.00
Tingkat Pengungkapan Sukarela 0.40 0.77 0.11
LAMPIRAN-8Deskripsi Statistik CAR LK
Rata-rata Maksimum Minimum
Total -0.00764 0.08879 -0.10737
Industri dasar dan kimia -0.01034 0.02000 -0.03000
Aneka industri 0.03000 0.09000 -0.01000
Industri barang konsumsi -0.02000 0.03000 -0.11000Deskripsi Statistik CAR LT
Rata-rata Maksimum Minimum
Total 0.00776 0.18121 -0.12561
Industri dasar dan kimia -0.01004 0.09170 -0.12561
Aneka industri 0.02489 0.08224 -0.04098
Industri barang konsumsi 0.01897 0.18121 -0.09347Deskripsi Statistik UE
30
Rata-rata Maksimum Minimum
Total 0.3067 3.9356 -0.1248
Industri dasar dan kimia 0.1816 0.9000 -0.1247
Aneka industri 0.0605 0.2150 -0.0561
Industri barang konsumsi 0.5265 3.9356 -0.0425
LAMPIRAN-9Deskripsi Statistik Variabel Kontrol
Variabel Kontrol Rata-rata Maksimum Minimum
Growth 2.6148 15.0071 0.3794
Size 5.7145 7.5912 4.3490
Leverage 0.4825 0.8478 0.1062
Persistence 0.4704 5.8531 -0.5482
Beta LT -0.1638 0.0630 -0.6750
Beta LK -0.3762 1.9410 -6.4770
LAMPIRAN-10UJI NORMALITAS
One-Sample Kolmogorov-Smirnov Test
GROWTH SIZE LEVR PERST BETALK BETALT
N 31 31 31 31 31 31
Normal Parameters(a,b) Mean 2.615 5.715 0.482 0.470 -0.164 -0.376
Std. Deviation 3.524 0.874 0.214 1.056 0.175 1.337
Most Extreme Differences Absolute 0.299 0.091 0.096 0.302 0.187 0.218
Positive 0.299 0.091 0.083 0.302 0.102 0.178
Negative -0.263-
0.063-
0.096 -0.276 -0.187 -0.218
Kolmogorov-Smirnov Z 1.664 0.509 0.537 1.683 1.041 1.212
Asymp. Sig. (2-tailed) 0.008 0.958 0.935 0.007 0.229 0.106
a Test distribution is Normal.
b Calculated from data.
UJI NORMALITAS
MODEL 1 MODEL 2
31
Series: Residuals Series: ResidualsSample 1 31 Sample 1 31Observations 31 Observations 31Mean -3.65E-17 Mean 5.29E-17Median -0.002873 Median -0.002361Maximum 0.085553 Maximum 0.086313Minimum -0.103435 Minimum -0.067418Std. Dev. 0.032723 Std. Dev. 0.025101Skewness 0.029928 Skewness 0.760729Kurtosis 6.465075 Kurtosis 6.947510Jarque-Bera 15.51334 Jarque-Bera 23.11782Probability 0.000428 Probability 0.000010
MODEL 3 MODEL 4 Series: Residuals Series: ResidualsSample 1 31 Sample 1 31Observations 31 Observations 31Mean 5.15E-18 Mean 2.73E-16Median -0.005405 Median 0.000763Maximum 0.175034 Maximum 0.121980Minimum -0.132365 Minimum -0.104493Std. Dev. 0.058710 Std. Dev. 0.044042Skewness 0.676688 Skewness 0.401043Kurtosis 4.372277 Kurtosis 3.960777Jarque-Bera 4.798247 Jarque-Bera 2.023312Probability 0.090798 Probability 0.363616
MODEL 5 MODEL 6 Series: Residuals Series: ResidualsSample 1 31 Sample 1 31Observations 31 Observations 31Mean 3.69E-17 Mean 4.15E-16Median -0.011603 Median -0.001645Maximum 0.179488 Maximum 0.101326Minimum -0.126774 Minimum -0.096504Std. Dev. 0.057801 Std. Dev. 0.042948Skewness 0.793273 Skewness 0.251424Kurtosis 4.712754 Kurtosis 3.126549Jarque-Bera 7.040428 Jarque-Bera 0.347292Probability 0.029593 Probability 0.840594
LAMPIRAN-11
UJI MULTIKOLINIERITAS
32
MODEL 1UJI MULTIKOLINIERITASDate: 08/02/07 Time: 22:31Sample: 1 31Included observations: 31
Autocorrelation Partial Correlation
AC PAC Q-Stat Prob
. | . | . | . | 1 -0.034 -0.034 0.0388 0.844 . |**. | . |**.
