BAB IV HASIL DAN PEMBAHASAN. diperdagangkan di Bursa Efek Indonesia selama periode Pengolahan

Transkripsi

1 BAB IV HASIL DAN PEMBAHASAN A. Deskripsi Objek Penelitian Objek penelitian ini adalah seluruh obligasi korporasi yang diperdagangkan di Bursa Efek Indonesia selama periode Pengolahan data dilakukan dengan menggunakan program Microsoft Excel Selanjutnya, uji asumsi klasik dan analisis regresi untuk menguji hipotesis penulis menggunakan program Eviews 9 for Windows. Sampel penelitian dipilih menggunakan metode purposive sampling, berdasarkan syarat pengambilan sampel maka diperoleh rincian data sebagai berikut: Tabel IV.1 Ringkasan Perolehan Sampel Penelitian Keterangan Jumlah Jumlah perusahaan yang menerbitkan obligasi terdaftar di BEI tahun Data perusahaan penerbit obligasi yang tersedia secara kriteria 98 Jumlah perusahaan yang digunakan sebagai sampel 98 Sumber: Data yang diolah penulis Dari tabel di atas dapat diketahui bahwa terdapat 98 perusahaan sampel, tetapi jumlah observasi sebesar 352, hal ini karena dari satu perusahaan sampel dapat menerbitkan obligasi lebih dari satu obligasi. 32

2 B. Statistik Deskriptif Analisis statistik deskriptif memberikan suatu gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), nilai tengah (median), nilai maksimum, nilai minimum dan standar deviasi. Analisis ini digunakan untuk mengetahui sebaran data dari masing-masing variabel penelitian. Berikut adalah hasil deskriptif yang diperoleh dalam uji coba penelitian: Tabel IV.2 Hasil Statistik Deskriptif LOG VOL* NT* ATS* MATU COUP VOL NT ATS NT*LIQ ATS*LIQ AMOUNT AGE (RVOL) RATING RATING RATING RITY ON Mean Median Max Min Std Dev. Obs Sumber: Data yang diolah penulis Berdasarkan tabel statistik tersebut, diketahui bahwa nilai rata-rata LOG(RVOL) sebagai variabel dependen adalah sebesar , nilai tengah sebesar , nilai maksimum sebesar 0.277, nilai minimum sebesar dan nilai standar deviasi sebesar Variabel aktivitas perdagangan (VOL, NT dan ATS) memiliki nilai rata-rata sebesar , dan Dengan nilai tengah masing-masing sebesar , 35 dan Nilai maksimum VOL, NT dan ATS masingmasing sebesar , 1142 dan 57, serta nilai minimumnya masingmasing senilai 1.2, 2 dan Sedangkan dilihat dari standar deviasinya, nilai dari masing-masing variabel adalah sebesar , dan Variabel kontrol yaitu AMOUNT, MATURITY, AGE dan COUPON menunjukkan nilai rata-rata sebesar , 4.653, dan

3 dengan nilai tengah masing-masing sebesar , 5, 1.58 dan Sedangkan nilai maksimum dari masing-masing variabel adalah sebesar , 20, 8.08 dan dengan nilai minimum masing-masing sebesar 1.05, 1, 0.08 dan Nilai standar deviasi masing-masing variabel sebesar , 2.643, dan C. Pengujian Asumsi Klasik 1. Uji Normalitas Uji normalitas digunakan untuk mengetahui apakah sampel yang digunakan nilainya memiliki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data yang normal atau paling tidak mendekati normal. Uji normalitas dengan menggunakan program Eviews 9 for Window dapat dilihat melalui Histogram-Normality Test. Berikut adalah hasil uji normalitas keseluruhan sampel penelitian: Tabel IV.3 Hasil Uji Normalitas Model Regresi Jarque-Bera Probability Keterangan Model Regresi Tidak normal Model Regresi Tidak normal Model Regresi Tidak normal Model Regresi Tidak normal Model Regresi Tidak normal Sumber: Data yang diolah penulis Hasil uji normalitas di atas adalah uji normalitas yang dilakukan pada masing-masing model regresi. Berdasarkan tabel di atas, nilai Jarque-Bera dari masing-masing model regresi lebih kecil dari nilai dari nilai yang tertera pada Chi-Square. Nilai signifikansi dari seluruh model regresi juga di lebih besar dari Dengan demikian, dapat 34

