skripsi -...

MANIPULASI LABA: ANALISIS FAKTOR TEKANAN DAN

PELUANG

SKRIPSI

Diajukan kepada Fakultas Ekonomi dan Bisnis

Untuk Memenuhi Syarat-syarat Guna Meraih Gelar Sarjana Ekonomi

Oleh:

Hani Selviani

NIM: 1113082000055

JURUSAN AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1438 H/2017 M

v

LEMBAR PERNYATAAN KEASLIAN SKRIPSI

Yang bertanda tangan di bawah ini:

Nama : Hani Selviani

NIM : 1113082000055

Jurusan : Akuntansi

Fakultas : Ekonomi dan Bisnis

Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:

1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan dan

mempertanggungjawabkan

2. Tidak melakukan plagiasi terhadap naskah karya orang lain

3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber asli

atau tanpa izin pemilik karya

4. Tidak melakukan pemanipulasian dan pemalsuan data

5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas karya

ini

Jikalau dikemudian hari ada tuntutan dari pihak lain atas karya saya, dan telah

melalui pembuktian yang dapat dipertanggungjawabkan, ternyata memang

ditemukan bukti bahwa saya melanggar pernyataan ini, maka saya siap dikenai

sanksi berdasarkan aturan yang berlaku di Fakultas Ekonomi dan Bisnis UIN Syarif

Hidayatullah Jakarta.

Demikian pernyataan ini saya buat dengan sesungguhnya.

Jakarta, Juli 2017

(Hani Selviani)

vi

DAFTAR RIWAYAT HIDUP

A. Identitas Pribadi

1. Nama : Hani Selviani

2. Tempat dan Tanggal Lahir : Bogor, 21 Oktober 1995

3. Jenis Kelamin : Perempuan

4. Alamat : Jl. Raya Curug RT 02 RW 04 No. 66

Kel. Curug, Kec. Bojongsari, Kota

Depok, Provinsi Jawa Barat

5. Telepon seluler : 085214106439

6. Email : [email protected]

B. Pendidikan

1. TK Al-Marhamah Tahun 2000-2001

2. SDN Curug 03 Tahun 2001-2007

3. SMPN 10 Depok Tahun 2007-2010

4. SMK Ekonomika Depok Tahun 2010-2013

5. S1 Akuntansi UIN Syarif Hidayatullah Jakarta Tahun 2013-2017

C. Latar Belakang Keluarga

1. Ayah : Abdul Kodir

2. Tempat dan Tanggal Lahir : Majalengka, 19 Mei 1971

3. Ibu : Maryanih

4. Tempat dan Tanggal Lahir : Bogor, 10 November 1973

5. Alamat Orang Tua : Jl. Raya Curug RT 02 RW 04 No. 66

Kel. Curug, Kec. Bojongsari, Kota

Depok, Provinsi Jawa Barat

6. Anak Ke : Satu (Tunggal)

mailto:[email protected]

vii

EARNINGS MANIPULATION: ANALYSIS OF PRESSURES AND

OPPORTUNITY FACTORS

ABSTRACT

This study aims to obtain empirical evidence about the pressures and

opportunity factors in detecting earnings manipulation. Based on the theory of

fraud triangle Cressey, the researchers developed a variable that can be used to

proxy the size of the components of the pressure and opportunity. The independent

variables of the fraud triangle used is pressure consisting of financial stability are

proxied by assets growth (AGROW), financial targets are proxied by the return on

assets (ROA), and external pressure are proxied by dividend (DIV), and opportunity

proxied by the free cash flow (FCF). The dependent variable used is earnings

manipulation/earnings management proxied by discretionary accruals (Model

Friedlan).

The population in this study are all manufacturing companies listing in

Indonesia Stock Exchange (BEI) in the period 2013 to 2015. The sample was

selected using purposive sampling method. Total samples used in this study were

51 companies with 3-year study period. The analytical method used in this study is

multiple regression were processed using SPSS version 22.

The results of this study indicate that financial stability are proxied by assets

growth and opportunity are proxied by the free cash flow significantly related to

earnings management. While financial targets are proxied by the return on assets

and external pressure are proxied by dividend has not been able to prove the

influence on earnings management.

Keywords: financial statements fraud, earnings management, pressure, opportunity

viii

MANIPULASI LABA: ANALISIS FAKTOR TEKANAN DAN PELUANG

ABSTRAK

Penelitian ini bertujuan untuk mendapatkan bukti empiris tentang faktor

tekanan dan peluang dalam mendeteksi manipulasi laba. Berdasarkan teori fraud

triangle Cressey, para peneliti mengembangkan sebuah variabel yang bisa

digunakan untuk mengukur komponen tekanan dan peluang. Variabel independen

dari fraud triangle yang digunakan adalah tekanan yang terdiri dari stabilitas

keuangan yang diproksikan dengan assets growth (AGROW), target keuangan

diproksikan dengan return on asset (ROA), dan tekanan eksternal diproksikan

dengan dividen (DIV), dan peluang yang diproksikan dengan free cash flow (FCF).

Variabel dependen yang digunakan adalah manipulasi laba/manajemen laba yang

diproksikan dengan akrual diskresioner (Model Friedlan).

Populasi dalam penelitian ini adalah semua perusahaan manufaktur yang

terdaftar di Bursa Efek Indonesia (BEI) pada periode 2013 sampai 2015. Sampel

dipilih dengan menggunakan metode purposive sampling. Total sampel yang

digunakan dalam penelitian ini adalah 51 perusahaan dengan periode penelitian 3

tahun. Metode analisis yang digunakan dalam penelitian ini adalah regresi berganda

yang diolah dengan menggunakan SPSS versi 22.

Hasil penelitian ini menunjukkan bahwa stabilitas keuangan diproksikan

dengan assets growth dan peluang yang diproksikan dengan free cash flow memiliki

pengaruh secara signifikan terkait dengan manajemen laba. Sementara target

keuangan diproksikan dengan return on assets dan tekanan eksternal yang

diproksikan dengan dividen belum mampu membuktikan adanya pengaruh

terhadap manajemen laba.

Kata kunci: kecurangan laporan keuangan, manajemen laba, tekanan, peluang

ix

KATA PENGANTAR

Assalamu’alaikum wa rahmatullahi wa barakatuh.

Segala puji bagi Allah Swt, Yang Maha Pengasih dan Maha Penyayang

yang telah memberikan rahmat serta hidayah-Nya sehingga penulis dapat

menyelesaikan skripsi ini dengan baik. Shalawat serta salam selalu tercurahkan

kepada junjungan kita Nabi Muhammad Saw yang telah menjadi suri tauladan bagi

umat manusia di dunia.

Skripsi yang berjudul “Manipulasi Laba: Analisis Faktor Tekanan dan

Peluang” ini disusun untuk memenuhi salah satu syarat guna meraih gelar Sarjana

Ekonomi di Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.

Pada kesempatan ini, penulis ingin menyampaikan ucapan terimakasih atas

bantuan, bimbingan, dukungan, semangat serta doa, baik langsung maupun tidak

langsung dalam penyelesaian skripsi ni, kepada:

1. Kedua orang tua penulis yaitu Ayahanda Abdul Kodir dan Ibunda yang telah

memberikan kasih sayang, perhatian, bimbingan, nasihat, doa serta dukungan

moril maupun materil yang tiada henti kepada penulis.

2. Bapak Dr. M. Arief Mufraeni, Lc., M.Si., selaku Dekan Fakultas Ekonomi dan

Bisnis UIN Syarif Hidayatullah Jakarta.

3. Ibu Yessi Fitri SE., M.Si., Ak., CA., selaku Ketua Jurusan Akuntansi Fakultas

Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.

4. Bapak Hepi Prayudiawan SE., MM., Ak., CA., selaku Sekretaris Jurusan

Akuntansi Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta dan

selaku Dosen Penasihat Akademik.

5. Ibu Reskino, SE., M.Si., Ak., CA., selaku dosen pembimbing yang telah

berkenan memberikan waktu, bimbingan, arahan serta saran selama proses

penulisan skripsi sampai terlaksananya sidang skripsi.

x

6. Seluruh dosen dan staff Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah

Jakarta yang telah banyak memberikan bantuan kepada penulis selama

menempuh masa studi.

7. Sahabat-sahabat tercinta, Bripda Fitri Puji Astuti dan Peliana Scania serta

sepupu tersayang Ika Erdia yang selalu setia menemani, berbagi suka duka,

berbagi cerita, berbagi ilmu, memberikan semangat, nasihat dan doanya kepada

penulis.

8. Sahabat-sahabat tersayang, Fatimah, Anis, Dewi, Tatil, Nurul, Weni, Tuti,

Wiwid, Nurakmalia dan Nabila yang selalu memberikan semangat, berbagi

ilmu, bantuan, nasihat serta doanya kepada penulis.

9. Rekan-rekan seperjuangan Akuntansi 2013, terimakasih atas segala informasi,

bantuan dan doanya selama menempuh pendidikan di UIN Syarif Hidayatullah

Jakarta.

10. Semua pihak yang telah mendukung serta membantu dalam proses penyusunan

skripsi ini yang tidak dapat penulis sebutkan satu persatu.

Penulis menyadari sepenuhnya bahwa skripsi ini masih jauh dari sempurna

dikarenakan terbatasnya pengalaman dan pengetahuan yang dimiliki penulis. Oleh

karena itu, penulis mengharapkan segala bentuk saran serta masukan bahkan kritik

yang membangun dari berbagai pihak. Akhir kata, penulis mengharapkan semoga

skripsi ini dapat bermanfaat bagi seluruh pihak yang membutuhkan.

Wassalamu’alaikum wa rahmatullahi wa barakatuh

Jakarta, Juli 2017

Hani Selviani

xi

DAFTAR ISI

COVER ........................................................................................................ i

COVER DALAM ......................................................................................... ii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ................................ iii

LEMBAR PENGESAHAN UJIAN SKRIPSI ............................................... iv

LEMBAR PERNYATAAN KEASLIAN SKRIPSI ....................................... v

DAFTAR RIWAYAT HIDUP ...................................................................... vi

ABSTRACT ................................................................................................... vii

ABSTRAK ................................................................................................... viii

KATA PENGANTAR .................................................................................. ix

DAFTAR ISI ................................................................................................ xi

DAFTAR TABEL ........................................................................................ xv

DAFTAR GAMBAR .................................................................................... xvi

DAFTAR LAMPIRAN ................................................................................. xvii

BAB I PENDAHULUAN

A. Latar Belakang Penelitian ....................................................... 1

B. Perumusan Masalah ............................................................... 10

C. Tujuan dan Manfaat Penelitian ............................................... 10

1. Tujuan Penelitian.............................................................. 10

2. Manfaat Penelitian ............................................................ 10

xii

BAB II TINJAUAN PUSTAKA

A. Tinjauan Literatur .................................................................. 12

1. Teori Agensi (Agency Theory)......................................... 12

2. Kecurangan (Fraud) ........................................................ 13

a. Definisi Kecurangan (Fraud) ..................................... 13

b. Jenis-jenis Kecurangan (Fraud) ................................. 15

c. Financial Statement Fraud ........................................ 16

d. Fraud Triangle Theory .............................................. 18

3. Manajemen Laba (Earnings Management) ...................... 22

4. Assets Growth (AGROW) ............................................... 25

5. Return on Assets (ROA) .................................................. 26

6. Dividend (DIV) ............................................................... 26

7. Free Cash Flow (FCF) .................................................... 27

B. Hasil Penelitian Terdahulu ..................................................... 28

C. Kerangka Pemikiran ............................................................... 34

D. Perumusan Hipotesis .............................................................. 35

1. Pengaruh Stabilias Keuangan terhadap Earnings

Management ................................................................... 35

2. Pengaruh Target Keuangan terhadap Earnings

Management ................................................................... 36

3. Pengaruh Tekanan Eksternal terhadap Earnings

Management ................................................................... 38

4. Pengaruh Peluang terhadap Earnings Management ......... 39

BAB III METODE PENELITIAN

A. Ruang Lingkup Penelitian ...................................................... 41

B. Metode Penentuan Sampel ..................................................... 42

C. Metode Pengumpulan Data .................................................... 43

D. Metode Analisis Data ............................................................. 43

1. Statistik Deskriptif ............................................................. 43

2. Uji Asumsi Klasik ............................................................. 44

xiii

a. Uji Normalitas ............................................................. 44

b. Uji Multikolonieritas .................................................... 45

c. Uji Autokorelasi .......................................................... 45

d. Uji Heteroskedastisitas ................................................. 46

3. Uji Hipotesis...................................................................... 47

a. Pengujian dengan Analisis Regresi Berganda ............... 47

b. Uji Koefisien Determinasi (R2) .................................... 48

c. Uji Signifikansi Simultan (Uji F) ................................. 48

d. Uji Signifikan Parameter Individual (Uji Statistik t) ..... 49

E. Operasional Variabel Penelitian ............................................. 50

1. Independent Variable (Variabel Bebas) ............................. 50

2. Dependent Variable (Variabel Terikat) .............................. 54

BAB IV ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian ........................................ 56

B. Analisis Data Penelitian ......................................................... 59

1. Hasil Uji Statistik Deskriptif .............................................. 59

2. Hasil Uji Asumsi Klasik .................................................... 61

a. Uji Normalitas ............................................................. 61

b. Uji Multikolonieritas .................................................... 63

c. Uji Autokorelasi .......................................................... 64

d. Uji Heteroskedastisitas ................................................. 65

3. Hasil Uji Hipotesis ............................................................ 66

a. Uji Koefisien Determinasi (R2) .................................... 66

b. Uji Signifikansi Simultan (Uji F) ................................. 67

c. Uji Signifikan Parameter Individual (Uji Statistik t) ..... 68

C. Pembahasan ........................................................................... 70

1. Pengaruh Stabilitas Keuangan terhadap Earnings

Management ...................................................................... 70

