BAB III METODE PENELITIAN A. Populasi Dan Penentuan Sampel Populasi merupakan keseluruhan objek yang memenuhi syarat-syarat tertentu dan berkaitan dengan masalah yang diteliti. Populasi dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) pada tahun 2014 dan 2015. Dalam penelitian ini penentuan sampel yang dilakukan adalah dengan berdasarkan teknik purposive sampling dengan kriteria tertentu adapun kriteria dalam penentuan sampel pennelitian ini adalah sebagai berikut: a. Seluruh perusahaan manufaktur yang terdaftar di BEIpada tahun 2014-2015 b. Perusahaan yang tidak mengalami kerugian selama tahun penelitian. c. Perusahaan manufaktur yang mempunyai tanggal pengumuman laba harian. d. Perusahaan manufaktur yang menyajikan harga saham awal tahun dan daily closing price dengan lengkap. e. Laporan keuangan perusahaan manufaktur yang disajikan dalam mata uang rupiah dan perusahaan yang menyediakan data lengkap terkait dengan variabel yang diteliti. 25
26 B. Data dan Teknik Pengumpulan Data Data-data yang akan digunakan untuk penelitian ini adalah data sekunder, yakni berupa laporan tahunan perusahaan yang diperoleh dari Pojok BEI Universitas Muhammadiyah Yogyakarta, Indonesian Capital Market Directory (ICMD), dan databases Bursa Efek Indonesia serta data pasar. Menurut waktu pengumpulannya data yang digunakan dalam penelitian ini digolongkan ke dalam cross section. Sumber data adalah data yang berasal dari laporan tahunan masing-masing perusahaan sampel setiap akhir tahun selama masa penelitian yaitu 2014 dan 2015. C. Definisi Operasional Variabel Penelitian dan Pengukurannya 1. Variabel dependen a. Variabel Earnings Response Coefficient (ERC) Variabel dependen yang digunakan dalam penelitian ini adalah earnings response coefficient (ERC). ERC adalah koefisien yang diperoleh melalui regresi antara harga saham dengan laba akuntansi. Harga saham diukur dengan menggunakan CAR sedangkan laba cenderung diukur dengan menggunakan UE. Regresi pada model ini menghasilkan ERC pada masing masing sampel yang digunakan untuk analisis selanjutnya. Besarnya ERC didapat dengan melakukan beberapa perhitungan sebagai berikut : 1. Menghitung Cumulative Abnormal Return (CAR) CAR adalah proksi dari harga saham yang dapat menunjukkan besarnya suatu respon pasar terhadap informasi akuntansi yang telah
27 dipublikasikan. Pada penelitian ini estimasi abnormal returns diperoleh dengan menggunakan model pasar yang disesuaikan (market-adjusted model) yang mana return indeks pasar dianggap sebagai penduga yang terbaik dalam mengestimasi return dari suatu sekuritas. Dalam model tersebut tidak membutuhkan periode estimasi untuk membentuk model estimasi.untuk dapat menentukan abnormal return, digunakan selisih antara return yang sesungguhnya dengan return pasar (Suwardjono, 2005). Adapun perhitungan untuk menghitung abnormal return adalah sebagai berikut : AR i,t = Ri,t Rm t (1) dimana: ARi : return tidak normal perusahaan i pada pada hari t. Rit : return harian saham perusahaan i pada hari t Rm t : return indekspasar pada hari t. 1) Pendapatan saham yang sebenarnya Actual return merupakan pendapatan yang telah diterima investor berupa capital gain.untuk memperoleh data abnormal return, terlebih dahulu harus mencari return saham harian dan return pasar harian. Return saham harian dihitung dengan rumus (Suwardjono, 2005): R i,t = (2) dimana: R i,t = Return saham perusahaan i pada hari t