|2 0.210 0.209 15,912 0.451
. | . | . | . | 3 0.019 0.033 16,045 0.658 . *| . | .**| .
|4 -0.145 -0.196 24,016 0.662
. |* . | . |* . | 5 0.085 0.070 26,887 0.748 . | . | . |* . | 6 -0.007 0.080 26,905 0.847 . | . | . | . | 7 0.038 0.009 27,532 0.907 . | . | . *| . | 8 -0.013 -0.067 27,613 0.948 . | . | . | . | 9 0.004 0.019 27,620 0.973 . | . | . | . | 10 -0.034 -0.010 28,169 0.985 . | . | . | . | 11 -0.032 -0.039 28,691 0.992 . |* . | . |* . | 12 0.108 0.114 35,003 0.991 ***| . | ****| .
|13 -0.439 -0.461 14,448 0.343
. *| . | . *| . | 14 -0.060 -0.167 14,665 0.401 .**| . | . *| . | 15 -0.305 -0.131 20,631 0.149 . *| . | . | . | 16 -0.063 0.037 20,905 0.182
MODEL 2
UJI MULTIKOLINERITASDate: 08/02/07 Time: 22:06Sample: 1 31Included observations: 31
Autocorrelation Partial Correlation
AC PAC Q-Stat Prob
. *| . | . *| . | 1 -0.084 -0.084 0.2430 0.622 . *| . | . *| . | 2 -0.091 -0.099 0.5362 0.765 . *| . | . *| . | 3 -0.145 -0.164 13,013 0.729 . | . | . | . | 4 0.023 -0.018 13,205 0.858 . | . | . | . | 5 0.018 -0.014 13,328 0.932 .**| . | .**| .
|6 -0.196 -0.228 29,016 0.821
. |**. | . |**. |
7 0.249 0.224 55,405 0.594
. | . | . | . | 8 0.048 0.051 56,448 0.687 . | . | . | . | 9 0.035 0.027 57,032 0.769 . *| . | . | . | 10 -0.117 -0.020 63,708 0.783 . | . | . | . | 11 -0.029 -0.022 64,151 0.844 . | . | . | . | 12 0.037 -0.016 64,870 0.890 . *| . | . *| . | 13 -0.178 -0.135 82,977 0.824 . |* . | . | . | 14 0.098 0.038 88,792 0.839 .**| . | .**| .
|15 -0.237 -0.316 12,472 0.643
. | . | . *| . | 16 0.061 -0.071 12,727 0.693
MODEL 3UJI MULTIKOLINIERITASDate: 08/02/07 Time: 22:29
33
Sample: 1 31Included observations: 31
Autocorrelation Partial Correlation
AC PAC Q-Stat Prob
. | . | . | . | 1 0.057 0.057 0.1102 0.740 .**| . | .**| .
|2 -0.224 -0.228 18,754 0.392
. |* . | . |**. |
3 0.169 0.209 29,193 0.404
. |* . | . | . | 4 0.081 -0.006 31,658 0.530 . |* . | . |**.
|5 0.177 0.283 43,951 0.494
. |* . | . | . | 6 0.071 0.002 46,004 0.596 . *| . | . | . | 7 -0.071 0.026 48,135 0.683 . | . | . | . | 8 0.063 -0.004 49,884 0.759 . *| . | .**| .