2. Pengaruh Target Keuangan terhadap Earnings

Management ...................................................................... 72

xiv

3. Pengaruh Tekanan Eksternal terhadap Earnings

Management ...................................................................... 73

4. Pengaruh Peluang terhadap Earnings Management ............ 76

BAB V KESIMPULAN DAN SARAN

A. Kesimpulan ............................................................................ 78

B. Saran ...................................................................................... 79

DAFTAR PUSTAKA ................................................................................... 80

LAMPIRAN ................................................................................................. 85

xv

DAFTAR TABEL

Tabel 1.1 Contoh Kasus Fraud .............................................................. 6

Tabel 2.2 Hasil Penelitian Terdahulu ..................................................... 29

Tabel 4.1 Tahapan Seleksi Sampel Penelitian ........................................ 56

Tabel 4.2 Daftar Nama Perusahaan ........................................................ 57

Tabel 4.3 Hasil Uji Statistik Deskriptif .................................................. 59

Tabel 4.4 Hasil Uji Statistik Kolmogorov-Smirnov ................................. 63

Tabel 4.5 Hasil Uji Multikolonieritas ..................................................... 64

Tabel 4.6 Hasil Uji Autokorelasi (Uji Runs Test) ................................... 65

Tabel 4.7 Hasil Uji Heteroskedastisitas (Uji Park) ................................. 66

Tabel 4.8 Hasil Uji Koefisien Determinasi (R2)...................................... 67

Tabel 4.9 Hasil Uji Signifikansi Simultan (Uji F) ................................... 68

Tabel 4.10 Hasil Uji Signifikan Parameter Individual (Uji Statistik t) ...... 69

xvi

DAFTAR GAMBAR

Gambar 2.1 Skema Kerangka Pemikiran ................................................... 34

Gambar 4.1 Hasil Uji Normalitas dengan Grafik Histogram ...................... 62

Gambar 4.2 Hasil Uji Normalitas dengan Normal P-P Plot ........................ 62

xvii

DAFTAR LAMPIRAN

Lampiran 1 Perhitungan Variabel .............................................................. 86

Lampiran 2 Output SPSS .......................................................................... 109

1

BAB I

PENDAHULUAN

A. Latar Belakang Penelitian

Survei yang dilakukan oleh Association of Certified Fraud Examiners

(ACFE) menunjukkan bahwa dari tahun ke tahun rata-rata organisasi selalu

kehilangan 5% dari pendapatannya karena tindak kecurangan (ACFE, 2014).

Penelitian yang dilakukan oleh lembaga fraud terkemuka internasional ini,

melibatkan seluruh jaringan CFE (Certified Fraud Examiner) yang tersebar di

seluruh dunia, termasuk Indonesia. Hasil penelitian juga menunjukkan bahwa

dibutuhkan rata-rata 18 bulan untuk mendeteksi adanya fraud. Dari tiga jenis

fraud yaitu penyalahgunaan aset, korupsi, dan kecurangan laporan keuangan,

terlihat bahwa dari segi kuantitas, fraud terbesar ada di sektor penyalahgunaan

aset seperti penggelapan kas. Namun, dari sisi kerugian keuangan, jelas fraud

ini merupakan yang terkecil. Hal ini berbanding terbalik dengan fraud laporan

keuangan, seperti pengakuan pendapatan fiktif. Fraud jenis ini justru dari segi

kuantitas merupakan terkecil namun dari sisi kerugian justru yang paling besar

(Tjahjono, et al., 2013).

Tujuan utama dari pelaporan laporan keuangan adalah untuk

memberikan informasi keuangan tahunan perusahaan untuk pemangku

kepentingan baik eksternal dan internal dengan cara yang handal dan tepat

waktu (Ghazali, et al., 2015). Di sisi lain, perusahaan selalu memiliki banyak

2

cara untuk menutupi tindakan fraud yang dilakukan. Perusahaan memiliki

suatu tujuan khusus dalam melakukan tindakan kecurangan tersebut, seperti

ingin mendapatkan keuntungan yang sebanyak-banyaknya dan mendapatkan

kepercayaan dari para pihak eksternal perusahaan, seperti kreditor dan investor.

Untuk mendapat kepercayaan tersebut, biasanya perusahaan akan melakukan

tindakan fraud yang mengarah pada laporan keuangan yang dimilikinya.

Laporan keuangan tersebut akan dibuat sedemikian bagus atau layak di mata

investor dalam membuat keputusan dengan melakukan perataan laba atau

manajemen laba. Dari hal inilah, informasi dalam laporan keuangan yang akan

diungkapkan oleh perusahaan tersebut biasanya akan memuat hal-hal yang

tidak sesuai dengan kondisi yang sebenarnya (Aprillia, et al., 2017).

Manipulasi laba sering dianggap sebagai teknik yang digunakan oleh

manajemen perusahaan untuk tujuan mempengaruhi laba untuk mencocokkan

akhir yang diinginkan. Dalam pelaporan keuangan perusahaan, laba adalah

informasi yang paling penting yang menunjukkan sejauh mana perusahaan

telah terlibat dalam kegiatan nilai tambah. Informasi tentang laba digunakan

oleh berbagai pihak dalam keputusan mereka tentang apakah mereka harus

menyediakan sumber daya untuk perusahaan atau tidak. Dengan demikian, laba

merupakan elemen kunci yang menentukan nilai ekonomi dari perusahaan dan

alokasi sumber daya di pasar modal (Noor, et al., 2015).

3

Setelah menyadari dampak signifikan dari laba pada perusahaan

melaporkan kinerja, manajemen perusahaan akan selalu berusaha untuk

memanipulasi laba yang dilaporkan dengan mengambil keuntungan dari efek

dari pilihan akuntansi yang menyediakan dasar untuk keputusan yang terbaik

bagi perusahaan. Manajemen termotivasi untuk terlibat dalam manipulasi laba,

yaitu manajemen laba, untuk melaporkan pendapatan yang tinggi dan nilai-

nilai ekonomi yang lebih besar dari perusahaan. Dengan demikian, penipuan

dan kesalahan manajemen pada pelaporan keuangan dapat terjadi sebagai

akibat dari kepentingan pribadi manajer atau pihak terkait lainnya. Manajemen

laba terjadi dengan kehadiran masalah keagenan yang timbul dari konflik

kepentingan antara pemegang saham dan manajer (Noor, et al., 2015).

Banyak faktor penyebab manajemen melakukan tindak kecurangan

(manipulasi laba). Beberapa teori dikemukakan untuk memahami mengapa

orang melakukan kecurangan. Teori Cressey yang dikenal dengan Fraud

Triangle yang menunjukkan salah satu kaki segitiga menggambarkan adanya

kebutuhan keuangan yang tidak dapat dibagi kepada orang lain sebagai faktor

penekan (pressure). Faktor tekanan ini terjadi karena adanya masalah

keuangan serius yang tidak dapat dipecahkan, misalnya kegagalan memenuhi

harapan yang diwajibkan, kebiasaan pribadi yang tidak baik, kegagalan bisnis,

diisolasi (terpisah) secara fisik, gaya hidup di luar kebiasaan, dan hubungan

pegawai-bos yang tidak baik. Faktor kedua menggambarkan adanya

kesempatan (opportunity), pelaku kecurangan biasanya memiliki informasi

umum dan kemampuan teknis untuk melakukannya. Faktor ketiga

4

menggambarkan rasionalisasi (rasionalization), kecurangan terjadi karena

sebagian besar pelaku merasa dirinya tidak melakukan tindakan kriminal,

tetapi melakukan sesuatu yang sudah sewajarnya mereka lakukan (Tjahjono, et

al., 2013).

Faktor tekanan yang biasanya dialami perusahaan yaitu tuntutan untuk

kondisi keuangan agar tetap stabil, target keuangan yang harus dicapai, dan

tekanan dari pihak ketiga atau pihak luar perusahaan. Stabilitas keuangan

merupakan tekanan yang dapat menyebabkan kecurangan, salah satu jenis

tekanannya adalah kondisi keuangan yang terancam oleh kondisi ekonomi,

industri, atau operasi entitas (Reskino & Anshori, 2016). Tekanan lain yang

didapat manajemen yaitu target untuk mencapai laba yang telah ditentukan.

Stabilitas keuangan dapat diproksikan dengan Assets Growth (AGROW) dan

target keuangan yang diproksikan dengan Return on Assets (ROA).

Penelitian terdahulu dilakukan oleh Aprillia et al. (2017) dan Oktaviani

et al. (2014) menggunakan kedua proksi tersebut untuk mengukur stabilitas

dan target keuangan. Aprillia et al. (2017) menemukan bahwa AGROW dan

ROA keduanya tidak memiliki hubungan yang signifikan untuk mendeteksi

kecurangan laporan keuangan. Sedangkan penelitian yang dilakukan Oktaviani

et al. (2014) membuktikan bahwa AGROW dan ROA memiliki hubungan yang

signifikan terhadap kecurangan laporan keuangan.

Tekanan juga didapat dari pihak ketiga atau luar perusahaan. Tekanan

ini biasanya dalam bentuk kewajiban untuk membayar dividen kepada para

pemegang saham. Penelitian yang dilakukan oleh Noor et al. (2015) yang

5

membuktikan bahwa dividen tidak memiliki pengaruh terhadap kecurangan

laporan keuangan yang diproksikan dengan manajemen laba. Namun, peneltian

yang dilakukan oleh Dahyani et al. (2017) menunjukkan hasil adanya pengaruh

antara dividen dan manajemen laba.

Faktor kedua yang memicu manajemen melakukan tindak kecurangan

yaitu adanya kesempatan atau peluang untuk melakukannya. Peluang bisa

didapat dari adanya arus kas yang berlebih yang dimiliki perusahaan. Penelitian

yang dilakukan oleh Agustia (2013) membuktikan adanya pengaruh yang

signifikan antara free cash flow dengan manajemen laba. Sedangkan penelitian

Herlambang (2017) menunjukkan hubungan ang tidak signifikan antara free

cash flow dengan manajemen laba.

Manipulasi dalam insiden laba yang mengejutkan dunia bisnis, seperti

kasus Enron dan Worldcom, telah menyebabkan kerugian besar untuk bisnis

dan profesi akuntansi. Profesi akuntan publik memiliki juga mendapat

perhatian publik dan menimbulkan kepercayaan masyarakat, sehubungan

dengan kegagalan akuntansi Arthur Andersen perusahaan dalam melaksanakan

fungsi atestasi independen. Tidak hanya di luar negeri, kasus manajemen laba

juga terjadi di Indonesia seperti kasus PT Ades Alfindo, kasus PT Indofarma,

Tbk, kasus PT Perusahaan Gas Negara, kasus PT Bank Lippo dan Kasus PT

Kimia Farma Tbk (Bukit & Nasution, 2015). Pada tabel 1.1 merupakan contoh

kasus fraud dari berbagai negara.

6

Tabel 1.1

Contoh Kasus Fraud

Nama Perusahaan,

Tahun & Nama KAP Modus Fraud

Lehman Brothers

Holdings Inc (Amerika

Serikat )

2011

Ernst & Young

Tanggal 11 Maret 2010, Anton R. Valukas,

pemeriksa yang ditunjuk pengadilan

mengumumkan hasil investigasi panjang atas

keuangan Lehman Brothers. Laporan

menyebutkan Lehman Brothers menggunakan

prosedur akuntansi yang disebut repo 105 untuk

pertukaran sementara aset senilai USD 50 miliar

ke kas sebelum pelaporan keuangan. Aksi ini

dapat berimplikasi ke Ernst & Young, dan

Richard S. Fuld, Jr, mantan CEO Ernst & Young

berpotensi bersalah atas malpraktik keuangan.

Sino-forest Corp

(China)

2011

Ernst & Young

Tahun 2011 dituduh melakukan fraud. 30 Maret

2012 Sino-forest ajukan bangkrut di Kanada

karena Sino go public di Kanada dan

mengumumkan akan dijual atau direstrukturisasi

dengan hasilnya untuk membayar kreditur.

Pemicunya adalah kejatuhan harga saham Sino

Juni 2011 akibat terbitnya laporan keuangan

yang negatif oleh Carson Block of Muddy Waters

Research, yang menuduh Sino-forest fraud

dengan meninggikan aset dan laba. 26 Agustus

Ontario Securities Commision suspend saham

Sino-forest dan menyatakan bahwa perusahaan

terlibat dalam praktik yang mereka tahu atau

seharusnya tahu fraud.

Satyam Computer

Service (India)

2009

PricewaterhouseCoopers

Satyam jatuh bebas ke dalam krisis pada bulan

Januari 2009 setelah pendirinya B. Ramalinga

Raju, mengakui bahwa laba Satyam telah lebih

saji selama beberapa tahun, bahwa sekitar USD

1,04 miliar saldo kas dan bank Satyam adalah

palsu. Ramalinga Raju juga mengakui bahwa dia

memalsukan nilai pendapatan bunga diterima di

muka, mencatat kewajiban lebih rendah dari yang

seharusnya dan menggelembungkan nilai

piutang.

7

Tabel 1.1 (Lanjutan)

Sumber: Priantara (2013)

Tabel 1.1 di atas merupakan contoh skandal mega fraud akuntansi yang

terjadi di negara-negara maju untuk menunjukkan fraud terjadi bukan hanya di

negara berkembang dan bukan hanya di lembaga pemerintah, serta dapat

menimpa KAP Big Four.