4 disimpulkan dari hasil uji normalitas yang dilakukan pada penelitian ini menunjukkan bahwa distribusi data tidak normal. 2. Uji Multikolinieritas Pengujian multikolinieritas dilakukan dengan mengamati tingkat korelasi masing-masing variabel pada penelitian ini. Multikolinieritas dapat diketahui dengan melihat dari koefisien korelasi masing-masing variabel bebas. Sebuah penelitian dinyatakan bebas dari masalah multikolinieritas jika koefisien masing-masing variabel mempunyai nilai kurang dari Berikut hasil uji multikolinieritas setiap variabel: Tabel IV.4 Hasil Uji Multikolinieritas LOG (RVOL) LOG (RVOL) VOL NT ATS NT* LIQ ATS* LIQ VOL* RATING NT* RATING ATS* RATING AMO UNT MATU RITY AGE COUP ON VOL NT ATS NT*LIQ ATS*LIQ VOL* RATING NT* RATING ATS* RATING AMOUNT MATURITY AGE COUPON Sumber: Data yang diolah penulis Berdasarkan tabel hasil uji multikolinieritas di atas, terdapat multikolinieritas pada variabel VOL dan NT. Hal tersebut dapat diabaikan karena kedua variabel tersebut dianggap saling menyerap informasi satu sama lain sehingga nantinya akan dijadikan catatan dalam hasil uji hipotesis. Sedangkan hubungan variabel moderasi 35

5 secara teori memang ada multikolinieritas karena variabel moderasi tersebut berasal dari variabel independennya sehingga multikolinieritas pada variabel moderasi dapat dihiraukan. 3. Uji Heteroskedastisitas Uji heteroskedastisitas menguji keberadaan kesamaan variance dari residual satu pengamatan ke pengamatan lain dalam model regresi. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka hal ini disebut homoskedastisitas dan jika berbeda maka disebut heteroskedastisitas. Berikut adalah hasil uji heteroskedastisitas dari residual masing-masing pengamatan: Tabel IV.5 Hasil Uji Heteroskedastisitas (Uji White) Prob. Chi-Square Keterangan Model Regresi Tidak ada heteroskedastisitas Model Regresi Terdapat heteroskedastisitas Model Regresi Terdapat heteroskedastisitas Model Regresi Tidak ada heteroskedastisitas Model Regresi Tidak ada heteroskedastisitas Sumber: Data yang diolah penulis Berdasarkan hasil uji heteroskedastisitas di atas, nilai signifikansi (probability) pada model regresi 2 dan 3 menunjukkan angka lebih kecil dari 0.05 yang berarti signifikan. Maka, dapat disimpulkan bahwa pada model regresi terseut terdapat masalah heteroskedastisitas. Hasil tersebut adalah hasil yang diperoleh setelah dilakukan penyembuhan menggunakan metode White heteroskedasticityconsistent standard errors and covariance. Menurut Agus Widarjono (2010), heteroskedastisitas biasanya terjadi pada jenis data cross 36

6 section. Dengan demikian, pengujian hipotesis tetap dapat dilakukan walaupun terdapat masalah heteroskedastisitas. 4. Uji Autokorelasi Uji autokorelasi digunakan untuk melihat korelasi antara residual observasi dengan residual observasi lainnya. Untuk menguji apakah terjadi autokorelasi, penelitian ini menggunakan nilai d pada uji Durbin- Watson (DW). Berikut adalah ringkasan hasil uji DW pada lima model regresi yang digunakan: Tabel IV.6 Hasil Uji Autokorelasi Nilai DW Nilai dl Nilai du Keterangan Model Regresi Tidak ada autokorelasi Model Regresi Tidak ada autokorelasi Model Regresi Tidak ada keputusan Model Regresi Tidak ada keputusan Model Regresi Tidak ada autokorelasi Sumber: Data yang diolah penulis Berdasarkan hasil uji autokorelasi di atas, diketahui nilai Durbin- Watson pada model regresi 1, 2 dan 5 masing-masing sebesar , dan Nilai Durbin-Watson pada kedua model regresi tersebut berada di antara nilai du dan 4-dU dari masingmasing model. Dengan demikian dapat disimpulkan bahwa tidak terdapat masalah autokorelasi dalam model regresi 1, 2 dan 5. Pada model regresi 3 dan 4 diketahui nilai Durbin-Watson masingmasing adalah sebesar dan Nilai Durbin-Watson pada model regresi 3 dan 4 berada di antara dl dan du. Dengan demikian, dapat disimpulkan bahwa tidak ada keputusan autokorelasi pada model regresi 3 dan 4 37

