ANALISA MODEL REGRESI LINIER

The Value Relevance of Goodwill Impairment

Disusun oleh :

Moechammed Riezky (1406590116)

Program Studi MAKSI – PPAK

Fakultas Ekonomi

Universitas Indonesia

Desember 2014

STATEMENT OF AUTHORSHIP

“Kami yang bertandatangan dibawah ini menyatakan bahwa makalah/tugas terlampir adalah murni hasil pekerjaan kami sendiri. Tidak ada pekerjaan orang lain yang kami gunakan tanpa menyebutkan sumbernya.

Materi ini tidak/belum pernah disajikan/digunakan sebagai bahan untuk makalah/tugas pada mata ajaran lain kecuali kami menyatakan dengan jelas bahwa kami menggunakannya.

Kami memahami bahwa tugas yang kami kumpulkan ini dapat diperbanyak dan atau dikomunikasikan untuk tujuan mendeteksi adanya plagiarisme.”

Nama Mahasiswa : Moechammed Riezky

Nomor Mahasiswa : 1406590116

Tanda Tangan :

Kelas : A14-1P & 2P14-1P

Mata Ajar : STATISTIKA

Judul Makalah/Tugas : Analisa Model Regresi Linier

Hari, Tanggal : Rabu, 17 Desember 2014

Nama Pengajar : Dr. Muhammad Muslich, MBA

Universitas IndonesiaFakultas EkonomiProgram Studi MAKSI - PPAk

BAB 1 – PENDAHULUAN

Analisa model regresi linier diambil dari jurnal yang dibuat oleh Wei Xu,

Asokan Anadarajan dan Anthony Curatola yang berjudul “The value relevance of

goodwill impairment” dan dan diterbitkan pada tahun 2011. Jurnal ini membahas

tentang penyelidikan apakah goodwill impairment charge memiliki nilai berharga

atau tidak melalui spesifikasi returns model.

Objek penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa

Efek Indonesia pada tahun 2010. Data yang digunakan ialah data sekunder yang

diperoleh dari laporan keuangan perusahaan tersebut yang diambil dari website Bursa

Efek Indonesia (IDX).

BAB 2 – TEORI

Menurut Strong dan Meyer (1986) menemukan reaksi positif untuk

menghapus nilai dari aset jangka panjang yang dimana Elliot dan Shaw (1988)

menemukan sebaliknya.

Penelitian menemukan secara umum, pasar bereaksi positif untuk

“membangun ulang” atau “keputusan operasi”; tetapi secara negative untuk

menghapus aktivitas termasuk penghapusan goodwill (Bartov, Lindhal, & Ricks,

1998; Bunsis, 1997; Francis, Hanna, & Vincent, 1996: Hirschey & Richardson, 2002).

Chen, Kohlbeck, dan Warfield (2008) dan Li, Shroff dan Venkataraman

(2006) menunjukan bahwa goodwill impairment berhubungan negative dengan stock

returns setelah penerapan dari SFAS142. Ramanna (200*) memberikan bukti bahwa

fair valu dideversifikasi didalam SFAS 142 akan menimbulkan kesempatan dan

menghasilkan biaya.

BAB 3 – METODE PENELITIAN

A. Model Regresi dan Variabel

Hipotesis dari penelitian ini adalah penurunan nilai goodwill mempengaruhi

nilai dari perusahaan. Model regresi dari penelitian ini ialah :

Rt = ∑β0YRm + β1Etadj / Pt-1 + β2∆ Et

adj / Pt-1 + β3 GWIt / Pt-1 + β4 RCt / Pt-1

+ β5 WDt / Pt-1 + β6 ∆SALESt + β7 ∆ROAt + β8ASSTRNt + β9 M/Bt

+ β10 ASSAGEt + β11 LnTAt + ∑β12INDUSn + µt

Model regresi ini (the estimated model) merupakan multiple linier regression, yang

memiliki lebih dari 1 variabel independen. Variabel dari regresi ini adalah sebagai

berikut :

i. Variabel dependen

Variabel dependen pada model tersebut adalah cum-dividend (DIV), yang

dimana pada penelitian ini data tersebut diambil dari dividend per share

perusahaan manufaktur di Indonesia pada tahun 2010.

ii. Variabel independen

Variabel independen ialah faktor yang mempengaruhi dividend tersebut.

Variabel independen dikelompokkan menjadi 7 yaitu,

Variable market price per share (MP)

Variable earnings per share (EPS)

Variable perubahan jumlah di net sales (2010-2009) (ANS)

Variable perubahan tingkat ROA (2010-2009) (AROA)

Variable asset turnover (ASSTRN)

Variable market to book ratio (MBR)

Variable logaritma dari total assets (LNTA)

Untuk dua variable lainnya yang terdapat dimodel tidak dapat di

implementasikan karena keterbatasan mengenenai ketersediaan data yang ada

di Indonesia.

B. Uji Statistik

i. Asumsi Klasik (White Noise)

1. Error Mean Test

Pengujian error mean dilakukan dengan software Eviews, yaitu melihat hasil

Jarque Bera. Hasil Jarque Bera untuk penelitian ini adalah 1,183076 (lebih besar

dari α/2 = 0,025). Hasil di atas menyatakan bahwa model tersebut memiliki error

mean = 0.