28 P t = Harga saham i pada hari t P t-1 = Harga saham i pada hari t-1 2) Return pasar harian dihitung sebagai berikut (Hartono, 2000) : R mt = (3) dimana: R mt IHSGt = Return pasar harian = Indeks harga saham gabungan pada hari t IHSGt-1 = Indeks harga saham gabungan pada hari t-1 Rumus perhitungan cumulative abnormal return (CAR) adalah: R dimana: AR i,t = abnormal return untuk perusahaan i pada hari ke t [t 1, t 2 ] = panjang interval return (periode akumulasi) dari hari t 1 hingga (termasuk) hari t 2. Periode akumulasi return adalah 3 hari return meliputi tanggal pengumuman laba, 1 hari setelah pengumuman laba atau [-1,+1]. 2. Menghitung Unexpected earnings (UE) Laba kejutan atau UE merupakan selisih antara laba akuntansi yang sesunggunya dengan laba akuntansi yang telah diekspektasi oleh pasar atau laba ekspektasian. Dalam penelitian ini model yang digunakan adalah model random walk sebagai proksi dari ekspektasi laba pasar sehingga ekspektasi laba yang digunakan adalah laba dari
29 tahun sebelumnya. Unexpected earnings dapat dihitung sebagai berikut: UE i,t = (4) dimana: AE i,t = laba aktual perusaahaan i pada tahun t AE i,t-1 = laba akuntansi (earnings) setelah pajak perusahaan i pada tahun t perusahaan i pada tahun t-1 P i,t = harga saham perusahaan i pada awal tahun t. 2. Variabel Independen a. Variable Tingkat kepatuhan mandatory disclosure IFRS (DISC) Tingkat kepatuhan IFRS adalah seberapa jauh ketaatan dalam pengungkapan yang sudah diterapkan perusahaan dalam menyajikan laporan keuangan. Dalam penelitian ini akan digunakan IFRS disclosure checklist untuk pengungkapan laba rugi yang dipublikasikan oleh Delloite. Variabel IFRS diukur dengan menggunakan indikator disclosure index yaitu dengan teknik scoring, yaitu jika item yang perlu diungkapkan dapat diterapkan (applicable) dalam perusahaan dan item tersebut diungkapkan oleh perusahaan diberi skor 1. Pemberian skor 0 apabila item tersebut tidak diungkapkan, dan apabila item tersebut tidak dapat diterapkan pada perusahaan maka akan diberi tanda N/A (Not Applicable). Pemberian tanda N/A dapat diketahui melalui catatan atas laporan keuangan (CALK) pada bagian kebijakan
30 akuntansi dan PSAK baik yang sudah diterapkan maupun yang belum diterapkan. MANDSCORE : b. Variabel Struktur Modal (SM) Struktur modal adalah penggunaan aset dan sumber daya oleh perusahaan yang memiliki biaya tetap dengan maksud agar meningkatkan keuntungan potensial pemegang saham (Novianti, 2012). Struktur modal diukur berdasarkan rasio total utang (debt ratio). Semakin tinggi hutang perusahaan maka financial leverage akan semakin tinggi pula. Penggunaan hutang akan direspon negatif oleh investor karena investor akan beranggapan bahwa perusahaan akan lebih mengutamakan pembayaran hutang daripada pembayaran dividen (Scott, 2009). Rasio yang digunakan untuk mengukur struktur modal adalah debt ratio. Debt ratio merupakan rasio utang yang digunakan untuk mengukur persentase besar dana yang telah diberikan oleh kreditur untuk membiayai perusahaan. Adapun rumus untuk menghitung debt ratio adalah sebagai berikut: Deb Ratio =
31 3. Variabel Control a. Variabel Ukuran Perusahaan (SIZE) Ukuran perusahaan merupakan proksi dari keinformatifan harga (Nofianti,2014). Ukuran perusahaan juga dapat menentukan baik tidaknya kinerja perusahaan. Ukuran perusahaan dalam penelitian ini menggunakan indikator nilai total aktiva perusahaan sebagai cerminan besar kecilnya perusahaan. Investor biasanya lebih memandang perusahaan yang notabenya adalah tergolong dalam perusahaan besar, karena perusahaan besar dianggap lebih mampu untuk terus meningkatkan kinerja perusahaannya yaitu dengan berupaya terus meningkatkan kualitas labanya. Hal ini di sebabkan karena perusahaan besar cenderung memiliki kondisi yang lebih stabil di bandingkan dengan perusahaan kecil. Dengan demikian semakin besar ukuran perusahaan akan membuat investor semakin merespon laba yang diumumkan sehingga terdapat pula kecenderungan lebih banyak investor yang menaruh perhatian pada perusahaan tersebut. Ukuran perusahaan diukur dengan log total aset. b. Variabel Kualitas Auditor (KA) Sanjaya (2008) menyatakan bahwa auditor berkualitas tinggi dapat mengurangi kecenderungan manajemen untuk melakukan manajemen laba sehingga kualitas laba perusahaan juga akan cenderung meningkat. Investor tidak dapat secara langsung
