BAB III METODOLOGI PENELITIAN

Transkripsi

1 BAB III METODOLOGI PENELITIAN III.1 Kerangka Pkr Analss Peneltan n dalam menguj eksstens konservatsme dalam pencatatan serta pelaporan keuangan perusahaan-perusahaan publk manufaktur d Indonesa menggunakan pendekatan peneltan yang dlakukan oleh Basu (1997) yakn dengan melhat apakah terdapat asymmetrc tmelness dalam pengakuan bad news dan good news. Asymmetrc Tmelness terlhat dengan adanya hubungan nla earnng yang lebh kuat dengan bad news dbandngkan dengan good news. Hal n dsebabkan penerapan konservatsme mempersyaratkan tngkat verfkas yang lebh tngg untuk pengakuan good news d dalam nla earnng yang dlaporkan, sehngga good news tdak tercermn dengan segera d dalam nla reported earnng. Hal yang sebalknya terjad pada pelaporan bad news, dmana bad news cenderung lebh cepat tercermn d dalam nla earnng konservatf. Hal n menyebabkan bad news memlk hubungan yang lebh kuat dengan earnng. Untuk melhat adanya asymmetrc tmelness tersebut melalu perbandngan hubungan bad news dan good news terhadap nla reported earnng maka dlakukan analss regres dar earnng terhadap return, dmana return negatve menjad proks dar bad news sementara return postf menjad proks dar good news. Nla earnng, dalam hal n reported earnng, yang menjad varabel dependen dalam pengujan tersebut, dnla memlk hubungan yang lebh kuat dengan bad news apabla hasl dar pengujan regres earnng dan return menunjukkan nla koefsen return yang lebh tngg untuk sample bad news. Untuk menangkap hpotess tersebut, persamaan estmas yang dgunakan adalah sebaga berkut: = (3.1) 28

2 29 dmana : : nla earnng per share perusahaan pada tahun t dbag dengan harga saham perusahaan d awal perode fscal terkat : mencermnkan varabel dummy, dmana 1 mewaklkan tngkat pengembalan saham (return) yang negatf dan 0 mewaklkan tngkat pengembalan saham (return) postf : tngkat pengembalan saham perusahaan dalam kurun waktu semblan bulan sebelum berakhrnya perode fscal terkat hngga tga bulan setelah perode fscal terkat Persamaan (3.1), yang selanjutnya dsebut model persamaan (1), mengnformaskan bahwa perbedaan respon terhadap good news dan bad news tertangkap oleh adanya nteraks antara varabel dummy return dengan varabel return. Untuk kasus bad news ( D 1), perubahan return akan drespon sebesar 0 1 persen perubahan earnng per share per prce. Sebalknya, perubahan return untuk good news hanya drespon dengan sebesar. Dengan demkan 0 hasl estmas dan dharapkan bernla postf. 0 1 Bla dbandngkan dengan model yang dpaka oleh Basu (1997), persamaan d atas telah dmodfkas, dmana earnngs per share per prce sebaga varabel dependen dubah dalam bentuk logartma natural. In berart, perubahan earnngs dukur dalam persentase. Langkah n dambl karena hasl estmas menjad lebh sgnfkan dengan transformas tersebut. Nla earnng yang dperoleh dar laporan keuangan perusahaan dbag dengan pembukaan harga saham d awal tahun untuk mengkontrol heteroskedaststas. Tngkat pengembalan saham tahunan dhtung dalam jangka waktu yang berakhr tga bulan setelah perode fscal terkat untuk memastkan bahwa nla return tersebut tdak dpengaruh oleh nla reported earnng tahun sebelumnya, hal n dperkuat dengan peneltan yang dlakukan oleh Easton dan Harrs (1991).