7 D. Pengujian Hipotesis Tabel IV.7 Hasil Uji Hipotesis Variabel Variabel Dependen Independen LOG LOG LOG LOG LOG (RVOL)1 (RVOL)2 (RVOL)3 (RVOL)4 (RVOL)5 C *** *** *** *** *** VOL * *** NT *** ATS *** ** *** NT*LIQ *** ATS*LIQ * VOL*RATING ** ** NT*RATING ATS*RATING *** AMOUNT *** ** MATURITY *** *** *** *** *** AGE *** *** *** *** COUPON ** N Adj. R Square F *** *** *** *** *** *uji signifikansi pada level 10% ***uji signifikansi pada level 1% **uji signifikansi pada level 5% 1. Uji R 2 Uji R 2 ini menunjukkan ketepatan model regresi yang digunakan pada penelitian ini. Nilai Adjusted R Square menjelaskan berapa besar 38

8 kemampuan variabel independen dalam menjelaskan variabel dependennya. Berdasarkan hasil uji R 2 model regresi 1 di atas, nilai adjusted R- squared sebesar atau 27.82% memiliki arti bahwa variabel independen dalam menjelaskan variasi perubahan variabel dependen sebesar 27.82% sedangkan 72.18% dijelaskan oleh variabel lain di luar variabel independen dalam penelitian. Berdasarkan hasil uji R 2 model regresi 2 di atas, nilai adjusted R- squared sebesar atau 40.47% memiliki arti bahwa variabel independen dalam menjelaskan variasi perubahan variabel dependen sebesar 40.47% sedangkan 59.53% dijelaskan oleh variabel lain di luar variabel independen dalam penelitian. Berdasarkan hasil uji R 2 model regresi 3 di atas, nilai adjusted R- squared sebesar atau 62.53% memiliki arti bahwa variabel independen dalam menjelaskan variasi perubahan variabel dependen sebesar 62.53% sedangkan 37.47% dijelaskan oleh variabel lain di luar variabel independen dalam penelitian. Berdasarkan hasil uji R 2 model regresi 4 di atas, nilai adjusted R- squared sebesar atau 33.27% memiliki arti bahwa variabel independen dalam menjelaskan variasi perubahan variabel dependen sebesar 33.27% sedangkan 66.73% dijelaskan oleh variabel lain di luar variabel independen dalam penelitian. Berdasarkan hasil uji R 2 model regresi 5 di atas, nilai adjusted R- squared sebesar atau 30.07% memiliki arti bahwa variabel independen dalam menjelaskan variasi perubahan variabel dependen 39