|9 -0.117 -0.211 56,292 0.776
.**| . | .**| . |
10 -0.213 -0.242 78,396 0.644
. | . | . *| . | 11 -0.040 -0.177 79,221 0.720 . | . | . | . | 12 0.031 -0.001 79,736 0.787 . *| . | . *| . | 13 -0.127 -0.108 88,834 0.782 .**| . | . *| . | 14 -0.210 -0.069 11,532 0.644 . *| . | . | . | 15 -0.112 -0.030 12,332 0.654 . |* . | . |* . | 16 0.093 0.187 12,920 0.679
MODEL 4UJI MULTIKOLINIERITASDate: 08/02/07 Time: 22:16Sample: 1 31Included observations: 31
Autocorrelation Partial Correlation
AC PAC Q-Stat Prob
.**| . | .**| . |
1 -0.206 -0.206 14,485 0.229
. | . | . *| . | 2 -0.039 -0.085 15,022 0.472 . |*** | . |***
|3 0.441 0.436 85,965 0.035
.**| . | . *| . | 4 -0.226 -0.070 10,538 0.032 . |* . | . |* . | 5 0.129 0.118 11,194 0.048 . |**. | . |**.
|6 0.323 0.226 15,473 0.017
***| . | .**| . |
7 -0.357 -0.212 20,910 0.004
. |* . | . | . | 8 0.148 -0.051 21,887 0.005 . | . | .**| .
|9 -0.002 -0.219 21,887 0.009
***| . | .**| . |
10 -0.349 -0.232 27,835 0.002
. |**. | . | . | 11 0.219 -0.007 30,292 0.001 . *| . | . | . | 12 -0.099 -0.012 30,823 0.002 .**| . | . | . | 13 -0.238 0.046 34,037 0.001 . |* . | . *| . | 14 0.108 -0.067 34,744 0.002 .**| . | . *| . | 15 -0.276 -0.156 39,632 0.001 . | . | . |* . | 16 0.002 0.099 39,632 0.001
MODEL 5UJI MULTIKOLINIERITASDate: 08/02/07 Time: 22:25
34
Sample: 1 31Included observations: 31
Autocorrelation Partial Correlation
AC PAC Q-Stat Prob
. |* . | . |* . | 1 0.084 0.084 0.2379 0.626 .**| . | .**| .
|2 -0.208 -0.216 17,582 0.415
. |* . | . |**. |
3 0.175 0.227 28,816 0.410
. |* . | . | . | 4 0.070 -0.028 30,662 0.547 . |**. | . |***
|5 0.213 0.329 48,532 0.434
. |* . | . | . | 6 0.146 0.043 57,251 0.455 . *| . | . | . | 7 -0.102 -0.003 61,665 0.520 . | . | . *| . | 8 -0.007 -0.064 61,685 0.628 . *| . | .**| .
|9 -0.145 -0.287 71,441 0.622
.**| . | .**| . |
10 -0.195 -0.261 89,971 0.532
. | . | . *| . | 11 0.031 -0.138 90,449 0.618 . | . | . | . | 12 -0.011 -0.012 90,514 0.699 . *| . | . | . | 13 -0.161 -0.024 10,521 0.651 .**| . | . *| . | 14 -0.249 -0.109 14,256 0.431 . *| . | . | . | 15 -0.128 0.044 15,297 0.430 . | . | . |* . | 16 0.056 0.085 15,510 0.488
MODEL 6UJI MULTIKOLINIERITASDate: 08/02/07 Time: 22:21Sample: 1 31Included observations: 31
Autocorrelation Partial Correlation
AC PAC Q-Stat Prob
.**| . | .**| . |
1 -0.300 -0.300 30,607 0.080
. *| . | .**| . |
2 -0.101 -0.210 34,241 0.180
. |**** | . |**** |
3 0.506 0.467 12,795 0.005
.**| . | . | . | 4 -0.249 0.030 15,152 0.004 . | . | . |* . | 5 0.058 0.096 15,282 0.009 . |*** | . |**.
|6 0.363 0.222 20,671 0.002
***| . | .**| . |
7 -0.385 -0.207 26,995 0.000
. |* . | . *| . | 8 0.137 -0.063 27,828 0.001 . |* . | . *| . | 9 0.119 -0.162 28,482 0.001 ***| . | .**| .