32 melihat hal-hal yang yang mendasari nilai laba susungguhnya oleh karena itu investor akan lebih bergantung pada akuntan publik sebagai penjamin keakuratan dan relevansi informasi yang disajikan dengan kredibilitas laba yang dilaporkan. Dengan demikian, laporan keuangan perusahaan yang diaudit oleh KAP Big Four akan lebih berkualitas dibandingkan dengan laporan keuangan yang yang diaudit oleh KAP Non Big Four. Variabel kualitas auditor ini diukur dengan menggunakan variabel dummy yakni jika perusahaan diaudit oleh KAP Big Four yakni Deloitte Touche Tohmatsu, PricewaterhouseCoopers (PwC), Ernst & Young, dan KPMG maka akan diberi nilai 1, dan jika tidak diaudit oleh KAP Big Four maka akan diberi nilai nol. D. Uji Hipotesis dan Analisis Data Metode analisis data adalah suatu teknik atau prosedur untuk menguji hipotesis penelitian. Metode yang digunakan dalam penelitian ini adalah uji statistik deskriptif, uji asumsi klasik dan pengujian hipotesis. 1. Statistik Deskriptif Statistik deskriptif digunakan untuk membantu menggambarkan keadaan (fakta) yang sebenarnya dari suatu penelitian, yaitu untuk memberikan gambaran secara umum mengenai karakter variabel dalam penelitian ini. Alat analisis yang digunakan adalah rata-rata (mean), standar deviasi, maksimum dan minimum. Dengan statistik deskriptif,
33 kumpulan data yang diperoleh akan tersaji dengan ringkas, rapi serta dapat memberikan informasi inti dari kumpulan data yang ada. 2. Uji Asumsi Klasik Uji asumsi klasik merupakan uji yang dilakukan sebelum melakukan pengujian regresi, yang mana pengujian asumsi klasik ini untuk mengetahui apakah data yang digunakan telah memenuhi ketentuan dalam model regresi. Adapun pengujian tersebut meliputi: a. Uji Normalitas Uji normalitas bertujuan untuk menentukan apakah data yang telah diperoleh memiliki distribusi normal atau dapat dikatakan diperoleh dari populasi normal (Nazaruddin dan Basuki, 2016). Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Berdasarkan pengalaman empiris, beberapa pakar statistik mengatakan bahwa suatu data dikatakan berdistribusi normal, jika data tersebut jumlahnya lebih dari 30 angka. Namun untuk memastikan dilakukan uji statistik normalitas. Untuk menguji normalitas data dalam penelitian ini menggunakan uji Kolmogorov- Smirnov (K-S). Uji K-S ini merupakan metode uji normalitas yang paling umum digunakan dalam penelitian-penelitian. Data dikatakan normal apabila nilai sig > 0,05 (Nazaruddin dan Basuki, 2016) b. Uji Autokorelasi Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi
34 yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi, metode pengujian yang sering digunakan adalah dengan uji Durbin Watson (uji DW). Pada pendekatan D-W ada nilai batas atas (du) dan batas bawah (dl) untuk setiap tingkat kepercayaan dan derajat kebebasan. Kriteria penilaian berdasarkan jangkauan tersebut adalah sebagai berikut: a. Jika d < dl > (4-dL) maka hipotesis nol ditolak, yang berarti terdapat autokorelasi b. Jika d terletak antara du dan (4-dU), maka hipotesis nol diterima, yang berarti tidak ada autokorelasi c. Jika d terletak antara dl dan du atau diantara (4-dU) dan (4- dl), maka tidak menghasilkan kesimpulan yang pasti. Nilai du dan dl dapat diperoleh dari tabel statistik Durbin Watson yang bergantung banyaknya observasi dan banyaknya variabel yang menjelaskan (Nazaruddin dan Basuki 2016). c. Uji Multikolinearitas Uji Multikolinearitas adalah adanya hubungan linear antara peubah bebas X dalam Model Regresi Ganda (Nazaruddin dan Basuki, 2016). Model regresi yang baik adalah ketika tidak terdapat hubungan antar variabel independen. Menurut Nazaruddin dan Basuki (2016) untuk mendeteksi ada atau tidaknya hubungan tersebut dapat dilihat melalui nilai Variance Inflation Factors (VIF). Kriteria pengujiannya yaitu:
35 1) Tidak terdapat multikolinearitas antar variabel independen jika VIF < 10 dan nilai tolerance > 0,1. 2) Terdapat multikolinearitas antar variabel independen jika VIF > 10 dan nilai tolerance < 0,1. d. Uji Heteroskedastisitas Heteroskedastisitas merupakan ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi (Nazaruddin dan Basuki, 2016). Uji heteroskedastisitas bertujuan untuk mengetahui adanya penyimpangan dari syarat-syarat asumsi klasik pada model regresi. Di mana dalam model regresi harus dipenuhi syarat tidak adanya heteroskedastisitas. Jadi, model regresi yang baik adalah homoskedastisitas. Uji heteroskedastisitas adalah menggunakan uji glejser dengan tingkat signifikan α = 5%. Model regresi dikatakan homoskedastisitas jika hasil α lebih besar dari 5%. 3. Uji Hipotesis Analisis data yang akan digunakan dalam penelitian ini adalah menggunakan regresi linear berganda dengan interaksi seperti yang digunakan oleh Widiastuti (2004). Regresi linear ini digunakan untuk menguji pengaruh tingkat kepatuhan mandatory disclosures dan struktur modal terhadap ERC baik secara parsial maupun secara simultan pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) dan pengolahan datanya menggunakan program statistical package for science
36 (SPSS). Adapun model regresi linier berganda dalam penelitian ini adalah sebagai berikut : CAR i = β 0 + β 1 UE + β 2 DISC i + β 3 SIZE i +β 4 KA i + β 5 UE*DISC i + β 6 UE*SIZE i + β 7 UE*KA i + ε i (1) CAR i = β 0 + β 1 UE + β 2 SM i + β 3 SIZE i +β 4 KA i + β 5 UE*SM i β 6 UE*SIZE i + β 7 UE*KA i + ε i (2) dimana: i = perusahaan CAR = cumulative abnormal return UE = unexpected earnings DISC = indeks ungkapan wajib dalam laporan tahunan SM = struktur modal SIZE = ukuran perusahaan KA = kualitas auditor β 1 = parameter (I = 0,1,2,3,4,5,6,7) ε i = error term Untuk menguji adanya pengaruh pengungkapan wajib pada laporan tahunan terhadap ERC, maka digunakan alat uji yakni analisis regresi berganda dengan sebuah model interaksi. Dengan digunakannya model interaksi pada pengujian ini maka variabel individual yang terdapat dalam persaamaan regresi tersebut tidak perlu diinterpretasikan. Sehingga untuk dapat melihat adanya pengaruh pengungkapan wajib yang terdapat dalam laporan tahunan terhadap ERC, maka dapat dilihat arah dan tingkat signifikansi koefisien regresi yaitu β 5 (koefisien interaksi UE*DISC) pada persamaan (1). Apabila dalam pengujian ini koefisien regresi β 5 yaitu arahnya positif dan signifikan maka dalam penelitian ini berhasil menolak
37 H 0 berarti dapat disimpulkan bahwa tingkat penggungkapan mandatory disclosure berpengaruh positif terhadap ERC. Sedangkan untuk melihat pengaruh struktur modal terhadap ERC, ditentukan dengan melihat arah dan tingkat signifikansi koefisien β 5 (koefisien interaksi UE*SM) pada persamaan (2). Apabila koefisien regresi β 5 arahnya negatif dan signifikan, maka penelitian ini berhasil menolak H 0 berarti dapat disimpulkan juga bahwa struktur modal berpengaruh negatif terhadap ERC. Pengujian hipotesis pada penelitian ini yaitu diuji dengan menggunakan uji t dan uji F. Uji t digunakan untuk melihat pengaruh variabel mandatory disclosure dan struktur modal, terhadap ERC secara parsial dengan tingkat signifikansi 5%. Sedangkan uji F digunakan untuk dapat melihat pengaruh variabel mandatory disclosure dan struktur modal, terhadap ERC secara bersama-sama (simultan) dengan tingkat signifikan 5%.