9 sebesar 30.07% sedangkan 69.93% dijelaskan oleh variabel lain di luar variabel independen dalam penelitian. 2. Uji F Uji F (uji pengaruh simultan) digunakan untuk mengetahui apakah variabel independen secara bersama-sama atau simultan mempengaruhi variabel dependen. Pengujian dapat dilakukan dengan membandingkan F hitung dengan F-tabel. Berdasarkan uji F tabel di atas, nilai F-statistic model regresi 1 sebesar dengan nilai probability sebesar (p < 0.05) sehingga H 0 ditolak dan H 1 diterima. Dengan demikian, variabel aktivitas perdagangan (VOL, NT, ATS) sebagai variabel independen dan karakteristik obligasi (AMOUNT, MATURITY, AGE, COUPON) sebagai variabel kontrol berpengaruh secara simultan terhadap volatilitas harga. Berdasarkan uji F tabel di atas, nilai F-statistic model regresi 2 sebesar dengan nilai probability sebesar (p < 0.05) sehingga H 0 ditolak dan H 1 diterima. Dengan demikian, variabel aktivitas perdagangan (VOL, NT, ATS, NT*LIQ, ATS*LIQ) sebagai variabel independen dan karakteristik obligasi (AMOUNT, MATURITY, AGE, COUPON) sebagai variabel kontrol berpengaruh secara simultan terhadap volatilitas harga. Berdasarkan uji F tabel di atas, nilai F-statistic model regresi 3 sebesar dengan nilai probability sebesar (p < 0.05) sehingga H 0 ditolak dan H 1 diterima. Dengan demikian, variabel aktivitas perdagangan (VOL, NT, ATS, NT*LIQ, ATS*LIQ) sebagai variabel independen dan karakteristik obligasi (AMOUNT, MATURITY, AGE, 40

10 COUPON) sebagai variabel kontrol berpengaruh secara simultan terhadap volatilitas harga. Berdasarkan uji F tabel di atas, nilai F-statistic model regresi 4 sebesar dengan nilai probability sebesar (p < 0.05) sehingga H 0 ditolak dan H 1 diterima. Dengan demikian, variabel aktivitas perdagangan yang di moderasi dengan rating (VOL*RATING, NT*RATING, ATS*RATING) serta karakteristik obligasi (AMOUNT, MATURITY, AGE, COUPON) sebagai variabel kontrol berpengaruh secara simultan terhadap volatilitas harga. Berdasarkan uji F tabel di atas, nilai F-statistic model regresi 4 sebesar dengan nilai probability sebesar (p < 0.05) sehingga H 0 ditolak dan H 1 diterima. Dengan demikian, variabel aktivitas perdagangan yang di moderasi dengan rating (VOL*RATING, NT*RATING, ATS*RATING) serta karakteristik obligasi (AMOUNT, MATURITY, AGE, COUPON) sebagai variabel kontrol berpengaruh secara simultan terhadap volatilitas harga. 3. Uji t statistik Uji t menunjukkan secara parsial pengaruh variabel independen terhadap variabel dependen. Berdasarkan tabel di atas, konstanta dalam model regresi 1 mempunyai nilai konstanta sebesar dengan tingkat signifikansi Nilai signifikansi ini variabel VOL, hasil uji t menunjukkan tingkat signifikansi Nilai t statistic Hasil uji t tersebut menunjukkan bahwa volume berhubungan 41

11 signifikan dengan variabel volatilitas harga obligasi dengan level of significance Hal tersebut menunjukkan bahwa frekuensi perdagangan tidak signifikan terhadap volatilitas harga obligasi. Pada variabel ATS, hasil uji t menunjukkan tingkat signifikansi Nilai signifikansi ini lebih kecil t statistic Hasil uji t tersebut menunjukkan bahwa rata-rata trade size berhubungan signifikan dengan variabel volatilitas harga obligasi. Berdasarkan tabel di atas, konstanta dalam model regresi 2 mempunyai nilai konstanta sebesar dengan tingkat signifikansi Nilai variabel NT*LIQ, hasil uji t menunjukkan tingkat signifikansi t statistic Hal tersebut menunjukkan bahwa frekuensi perdagangan setelah di moderasi dengan likuiditas rendah berpengaruh signifikan terhadap volatilitas harga obligasi. Pada variabel ATS*LIQ, hasil uji t menunjukkan tingkat signifikansi Nilai signifikansi ini lebih besar. Hasil uji t tersebut menunjukkan bahwa ratarata trade size setelah di moderasi likuiditas rendah tidak signifikan terhadap volatilitas harga obligasi. Berdasarkan tabel di atas, konstanta dalam model regresi 3 mempunyai nilai konstanta sebesar dengan tingkat signifikansi variabel NT*LIQ, hasil uji t menunjukkan tingkat signifikansi