|10 -0.363 -0.203 34,889 0.000
. |* . | . | . | 11 0.186 -0.051 36,663 0.000 . | . | . | . | 12 -0.023 -0.053 36,691 0.000 .**| . | . |* . | 13 -0.235 0.095 39,822 0.000 . |* . | . | . | 14 0.126 -0.030 40,785 0.000 .**| . | .**| .
|15 -0.210 -0.195 43,615 0.000
. | . | . | . | 16 -0.050 0.018 43,786 0.000
LAMPIRAN-12
35
Uji Autokorelasi dengan Uji Durbin –Watson bisa dilihat nilai Durbin-Watson pada lampiran-14, 15, dan 16
LAMPIRAN-13
UJI HETEROSKEDASTISITAS
MODEL 1UJI HETEROSKEDASTISITASWhite Heteroskedasticity Test:
F-statistic 0.641354 Probability 0.696267Obs*R-squared 4,283,659 Probability 0.638349
Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 08/02/07 Time: 22:33Sample: 1 31Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C -0.027768 0.064185 -0.432619 0.6692UE 0.080045 0.060517 1,322,674 0.1984
UE^2 -0.012027 0.009172 -1,311,237 0.2022MDISC 0.078446 0.158988 0.493405 0.6262
MDISC^2 -0.052661 0.097954 -0.537609 0.5958UE*MDISC -0.097022 0.073335 -1,322,999 0.1983
(UE*MDISC)^2 0.017814 0.013809 1,290,032 0.2093
R-squared 0.138183 Mean dependent var 0.001036Adjusted R-squared -0.077272 S.D. dependent var 0.002463S.E. of regression 0.002556 Akaike info criterion -8,905,163Sum squared resid 0.000157 Schwarz criterion -8,581,359Log likelihood 1,450,300 F-statistic 0.641354Durbin-Watson stat 2,245,314 Prob(F-statistic) 0.696267
MODEL 2UJI HETEROSKEDASTISITASWhite Heteroskedasticity Test:
F-statistic 1,417,196 Probability 0.404675Obs*R-squared 2,796,429 Probability 0.360218
Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 08/02/07 Time: 22:08Sample: 1 31Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C 0.007348 0.052048 0.141184 0.8945UE -0.045396 0.163215 -0.278138 0.7947
UE^2 -0.122950 0.531493 -0.231330 0.8284MDISC -0.021509 0.119683 -0.179717 0.8661
MDISC^2 -0.011647 0.076525 -0.152203 0.8864
36
GROWTH 5.04E-05 0.000515 0.097897 0.9267GROWTH^2 4.48E-05 3.72E-05 1,204,634 0.2947
LEVR -0.002012 0.020356 -0.098867 0.9260LEVR^2 0.000405 0.022939 0.017650 0.9868PERST 0.015926 0.005037 3,161,996 0.0341
PERST^2 -0.002513 0.000819 -3,069,389 0.0373SIZE 0.006071 0.010271 0.591065 0.5863
SIZE^2 -0.000605 0.000875 -0.691041 0.5276BETALK 0.029048 0.018442 1,575,065 0.1904
BETALK^2 0.103837 0.049923 2,079,939 0.1060UE*MDISC -0.175161 0.364479 -0.480578 0.6559
(UE*MDISC)^2 0.368755 0.918731 0.401375 0.7087UE*GROWTH 0.006272 0.006033 1,039,664 0.3572
(UE*GROWTH)^2 -0.003479 0.003857 -0.901909 0.4181UE*LEVR 0.204185 0.124206 1,643,916 0.1755
(UE*LEVR)^2 -0.359067 0.193011 -1,860,349 0.1363UE*PERST -0.021727 0.034678 -0.626537 0.5649
(UE*PERST)^2 -0.413495 0.249965 -1,654,215 0.1734UE*SIZE 0.006727 0.033434 0.201199 0.8504
(UE*SIZE)^2 0.007261 0.013390 0.542275 0.6164UE*BETALK -0.230588 0.109218 -2,111,264 0.1023
(UE*BETALK)^2 -1,151,932 0.725262 -1,588,298 0.1874