Penelitian ini dilakukan dengan mengacu pada penelitian-penelitian

terdahulu yang dilakukan oleh Noor et al. (2015), Ghazali et al. (2015), dan

Martantya dan Daljono (2013). Perbedaan penelitian ini dengan penelitian

yang dilakukan Noor et al. (2015) ialah pada variabel independen yang

digunakan, di mana Noor et al. (2015) menguji pengaruh leverage dan dividend

Nama Perusahaan,

Tahun & Nama KAP Modus Fraud

Nortel Networks Corp

(Canada)

2003

Deloitte & Touche

Tahun 2003, Nortel memberi kontribusi besar di

skandal akuntansi dengan salah melaporkan satu

sen Earning Per Share setelah periode

pemutusan hubungan kerja massal. Nortel

menggunakan uang ini untuk membayar 43

manajer topnya. SEC dan Komisi Pasar Modal

Ontario menggugat perdata Nortel. Gugatan

perdat terpisah diajukan kepada eksekutif puncak

Nortel termasuk mantan CEO. Menurut Jaksa,

akibat rekayasa keuangan adalah rugi tahun 2002

dan laba di tahun 2003 memicu bonus atas laba

sebesar USD 70 juta untuk eksekutif topnya.

Peregrine System Inc

(Amerika Serikat)

2002

KPMG

Tahun 2002 suatu skandal akuntansi memaksa

Peregrine bangkrut dan tuduhan kepada 11

manajer senior. Tahun 2003, Peregrine didakwa

melakukan “massive fraud” dengan sengaja

menyajikan secara salah penjualan USD 100 juta

dari third-party resellers dan melebih-lebihkan

penghasilan, kemudian menutupinya dengan

menyembunyikan kerugian sebagai “goodwill”

dari akuisisi.

8

sebagai proksi dari kategori tekanan, sedangkan dalam penelitian ini variabel

independen diproksikan dengan assets growth, return on assets, dan dividend.

Selanjutnya perbedaan penelitian ini dengan penelitian yang dilakukan

oleh Ghazali et al. (2015) juga terletak pada variabel independennya, di mana

kategori tekanan dalam penelitian Ghazali et al. (2015) diproksikan dengan

leverage dan financial distress, sedangkan dalam penelitian ini variabel

independen diproksikan dengan assets growth, return on assets, dan dividend.

Perbedaan penelitian ini dengan penelitian yang dilakukan oleh Martantya dan

Daljono (2013) terletak pada populasi yang digunakan, di mana Martantya dan

Daljono (2013) melakukan pendeteksian kecurangan laporan keuangan melalui

faktor risiko tekanan dan peluang pada perusahaan yang mendapat sanksi dari

Bapepam periode 2002-2006, sedangkan dalam penelitian ini populasi yang

digunakan yaitu perusahaan manufaktur yang terdaftar di BEI selama periode

2013-2015. Perbedaan lainnya terdapat pada variabel dependen yang

digunakan, penelitian Martantya dan Daljono (2013) mengukur kecurangan

laporan keuangan dengan menggunakan variabel dummy untuk dikategorikan

menjadi perusahaan yang terbukti telah melakukan fraud dan tidak melakukan

fraud, sedangkan dalam penelitian ini untuk mengukur kecurangan laporan

keuangan digunakan proksi manajemen laba. Variabel independen kategori

peluang pada penelitian Martantya dan Daljono (2013) diproksikan dengan

proportion of independent commissioners, sedangkan dalam penelitian ini

menggunakan free cash flow sebagai alat ukur.

9

Berdasarkan uraian di atas, penulis termotivasi untuk melakukan

penelitian terkait Financial Statement Fraud yang telah menjadi fokus

perhatian bagi regulator dan juga komunitas investor. Financial Statement

Fraud ini diproksikan dengan manipulasi laba atau manajemen laba, dan faktor

yang digunakan sebagai indikator penyebabnya yaitu berdasarkan faktor

tekanan serta peluang untuk melakukannya. Perusahaan manufaktur dipilih

karena perusahaan ini merupakan perusahaan yang proses produksinya

menggunakan berbagai metode penentuan harga, seperti penentuan harga

pokok produksi dan harga pokok penjualan. Dengan banyaknya metode yang

dapat digunakan dimana masing-masing metode tersebut memiliki kelemahan

yang dapat dimanfaatkan oleh manajer untuk mendukung niatnya melakukan

manajemen laba (Putriasih, et al., 2016).

Disisi lain juga, perusahaan manufaktur sangat rentan akan terjadinya

financial statement fraud. Selain itu, karakter dari perusahaan ini yang begitu

kompleks yaitu adanya proses produksi mulai dari bahan baku hingga barang

jadi yang tentunya banyak pos-pos perlakuan akuntansi yang terjadi, seperti

timbulnya beberapa akun-akun yang mudah untuk dilakukan fraud,

diantaranya mengakui pendapatan yang tidak semestinya, melebih sajikan

(overstated) aset, beban yang kurang saji, penyalahgunaan aset, pengungkapan

yang tidak semestinya dan teknik lain yang mungkin dilakukan. Maka dari itu,

perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia perlu dideteksi

sedini mungkin mengenai berbagai fraud yang terjadi (Putriasih, et al., 2016).

10

Berdasarkan hal tersebut maka peneliti melakukan penelitian yang berjudul

“Manipulasi Laba: Analisis Faktor Tekanan dan Peluang”.

B. Perumusan Masalah

Berdasarkan latar belakang di atas, maka perumusan masalah yang akan

diteliti dalam penelitian ini adalah sebagai berikut:

Apakah kategori stabilitas keuangan, target keuangan, tekanan eksternal, dan

peluang berpengaruh secara parsial terhadap earnings management?

C. Tujuan dan Manfaat Penelitian

1. Tujuan Penelitian

Berdasarkan perumusan masalah, maka tujuan penelitian ini adalah

ntuk mengetahui dan menganalisis besarnya pengaruh stabilitas keuangan,

target keuangan, tekanan eksternal, dan peluang secara parsial terhadap

earnings management.

2. Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah:

a. Bagi kalangan mahasiswa dan akademis

Penelitian ini bermanfaat sebagai penambah pengetahuan mengenai

kategori kecurangan yang dapat berpengaruh terhadap praktik

manajemen laba, serta dapat menjadi bahan referensi penelitian

selanjutnya.

11

b. Bagi perusahaan

Penelitian ini bermanfaat sebagai bahan evaluasi untuk perusahaan

dalam menyajikan laporan keuangan yang bebas dari kecurangan

yang dapat berpengaruh terhadap pengambilan keputusan bisnis.

c. Bagi investor

Penelitian ini bermanfaat sebagai penambah informasi untuk dasar

pengambilan keputusan investasi di pasar modal. Salah satunya

dengan mengamati faktor-faktor yang dapat menilai kewajaran dalam

laporan keuangan.

12

BAB II

TINJAUAN PUSTAKA

A. Tinjauan Literatur

1. Teori Agensi (Agency Theory)

Jensen dan Meckling (1976) dalam Annisya et al. (2016)

menyatakan hubungan keagenan timbul karena adanya kontrak antara

prinsipal dan agen dengan mendelegasikan beberapa wewenang

pengambilan keputusan kepada agen. Sesuai dengan perjanjian tersebut

dapat diasumsikan bahwa beberapa keputusan akan memberikan

kewenangan untuk agen.

Teori keagenan (agency theory) mendasarkan hubungan antara

pihak prinsipal (pemegang saham) dengan pihak agen (manajemen). Teori

keagenan menganggap bahwa setiap individu berperilaku sesuai dengan

kepentingannya masing-masing. Para pemegang saham menginginkan

laba yang tinggi dari perusahaan agar investasi yang telah ditanamkannya

cepat kembali (Martantya & Daljono, 2013).

Besarnya laba berhubungan dengan dividen yang dibayarkan

kepada investor. Semakin tinggi laba yang dihasilkan, maka harga saham

akan semakin tinggi dan semakin besar pula dividen yang akan

diterimanya. Namun di sisi lain, para manajemen pun memiliki

kepentingan sendiri yaitu bonus yang diterima. Pemegang saham

13

menginginkan tingkat pengembalian investasi yang tinggi, sedangkan

manajemen memiliki kepentingan untuk mendapatkan kompensasi yang

besar atas hasil kerjanya. Perbedaan tujuan itulah yang menyebabkan

terjadinya conflict of interest diantara pihak prinsipal dan agen. Hal ini

pula yang menjadi penyebab terjadinya asimetri informasi diantara kedua

belah pihak. Karena adanya dorongan untuk mendapatkan kompensasi

yang tinggi itulah, maka kemungkinan manajemen akan melakukan moral

hazard tinggi. Manajemen juga memiliki informasi yang lebih banyak

dibandingkan dengan para prinsipal. Hal ini menimbulkan kesempatan

(opportunistic) manajemen untuk melakukan kecurangan (Martantya &

Daljono, 2013).

Berdasarkan uraian di atas, dapat disimpulkan bahwa teori agensi

merupakan kontrak yang timbul antara prinsipal dan agen. Dimana agen

(manajemen) bekerja demi kepentingan para prinsipal (pemegang saham).

Namun dalam praktiknya, tidak jarang terjadi konflik kepentingan yang

merupakan penyebab adanya asimetri informasi.

2. Kecurangan (Fraud)

a. Definisi Kecurangan (Fraud)

Menurut Statement of uditing Standards No. 99 kecurangan

(fraud) merupakan tindakan dengan sengaja dalam menghasilkan

salah saji material dalam laporan keuangan yang merupakan subjek

audit. Menurut BPK RI, fraud adalah sebagai salah satu tindakan

melawan hukum yang dilakukan oleh orang-orang dari dalam dan atau

14

luar organisasi, dengan maksud untuk mendapatkan keuntungan

pribadi dan atau kelompoknya yang secara langsung merugikan pihak

lain. Ada pula yang mendefinisikan fraud sebagai suatu tindakan

kesengajaan untuk menggunakan sumber daya perusahaan secara

tidak wajar dan salah menyajikan fakta untuk memperoleh

keuntungan pribadi (Priantara, 2013).

American Institute of Public Accountant (AICPA)

mendefinisikan fraud sebagai tindakan yang melanggar hukum dan

dilakukan dengan sengaja, bukan secara tidak sengaja (error).

Association of Certified Fraud Examiner (ACFE) mendefinisikan

fraud sebagai setap tindakan tidak sah yang ditandai dengan tindakan

tidak jujur untuk penggelapan atau pelanggaran akan kepercayaan.

Institute of Internal Auditors mendefinisikan fraud sebagai segala

tindakan ilegal dan disengaja yang ditandai dengan penipuan di mana

individu tersebut tahu akan kesalahan itu atau meyakini kesalahan

yang disajikan (Tjahjono, et al., 2013).

AICPA, ACFE dan IIA mendefinisikan fraud secara umum

sebagai setiap tindakan ilegal atau melakukan kegiatan tidak

semestinya yang disengaja dengan tujuan untuk mengelabui yang lain

di mana korban menderita kerugian dan pelaku fraud memperoleh

keuntungan (Tjahjono, et al., 2013).

Fraud adalah setiap perbuatan tidak jujur (penyalahgunaan

kedudukan/jabatan atau penyimpangan) yang bertujuan mengambil

15

uang (atau harta atau sumber daya orang lain/organisasi) melalui akal

bulus, tipu muslihat, penipuan, kelicikan, penghilangan, kecurangan,

saran yang salah, penyembunyian atau cara-cara lainnya yang

dilakukan secara sengaja oleh seseorang, yang mengakibatkan

kerugian organisasi atau orang lain dan/atau menguntungkan pelaku

(Purba, 2015).

Berdasarkan definisi-definisi di atas dapat disimpulkan, fraud

merupakan tindakan ilegal yang dilakukan guna kepentingan pribadi.

Biasanya dilakukan dalam bentuk penggelapan atau menyajikan tidak

sesuai dengan fakta.

b. Jenis-jenis Kecurangan (Fraud)

Untuk pembahasan jenis dan modus fraud dipercaya bahwa

taksonomi terbaik adalah yang dibuat oleh ACFE atau dikenal sebagai

fraud tree (Uniform Occupational Fraud Classification System) yang

membagi fraud menjadi 3 jenis atau tipologi besar berdasarkan

perbuatan. Pertama, penyimpangan atas aset (Asset Misappropriation)

meliputi penyalahgunaan, penggelapan, atau pencurian aset atau harta

perusahaan oleh pihak di dalam dan/atau pihak di luar perusahaan.

Kedua, penyalahgunaan atau pelaporan yang menipu atau dibuat salah

(Fraudulent Statement), merupakan tindakan yang dilakukan oleh

pejabat atau eksekutif dan manajer senior suatu perusahaan atau

instansi pemerintah untuk menutupi kondisi keuangan yang

sebenarnya dengan melakukan rekayasa keuangan (financial

16

engineering) atau mempercantik penyajian laporan keuangan guna

memperoleh keuntungan atau manfaat pribadi mereka terkait dengan

kedudukan dan tanggung jawabnya. Ketiga, korupsi (Corruption),

termasuk di dalam jenis korupsi adalah penyalahgunaan wewenang

atau konflik kepentingan (conflict of interest), penyuapan (bribery),

penerimaan yang tidak sah (illegal gratuities) dan pemerasan secara

ekonomi (economic extortion) atau dikenal sebagai pungutan liar

(Priantara, 2013).

Fraud berdasarkan klasifikasi lainnya, yaitu kedudukan atau

jenis pelaku dibedakan menjadi lima, yaitu employee fraud,

management fraud, investment scams, vendor fraud, dan customer

fraud (Priantara, 2013).

Berdasarkan uraian di atas, kecurangan dapat beragam

jenisnya. Tipologi besar yang biasa digunakan untuk menjelaskan

jenis kecurangan yaitu terdiri dari penyimpangan aset, korupsi, dan

kecurangan laporan keuangan.

c. Financial Statement Fraud

Financial Statement Fraud didefinisikan sebagai kesalahan

yang disengaja, pengabuan fakta-fakta material, atau data akuntansi

yang menyesatkan dan dapat mempengaruhi atau mengubah

keputusan dan penilaian pembaca setelah mempertimbangkan fakta-

fakta salah yang disajikannya (Tjahjono, et al., 2013).