12 menunjukkan bahwa frekuensi perdagangan setelah di moderasi dengan likuiditas tinggi tidak signifikan terhadap volatilitas harga obligasi. Pada variabel ATS*LIQ, hasil uji t menunjukkan tingkat signifikansi (10%). Hasil uji t tersebut menunjukkan bahwa rata-rata trade size setelah di moderasi likuiditas tinggi berpengaruh negatif signifikan terhadap volatilitas harga obligasi. Berdasarkan tabel di atas, konstanta dalam model regresi 4 mempunyai nilai konstanta sebesar dengan tingkat signifikansi variabel VOL*RATING, hasil uji t menunjukkan tingkat signifikansi (5%) dengan t statistic Hasil tersebut menunjukkan bahwa volume setelah di moderasi dengan rating tinggi sebagai proksi dari risiko rendah berpengaruh signifikan terhadap volatilitas harga obligasi. Pada variabel NT*RATING, hasil uji t menunjukkan tingkat signifikansi dimana bahwa frekuensi perdagangan setelah di moderasi dengan rating tinggi sebagai proksi dari risiko rendah tidak signifikan terhadap volatilitas harga obligasi. Pada variabel ATS*RATING, hasil uji t menunjukkan 0.01 (1%) dengan t statistic Hasil uji t tersebut menunjukkan bahwa rata-rata trade size setelah di moderasi rating tinggi sebagai proksi dari risiko rendah berpengaruh signifikan terhadap volatilitas harga obligasi. 43

13 Berdasarkan tabel di atas, konstanta dalam model regresi 5 mempunyai nilai konstanta sebesar dengan tingkat signifikansi Nilai signifikansi ini lebih kecil da variabel VOL*RATING, hasil uji t menunjukkan tingkat signifikansi t statistic Hasil tersebut menunjukkan bahwa volume setelah di moderasi dengan rating rendah sebagai proksi dari risiko tinggi berpengaruh signifikan terhadap volatilitas harga obligasi. Pada variabel NT*RATING, hasil uji t menunjukkan tingkat signifikansi dimana ut menunjukkan bahwa frekuensi perdagangan setelah di moderasi dengan rating rendah sebagai proksi dari risiko tinggi tidak signifikan terhadap volatilitas harga obligasi. Pada variabel ATS*RATING, hasil uji t menunjukkan tingkat signifikansi Nilai (10%). Hasil uji t tersebut menunjukkan bahwa rata-rata trade size setelah di moderasi rating rendah sebagai proksi dari risiko tinggi tidak signifikan terhadap volatilitas harga obligasi. 4. Uji Chow Uji chow digunakan untuk menguji kesamaan koefisien. Penelitian ini dikelompokkan menjadi dua kelompok, yaitu kelompok dengan likuiditas rendah dan tinggi serta kelompok dengan risiko rendah dan tinggi. Uji chow akan menunjukkan apakah kedua kelompok tersebut merupakan subjek yang sama atau tidak. Berikut adalah hasil uji chow: 44

14 Tabel IV.8 Hasil Uji Chow SSR F hitung F tabel Likuiditas total Likuiditas rendah Likuiditas tinggi Risiko total Risiko rendah Risiko tinggi Sumber: Data yang diolah penulis Berdasarkan hasil uji chow di atas, nilai F hitung lebih besar daripada nilai F tabel Maka dapat disimpulkan bahwa model regresi antar likuiditas rendah dan tinggi berbeda secara signifikan dan hal ini menunjukkan bahwa variabel likuiditas adalah variabel moderasi. Sama halnya pada model regresi kelompok risiko, nilai F hitung lebih besar daripada F tabel Dengan demikian, model regresi antar risiko rendah dan tinggi berbeda secara signifikan dan hal ini menunjukkan bahwa variabel risiko adalah variabel moderasi. E. Pembahasan 1. Pengaruh volume terhadap volatilitas harga dalam pasar obligasi korporasi Berdasarkan hasil model regresi 1 diperoleh nilai koefisien variabel volume sebesar dan nilai signifikansi sebesar Dengan demikian volume memiliki pengaruh positif yang signifikan dalam mempengaruhi volatilitas harga obligasi korporasi pada level 10%. Hasil penelitian ini mendukung hasil penelitian Admati dan Pfleider (1998) dalam penelitian yang berjudul dimana hasil penelitian tersebut menyebutkan bahwa 45