R-squared 0.902074 Mean dependent var 0.000610Adjusted R-squared 0.265554 S.D. dependent var 0.001512S.E. of regression 0.001295 Akaike info criterion -1,076,577Sum squared resid 6.71E-06 Schwarz criterion -9,516,816Log likelihood 1,938,695 F-statistic 1,417,196Durbin-Watson stat 2,213,066 Prob(F-statistic) 0.404675
MODEL 3UJI HETEROSKEDASTISITASWhite Heteroskedasticity Test:
F-statistic 0.605005 Probability 0.723711Obs*R-squared 4,072,775 Probability 0.666828
Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 08/02/07 Time: 22:30Sample: 1 31Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C 0.009461 0.007418 1,275,298 0.2144UE 0.006564 0.024291 0.270218 0.7893
UE^2 -0.001123 0.003730 -0.300976 0.7660VDISC -0.017404 0.036667 -0.474645 0.6393
VDISC^2 0.006720 0.041888 0.160438 0.8739UE*VDISC -0.024350 0.069288 -0.351429 0.7283
(UE*VDISC)^2 0.011241 0.033001 0.340637 0.7363
R-squared 0.131380 Mean dependent var 0.003336Adjusted R-squared -0.085775 S.D. dependent var 0.006227S.E. of regression 0.006488 Akaike info criterion -7,041,939Sum squared resid 0.001010 Schwarz criterion -6,718,135Log likelihood 1,161,500 F-statistic 0.605005
37
Durbin-Watson stat 2,167,866 Prob(F-statistic) 0.723711
MODEL 4UJI HETEROSKEDASTISITASWhite Heteroskedasticity Test:
F-statistic 0.911466 Probability 0.621187Obs*R-squared 2,652,316 Probability 0.434657
Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 08/02/07 Time: 22:17Sample: 1 31Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C 0.008645 0.074959 0.115334 0.9137UE -0.201867 0.264204 -0.764060 0.4874
UE^2 -0.232621 1,817,485 -0.127991 0.9043VDISC -0.049426 0.043138 -1,145,744 0.3158
VDISC^2 0.047614 0.041601 1,144,540 0.3162GROWTH -0.002326 0.001520 -1,530,147 0.2007
GROWTH^2 0.000111 8.45E-05 1,308,491 0.2608LEVR 0.019819 0.051041 0.388301 0.7176
LEVR^2 -0.011396 0.059988 -0.189975 0.8586PERST -0.000555 0.010330 -0.053684 0.9598
PERST^2 7.61E-05 0.001612 0.047224 0.9646SIZE -0.001296 0.027581 -0.046998 0.9648
SIZE^2 0.000332 0.002396 0.138716 0.8964BETALT -0.004017 0.003393 -1,183,968 0.3020
BETALT^2 -0.001020 0.000798 -1,278,896 0.2701UE*VDISC -0.477729 0.244870 -1,950,953 0.1228
(UE*VDISC)^2 1,009,768 3,899,647 0.258938 0.8085UE*GROWTH -0.011631 0.017949 -0.648016 0.5523
(UE*GROWTH)^2 0.003684 0.004686 0.786193 0.4757UE*LEVR -0.152463 0.134489 -1,133,646 0.3203
(UE*LEVR)^2 0.414305 2,213,601 0.187163 0.8606UE*PERST 0.001635 0.104288 0.015674 0.9882
(UE*PERST)^2 -0.165037 0.167889 -0.983014 0.3813UE*SIZE 0.088545 0.055745 1,588,389 0.1874
(UE*SIZE)^2 -0.003904 0.014318 -0.272660 0.7986UE*BETALT -0.065859 0.075609 -0.871054 0.4329
(UE*BETALT)^2 0.160679 0.549538 0.292390 0.7845
R-squared 0.855586 Mean dependent var 0.001877Adjusted R-squared -0.083106 S.D. dependent var 0.003283S.E. of regression 0.003417 Akaike info criterion -8,825,856Sum squared resid 4.67E-05 Schwarz criterion -7,576,899Log likelihood 1,638,008 F-statistic 0.911466Durbin-Watson stat 1,266,242 Prob(F-statistic) 0.621187