17

Sementara Sihombing dan Rahardjo (2014), kecurangan

laporan keuangan merupakan kesengajaan ataupun kelalaian dalam

laporan keuangan yang disajikan tidak sesuai dengan prinsip

akuntansi berterima umum. Kelalaian atau kesengajaan ini sifatnya

material sehingga dapat memengaruhi keputusan yang akan diambil

oleh pihak yang berkepentingan.

Fraud pelaporan keuangan biasanya dilakukan karena tekanan

yang dapat berupa ekspektasi yang tinggi terhadap prestasi kerja

manajemen. Pelaporan keuangan yang secara sengaja dibuat salah dan

mengelabui (menyesatkan) para penggunanya dikenal juga dengan

istilah irregularities (ketidakberesan) (Priantara, 2013).

Menurut Karyono (2013) kecurangan laporan keuangan

(fraudelent financial statement) dilakukan dengan menyajikan

laporan keuangan lebih baik dari sebenarnya (over statement) dan

lebih buruk dari sebenarnya (under statement). Laporan keuangan

over stated dilakukan dengan melaporkan aset dan pendapatan lebih

besar dari yang sebenarnya.

Cara-cara untuk mewujudkan jenis kecurangan tersebut di

atas, antara lain dengan memasukkan dalam laporan keuangan:

1) Penghasilan/pendapatan fiktif (fictious revenue)

2) Penilaian akhir atas aset tidak tepat

3) Menyembunyikan kewajiban (concealed liabilities)

18

4) Mencatat aset, liabilitas, pendapatan, dan biaya pada periode

akuntansi yang tidak tepat (timing deference)

5) Menyembunyikan biaya antara lain dengan mengkapitalisasi

biaya

6) Pengungkapan laporan keuangan yang tidak tepat (improve

disclosure).

Pada sisi lain, kecurangan laporan keuangan dilakukan untuk

menekan laba (revenue understatement) dalam rangka menghindari

atau memperkecil pengenaan pajak penghasilan badan. Cara yang

dilakukan antara lain:

1) Pembukuan tidak sesuai fakta, dan transaksi salah/fiktif

2) Merekayasa faktur pajak

3) Menyembunyikan pendapatan

4) Meninggikan pengeluaran biaya

5) Menghancurkan pembukuan dan pencatatan.

Berdasarkan uraian di atas, dapat disimpulkan bahwa financial

statement fraud merupakan tindakan kecurangan yang biasa dilakukan

oleh manajemen untuk memanipulasi, memalsukan atau mengubah

data akuntansi dengan cara overstatement atau understatement yang

merupakan sumber penyajian laporan keuangan.

d. Fraud Triangle Theory

Konsep dari fraud triangle diperkenalkan dalam literatur

profesional pada SAS no. 99, Consideration of Fraud in a Financial

19

Statement Audit. Fraud triangle terdiri dari tiga kondisi yang

umumnya hadir pada saat fraud terjadi yaitu pressure, opportunity,

dan rationalization.

1) Tekanan (Pressure)

Shelton (2014) menyatakan bahwa tekanan adalah

motivasi seseorang untuk melakukan penipuan, biasanya karena

beban keuangan. Menurut Karyono (2013) dorongan untuk

melakukan fraud terjadi pada karyawan (employee fraud) dan

oleh manajer (management fraud) dan dorongan itu terjadi antara

lain karena:

a) Tekanan keuangan; antara lain berupa banyak hutang, gaya

hidup melebihi kemampuan keuangan (besar pasak daripada

tiang), keserakahan, dan kebutuhan yang tidak terduga.

b) Kebiasaan buruk; antara lain kecanduan narkoba, judi, dan

peminum minuman keras.

c) Tekanan lingkungan kerja; seperti kurang dihargainya

prestasi/kinerja, gaji rendah, dan tidak puas dengan pekerjaan.

d) Tekanan lain; seperti tekanan dari istri/suami untuk memiliki

barang-barang mewah.

Menurut SAS No. 99 dalam Skousen et al. (2008), terdapat

empat jenis kondisi yang umumnya terjadi pada tekanan yang

dapat mengakibatkan kecurangan. Kondisi tersebut adalah

20

stabilitas keuangan, tekanan eksternal, kebutuhan keuangan

individu, dan target keuangan.

2) Peluang (Opportunity)

Peluang adalah kesempatan yang memungkinkan

terjadinya tindakan fraud. Kesempatan adalah metode kejahatan

yang bisa dilakukan, seperti beban keuangan (Shelton, 2014).

Para pelaku fraud meyakini bahwa aktivitas mereka tidak akan

terdeteksi. Peluang dapat terjadi karena pengendalian internal

yang lemah, manajemen pengawasan yang kurang baik, dan atau

melalui penggunaan posisi. Kegagalan untuk menetapkan

prosedur yang memadai untuk mendeteksi aktivitas fraud juga

meningkatkan kesempatan terjadinya kecurangan.

Menurut Albrecht dalam Karyono (2013), ada beberapa

faktor yang meningkatkan kesempatan untuk melakukan fraud

yaitu:

a) Kegagalan untuk menertibkan pelaku kecurangan

b) Terbatasnya akses terhadap informasi

c) Ketidaktahuan, malas, dan tidak sesuai kemampuan pegawai

d) Kurangnya jejak audit.

SAS No. 99 dalam Skousen et al. (2008), menyebutkan

bahwa peluang pada financial statement fraud dapat terjadi pada

tiga kategori. Kondisi tersebut adalah kondisi industri,

ketidakefektifan pengawasan, dan struktur organisasional.

21

3) Rasionalisasi (Rationalization)

Rasionalisasi merupakan elemen ketiga dari fraud triange

dan paling sulit diukur (Skousen, et al., 2008). Rasionalisasi

adalah sikap yang memperbolehkan seseorang melakukan

kecurangan, dan menganggap tindakannya tersebut tidaklah

salah. Mereka yang terlibat dalam penipuan laporan keuangan

mampu merasionalisasi tindakan penipuan secara konsisten

dengan mereka kode etik mereka (Suyanto, 2009). Bagi mereka

dengan standar moral yang lebih tinggi, itu mungkin tidak begitu

mudah. Pelaku fraud selalu mencari pembenaran secara rasional

untuk membenarkan perbuatannya.

Menurut Karyono (2013), pelaku kecurangan mencari

pembenaran antara lain:

a) Pelaku menganggap bahwa yang dilakukan sudah

merupakan hal biasa/wajar dilakukan oleh orang lain pula.

b) Pelaku merasa berjasa besar terhadap organisasi dan

seharusnya ia menerima lebih banyak dari yang telah

diterimanya.

c) Pelaku menganggap tujuannya baik yaitu untuk mengatasi

masalah, nanti akan dikembalikan.

Berdasarkan uraian di atas, dapat disimpulkan bahwa teori fraud

triangle terdiri dari tiga kondisi, yaitu tekanan (pressure),

peluang/kesempatan (opportunity), dan rasionalisasi (rationalization).

22

3. Manajemen Laba (Earnings Management)

Standar Akuntansi Keuangan memberikan fleksibilitas kepada

manajer dalam pemilihan kebijakan akuntansi. Earnings management

diyakini muncul sebagai konsekuensi langsung dari upaya-upaya manajer

atau penyusun laporan keuangan untuk mengatur besaran angka laba demi

kepentingan pribadi dan/atau kepentingan perusahaan.

Manajemen laba berhubungan erat dengan tingkat perolehan laba

(earnings) atau kinerja usaha suatu organisasi karena tingkat keuntungan

atau laba yang diperoleh sering dikaitkan dengan prestasi manajemen

disamping memang adalah suatu yang lazim bila besar kecilnya bonus

yang akan diterima oleh manajer atau tanciem untuk direksi tergantung

dari besar kecilnya laba yang diperoleh. Oleh karena itu, tidaklah

mengherankan bila manajer sering berusaha menonjolkan prestasinya

melalui tingkat keuntungan atau laba yang dicapai (Priantara, 2013).

Mengingat kecenderungan praktik manajemen laba adalah untuk

short-term earnings maka Akers dalam Priantara (2013) mendefiniskan

earnings management sebagai upaya manajemen mempengaruhi atau

memanipulasi laba yang dilaporkan dengan metode akuntansi atau

perubahan metode, pengakuan transaksi sesaat yang tidak berulang,

menangguhkan atau mempercepat beban atau pendapatan, atau

penggunaan metode lain untuk mempengaruhi laba jangka pendek.

Dalam praktiknya, manajer sering termotivasi untuk mendapatkan

keuntungan pribadi melalui penghargaan langsung seperti gaji dan bonus

23

atau penghargaan tidak langsung seperti promosi masa depan, prestise, dan

keamanan kerja. Imbalan ini diberikan kepada manajer berdasarkan

kinerja laba perusahaan. Jika insentif didasarkan pada kinerja keuangan

perusahaan, manajer dapat tergoda untuk bertindak sesuai kepentingan

mereka sendiri dan untuk mengesankan pemegang saham dan pemangku

kepentingan lainnya mengenai kinerja perusahaan yang baik melalui

manajemen laba. Keleluasaan manajemen atas laba yang dilaporkan dan

pengaruhnya terhadap kompensasi manajemen menyebabkan masalah

agensi potensial (Bukit & Iskandar, 2009).

Earnings management juga tidak dapat secara langsung dapat

diamati. Sehingga dibutuhkan suatu proksi untuk dapat mengidikasi

terjadinya manjemen laba. Dalam beberapa penelitian, discretionary

accruals digunakan sebagai proksi untuk manajemen laba. Penggunaan

discretionary accruals sebagai proksi manajemen laba dihitung

menggunakan Model Friedlan.

Scott (2012) menyatakan bahwa terdapat beberapa pola dalam

manajemen laba, yaitu:

1. Taking a bath

Pola ini dapat terjadi saat ada tekanan organisasioanal pada saat

pergantian manajemen baru. Teknik ini dilakukan dengan mengakui

adanya biaya-biaya pada periode mendatang dan kerugian periode

berjalan. Konsekuensinya manajemen melakukan write off asset

24

dengan membebankan perkiraan-perkiraan biaya mendatang.

Akibatnya laba periode berikutnya akan lebih tinggi dari seharusnya.

2. Income minimization

Pola manajemen ini hampir sama dengan taking a bath namun tidak

terlalu ekstrim. Pola ini dilakukan pada saat profitabilitas perusahaan

sangat tinggi dengan maksud agar tidak mendapatkan perhatian oleh

pihak-pihak yang berkepentingan. Kebijakan yang diambil dapat

berupa write-off atas barang modal dan aktiva tak berwujud,

pembebanan biaya iklan, biaya riset dan pengembangan,

menggunakan metode persediaan yang dapat mengecilkan

pendapatan, tujuannya yaitu untuk kepentingan pajak.

3. Income maximization

Pola manajemen laba income maximization dilakukan dengan cara

menjadikan laba pada laporan keuangan periode berjalan lebih tinggi

dari pada laba sesungguhnya. Pola ini dilakukan dengan tujuan untuk

memperoleh bonus yang lebih besar, meningkatkan keuntungan,

menghindari pelanggaran atas kontrak hutang jangka panjang,

ataupun untuk menarik investor.

4. Income smoothing

Perataan laba (income smoothing) merupakan cara yang paling

populer dan sering dilakukan. Perataan laba merupakan salah satu

bentuk manajemen laba yang dilakukan dengan cara membuat laba

akuntansi relatif konsisten (smooth) dari periode ke periode. Dalam

25

hal ini pihak manajemen dengan sengaja menurunkan atau

meningkatkan laba untuk mengurangi gejolak dalam pelaporan laba,

sehingga perusahaan terlihat stabil atau tidak berisiko tinggi.

Berdasarkan uraian di atas, dapat disimpulkan bahwa earnings

management merupakan tindakan yang dilakukan manajemen untuk

memanipulasi laba yang tujuannya untuk kepentingan pribadi manajemen.

4. Assets Growth (AGROW)

Aset merupakan sumber daya atau kekayaan yang dimiliki oleh

suatu perusahaan atau usaha yang diperoleh dari peristiwa masa lalu dan

diharapkan memberikan manfaat dimasa yang akan datang. Transaksi

yang dimaksud dapat berupa hasil produksi sendiri atau dibangun sendiri,

dibeli, pertukaran aset yang sejenis atau tidak sejenis maupun sumbangan

dari pihak lain. Aset dapat dibedakan menjadi aset lancar (current assets)

dan aset tetap (fixed assets).

Aset merupakan sumber daya yang digunakan untuk aktivitas

operasional perusahaan. Semakin besar aset yang digunakan diharapkan

semakin besar hasil operasional yang dihasilkan oleh perusahaan.

Pertumbuhan aset didefinisikan sebagai perubahan tahunan dari total aset.

Peningkatan aset yang diikuti peningkatan hasil operasi akan semakin

menambah kepercayaan pihak luar terhadap perusahaan (Zuhro &

Suwitho, 2016).

Pertumbuhan aset adalah perubahan (peningkatan atau penurunan)

total aset yang dimiliki oleh perusahaan. Pertumbuhan aset dihitung

26

sebagai persentase perubahan total aset pada tahun tertentu terhadap tahun

sebelumnya.

Dari uraian di atas dapat disimpulkan bahwa total aset adalah

jumlah keseluruhan aset baik aset lancar maupun aset tetap yang

digunakan untuk kegiatan operasi perusahaan, dimana perubahan baik

peningkatan ataupun penurunan aset merupakan cerminan perusahaan

mengalami tingkat pertumbuhan.