3 30 Selanjutnya, stud n berusaha memaham tngkah laku konservatsme d tngkat perusahaan melalu nvestgas terhadap faktor-faktor yang mendorong perusahaan untuk berskap konservatf. Pengukuran konservatsme dlakukan berdasarkan Gvoly dan Hayn (2000), dalam peneltan tersebut, apabla selsh antara laba bersh dan arus kas bernla negatf yang konssten selama beberapa tahun maka hal tersebut merupakan ndkas dterapkannya konservatsme dan sebalknya. Selsh laba bersh dan arus kas bernla negatf berart nla laba yang dlaporkan perusahaan lebh rendah darpada nla kas yang dterma perusahaan. Rumus yang dgunakan dalam pengukuran konservatsme berdasarkan Gvoly dan Hayn adalah : = (3.2) dmana : : Konservatsme akuntans : Laba bersh sebelum extraordnary tem dtambah baya depresas dan amortsas : Jumlah arus kas dar kegatan operas Depresas dan amortsas merupakan alokas baya dar aktva yang dmlk perusahaan. Pada saat pembelan aktva, kas yag dbayarkan termasuk dalam arus kas dar kegatan nvestas. Sehngga, alokas baya depresas dan amortsas yang tercermn dalam net ncome tdak berhubungan dengan arus kas dar kegatan operas dan dkeluarkan dar net ncome dalam pengukuran konservatsme akuntans. Berdasarkan stud yang telah dlakukan Gvoly dan Hayn tersebut, dalam peneltan n perusahaan dgolongkan menerapkan akuntans konservatf jka selama dua tahun berturut-turut melaporkan pendapatan bersh yang telah dkurang cash flow bernla negatf. Lebh jauh lag, telah ddentfkas beberapa varabel yang mendorong suatu perusahaan menjad konservatf dan selanjutnya menjad varabel ndependen dalam peneltan n, yatu debt to equty rato, penjualan bersh (net sales), dan lqudty rato.

4 31 Dengan varabel dependen perusahaan konservatf atau tdak, persamaan estmasnya dapat dtulskan dengan : Pr con 1 log 0 1ns 3lr 4 log( der) j D j 1 Pr con 1 (3.3) j2005 con : varabel numerc bernla 1 jka perusahaan konservats dan 0 jka selannya ns : nla penjualan bersh perusahaan (dnyatakan dalam mlyaran rupah) der : debt to equty rato lr : lqudty rato D : Varabel dummy tahun 2005 hngga 2007 dengan bass 2004 Dgunakannya varabel dummy tahun pada model n untuk mengakomodas adanya efek perbedaan antar waktu mengngat data sampel yang dpaka sebanyak 64 perusahaan dalam kurun waktu lma tahun. III.2 Sampel dan Data Peneltan n menggunakan data sekunder yang dperoleh dar Indonesa Captal M arket Drectory tahun 2007, Database Osrs,Yahoo Fnance dan webste Bursa Efek Indonesa. Sampel dplh dar populas perusahaan publk yang terdaftar dan sahamnya dperdagangkan d Bursa Efek Jakarta M etode pengamblan sampel dalam peneltan n adalah purposve samplng yatu pengamblan sampel berdasarkan krtera tertentu. Adapun krtera yang menjad dasar pemlhan sampel adalah : a. Perusahaan bergerak d dalam ndustr manufaktur b. Perusahaan terdaftar d Bursa Efek Jakarta dan menyampakan laporan keuangannya secara berkelanjutan sejak tahun 2002 hngga tahun c. Laporan keuangan perusahaan dpublkaskan dalam mata uang rupah Alasan pemlhan sampel berupa perusahaan yang bergerak d dalam ndustr manufaktur karena perusahaan tersebut memlk karakterstk pelaporan