15 terdapat hubungan signifikan yang positif antara volume dan volatilitas harga. Volume berpengaruh terhadap volatilitas karena volume mencerminkan informasi yang diterima investor. Para investor akan selalu berusaha menginterpretasikan informasi yang diperoleh. Interpretasi yang berbeda dari tiap investor terhadap berbagai informasi ini berpengaruh terhadap preferensi investor untuk melakukan perdagangan. 2. Pengaruh frekuensi perdagangan terhadap volatilitas harga dalam pasar obligasi korporasi Berdasarkan hasil model regresi 1 diperoleh nilai koefisien variabel frekuensi perdagangan sebesar dan nilai signifikansi sebesar Dengan demikian frekuensi perdagangan memiliki pengaruh positif yang tidak signifikan pada volatilitas harga obligasi korporasi. Hasil ini mendukung hasil penelitian Jones (1994) dan Downing (2004) yang menunjukkan adanya hubungan positif antara frekuensi perdagangan dan volatilitas harga. Hubungan antara frekuensi perdagangan dan volatilitas tidak signifikan. Seperti dalam penelitian Junbo Wang dan Chunci (2015), ketika frekuensi perdagangan dan volume tergabung dalam satu model regresi, pengaruh positif dari salah satu variabel akan terserap oleh variabel lainnya. Dalam hal ini, pengaruh positif dari frekuensi perdagangan terserap oleh volume. 46

16 3. Pengaruh trade size terhadap volatilitas harga dalam pasar obligasi korporasi Berdasarkan hasil model regresi 1 diperoleh nilai koefisien variabel trade size sebesar dan nilai signifikansi sebesar Dengan demikian trade size memiliki pengaruh negatif yang signifikan dalam mempengaruhi volatilitas harga obligasi korporasi pada level 1%. Hasil ini mendukung penelitian Downing (2004) yang menemukan hubungan negatif antara trade size dan volatilitas harga pada pasar daerah (municipal market). Dalam pasar obligasi korporasi di Indonesia, perdagangan obligasi tidak begitu aktif seperti perdagangan saham. Sehingga peran trade size dalam memberikan informasi kepada investor tidak sebaik volume dan frekuensi perdagangan. Trade size hanya memainkan peran informasi yang terbatas. 4. Hubungan aktivitas perdagangan dan volatilitas harga setelah dimoderasi dengan likuiditas obligasi Berdasarkan hasil model regresi 2, secara parsial model memperlihatkan bahwa nilai koefisien pengujian efek moderasi untuk pengaruh likuiditas rendah dalam hubungan aktivitas perdagangan yang diproksikan oleh frekuensi perdagangan dan trade size terhadap volatilitas harga obligasi korporasi masing-masing adalah sebesar dan Nilai signifikansi untuk frekuensi perdagangan sebesar yakni lebih kecil dari 1% dan untuk trade size sebesar yang berarti tidak signifikan. Sedangkan pada model regresi 3 yang memperlihatkan pengaruh likuiditas tinggi dalam memoderasi 47