5. Return on total assets (ROA)

Rasio yang digunakan untuk mengukur kemampuan manajemen

dalam memperoleh keuntungan (laba) secara keseluruhan. Rasio ini

memberikan ukuran yang lebih baik atas profitabilitas perusahaan yang

menunjukkan efektifitas manajemen dalam menggunakan aktiva untuk

memperoleh pendapatan. Return on Asset (ROA) merupakan bagian dari

rasio profitabilitas dalam analisis laporan keuangan atau pengukuran

kinerja perusahaan (Skousen, et al., 2008)

Return on Asset (ROA) juga merupakan salah satu bentuk dari rasio

prifitabilitas yang dimaksudkan untuk mengukur kemampuan perusahaan

dengan keseluruhan dana yang ditanamkan dalam aset yang digunakan

untuk operasi perusahaan untuk menghasilkan laba.

6. Dividend (DIV)

Dividen merupakan hak pemegang saham biasa (common stock)

untuk mendapatkan bagian dari keuntungan perusahaan. Jika perusahaan

27

memutuskan untuk membagi keuntungan dalam dividen, semua pemegang

saham biasa mendapatkan pengembalian atas investasinya.

Menurut Warren et al. (2006) dividen adalah pembagian laba suatu

perseroan kepada para pemegang sahamnya. Sedangkan menurut Reeve et

al. (2009) dividen adalah aliran kas yang dibayarkan kepada para

pemegang saham. Terdapat beberapa jenis dividen yang dapat dibayarkan

kepada para pemegang saham, tergantung pada posisi dan kemampuan

perusahaan bersangkutan, antara lain cash dividend, stock dividend,

property dividend, dan liquidating dividend.

7. Free Cash Flow (FCF)

Menurut Weygandt et al. (2011) free cash flow adalah jumlah dari

sisa arus kas yang dimiliki perusahaan untuk membeli tambahan investasi,

melunasi hutang, membeli treasury stock atau penambahan sederhana atas

likuiditas perusahaan. Menurut Brigham dan Houston (2009) free cash

flow adalah kas yang tersedia untuk didistribusikan kepada seluruh

investor setelah perusahaan menempatkan seluruh investasinya pada

aktiva tetap, produk-produk baru dan modal kerja yang dibutuhkan untuk

mempertahankan operasi yang berjalan.

Definisi aliran kas bebas menurut Gitman dan Zutter (2015) arus

kas bebas merupakan jumlah arus kas yang tersedia bagi investor (kreditur

dan pemilik) setelah perusahaan telah memenuhi semua kebutuhan operasi

dan dibayar untuk investasi pada aktiva tetap bersih dan aktiva lancar.

28

Kas tersebut biasanya menimbulkan konflik kepentingan antara

manajer dan pemegang saham. Manajer lebih menginginkan dana tersebut

diinvestasikan kembali pada proyek-proyek yang dapat menghasilkan

keuntungan karena akan meningkatkan insentif yang mereka terima,

sedangkan pemegang saham mengharapkan sisa dana tersebut dibagikan

sehingga akan menambahkan kesejahteraan mereka.

B. Hasil Penelitian Terdahulu

Adapun hasil-hasil sebelumnya dari penelitian-penelitian terdahulu

mengenai topik yang berkitan dengan penelitian ini terdapat dalam tabel 2.2

29

Tabel 2.2

Hasil Penelitian Terdahulu

Bersambung pada halaman selanjutnya

NO

PENULIS

(TAHUN)

JUDUL

METODE PENELITIAN HASIL

PERSAMAAN PERBEDAAN

1

(Rahman, et al.,

2016) Earnings

Management and

Fraudulent

Financial

Reporting: The

Malaysian Story

1. Menguji accruals

earnings management

dengan proksi

discretionary accruals

sebagai variabel

dependen.

2. Menggunakan ROA

sebagai proksi dari

variabel financial

target.

Proksi variabel independen

pada penelitian terdahulu

menggunakan real earnings

management, persentase

inside directors, tipe auditor

independen, sedangkan

penelitian sekarang

menggunakan dividen,

AGROW, dan free cash

flow.

1. Terdapat hubungan

negatif signifikan antara

accrual earnings

management dan real

earnings management

terhadap fraud.

2. Perusahaan yang

melakukan praktik fraud

mengatur labanya secara

berurutan antara accrual

earnings management dan

real earnings management

sebelum tahun terjadinya

fraud.

30



NO. PENULIS

(TAHUN) JUDUL


PERSAMAAN PERBEDAAN

2

(Noor, et al., 2015)

Fraud Motives and

Opportunities

Factors on

Earnings

Manipulations

1. Menggunakan dividen

sebagai proksi dari variabel

kecurangan.

2. Menggunakan free cash

flow sebagai variabel

independen.

3. Menguji accruals earnings

management dengan proksi


sebagai variabel dependen.

Variabel independen pada

penelitian terdahulu

menggunakan leverage dan

kualitas audit, sedangkan

penelitian sekarang

menggunakan ROA sebagai

proksi dari variabel financial

target dan AGROW sebagai

proksi tekanan stabilitas

keuangan.

Kualitas audit dan free cash

flow memberikan kendala

yang signifikan terhadap

accruals earnings

management.

3

(Bukit & Nasution,

2015) Employee

Diff, Free Cash

Flow, Corporate

Governance and

Earning

Management



independen.

2. Menguji accruals earnings

management dengan proksi


sebagai variabel dependen.


penelitian terdahulu

menggunakan employee diff dan

corporate governance,

sedangkan penelitian sekarang

menggunakan dividen, ROA


financial target dan AGROW

sebagai proksi tekanan stabilitas

keuangan.

Ketika kurangnya

pengawasan yang intensif,

manajer cenderung untuk

memanipulasi laba ketika

perusahaan memiliki

kelebihan kas dan adanya

employee diff.

31



NO. PENULIS

(TAHUN) JUDUL


PERSAMAAN PERBEDAAN

4

(Ghazali, et al.,

2015) Earnings

Management: An

Analysis of

Opportunistic

Behavior,

Monitoring

Mechanism and

Financial Distress



independen.

2. Menguji accruals

earnings management

sebagai variabel

dependen.


penelitian terdahulu menggunakan

profitability, leverage dan financial

distress, sedangkan penelitian

sekarang menggunakan dividen,

ROA sebagai proksi dari variabel



keuangan.

1. Leverage dan financial

distress memiliki

hubungan yang

signifikan terhadap


2. Profitability dan free

cash flow memiliki

hubungan yang tidak

signifikan terhadap


5

(Mohd Sufian, et

al., 2015)

Manipulation of

Earnings: The

Pressure of

Opportunistic

Behavior and

Monitoring

Mechanism in

Malaysian Shariah-

Compliant

Companies

Menguji accruals earnings

management sebagai variabel

dependen.


penelitian terdahulu menggunakan

COGS, CFO dan DISEXP,

sedangkan penelitian sekarang

menggunakan dividen, ROA




keuangan dan free cash flow.

COGS, CFO dan DISEXP

memiliki hubungan

signifikan dengan earning

management.

32



NO. PENULIS

(TAHUN) JUDUL


PERSAMAAN PERBEDAAN

6

(Aghghaleh, et al.,

2014) Fraud Risk

Factors of Fraud

Triangle and the

Likelihood of

Fraud Occurrence:

Evidence from

Malaysia

Menggunakan variabel

fraud dengan proksi

tekanan dan peluang.

1. Variabel independen pada penelitian

terdahulu menggunakan sales to

accounts receivables, leverage, jumlah

anggota komite audit dan dewan

direktur sedangkan penelitian sekarang

menggunakan dividen, ROA sebagai

proksi dari variabel financial target,

AGROW sebagai proksi tekanan

stabilitas keuangan dan free cash flow.

2. Pada penelitian terdahulu fraud

sebagai variabel dependen, sedangkan

penelitian sekarang fraud sebagai

variabel independen dan earnings

management sebagai variabel

dependen.

1. Sales to accounts

receivables dan leverage

memiliki hubungan positif

terhadap kemungkinan

fraud.

2. Ukuran komite audit dan

dewan direktur memiliki

hubungan untuk

meningkatkan tingkat

kecurangan laporan

keuangan.

7

(Cohen, et al.,

2010) Corporate

Fraud and

Managers’

Behavior: Evidence

from the Press

Menggunakan variabel

fraud dengan proksi

tekanan dan peluang.

Pada penelitian terdahulu managers’

behavior sebagai variabel dependen,

sedangkan penelitian sekarang earnings

management sebagai variabel dependen.

Auditor seharusnya

mengevaluasi etika dari

manajemen melaui komponen

TPB.

33


NO. PENULIS

(TAHUN) JUDUL


PERSAMAAN PERBEDAAN

8

(Martantya &

Daljono, 2013)

Pendeteksian

Kecurangan

Laporan Keuangan

Melalui Faktor

Risiko Tekanan dan

Peluang

Menggunakan variabel fraud

dengan proksi tekanan

(AGROW) dan ROA sebagai

proksi dari variabel financial

target.

1. Variabel independen

pada penelitian terdahulu

menggunakan leverage,

OSHIP dan IND,

sedangkan penelitian

sekarang menggunakan

dividen dan free cash

flow.

2. Earnings management

sebagai variabel

dependen.

1. AGROW dan ROA terbukti

berpengaruh secara signifikan

terhadap kemungkinan

terjadinya kecurangan laporan

keuangan.

2. Leverage, OSHIP, proporsi

komisaris independen terbukti

tidak berpengaruh secara

signifikan terhadap

kemungkinan terjadinya

kecurangan laporan keuangan.

3. Ukuran perusahaan tidak dapat

dijadikan kontrol dalam

mendeteksi kemungkinan

adanya kecurangan laporan

keuangan.

34

C. Kerangka Pemikiran

Kerangka berpikir pemikiran dari pola hubungan antar variabel dapat

digambarkan pada gambar 2.1.

Gambar 2.1

Skema Kerangka Pemikiran

TEKANAN

Stabilitas Keuangan

Target Keuangan

Tekanan Eksternal

PELUANG

Cukup banyaknya kasus-kasus manipulasi laporan

keuangan pada perusahaan-perusahaan besar

Assets Growth (AGROW)

Return on total assets (ROA)

Dividend (DIV)

Free Cash Flow (FCF)

Earnings

Management:

Discretionary

Accruals (DA)

Statistik Deskriptif

Uji

Normalitas

Uji

Multikolonieritas

Uji

Autokorelasi

Uji

Heteroskedastisitas

35

Lanjutan...

D. Perumusan Hipotesis

1. Pengaruh Stabilitas Keuangan terhadap Earnings Management

Stabilitas keuangan perusahaan merupakan keadaan yang

menggambarkan kondisi keuangan perusahaan dari kondisi yang stabil.

Stabilitas keuangan perusahaan sering kali mengalami tekanan baik dari

pihak luar ataupun pihak dalam perusahaan, seperti menuntut pengelolaan

aset dengan baik sehingga laba yang dihasilkan perusahaan akan banyak

yang akan berdampak pada peningkatan bonus dan return yang tinggi pula

untuk para investor. Hal ini menjadikan salah satu alasan manajemen

memanfaatkan laporan keuangan sebagai alat untuk menutupi kondisi

stabilitas keuangan yang buruk dengan melakukan tindakan kecurangan

(Martantya dan Daljono 2013).

Koefisien

Determinasi

Uji F Secara

Simultan

Uji t Secara

Parsial

Analisis Regresi Berganda

Interpretasi, Kesimpulan dan

Saran

36

Ketika stabilitas keuangan perusahaan berada pada titik yang mulai

terancam, perusahaan akan berusaha menutupi keadaan itu dengan

melakukan berbagai cara demi menampilkan stabilitas keuangan

perusahaan yang baik. Pada kasus perusahaan yang mengalami

pertumbuhan industri di bawah rata-rata, manajemen sangat mungkin

melakukan manipulasi laporan keuangan untuk meningkatkan tampilan

perusahaan.

Berdasarkan hasil penelitian Manurung dan Hadian (2013),

Martantya dan Daljono (2013) dan Oktaviani et al. (2014) menunjukkan

bahwa stabilitas keuangan berpengaruh terhadap earnings management.

Sedangkan hasil penelitian yang dilakukan oleh Nugraha dan Henny

(2015) dan Aprilia (2017) yang menunjukkan hasil bahwa stabilitas

keuangan tidak memiliki pengaruh terhadap earnings management.

Berdasarkan uraian tersebut, maka dapat disusun hipotesis

penelitian sebagai berikut:

H1: Stabilitas keuangan berpengaruh terhadap earnings

management.

2. Pengaruh Target Keuangan terhadap Earnings Management

Agency Theory pada dasarnya menjelaskan hubungan antara

pemegang saham (principal) dengan manajemen (agent). Karena

manajemen adalah pihak yang dikontrak oleh pemegang saham untuk

menjalankan kewajiban-kewajibannya, maka tentunya manajemen ingin

menampilkan performa perusahaan sebaik mungkin. Oleh karena itu,

37

manajemen akan berupaya dengan segala cara untuk mencapai target

keuangan yang telah ditetapkan sebelumnya, meskipun dengan cara

memanipulasi laporan keuangan salah satunya dengan manajamen laba

(Martantya dan Daljono 2013).

Return on total assets (ROA) merupakan proksi yang digunakan

untuk mengukur variabel target keuangan. Guna menunjukkan seberapa

efesien aset yang digunakan, dipilih ukuran perbandingan laba terhadap

jumlah aktiva atau return on total assets sebagai ukuran kinerja

operasional yang banyak digunakan. ROA secara signifikan berbeda

antara fraud firm dan non-fraud firm (Skousen, et al., 2008). Oleh karena

itu, ROA dijadikan proksi untuk variabel financial target.