5 32 keuangan yang sama.. Dar 184 perusahaan manufaktur yang terdaftar d Bursa Efek Indonesa, terdapat 141 perusahaan manufaktur yang dapat djadkan sampel dalam peneltan n. Selanjutnya, jumlah perusahaan tersebut tereduks hngga menjad 64 perusahaan karena keterbatasan data yang ada. III.3. Metode Pengolahan M odel estmas yang telah ddapatkan pada dan persaman d atas akan menggunakan program Evews 4 dan Stata 8 untuk menentukan hasl emprsnya. M etode yang dambl untuk mendapatkan hasl emprs peneltan n adalah dengan menggunakan analss data panel untuk persamaan pertama dan analss logt untuk persamaan kedua. III.3.1. Metode Data Panel Penjelasan metode data panel pada ses n banyak dadaptas dar M odul Data Panel dar Laboratorum Ilmu Ekonom FEUI. Data panel merupakan bentuk data yang menggabungkan data-data lntas waktu (tme seres) dan lntas ndvdu, dalam hal n perusahaan (cross secton). Dengan kata lan, data yang dperoleh merupakan hasl observas terhadap beberapa objek (dalam hal n dapat berupa perusahaan, manusa, dan lan sebaganya) dalam perode waktu tertentu. Gujarat (2003) menjelaskan bahwa terdapat dua jens data panel, pertama adalah unbalanced panel yatu apabla data cross secton dan tme seres yang dpaka tdak memlk jumlah yang sama. Jens data panel kedua adalah balanced panel yatu apabla data cross secton dan tme seres yang dgunakan memlk jumlah yang sama (sembang). Penggunaan data panel memlk kelebhan dbandngkan dengan penggunaan data tme seres ataupun cross secton. (Baltag, 1995) menyatakan beberapa kelebhan dar panel data sebaga berkut: a. Estmas yang terdapat pada panel data dapat mencermnkan heterogentas secara eksplst dar data yang dgunakan. b. Dengan menggabungkan data tme seres dengan data cross secton, data panel memberkan data yang lebh banyak, lebh nformatf, lebh banyak derajat kebebasan, lebh efsen, dan rendah kolneartasnya.

6 33 c. Panel data sangat bak untuk dgunakan dalam stud perubahan yang dnamk. d. Panel data dapat mendeteks dan mengukur pengaruh dengan lebh bak dbandngkan data yang murn tme seres ataupun cross secton. e. Panel data memungknkan untuk mempelajar behavoral model yang lebh kompleks. f. Dengan membuat data dalam rbuan unt, panel data dapat memnmumkan bas yang mungkn muncul Pengolahan data panel dapat melalu beberapa cara. Secara umum, terdapat tga metode dalam pengolahan data panel, yatu metode kuadrat terkecl (pooled least square), metode efek tetap (fxed effect), dan metode efek acak (random effect). M etode kuadrat terkecl merupakan pendekatan yang palng sederhana dalam pengolahan data panel. M salkan terdapat persamaan berkut n: Y X (3.3) t t t untuk = 1, 2,..., I dan t = 1, 2,..., T. I adalah jumlah unt cross secton (ndvdu) dan T adalah jumlah perode waktunya. Dengan mengasums komponen error dalam pengolahan kuadrat terkecl basa, dlakukan proses estmas secara terpsah untuk setap unt cross secton. Untuk perode t = 1, akan dperoleh persamaan regres cross secton sebaga berkut: Y 1 X 1 1 (3.4) yang akan bermplkas dperolehnya persamaan sebanyak T persamaan yang sama.begtu juga sebalknya, kta juga akan dapat memperoleh persamaan deret waktu (tme seres) sebanyak I persamaan untuk setap T observas. Namun, untuk mendapatkan parameter dan yang konstan dan efsen, akan dapat dperoleh dalam bentuk regres yang lebh besar dengan melbatkan sebanyak IT observas. Kesultan terbesar dalam pendekatan metode kuadrat terkecl basa tersebut adalah asums ntersep dan slope dar persamaan regres yang danggap konstan bak antar daerah maupun antar waktu. Padahal, asums tersebut kemungknan besar tdak dapat dbenarkan. Untuk mengatas permasalahan