2. Heterocedasticity

Heterocedasticity diuji menggunakan angka probability. Pada model ini, angka

probability menunjukkan angka 0,553475 (lebih besar dari α = 0,05) sehingga

hasilnya tidak heteroscedastic.

3. Autocorrelation

Uji autokorelasi dapat dilakukan dengan melihat hasil dari Durbin Watson. Durbin

Watson pengujian ini adalah 2,571820. Durbin Watson selalu berada di angka 0

sampai 4. Hasil uji yang didapat menunjukkan bahwa tidak adanya autokorelasi

pada sampel.

ii. Multicollinearity

Uji multicollinearity menggunakan Variance Inflation Factor (VIF) dari setiap

variabel. Nilai maksimal untuk VIF adalah 10 (Hair, Anderson, Tatham, & Black,

1995; Kennedy, 1992; Marquardt, 1970; Neter, Wasserman, & Kutner, 1989). VIF

masing-masing variabel adalah :

a. MP = 8,179

b. EPS = 7,198

c. ANS = 2,064

d. AROA = 1,342

e. ASSTRN = 1,248

f. MBR = 1,832

g. LNTA = 3,577

Setelah melihat hasil dari uji asumsi klasik dan multikolinear, model penelitian ini

telah memenuhi uji tersebut dan dapat dikatakan bahwa model penelitian telah

memenuhi BLUE (Best, Linear, Unbiased and Estimator) sehingga dapat digunakan

untuk penelitian.

C. Hasil Penelitian

Korelasi koefisien dari penelitian ini berdasarkan uji statistik menggunakan SPSS

adalah sebesar 0,875 atau 87,5%. Nilai tersebut menunjukkan bahwa korelasi

koefisien penelitian ini tinggi, atau baik. R squared dari model penelitian ini sebesar

0,766 atau 76,6%. Angka tersebut merupakan respon dari variasi variabel yang ada

pada model regresi. Adjusted R squared dari penelitian ini adalah 0,630 atau 63%.

Adjusted R square menunjukkan bahwa ketika penelitian menggunakan terlalu banyak

prediktor, ketepatan koefisien akan melemah. Hasil tes Durbin Watson menggunakan

Eviews dan SPSS memiliki perbedaan. Pada SPSS, hasilnya adalah 2,487 (berada

diantara du dan dl tabel Durbin Watson n=20, k’=8), sementara menggunakan

Eviews, hasilnya 2,572, berada diluar range.

D. Kesimpulan

Kesimpulan dari penelitian ini adalah hipotesis dapat diterima. Berdasarkan uji

statistik yang dilakukan, hal ini menunjukkan bahwa penurunan nilai goodwill pada

suatu perusahaan akan berdampak kepada nilai perusahaan di mata para investor, dan

kreditur. Apabila terjadi penurunan nilai goodwill di perusahaan, investor akan

memandang negatif hal tersebut.

LAMPIRAN

Estimation output

Dependent Variable: DIVMethod: Least SquaresDate: 12/16/14 Time: 22:04Sample: 1 20Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob.

C -125.6410 318.5747 -0.394385 0.6997MP 0.008011 0.008676 0.923330 0.3727EPS 0.092562 0.086505 1.070021 0.3041ANS 5.99E-10 2.27E-09 0.264277 0.7957

AROA -299.4425 199.6445 -1.499878 0.1575MBR -0.597993 10.42489 -0.057362 0.9551LNTA 17.95994 34.96502 0.513654 0.6161

R-squared 0.755681    Mean dependent var 104.8833Adjusted R-squared 0.642919    S.D. dependent var 95.29049S.E. of regression 56.94203    Akaike info criterion 11.19116Sum squared resid 42151.13    Schwarz criterion 11.53967Log likelihood -104.9116    Hannan-Quinn criter. 11.25919F-statistic 6.701536    Durbin-Watson stat 2.571820Prob(F-statistic) 0.002085

Result of regression

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 132159,700 7 18879,957 5,613 ,005b

Residual 40365,585 12 3363,799

Total 172525,286 19

a. Dependent Variable: DIV

b. Predictors: (Constant), LNTA, ASSTRN, EPS, AROA, MBR, ANS, MP

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

95,0% Confidence Interval for B

B Std. Error Beta Lower Bound

1 (Constant) -67,263 334,231 -,201 ,844 -795,489

MP ,008 ,009 ,347 ,870 ,402 -,012

EPS ,091 ,088 ,387 1,033 ,322 -,101

ANS 1,247E-9 ,000 ,101 ,504 ,623 ,000

AROA -278,532 205,363 -,219 -1,356 ,200 -725,980

ASSTRN -8,221 11,284 -,114 -,729 ,480 -32,807

MBR -,793 10,622 -,014 -,075 ,942 -23,936

LNTA 13,117 36,229 ,096 ,362 ,724 -65,818

a. Dependent Variable: DIV

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

Change Statistics

R Square Change F Change df1 df2 Sig. F Change

1 ,875a ,766 ,630 57,998265 ,766 5,613 7 12

a. Predictors: (Constant), LNTA, ASSTRN, EPS, AROA, MBR, ANS, MP

b. Dependent Variable: DIV