Penelitian yang dilakukan oleh Martantya dan Daljono (2013),

Amara et al. (2013), Nugraha dan Henny (2015) menunjukkan bahwa

target keuangan berpengaruh signifikan terhadap kecurangan laporan

keuangan. Sedangkan hasil penelitian yang telah dilakukan oleh Manurung

dan Hardika (2015) dan Prasmaulida (2016) yang menunjukkan hasil

bahwa tidak mendapatkan bukti target keuangan memiliki pengaruh




H2: Target keuangan berpengaruh terhadap earnings management

38

3. Pengaruh Tekanan Eksternal terhadap Earnings Management

Adanya tekanan yang didapat oleh pihak manajemen baik dari

internal maupun eksternal memicu manajemen untuk melakukan tindakan

kecurangan. Menurut SAS No. 99, saat tekanan berlebihan dari pihak

eksternal terjadi, maka terdapat risiko kecurangan terhadap laporan

keuangan dalam bentuk manajemen laba.

Manajemen laba dapat dilakukan dalam bentuk perataan laba,

peningkatan atau penurunan laba. Manajemen laba tentu saja tidak terlepas

dari faktor yang mempengaruhinya. Salah satunya yaitu dividen. Laba juga

sering dikatakan sebagai ukuran kemampuan perusahaan dalam membayar

dividen. Dividen dapat mengurangi kelebihan kas yang meberikan peluang

bagi manajer untuk melakukan pemakaian sendiri atau untuk proyek yang

tidak berkeuntungan (Noor, et al., 2015).

Purwanto (2004) menyimpulkan bahwa kebijakan dividen

memiliki pengaruh terhadap perilaku manajemen laba dalam bentuk

perataan laba, karena kebijakan dividen akan mempunyai implikasi yang

signifikan pada pengambilan keputusan investor maupun investasi

potensial dalam pembelian saham perusahaan. Pihak eksternal (investor)

menyukai tingkat dividen yang tinggi dan investor juga merupakan pihak

yang menolak risiko. Padahal perusahaan yang menerapkan tingkat

dividen yang tinggi juga akan memiliki risiko yang tinggi apabila terjadi

fluktuasi laba yang besar. Tuntutan untuk dapat membagikan dividen yang

39

besar dengan risiko yang kecil membuat pihak manajemen cenderung

untuk melakukan manajemen laba.

Penelitian yang dilakukan oleh Wibiksono dan Rudiawarni (2015)

dan Dahyani et al. (2017) menunjukan hasil adanya pengaruh antara

kebijakan dividen dengan manajemen laba. Penelitian oleh Daniel et al.

(2008) juga menunjukkan bahwa manajemen laba dilakukan guna

mencapai dividen yang diharapkan. Sedangkan hasil penelitian yang

dilakukan oleh Noor et al. (2015) dan Sulistiyawati (2013) menyatakan

dividen tidak memiliki pengaruh terhadap manajemen laba. Berdasarkan

uraian tersebut masih adanya ketidakkonsistenan hasil penelitian. Maka

dapat disusun hipotesis penelitian sebagai berikut:

H3: Tekanan eksternal berpengaruh terhadap earnings management

4. Pengaruh Peluang terhadap Earnings Management

Manajer yang memiliki kesempatan mengelola angka-angka dalam

akuntansi untuk mengkamuflase kinerja yang negatif dan melaporkannya

sebagai perusaan yang berkinerja baik. Dalam penelitian ini, opportunity

behavior dari manajer dideskripsikan dengan free cash flow. Arus kas

bebas yang tinggi mungkin dapat membuat sebuah peluang bagi manajer

untuk mengelola laba dan berdampak dengan munculnya agency problem

(Ghazali, et al., 2015).

Pada umumnya, earnings management yang terjadi di perusahaan

dengan tingkat arus kas bebas yang tinggi dapat dihubungkan dengan

discretionary accruals (Ghazali, et al., 2015). Hal ini didukung dengan

40

penelitian Bukit dan Iskandar (2009) yang berargumen bahwa surplus arus

kas bebas dapat menciptakan insentif bagi manajer untuk terlibat dalam

manajemen peningkatan pendapatan, sinyal fleksibilitas keuangan.

Penelitian yang dilakukan oleh Noor et al. (2015), Bukit dan

Nasution (2015), dan Agustia (2013) juga menunjukan hasil adanya

pengaruh antara free cash flow terhadap manajemen laba. Sedangkan hasil

penelitian yang dilakukan oleh Herlambang (2017) dan Ghazali et al.

(2015) yang memberikan bukti lain bahwa FCF tidak memiliki pengaruh




H4: Peluang berpengaruh terhadap earnings management

41

BAB III

METODE PENELITIAN

A. Ruang Lingkup Penelitian

Penelitian ini termasuk penelitian kausal komparatif yaitu penelitian

dengan karakteristik masalah berupa hubungan sebab-akibat antara dua

variabel atau lebih. Penelitian ini bertujuan untuk menguji variabel independen

stabilitas keuangan (Assets Growth/AGROW), target keuangan (Return on

Total Assets/ROA), tekanan eksternal/dividen (DIV), dan peluang (free cash

flow/FCF) terhadap variabel dependen yaitu earnings management yang

diproksikan dengan discretionary accruals. Populasi dalam penelitian ini

adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI)

periode 2013-2015.

Pemilihan perusahaan manufaktur dalam penelitian ini dikarenakan

perusahaan manufaktur terus memiliki jumlah kasus fraud terbanyak ketiga

setelah industri perbankan dan pemerintahan yang dilaporkan dalam penelitian

Association of Certified Fraud Examiners (ACFE, 2014). Tahun 2013-2015 ini

digunakan sebagai tahun penelitian karena berdasarkan Peraturan Pemerintah

Nomor 80 Tahun 2008, pada tahun 2013 Indonesia telah memperbarui

kerangka kerja tersebut dengan memasukkan prinsip assesses fraud

risk sebagai salah satu prinsip yang terpisah dengan pengelolaan risiko secara

umum dalam komponen risk assesment (Cyndi, 2016). Namun berdasarkan

42

hasil survei yang dilakukan oleh ACFE pada tahun 2014, disebutkan bahwa

perusahaan di dunia mengalami kerugian rata-rata 5% setiap tahunnya karena

perbuatan fraud (ACFE, 2014). Berdasarkan penelitian ACFE 2016,

kecurangan laporan keuangan berada di ujung spektrum, terjadi kurang dari

10% kasus namun menyebabkan kerugian rata-rata $975.000 (ACFE, 2016).

B. Metode Penentuan Sampel

Populasi yaitu kumpulan pengukuran atau data pengamatan yang

dilakukan terhadap orang, benda atau tempat, sedangkan sampel yaitu sebagian

dari populasi atau dalam istilah matematik dapat disebut sebagai himpunan

bagian atau subset dari populasi.

Metode penentuan sampel yang digunakan adalah purposive sampling,

yaitu tipe pemilihan sampel secara tidak acak yang informasinya diperoleh

dengan menggunakan pertimbangan tertentu, umumnya disesuaikan dengan

tujuan atau masalah penelitian. Sampel untuk penelitian ini adalah semua

perusahaan dalam industri manufaktur yang terdaftar di Bursa Efek Indonesia

(BEI) periode 2013-2015, dengan pertimbangan sebagai berikut:

1. Perusahaan pada industri manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI) periode 2013-2015.

2. Perusahaan yang memiliki tahun buku yang berakhir pada 31 Desember.

3. Perusahaan yang menggunakan mata uang rupiah.

4. Perusahaan yang tidak mengalami rugi selama tahun penelitian.

5. Perusahaan yang membayarkan dividen selama tahun penelitian.

43

6. Laporan tahunan perusahaan memiliki data-data yang berkaitan dengan

variabel penelitian.

C. Metode Pengumpulan Data

Dalam memperoleh data-data pada penelitian ini, peneliti

menggunakan dua cara yaitu penelitian pustaka dan penelitian lapangan.

1. Penelitian Pustaka (Library Research)

Peneliti memperoleh data yang berkaitan dengan masalah yang sedang

diteliti melalui buku, jurnal, internet, berita, skripsi, dan perangkat lain

yang berkaitan dengan judul penelitian.

2. Penelitian Lapangan

Jenis data yang digunakan dalam penelitian ini adalah data sekunder.

Seluruh data bersumber dari laporan keuangan pada perusahaan-

perusahaan manufaktur tahun 2013 sampai dengan 2015 yang telah

dipublikasikan lengkap di Bursa Efek Indonesia (BEI).

D. Metode Analisis Data

Metode analisis data yang digunakan yaitu statistik deskriptif, uji

asumsi klasik dan uji hipotesis.

1. Statistik Deskriptif

Statistik deskriptif memberikan gambaran atau deskripsi suatu data

yang dilihatdari nilai rata-rata (mean), standar deviasi, maksimum, dan

minimum. Statistik deskriptif dimaksudkan untuk memberikan gambaran

mengenai distribusi dan perilaku data sampel tersebut (Ghozali, 2013).

44

Metode analisis data pada penelitian ini menggunakan analisis kuantitatif

yang bersifat deskriptif yang menjelaskan data yang didapat dengan

menggunakan analisis regresi berganda untuk menggambarkan fenomena

atau isu atau karakteristik data, yaitu dengan memberikan gambaran

tentang pengaruh tekanan dan peluang terhadap earnings

management/manipulations. Metode analisis data dilakukan dengan

bantuan aplikasi komputer program SPSS versi 22.

2. Uji Asumsi Klasik

Uji asumsi klasik yang digunakan untuk menguji data penelitian

yang bersifat sekunder ini meliputi uji normalitas, uji multikolonieritas, uji

autokorelasi, dan uji heteroskedastisitas.

a. Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah dalam

model regresi, variabel-variabelnya memiliki distribusi normal atau

tidak. Data yang terdistribusi normal akan memperkecil kemungkinan

terjadinya bias. Model regresi yang baik adalah memiliki distribusi

data normal atau mendekati normal. Uji t dan uji F mengasumsikan

bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini

dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel

kecil (Ghozali, 2013). Pengujian normalitas dilakukan dengan uji

statistik non parametrik One Sample Kolmogorov smirnov. Dasar

pengambilan keputusan dari uji normalitas adalah:

45

1) Jika hasil One Sample Kolmogorov smirnov di atas tingkat

kepercayaan 0,05 menunjukkan pola distribusi normal, maka

model regresi memenuhi asumsi normalitas.

2) Jika hasil One Sample Kolmogorov smirnov di dibawah tingkat

signifikansi 0,05 tidak menunjukkan pola distribusi normal, maka

model regresi tidak memenuhi asumsi normalitas (Ghozali,

2013).

b. Uji Multikolonieritas

Menurut Ghozali (2013) uji multikolinearitas bertujuan untuk

menguji apakah model regresi ditentukan adanya korelasi antar

variabel bebas (independen). Regresi yang baik seharusnya tidak

terjadi korelasi antara variabel independen. Multikolinearitas dilihat

dari nilai tolerance dan Variance Inflation Factor (VIF) yaitu sebagai

berikut:

1) Nilai tolerance> 0.10 dan nilai VIF < 10 maka disimpulkan

bahwa tidak ada multikolinearitas antar variabel independen

dalam model regresi.

2) Nilai tolerance< 0.10 dan nilai VIF > 10 maka disimpulkan

bahwa ada multikolinearitas antar variabel independen dalam

model regresi.

c. Uji Autokorelasi

Menurut Ghozali (2013) uji autokorelasi digunakan untuk

menguji apakah dalam suatu model regresi linear ada korelasi antara

46

kesalahan pengganggu pada periode t dengan kesalahan pada periode

t-1 (sebelumnya). Autokorelasi muncul karena observasi yang

berurutan sepanjang waktu berkaitan satu sama lain. Regresi yang

baik adalah yang bebas dari autokorelasi. Pada penelitian ini uji

autokorelasi menggunakan run test.

Run test sebagai bagian dari statistik non-parametik dapat

digunakan untuk menguji apakah antar residual terdapat korelasi yang

tinggi atau tidak. Jika antar residual tidak terdapat hubungan korelasi

maka dikatakan bahwa residual adalah acak atau random (Ghozali,

2013).

d. Uji Heteroskedastisitas

Menurut Ghozali (2013) uji heteroskedastisitas digunakan

untuk menguji apakah dalam model regresi terjadi ketidaksamaan

variance dari residual satu pengamatan ke pengamatan lain. Dalam

penelitian ini pengujian heteroskedastisitas dilakukan dengan

menggunakan metode Uji Glejser. Uji glejser dilakukan dengan cara

meregresi nilai absolut residual terhadap variabel independen

(Gujarati & Porter, 2013). Jika variabel independen signifikan secara

statistik mempengaruhi variabel dependen, maka ada indikasi terjadi

heteroskedastisitas (probabilitas signifikansi tingkat kepercayaan

5%).

47

3. Uji Hipotesis

a. Pengujian dengan Analisis Regresi Berganda

Penelitian ini menggunakan alat analisis regresi berganda

(multiple regression) untuk menguji pengaruh antara variabel

dependen dengan ke empat variabel independen. Tujuan analisis

regresi berganda ialah menggunakan nilai-nilai variabel independen

yang diketahui, untuk meramalkan nilai variabel dependen.

Variabel independen terdiri dari stabilitas keuangan

(AGROW), target keuangan (ROA), tekanan eksternal (DIV) dan

peluang (FCF) terhadap variabel dependen yaitu Earnings

Management (EM) yang diproksikan dengan Discretionary Accruals.