7 34 tersebut dgunakan varabel boneka (dummy varable) untuk mengdentfkaskan terjadnya perbedaan nla parameter yang berbeda-beda bak lntas unt cross secton maupun antar waktu. Pendekatan dengan memasukkan varabel boneka n dkenal dengan sebutan model efek tetap (fxed effect) atau Least Square Dummy Varable. M etode n dapat dtuls dengan Y t = a + bx t + g 2 W 2t + g 3 W 3t g N W Nt + d 2 Z 2 + d 3 Z d T Z T + e t (3.5) dmana, 1, untuk ndvdu ke, I W t 0 untuk sebalknya 2,..., N 1, Z t 0 untuk perode ke t, t 2,..., N untuk sebalknya Dar persamaan d atas, dapat dsmpulkan bahwa telah dtambahkan sebanyak (N-1) + (T-1) varabel boneka ke dalam model dan menghlangkan dua ssanya untuk menghndar kolneartas sempurna antar varabel ndependen. Dengan menggunakan pendekatan n akan terjad degree of freedom sebesar NT 2 (N-1) (T-1), atau sebesar NT - N T. Keputusan memasukkan varabel boneka n harus ddasarkan pada pertmbangan statstk. In dkarenakan dengan melakukan penambahan varabel boneka n mengurang banyaknya degree of freedom. Pertmbangan pemlhan pendekatan yang dgunakan n ddekat dengan menggunakan statstk F yang berusaha memperbandngkan antara nla jumlah kuadrat dar error dar proses pendugaan dengan menggunakan metode kuadrat terkecl dan efek tetap yang telah memasukkan varabel boneka. Rumusan yang merupakan tes pemlhan antara metode kuadrat terkecl dan efek tetap n serng dsebut dengan Chow Test yang dapat dtuls sebaga berkut: F N T 2, NT N T ESS 1 / N T 2 ESS / NT N T 2 (3.6)

8 35 dmana ESS 1 dan ESS 2 adalah jumlah kuadrat ssa dengan menggunakan metode kuadrat terkecl basa dan model efek tetap. Nla statstk F uj n yang kemudan dbandngkan dengan nla statstk F tabel yang akan menentukan plhan model yang akan dgunakan. Efek tetap akan dambl bla F uj lebh besar dar F tabel atau dengan kata lan Ho dtolak. Keputusan untuk memasukkan varabel boneka dalam model efek ternyata memlk konsekuens. Penambahan varabel boneka dapat mengurang banyaknya derajat kebebasan, yang pada akhrnya akan mengurang efsens dar parameter yang destmas. Berkatan dengan hal n, dalam model data panel dkenal metode ketga yatu metode efek acak (random effect). Dalam model efek acak, parameter-parameter yang berbeda antar daerah maupun antar waktu dmasukkan ke dalam error. Karena hal n lah, model efek acak serng juga dsebut model komponen error (error component model). Bentuk model efek acak n djelaskan pada persamaan berkut n: Y t X t u t v w t t t (3.7) dmana u N(0, u 2 ) = komponen cross secton error v t N(0, 2 v ) = komponen tme seres error w t N(0, 2 w ) = komponen error kombnas Dalam hal n, dasumskan pula bahwa error secara ndvdual tdak salng berkorelas. Begtu juga dengan error kombnasnya. Dengan menggunakan model efek acak n, maka pemakaan derajat kebebasan dapat dhemat dan tdak mengurang jumlahnya sepert yang dlakukan pada model efek tetap. Hal n menyebabkan parameter yang merupakan hasl estmas akan menjad semakn efsen. Keputusan penggunaan model efek tetap ataupun efek acak dtentukan dengan menggunakan spesfkas yang dkembangkan oleh Hausmann. Spesfkas n akan memberkan penlaan dengan menggunakan nla Ch Square Statstcs sehngga keputusan pemlhan model akan dapat dtentukan secara statstk. Proses pemlhan mana dar ketga efek d atas yang akan dgunakan dalam estmas, dawal dengan menggunakan Chow Test. Tes n akan memberkan hasl