MODEL 5UJI HETEROSKEDASTISITASWhite Heteroskedasticity Test:
F-statistic 0.442700 Probability 0.907115Obs*R-squared 5,618,251 Probability 0.846252
38
Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 08/02/07 Time: 22:26Sample: 1 31Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C -0.055813 0.189726 -0.294176 0.7717UE 0.273476 0.232079 1,178,374 0.2525
UE^2 -0.053340 0.102672 -0.519519 0.6091MDISC 0.165779 0.464275 0.357072 0.7248
MDISC^2 -0.106414 0.286925 -0.370876 0.7146VDISC -0.014673 0.042132 -0.348259 0.7313
VDISC^2 0.005163 0.047582 0.108507 0.9147UE*MDISC -0.320036 0.293357 -1,090,942 0.2883
(UE*MDISC)^2 0.083507 0.199091 0.419442 0.6794UE*VDISC -0.032573 0.124014 -0.262652 0.7955
(UE*VDISC)^2 -0.022178 0.293939 -0.075450 0.9406
R-squared 0.181234 Mean dependent var 0.003233Adjusted R-squared -0.228149 S.D. dependent var 0.006333S.E. of regression 0.007018 Akaike info criterion -6,809,224Sum squared resid 0.000985 Schwarz criterion -6,300,389Log likelihood 1,165,430 F-statistic 0.442700Durbin-Watson stat 2,065,007 Prob(F-statistic) 0.907115
MODEL 6UJI HETEROSKEDASTISITASWhite Heteroskedasticity Test:
Obs*R-squared 3,100,000 Probability 0.415407
Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 08/02/07 Time: 22:21Sample: 1 31Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C 1,373,049 NA NA NA UE -0.030622 NA NA NA
UE^2 2,334,598 NA NA NA MDISC -3,872,766 NA NA NA
MDISC^2 2,280,465 NA NA NA VDISC 0.242106 NA NA NA
VDISC^2 -0.114686 NA NA NA GROWTH -0.001097 NA NA NA
GROWTH^2 3.59E-05 NA NA NA LEVR 0.146679 NA NA NA
LEVR^2 -0.221746 NA NA NA PERST 0.061760 NA NA NA
PERST^2 -0.009151 NA NA NA SIZE 0.042230 NA NA NA
SIZE^2 -0.002940 NA NA NA BETALT 0.009463 NA NA NA
BETALT^2 0.005089 NA NA NA
39
UE*MDISC -1,301,256 NA NA NA (UE*MDISC)^2 -1,063,605 NA NA NA
UE*VDISC -0.517995 NA NA NA (UE*VDISC)^2 -3,890,498 NA NA NA UE*GROWTH 0.136358 NA NA NA
(UE*GROWTH)^2 -0.073739 NA NA NA UE*LEVR 2,264,206 NA NA NA
(UE*LEVR)^2 -2,080,990 NA NA NA UE*PERST -0.178371 NA NA NA
(UE*PERST)^2 -1,868,735 NA NA NA UE*SIZE -0.009399 NA NA NA
(UE*SIZE)^2 -0.055452 NA NA NA UE*BETALT 0.446377 NA NA NA
(UE*BETALT)^2 -3,126,654 NA NA NA
R-squared 1,000,000 Mean dependent var 0.001785S.D. dependent var 0.002646 Akaike info criterion -3,853,710Sum squared resid 4.51E-18 Schwarz criterion -3,710,311Log likelihood 6,283,250 Durbin-Watson stat 1,813,612
LAMPIRAN-14
CARLK = α1 + β1(UE) + β2(MDISC) + β3(UE*MDISC) + e1..........(1)
Hasil pengujian terlihat pada output eviews berikut:
Dependent Variable: CARLKMethod: Least SquaresIncluded observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C 0.059075 0.078446 0.753064 0.4579UE 0.124009 0.135301 0.916543 0.3675
MDISC -0.080752 0.096768 -0.834488 0.4113UE*MDISC -0.157221 0.166608 -0.943654 0.3537