Untuk menguji hipotesis penelitian ini, maka rumus

persamaan regresi yang digunakan adalah sebagai berikut:

𝐸𝑀 = 𝛼 + 𝛽1 𝐴𝐺𝑅𝑂𝑊 + 𝛽2 𝑅𝑂𝐴 + 𝐵3 𝐷𝐼𝑉 + 𝐵4 𝐹𝐶𝐹 + ℇ

Dimana:

EM = Earnings Management dengan Discretionary Accruals

α = Konstanta

β1,2,3,4 = Koefisien variabel

AGROW= Tingkat pertumbuhan aset perusahaan/Assets Growth

ROA = Return on Assets

DIV = Dividend

FCF = Free cash flow

ℇ = Error

48

b. Uji Koefisien Determinasi (Uji R2)

Uji koefisien determinasi digunakan untuk mengetahui tingkat

ketepatan yang paling baik dalam analisis regresi, hal ini ditunjukkan

oleh besarnya koefisien determinasi (R²). Nilai koefisien determinasi

adalah 0 sampai 1. Semakin R² mendekati 0 maka semakin kecil

kemampuan semua variabel independen dalam menjelaskan

perubahan nilai variabel dependen. Semakin R² mendekati 1 maka

semakin besar pengaruh semua variabel independen terhadap variabel

dependen. Kelemahan mendasar penggunaan koefisien determinasi

adalah bias terhadap jumlah independen yang dimasukkan kedalam

model. Dalam penelitian ini menggunakan banyak variable

independen, sehingga nilai Adjusted R2 lebih tepat digunakan untuk

mengukur seberapa jauh kemampuan model dalam menerangkan

variasi variable dependen (Ghozali, 2013).

c. Uji Signifikansi Simultan (Uji Statistik F)

Uji F digunakan untuk melakukan pegujian terhadap pengaruh

variabel independen bersama-sama secara simultan terhadap variabel

dependen. Hipotesis alternatif yang ingin diuji adalah sebagai berikut:

Ha: Stabilitas Keuangan (AGROW), Target Keuangan (ROA),

Tekanan Eksternal (DIV), dan Peluang (FCF) berpengaruh secara

simultan terhadap Earnings Management.

49

Kriteria pengujian atau dasar pengambilan keputusan dalam

penelitian ini menggunakan taraf signifikansi 5% adalah sebagai

berikut (Ghozali, 2013):

1) Jika probabilitas (sig F) > α (0,05) maka Hο akan diterima atau

Ha ditolak, artinya tidak ada pengaruh yang signifikan dari

variabel independen terhadap variabel dependen.

2) Jika probabilitas (sig F) < α (0,05) maka Hο akan ditolak atau Ha

diterima, artinya ada pengaruh yang signifikan dari variabel

independen terhadap variabel dependen.

d. Uji Statistik t

Uji t menunjukkan seberapa jauh pengaruh satu variabel

independen secara individual dalam menerangkan variasi variabel

dependen. Tingkat signifikan dalam penelitian ini adalah 5%, artinya

risiko kesalahan mengambil keputusan adalah 5%. Dengan tingkat

signifikansi tersebut maka kriteria pengambilan keputusan adalah

sebagai berikut (Ghozali, 2013):

1) Jika probabilitas (sig t) > α (0,05), artinya tidak ada pengaruh

yang signifikan secara parsial dari variabel independen terhadap

variabel dependen.

2) Jika profitabilitas (sig t) < α (0,05), artinya ada pengaruh yang

signifikan secara parsial dari variabel independen terhadap

variabel dependen.

50

E. Operasionalisasi Variabel Penelitian

Pada bagian ini akan diuraikan mengenai definisi dari masing-masing

variabel yang digunakan beserta dengan operasional dan cara pengukurannya.

1. Independent Variable (Variabel Bebas)

a. Stabilitas Keuangan (Assets Growth/AGROW)

Stabilitas keuangan merupakan suatu kondisi keuangan

perusahaan dari kondisi stabil (Putriasih, et al., 2016). Stabilitas

keuangan dilihat dari seberapa besar tingkat pertumbuhan aset yang

dimiliki perusahaan. Tingkat pertumbuhan aset yang bagus dapat

menaikkan nilai perusahaan yang akan berdampak pada tingkat

pengembalian yang akan diterima investor maupun bonus yang

diterima oleh manajemen. Alasan tersebut seringkali membuat

manajemen termotivasi untuk menjadikan laporan keuangan sebagai

sarana menutupi kondisi stabilitas keuangan yang tidak sesuai harapan

dengan melakukan tindakan fraud (Aprillia, et al., 2017).

Proksi yang dapat digunakan dalam pengukuran stabilitas

keuangan yaitu dengan menghitung tingkat pertumbuhan aset

perusahaan (Assets Growth/AGROW). AGROW merupakan

persentase perubahan total aset pada tahun tertentu terhadap tahun

sebelumnya. AGROW dipilih karena mencerminkan aset yang

merupakan bukti kekayaan perusahaan yang dapat menunjukkan

gambaran dari suatu perusahaan. Semakin banyak aset yang dimiliki,

maka perusahaan dapat disebut sebagai perusahaan yang besar dan

51

memiliki image yang baik. Sebaliknya, apabila tingkat pertumbuhan

aset perusahaan kecil, maka perusahaan tersebut sedang dalam kondisi

keuangan yang tidak stabil dan dianggap belum mampu menjalankan

operasinya dengan baik (Martantya dan Daljono 2013).

Penelitian yang menggunakan AGROW sebagai alat ukur

stabilitas keuangan yaitu dilakukan oleh Martantya dan Daljono

(2013), Manurung & Hadian (2013), Oktaviani et al. (2014), Nugraha

& Henny (2015), dan Aprillia et al. (2017). Adapun AGROW dihitung

sebagai berikut:

𝐴𝐺𝑅𝑂𝑊 =𝑇𝑜𝑡𝑎𝑙 𝑎𝑠𝑒𝑡 𝑡 − 𝑡𝑜𝑡𝑎𝑙 𝑎𝑠𝑒𝑡 𝑡−1

𝑇𝑜𝑡𝑎𝑙 𝑎𝑠𝑒𝑡 𝑡 𝑋 100%

b. Target Keuangan (Return on total assets/ROA)

Dalam menjalankan aktivitasnya, perusahaan seringkali

mematok besaran tingkat laba yang harus diperoleh atas usaha yang

dikeluarkan untuk mendapatkan laba tersebut, kondisi inilah yang

dinamakan target keuangan (financial targets). Salah satu pengukuran

untuk menilai tingkat laba yang diperoleh perusahaan atas usaha yang

dikeluarkan adalah ROA (Putriasih, et al., 2016).

ROA merupakan rasio yang digunakan untuk mengukur

kemampuan perusahaan menghasilkan laba setelah pajak dengan

menggunakan total aset yang dimiliki oleh perusahaan. ROA

digunakan untuk mengukur kemampuan rata-rata aset perusahaan

yang digunakan dalam mencapai keuntungan. Perbandingan laba

tehadap jumlah aset (ROA) adalah ukuran kinerja operasional yang

52

banyak digunakan untuk menunjukkan seberapa efisien aset telah

bekerja (Skousen, et al., 2008). ROA sering digunakan dalam menilai

kinerja manajer dan dalam menentukan bonus, kenaikan upah, dan

lain-lain (Putriasih, et al., 2016). Oleh karena itu, ROA dijadikan

sebagai proksi untuk variabel financial target dalam penelitian ini.

Return on asset (ROA) merupakan bagian dari rasio

profitabilitas dalam analisis laporan keuangan atau pengukuran

kinerja perusahaan. Penelitian yang menggunakan ROA sebagai alat

ukur target keuangan yaitu dilakukan oleh Martantya dan Daljono

(2013), Manurung & Hadian (2013), Oktaviani et al. (2014), Nugraha

& Henny (2015), dan Aprillia et al. (2017). ROA dapat dihitung

dengan rumus sebagai berikut:

𝑅𝑂𝐴 =Laba setelah pajak t − 1

Total aset t − 1

c. Tekanan Eksternal (Dividen/DIV)

External Pressure merupakan tekanan yang berlebihan bagi

manajemen untuk memenuhi persyaratan atau harapan dari pihak

ketiga (Sihombing & Rahardjo, 2014). Tekanan dari pihak luar yang

sering kali dialami manajemen perusahaan adalah kewajiban untuk

membayarkan dividen kepada para pemegang saham. Dividen

merupakan pembagian laba kepada pemegang saham berdasarkan

banyaknya saham yang dimiliki. Pembagian ini akan mengurangi laba

ditahan dan kas yang tersedia bagi perusahaan, tetapi distribusi

keuntungan kepada pemilik memang adalah tujuan utama suatu bisnis.

53

Pemegang saham minoritas biasanya melakukan tekanan

terhadap pihak dalam perusahaan untuk mencurahkan kas dalam

bentuk dividen yang dibayarkan (Noor, et al., 2015). Dividend payout

merupakan rasio persentase laba perusahaan yang dibayarkan kepada

pemegang saham biasa perusahaannya yang berupa dividen kas/tunai.

Apabila dividen yang dibagikan perusahaan lebih kecil dari dividen

yang diharapkan investor maka akan mengakibatkan terjadinya

pelepasan saham perusahaan yang akan mengakibatkan penurunan

harga saham dari perusahaan tersebut. Untuk mencegahnya

perusahaan cenderung melakukan manajemen laba.

Variabel Tekanan Eksternal (dividen) pada penelitian ini

diukur dengan besarnya dividend payout seperti penelitian yang

dilakukan oleh Shah et al. (2010). Dividend payout dihitung dengan

rumus:

𝐷𝑖𝑣𝑖𝑑𝑒𝑛 𝑃𝑎𝑦𝑜𝑢𝑡 =𝐷𝑖𝑣𝑖𝑑𝑒𝑛𝑑 𝑃𝑎𝑖𝑑

𝐸𝑎𝑟𝑛𝑖𝑛𝑔𝑠 𝐴𝑓𝑡𝑒𝑟 𝑇𝑎𝑥

d. Peluang (Free Cash Flow/FCF)

Adanya peluang memungkinkan terjadinya kecurangan.

Peluang tercipta karena adanya kelemahan pengendalian internal,

ketidakefektifan pengawasan manajemen, atau penyalahgunaan posisi

atau otoritas. Kegagalan untuk menetapkan prosedur yang memadai

untuk mendeteksi aktivitas kecurangan juga meningkatkan peluang

terjadinya kecurangan (Maghfiroh, et al., 2015). Salah satu peluang

54

untuk manajer melakukan kecurangan yaitu tersedianya arus kas

bebas yang besar.

Arus kas bebas (Free Cash Flow) merupakan salah satu

pengukuran kinerja perusahaan yang menunjukkan kemampuan

aktiva perusahaan untuk menghasilkan laba operasi. Free Cash Flow

dipilih sebagai proksi peluang karena perusahaan dengan arus kas

bebas yang tinggi akan memiliki kesempatan yang lebih besar untuk

melakukan manajemen laba, karena perusahaan tersebut terindikasi

menghadapi masalah keagenan yang lebih besar (Chung, 2005) dalam

(Agustia, 2013).

Penelitian yang menggunakan FCF sebagai alat ukur peluang

yaitu dilakukan oleh Maghfiroh et al. (2015) dan Skousen et al.

(2008). Arus kas bebas dihitung dengan rumus:

𝐹𝐶𝐹 = Total Arus Kas dari Aktivitas Operasi − Belanja Modal

− Dividen Kas

2. Dependent Variable (Variabel Terikat)

Manajer bertanggung jawab untuk mempersiapkan dan

menerbitkan informasi akuntansi bagi pihak eksternal. Sebagai orang

dalam, manajer menerapkan pengetahuan dalam mereka mengenai

keadaan perusahaan dan bisnisnya untuk menyiapkan informasi, sehingga

memberikan pandangan yang benar dan adil mengenai keuangan

perusahaan dan kinerjanya. Namun, mengingat adanya asimetri informasi

antara manajer dan pengguna eksternal informasi akuntansi, memberikan

55

kesempatan bagi manajer untuk menggunakan kebijaksanaan mereka

dalam mempersiapkan dan pelaporan informasi akuntansi untuk

keuntungan mereka sendiri. Penggunaan kebijaksanaan dalam

mempersiapkan dan melaporkan informasi akuntansi yang biasa disebut

manajemen laba (Noor, et al., 2015).

Manajemen laba dapat diukur dengan menggunakan proksi

discretionary accrual berdasarkan Model Friedlan yang merupakan

pengembangan Model Healy (1985) dan Model De Angelo (1986). Model

Friedlan (1994) menyatakan restriksi bahwa

akrual nondiskresi stasioner antara kondisi bisnis yang berbeda. Friedlan

mengasumsikan akrual nondiskresioner adalah proporsional pada aktivitas

operasi yang diukur dengan sales (S). Manfaat utama dari model ini adalah

tidak membutuhkan persyaratan akan ketersediaan data yang tinggi.

Penelitian yang menggunakan Model Friedlan dilakukan oleh Gumanti

(2001). Perhitungan discretionary accrual menurut Model Friedlan adalah

sebagai berikut:

𝐷𝐴𝐶𝑝𝑡 = (TACpt

SALEpt) − (

TACpd

SALEpd)

Keterangan:

DACpt : Discretionary accrual pada periode tes

TACpt : Total accrual pada periode tes

TACpd : Total accrual pada periode dasar

SALEpt : Penjualan pada periode tes

SALEpd : Penjualan pada periode dasar

56

BAB IV

ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

Perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI)

pada periode 2013 hingga 2015 merupakan populasi dalam penelitian ini.

Pemilihan sampel dilakukan dengan metode purposive sampling. Perusahaan-

perusahaan yang dijadikan sampel telah sesuai dengan kriteria yang telah

ditetapkan pada bab sebelumnya. Proses seleksi disajikan dalam tabel 4.1.