9 36 apakah estmas akan dlakukan dengan menggunakan PLS ataukah fxed effect. Ketka Chow Test menerma Ho, maka PLS yang akan dgunakan. Sebalknya, bla Ho dtolak, Hausmann Test dgunakan untuk menentukan apakah estmas akan menggunakan fxed effect atau random effect. Pada saat Ho dtolak, maka fxed effect yang lebh sesua untuk dgunakan dalam estmas n. Demkan pula sebalknya. III.3.1. Metode Estmas Logstk M etode estmas logstk atau yang serng dkenal dengan model logt pada subbab n secara umum drangkum dar Gujarat (2003). Secara sederhana, analss regres logstk adalah analss model yang menggunakan varabel ndependen yang berupa peubah kategork ataupun peubah numerk untuk menduga besarnya peluang kejadan tertentu dar varabel dependen. Sedangkan pemodelan peluang kejadan tertentu dar kategor peubah Y dlakukan melalu transformas logt. Msalkan P adalah kategor sukses dar Y, maka probabltas sukses dtulskan dengan Z 1 e P Z Z 1e 1 e (3.8) dmana Z = a +a X +...+a X. Sebalknya, probabltas gagal secara n n matemats dnyatakan 1 1P Z 1 e (3.9) Dengan demkan, dapat dperoleh P 1P e Z Nla P 1 P (3.10) dsebut dengan odds rato, yatu raso antara probabltas kejadan sukses dengan probabltas kejadan gagal. Dengan mengambl nla natural logartmanya, persamaann d atas berubah menjad

10 37 P L ln Z a +a X +...+a X n n 1 P (3.11) Dar persamaan d atas tampak bahwa nla L, yang merupakan nla logartma natural dar odds rato, tdak hanya lner terhadap X, tetap juga lner terhadap parameter. Dengan kata lan, proses manpulas d atas menggambarkan transformas logt. Gambar xxx menglustraskan proses transformas logt tersebut. Gambar 1. Transformas Logt P Logt (P ) Logt Transform Predctor S Predctor u Sumber: Modul Regres Logstk, Statstka IPB, (2007) D sampng lnertas, propert lan yang ada dalam model logt melput: a. Meskpun P hanya bernla dar 0 sampa 1, namun nla logt L berada pada batasan. L. Dengan demkan, nla L tdak memlk b. M ekpun L bersfat lner terhadap X, tetap tdak dengan nla probabltasnya. c. Nla slope koefsen, dalam hal n a,..., a, mencermnkan perubahan 1 n L sebaga akbat dar perubahan varabel ndependen yang bersangkutan sebesar satu unt. Dengan kata lan, slope koefsen menyatakan bagamana perubahan nla logartma natural dar odd rato berubah saat varabel ndependen berubah sebesar satu unt.

11 38 III.4 Metode Interpretas Hasl Estmas III.4.1 Pendekatan Teor Pengujan hasl estmas dengan menggunakan pendekatan teor mentkberatkan pada bagamana perubahan varabel dependen sebaga akbat dar perubahan varabel-varabel ndependennya. Selan tu, pendekatan teor juga menekankan pada seberapa logs hasl estmas yang ddapatkan, yakn apakah hasl yang ddapatakan logs dan sesua dengan hukum teor-teor akuntans yang berlaku. Termasuk d dalamnya adalah kesesuaan hasl estmas dengan teorteor yang telah dpublkaskan yang merupakan hasl peneltan sebelumnya. Apabla hasl yang ddapatkan berbeda, maka dperlukan analss yang lebh mendalam untuk menjawab mengapa fenomena tersebut terjad. III.4.2 Pendekatan Statstka Dalam pendekatan statstka, akan duj seberapa ft model menjelaskan varas-varas dalam sampel. Terdapat tga pengujan yang dlakukan untuk mengetahu hal tersebut, yatu F test, t test, dan R squared (R 2 ) test. a. F test (uj F). Uj F dgunakan untuk melhat seberapa ft sebuah model secara keseluruhan. Varabel-varabel ndependen duj secara bersamaan dalam menjelaskan varabel dependennya. M odel hpotesa dar uj F n adalah: H 0 : model yang dgunakan tdak ft H a : model yang dgunakan sudah ft Krtera penolakan H 0 dperoleh pada saat nla p-value kurang dar tngkat sgnfkans ( ), dmana sebesar 1%, 5%, atau 10%. Sehngga, model dkatakan ft apabla besarnya p-value kurang dar nla sgnfkans yang telah dtentukan. b. t test (uj t). Berbeda dengan uj F, uj t dlakukan untuk mengetahu seberapa sgnfkan varabel-varabel ndependent mempengaruh varabel dependennya secara sendr-sendr. Oleh karena tu, uj t serngkal dsebut dengan uj parsal Bla dasumskan bahwa koefsen dar varabel-