R-squared 0.079519 Mean dependent var -0.007641Adjusted R-squared -0.022757 S.D. dependent var 0.034107S.E. of regression 0.034493 Akaike info criterion -3.776218Sum squared resid 0.032123 Schwarz criterion -3.591187Log likelihood 62.53138 F-statistic 0.777494Durbin-Watson stat 2.038462 Prob(F-statistic) 0.516807
CARLK = α2 + β4(UE) + β5(MDISC) + β6(GROWTH) + β7(LEVR) + β8 (PERST) + β9 (SIZE) +
β10(BETALK) + β11(UE*MDISC) + β12(UE*GROWTH) + β13(UE*LEVR) + β14
(UE*PERST) + β15 (UE*SIZE) + β16 (UE*BETALK) + e2..........(2)
Hasil pengujian terlihat pada output eviews berikut:
Dependent Variable: CARLKMethod: Least SquaresIncluded observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C -0.013814 0.093032 -0.148483 0.8837UE 0.191206 1.402686 0.136315 0.8932
MDISC -0.116958 0.133178 -0.878204 0.3921
40
GROWTH -0.001588 0.002836 -0.560108 0.5827LEVR 0.066850 0.039330 1.699718 0.1074
PERST 0.001184 0.006595 0.179590 0.8596SIZE 0.012346 0.012875 0.958908 0.3510
BETALK 0.005415 0.061127 0.088592 0.9304UE*MDISC -1.331122 0.986396 -1.349480 0.1949
UE*GROWTH 0.000485 0.019541 0.024832 0.9805UE*LEVR -0.121510 0.362014 -0.335649 0.7412
UE*PERST -0.033091 0.163448 -0.202454 0.8420UE*SIZE 0.211261 0.157604 1.340456 0.1977
UE*BETALK 0.477198 0.372683 1.280440 0.2176
R-squared 0.458389 Mean dependent var -0.007641Adjusted R-squared 0.044216 S.D. dependent var 0.034107S.E. of regression 0.033344 Akaike info criterion -3.661405Sum squared resid 0.018901 Schwarz criterion -3.013798Log likelihood 70.75178 F-statistic 1.106757Durbin-Watson stat 2.140219 Prob(F-statistic) 0.414808
LAMPIRAN-15
CARLT = α3 + β17(UE) + β18(VDISC) + β19(UE*VDISC) + e3........(3).
Hasil pengujian terlihat pada output eviews berikut:
Dependent Variable: CARLTMethod: Least SquaresIncluded observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C -0.004011 0.031835 -0.126008 0.9007UE 0.122362 0.059854 2.044350 0.0508
VDISC 0.032888 0.072527 0.453452 0.6538UE*VDISC -0.382313 0.182017 -2.100427 0.0452
R-squared 0.140520 Mean dependent var 0.007758Adjusted R-squared 0.045023 S.D. dependent var 0.063328S.E. of regression 0.061886 Akaike info criterion -2.607142Sum squared resid 0.103406 Schwarz criterion -2.422112Log likelihood 44.41070 F-statistic 1.471454Durbin-Watson stat 1.832813 Prob(F-statistic) 0.244476
CARLT = α4 + β20(UE) + β21(VDISC) + β22(GROWTH) + β23(LEVR) + β24 (PERST) + β25 (SIZE)
+ β26(BETALK) + β27(UE*VDISC) + β28(UE*GROWTH) + β29(UE*LEVR) + β30
(UE*PERST) + β31(UE*SIZE) + β32 (UE*BETALK) + e4..........(4)
Hasil pengujian terlihat pada output eviews berikut:
Dependent Variable: CARLTMethod: Least SquaresIncluded observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C -0.155953 0.113611 -1.372694 0.1877UE -3.622039 2.090521 -1.732601 0.1013
VDISC 0.011044 0.119071 0.092749 0.9272GROWTH -0.006402 0.004913 -1.303096 0.2099
LEVR -0.087241 0.061010 -1.429952 0.1709
41