17 hubungan aktivitas perdagangan terhadap volatilitas harga obligasi korporasi, nilai koefisien pada masing-masing adalah sebesar dan 3.73 dengan nilai signifikansi sebesar yang berarti tidak signifikan dan yang berarti signifikan pada level 10%. Hasil tersebut menunjukkan bahwa likuiditas memperlemah hubungan aktivitas perdagangan terhadap volatilitas harga. Nilai koefisien frekuensi perdagangan untuk obligasi dengan likuiditas rendah lebih tinggi dari obligasi dengan likuiditas tinggi. Nilai koefisien trade size menurun ketika likuiditas rendah. Dengan demikian, hipotesis ketiga yang menyatakan bahwa hubungan antara aktivitas perdagangan dan volatilitas harga lebih kuat untuk obligasi yang kurang likuid diterima. Perusahaan dengan likuiditas yang tinggi cenderung memiliki posisi yang stabil sehingga tidak terlalu fluktuatif. Perusahaan dengan likuiditas tinggi cenderung kuat posisinya karena adanya kepercayaan investor pada perusahaan sehingga posisinya stabil. Hasil ini mendukung penelitian Brunnemeier dan Pedersen (2009) yang menemukan bahwa likuiditas tinggi tidak akan terpengaruh oleh likuiditas pasar secara keseluruhan sehingga volatilitasnya rendah. 5. Hubungan aktivitas perdagangan dan volatilitas harga setelah dimoderasi dengan tingkat risiko obligasi korporasi Berdasarkan hasil model regresi 4, secara parsial model memperlihatkan nilai koefisien pengujian efek moderasi ketika risiko rendah dalam hubungan aktivitas perdagangan (VOL, NT dan ATS) terhadap volatilitas harga obligasi korporasi masing-masing adalah sebesar , dan dengan nilai signifikansi 48

18 sebesar yaitu signifikan pada level 5%, yang berarti tidak signifikan dan yang berarti signifikan pada level 1%. Sedangkan pada model regresi 5, yang memperlihatkan pengaruh risiko tinggi dalam memoderasi hubungan aktivitas perdagangan terhadap volatilitas harga obligasi korporasi, nilai koefisien masing-masing adalah sebesar , dan dengan nilai signifikansi masingmasing sebesar yang berarti signifikan pada level 5%, dan yang berarti tidak signifikan. Hasil tersebut menunjukkan bahwa nilai koefisien pada variabel aktivitas perdagangan semakin meningkat untuk obligasi dengan rating rendah. Dengan demikian, hipotesis keempat yang menyatakan bahwa hubungan aktivitas perdagangan dan volatilitas lebih kuat untuk obligasi dengan risiko yang lebih tinggi dapat diterima. Hasil penelitian ini mendukung hasil penelitian dari Junbo Wang dan Chunci Wu (2015) yang menunjukkan hubungan volatilitas dan volume lebih kuat untuk obligasi kelas rendah. Menurut Junbo Wang dan Chunci Wu (2015), hasil ini berkaitan dengan kepentingan informasi perusahaan dan risiko kredit pada harga obligasi, terutama untuk obligasi dengan kelas rendah. Harga obligasi dengan rating rendah cenderung lebih sensitif terhadap informasi finansial daripada harga obligasi dengan rating tinggi. Obligasi yang berperingkat tinggi akan memberikan return yang rendah, demikian pula sebaliknya, jika obligasi berperingkat rendah maka akan memberikan return yang tinggi. Semakin tinggi peringkat obligasi maka risiko default semakin rendah, return yang diberikan juga semakin rendah. Sebaliknya 49

19 jika semakin rendah peringkat obligasi, semakin tinggi risiko default, semakin tinggi juga return yang diberikan. Dengan demikian, harga obligasi yang berisiko tinggi akan lebih tinggi volatilitasnya karena investor mengharapkan nilai return yang tinggi pada obligasi tersebut. Harga dan return obligasi merupakan dua faktor penting dalam transaksi obligasi bagi investor. Investor selalu menanyakan return yang akan diperolehnya bila membeli obligasi dengan harga tertenty. Obligasi yang mempunyai return tinggi di atas rata-rata suku bunga deposito dan rata-rata return obligasi lainnya bisa sangat diminati oleh banyak investor. Oleh karena itu, bila return obligasi tersebut cukup tinggi maka harga obligasi cenderung semakin meningkat. begitu juga sebaliknya, apabila tingkat return obligasi yang diberikan relatif kecil, harga obligasi tersebut cenderung turun karena daya tarik untuk investor atau bagi calon pembeli obligasi tersebut sangat sedikit. Berdasarkan hasil tersebut, terdapat beberapa variabel aktivitas perdagangan yang tidak signifikan setelah di moderasi dengan rating. Hal ini karena rating obligasi korporasi di Indonesia sendiri tidak memiliki persebaran yang merata. Sehingga penggunaan rating sebagai variabel moderasi di sini dapat menjadi ukuran yang bias. 50