12 39 varabel ndependen dalam model estmas adalah b, maka model hpotesa dar uj t adalah: Ho: = 0 Ha: 0 H 0 akan dtolak ketka p-value kurang dar nla yang telah dtentukan. Pada konds tolak H 0, maka varabel ndependen yang sedang duj tersebut dkatakan berpengaruh sgnfkan terhadap varabel dependennya. c. R squared (R 2 ) test (uj R 2 ). Uj R 2 mrp dengan uj F dalam melhat bagamana varabel ndependen mempengaruh varabel dependen secara bersama-sama. Uj n melhat seberapa besar varabel-varabel ndependen mampu menjelaskan varas dar varabel dependennya. Semakn besar nla R 2, maka semakn bak model tersebut. Adapun batas nla R 2 yang harus dpenuh sebuah model untuk dkatakan sebaga model yang bak, tdak dtetapkan secara past. Beberapa peneltan menyatakan, untuk model estmas dalam skala makro, nla R 2 d atas 0,8 dkatakan bahwa model tersebut sudah bak. Sedangkan untuk model dalam konteks mkro, sejauh n belum ada konsensus yang past. III.4.3. Pendekatan Ekonometrka Dalam pendekatan ekonometrka, ketka menggunakan pendekatan OLS (Ordnary Least Squares), setap parameternya harus memenuh propert BLUE (Best Lnear Unbased Estmator). Apabla propert tersebut dlanggar, maka parameter tdak lag memenuh syarat BLUE. Akbatnya, treatment harus dlakukan untuk mencapa persyaratan BLUE tad. Beberapa pelanggaran asums dasar ekonometrka dan penanganannya antara lan sebaga berkut: a. Heteroskedaststas. Pelanggaran asums dmana varans error tdak sama antar observas dsebut dengan heteroskedaststas. Pelanggaran n serng terjad pada estmas yang menggunakan data-data cross secton. Adanya Pelanggaran n menyebabkan hasl estmas memberkan hasl parameter yang bas, tdak konssten, dan tdak efsen karena tdak berasal dar varans yang terkecl. Untuk mendeteksnya, dapat dgunakan Whte- Heteroscedastcty Test dengan desan hpotess,

13 40 H 0 : tdak ada heteroskedaststas H a : terdapat heteroskedaststas dmana model mengalam heteroskedaststas apabla Ho dtolak (p-value kurang dar nla sgnfkansnya). Sedangkan untuk penangannya, setap observas harus dbobot (weghted) dengan error-nya untuk mendapatkan varans yang sama. Oleh karena tu, prosedur estmasnya serng dsebut dengan Weghted Least Squares (WLS). b. Autokorelas. Pelanggaran n terjad pada saat korelas error antar waktu muncul dan serng terjad pada estmas yang menggunakan data-data tme seres. Autokorelas ddeteks dengan melhat nla Durbn Watson (DW), dmana model yang tdak memlk masalah autokorelas, memlk nla DW sebesar 2. Autokorelas dapat ddentfkas pula dengan menggunakan breusch-godfrey seral correlaton LM test yang terdapat pada program Evews 4. Untuk penanganannya, dapat dmasukkan varabel-varabel lag, AR (autoregressve) atau MA (movng average) ke dalam model. c. Multkolneartas. Pelanggaran n terjad ketka terdapat hubungan antar varabel bebas dalam model. Akbatnya, varabel bebas yang sgnfkan dalam model menjad lebh sedkt. Untuk mendeteks adanya multkolneartas dalam sebuah model, dperlukan matrks korelas antar varabel. Varabel yang memlk tngkat korelas sebesar 0,8 dengan varabel lan serngkal baru dkatakan memlk multkolneartas. Penanganannya harus melalu pemodelan ulang (remodelng), bak melalu pengurangan varabel bebas, redefns terhadap varabel, ataupun transformas varabel yang dgunakan.