PERST 0.008483 0.012863 0.659491 0.5184SIZE 0.035534 0.022431 1.584163 0.1316
BETALT 0.002863 0.010052 0.284814 0.7792UE*VDISC -3.613980 1.407269 -2.568080 0.0200
UE*GROWTH 0.039615 0.029272 1.353351 0.1937UE*LEVR 1.518867 1.055609 1.438854 0.1683
UE*PERST 0.984562 0.421529 2.335693 0.0320UE*SIZE 0.704319 0.288829 2.438530 0.0260
UE*BETALT -0.180637 0.222508 -0.811825 0.4281
R-squared 0.516338 Mean dependent var 0.007758Adjusted R-squared 0.146479 S.D. dependent var 0.063328S.E. of regression 0.058506 Akaike info criterion -2.536922Sum squared resid 0.058190 Schwarz criterion -1.889315Log likelihood 53.32229 F-statistic 1.396041Durbin-Watson stat 2.224324 Prob(F-statistic) 0.255826
LAMPIRAN-16
CARLT = α5+β33(UE) + β34(MDISC) + β35(VDISC) + β36(UE*MDISC) + β37(UE*VDISC) + e5 ..(5)
Hasil pengujian terlihat pada output eviews berikut:
Dependent Variable: CARLTMethod: Least SquaresIncluded observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C -0.038614 0.150072 -0.257301 0.7991UE -0.209950 0.466815 -0.449750 0.6568
MDISC 0.036289 0.195929 0.185216 0.8546VDISC 0.046587 0.083062 0.560873 0.5799
UE*MDISC 0.526263 0.730636 0.720281 0.4780UE*VDISC -0.678657 0.445412 -1.523661 0.1401
R-squared 0.166934 Mean dependent var 0.007758Adjusted R-squared 0.000321 S.D. dependent var 0.063328S.E. of regression 0.063318 Akaike info criterion -2.509324Sum squared resid 0.100228 Schwarz criterion -2.231778Log likelihood 44.89452 F-statistic 1.001924Durbin-Watson stat 1.779954 Prob(F-statistic) 0.437001
CARLT = α5 + β38(UE) + β39(MDISC) + β40(VDISC) + β41(GROWTH) + β42(LEVR) + β43
(PERST) + β44 (SIZE) + β45(BETALK) + β46(UE*MDISC) + β47(UE*VDISC) +
β48(UE*GROWTH) + β49(UE*LEVR) + β50 (UE*PERST) + β51(UE*SIZE) + β52
(UE*BETALK) + e6..........(6)
Hasil pengujian terlihat pada output eviews berikut:
Dependent Variable: CARLTMethod: Least SquaresIncluded observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C -0.182704 0.172201 -1.060992 0.3055UE -2.535364 2.498160 -1.014892 0.3262
MDISC 0.067187 0.246226 0.272868 0.7887
42
VDISC -0.008783 0.128903 -0.068133 0.9466GROWTH -0.005517 0.005211 -1.058719 0.3065
LEVR -0.088464 0.074880 -1.181421 0.2558PERST 0.008314 0.013436 0.618816 0.5453SIZE 0.031414 0.024634 1.275208 0.2216
BETALT 0.002726 0.010437 0.261225 0.7975UE*MDISC -1.886548 2.145004 -0.879508 0.3930UE*VDISC -4.192261 1.668732 -2.512244 0.0239
UE*GROWTH 0.024958 0.034658 0.720109 0.4825UE*LEVR 1.433266 1.103379 1.298978 0.2136
UE*PERST 1.059794 0.453910 2.334813 0.0339UE*SIZE 0.840986 0.338775 2.482435 0.0254
UE*BETALT -0.222529 0.237721 -0.936091 0.3641
R-squared 0.540059 Mean dependent var 0.007758Adjusted R-squared 0.080118 S.D. dependent var 0.063328S.E. of regression 0.060738 Akaike info criterion -2.458177Sum squared resid 0.055336 Schwarz criterion -1.718054Log likelihood 54.10174 F-statistic 1.174191Durbin-Watson stat 2.430837 Prob(F-statistic) 0.379930
43
top related