Tabel 4.1

Tahapan Seleksi Sampel Penelitian

Sumber: Data sekunder diolah

Keterangan Jumlah

Jumlah perusahaan di industri manufaktur yang

terdaftar selama tiga tahun berturut-turut di BEI

selama tahun 2013-2015

133

Perusahaan yang tidak memiliki tahun buku yang

berakhir pada 31 Desember (3)

Perusahaan yang mengalami rugi (38)

Perusahaan yang tidak menggunakan rupiah (27)

Perusahaan yang tidak membayar dividen selama tiga

tahun dalam periode penelitian tahun 2013-2015 (14)

Jumlah sampel penelitian terpilih 51

Tahun pengamatan 3

Jumlah sampel total dalam periode penelitian 153

57

Namun, setelah data mengalami pengolahan pada program SPSS versi

22, data mengalami outlier, sehingga ada beberapa data yang dikeluarkan dari

sampel.


Keterangan Jumlah

Jumlah sampel penelitian terpilih 153

Data outlier 4

Jumlah data yang dapat diolah 149


Dari hasil seleksi sampel penelitian di atas, terdapat 51 perusahaan

dengan total 153 data observasi yang sesuai dengan kriteria. Berikut

merupakan daftar perusahaan manufaktur yang menjadi sampel dalam

penelitian disajikan pada tabel 4.2.

Tabel 4.2

Daftar Nama Perusahaan

No Nama Perusahaan Kode

1 Tiga Pilar Sejahtera Food Tbk AISA

2 Argha Karya Prima Industry Tbk AKPI

3 Alkindo Naratama Tbk ALDO

4 Asahimas Flat Glass Tbk AMFG

5 Arwana Citra Mulia Tbk ARNA

6 Astra International Tbk ASII

7 Astra Auto Part Tbk AUTO

8 Sepatu Bata Tbk BATA

9 Wilmar Cahaya Tbk CEKA

10 Charoen Pokphand Indonesia Tbk CPIN

11 Delta Djakarta Tbk DLTA

12 Duta Pertiwi Nusantara DPNS

58



13 Darya Varia Laboratoria Tbk DVLA

14 Ekadharma International Tbk EKAD

15 Gudang Garam Tbk GGRM

16 Hanjaya Mandala Sampoerna Tbk HMSP

17 Indofood CBP Sukses Makmur Tbk ICBP

18 Champion Pasific Indonesia Tbk IGAR

19 Indal Aluminium Industry Tbk INAI

20 Indofood Sukses Makmur Tbk INDF

21 Indospring Tbk INDS

22 Indocement Tunggal Prakasa Tbk INTP

23 Steel Pipe Industry of Indonesia Tbk ISSP

24 Jembo Cable Company Tbk JECC

25 Japfa Comfeed Indonesia Tbk JPFA

26 Kimia Farma Tbk KAEF

27 KMI Wire and Cable Tbk KBLI

28 Kalbe Farma Tbk KLBF

29 Lion Metal Works Tbk LION

30 Lionmesh Prima Tbk LMSH

31 Merck Tbk MERK

32 Mayora Indah Tbk MYOR

33 Ricky Putra Globalindo Tbk RICY

34 Nippon Indosari Corporindo Tbk ROTI

35 Supreme Cable Manufacturing and Commerce Tbk SCCO

36 Industri Jamu dan Farmasi Sido Muncul Tbk SIDO

37 Sekar Bumi Tbk SKBM

38 Sekar Laut Tbk SKLT

39 Semen Baturaja Persero Tbk SMBR

40 Holcim Indonesia Tbk SMCB

41 Semen Gresik Tbk SMGR

42 Selamat Sempurna Tbk SMSM

43 Taisho Pharmaceutical Indonesia Tbk SQBB

44 Mandom Indonesia Tbk TCID

45 Surya Toto Indonesia Tbk TOTO

46 Trisula International Tbk TRIS

47 Trias Sentosa Tbk TRST

59



48 Tempo Scan Pasific Tbk TSPC

49 Ultrajaya Milk Industry and Trading Company Tbk ULTJ

50 Unilever Indonesia Tbk UNVR

51 Wismilak Inti Makmur Tbk WIIM


B. Analisis Data Penelitian

1. Hasil Uji Statistik Deskriptif

Statistik Deskriptif memberikan gambaran atau deskripsi suatu

data yang dilihat dari nilai rata-rata (mean), standar deviasi, maksimum,

minimum (Ghozali, 2013). Tabel statistik menjelaskan distribusi variabel-

variabel yang diteliti, meliputi variabel dependen (Y) yaitu Manajemen

Laba (EM) dan distribusi variabel independen (X) yaitu Stabilitas

Keuangan (AGROW), Target Keuangan (ROA), Tekanan Eksternal (DIV),

dan Peluang (FCF). Hasil uji statistik deskriptif untuk variabel dependen

dan independen tersebut disajikan pada tabel 4.3.

Tabel 4.3

Hasil Uji Statistik Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

AGROW 149 -,16533 ,55795 ,1220357 ,10187295

ROA 149 ,00012 ,42677 ,1244800 ,09287505

DIV 149 ,00000 18,37749 ,5590292 1,52917963

FCF 149 -12272306000000 8875000000000 -152415083769,51 1696552027459,330

EM 149 -,24879 ,21736 -,0105677 ,07496090


60

Hasil statistik deskriptif pada tabel 4.3 menunjukkan hasil analisis

dengan menggunakan statistik deskriptif. Hasil analisis terhadap variabel

Stabilitas Keuangan (AGROW) menunjukkan nilai minimum sebesar -

0,16533, nilai maksimum sebesar 0,55795 dengan rata-rata 0,1220357 dan

standar deviasi 0,10187295. Hal ini menunjukkan bahwa pada data sampel

yang berjumlah 149 nilai rasio pertumbuhan aset perusahaan memiliki

nilai paling rendah -0,16533 atau -16,533% dan nilai paling tinggi 0,55795

atau 55,795%.

Variabel Target Keuangan (ROA) setelah dilakukan pengujian

statistik deskriptif memperoleh nilai minimum sebesar 0,00012 dan nilai

maksimum sebesar 0,42677 dengan rata-rata 0,1244800 dan standar

deviasi 0,09287505. Hal ini menunjukkan bahwa pada data sampel yang

berjumlah 149 nilai rasio total aset memiliki nilai paling rendah 0,00012

atau 0,012% dan nilai paling tinggi 0,42677 atau 42,677%.

Variabel Tekanan Eksternal (DIV) memiliki nilai minimum

sebesar 0,00000 dan nilai maksimum sebesar 18,37749 dengan rata-rata

0,5590292 dan standar deviasi 1,52917963. Selanjutnya, hasil analisis

statistik deskriptif variabel Peluang (FCF) menunjukkan nilai minimum

Rp.-12.272.306.000.000 dan nilai maksimum sebesar

Rp.8.875.000.000.000 dengan rata-rata Rp.-152.415.083.769,51 dan

standar deviasi Rp. 1.696.552.027.459,330.

61

Dan terakhir, hasil analisis statistik deskriptif variabel manipulasi

Laba/Earnings Management (EM) menunjukan nilai minimum sebesar -

0,24879 dan nilai maksimum sebesar 0,21736 dengan rata-rata -0,0105677

dan standar deviasi 0,07496090. Hal ini menunjukkan bahwa pada data

sampel yang berjumlah 149 nilai rasio manajemen laba yang diproksikan

dengan Discretionary Accrual memiliki nilai paling rendah -0,24879 atau

-24,879% dan nilai paling tinggi 0,21736 atau 21,736%. Dari hasil tersebut

dapat disimpulkan bahwa pada perusahaan manufaktur melakukan

manajemen laba cenderung dengan teknik income minimization.

2. Hasil Uji Asumsi klasik

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model

regresi, variabel pengganggu atau residual memiliki distribusi normal

(Ghozali, 2013). Model regresi yang baik adalah yang mempunyai

distribusi data normal atau mendekati normal. Dalam penelitian ini

pengujian uji normalitas dilakukan dengan menggunakan metode uji

non-parametrik Kolmogorov-Smirnov (K-S). Dasar pengambilan

keputusan pada uji K-S ini adalah dengan melihat nilai probabilitas

signifikansi data residual. Jika angka probabilitas kurang dari 0,05

maka variabel ini tidak berdistribusi secara normal. Sebaliknya, bila

angka probabilitas di atas 0,05 maka HA ditolak yang berarti variabel

terdistribusi secara normal (Ghozali, 2013).

62

Adapun hasil uji Kolmogorov-Smirnov (K-S) dapat dilihat pada

gambar 4.1, 4.2 dan tabel 4.4.

Gambar 4.1

Hasil Uji Normalitas dengan Grafik Histogram


Berdasarkan grafik histogram padagambar 4.1 terlihat bahwa

data terdistribusi secara normal dan berbentuk simetris tidak menceng

(skewness) ke kanan atau ke kiri, maka dapat dikatakan bahwa model

regresi memenuhi asumsi normalitas.

Gambar 4.2

Hasil Uji Normalitas dengan P Plot


63

Berdasarkan grafik normal P-Plot pada gambar 4.2 terlihat titik-

titik menyebar di sekitar garis diagonal. Hal ini menunjukkan pola

distribusi normal, sehingga dapat disimpulkan bahwa model regresi

memenuhi asumsi normalitas.

Tabel 4.4

Hasil Uji Statistik Kolmogorov-Smirnov

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 149

Normal Parametersa,b Mean ,0000000

Std. Deviation ,07082757

Most Extreme Differences Absolute ,067

Positive ,067

Negative -,059

Test Statistic ,067

Asymp. Sig. (2-tailed) ,098c

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.


Berdasarkan hasil uji statistik Kolmogorov-Smirnov pada tabel

4.4 besarnya nilai Kolmogorov-Smirnov adalah 0,067 dengan

probabilitas signifikansi 0,098 yang berada di atas 0,05, hasil tersebut

menunjukkan bahwa data residual terdistribusi secara normal. Hal ini

konsisten dengan hasil uji grafik histogram dan grafik normal P-Plot.

b. Uji Multikolonieritas

Uji multikolonieritas bertujuan untuk menguji apakah model

regresi ditemukan adanya korelasi antar variabel bebas (independen)

64

(Ghozali, 2013). Hasil uji multikolonieritas pada penelitian ini

disajikan pada tabel 4.5.

Tabel 4.5

Hasil Uji Multikolonieritas

Variabel Collinearity Statistics

Tolerance VIF

AGROW 0,975 1,026

ROA 0,976 1,024

DIV 0,996 1,004

FCF 0,963 1,039


Berdasarkan hasil uji multikolonieritas pada tabel 4.5 kolom

Tolerance menunjukkan tidak ada variabel independen yang memiliki

nilai Tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar

variabel independen yang nilainya lebih dari 95%. Hasil perhitungan

nilai Variance Inflation Factor (VIF) juga menunjukkan hal yang sama

yakni tidak ada satu variabel independen yang memiliki nilai VIF lebih

dari 10. Sehingga dapat disimpulkan bahwa tidak ada multikolonieritas

antar variabel independen dalam model regresi pada peneltian ini.

c. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model

regresi linier ada korelasi antara kesalahan pengganggu pada periode t

dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika

terjadi korelasi maka dinamakan ada masalah autokorelasi.

Autokorelasi muncul karena observasi yang berurutan sepanjang waktu

berkaitan satu sama lainnya. Masalah ini timbul karena residual

65

(kesalahan pengganggu) tidak bebas dari satu observasi ke observasi

lainnya (Ghozali, 2013). Berikut merupakan hasil uji autokorelasi

dengan menggunakan run test:

Tabel 4.6

Hasil Uji Autokorelasi

Uji Run Test


Berdasarkan hasil uji autokorelasi dengan menggunakan run

test, nilai test adalah 0,00174 dengan probabilitas 0,934. Hal ini

menunjukkan bahwa residual acak/random atau indikasi tidak adanya

autokorelasi dalam model regresi linier yang digunakan.

d. Uji Heteroskedastisitas

Tabel 4.7 di bawah merupakan hasil Uji Heteroskedastisitas

dengan menggunakan Uji Glejser. Jika variabel independen signifikan

secara statistik mempengaruhi variabel dependen, maka ada indikasi

terjadi heteroskedastisitas (probabilitas signifikansi tingkat

kepercayaan 5%) (Ghozali, 2013).

Unstandardized

Residual

Test Valuea ,00174

Cases < Test Value 74

Cases >= Test Value 75

Total Cases 149

Number of Runs 76

Z ,083

Asymp. Sig. (2-tailed) ,934

a. Median

66

Tabel 4.7

Hasil Uji Heteroskedastisitas

Uji Glejser

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig. B Std. Error Beta

1 (Constant) ,057 ,008 6,784 ,000

AGROW -,025 ,039 -,055 -,654 ,514

ROA ,009 ,042 ,018 ,212 ,832

DIV -,003 ,003 -,110 -1,334 ,184

FCF 1,957E-15 ,000 ,070 ,838 ,403

a. Dependent Variable: ABS_Res3


Berdasarkan hasil uji glejser pada tabel 4.7 menunjukkan bahwa

tidak ada satupun variabel independen yang signifikan secara statistik

mempengaruhi variabel dependen. Hal ini terlihat dari probabilitas

signifikansi yang menunjukkan nilai di atas 0,05, maka dapat

disimpulkan model regresi tidak mengandung heteroskedastisitas.

3. Hasil Uji Hipotesis

a. Uji Koefisien Determinasi (Uji R2)

Koefisien determinasi (R2) digunakan untuk mengukur seberapa

besar variabel independen dapat menjelaskan variabel dependennya

(Ghozali, 2013). Dalam penelitian ini menggunakan variabel

independen yaitu Stabilitas Keuangan (AGROW), Target Keuangan

(ROA), Tekanan Eksternal (DIV), dan Peluang (FCF), serta variabel

dependen yaitu manipulasi laba/Earnings Management (EM) yang

diproksikan dengan Discretionary Accruals.

67

Adapun hasil uji koefisien Adjusted R Square disajikan pada

tabel 4.8.

Tabel 4.8

Hasil Uji Koefisien Determinasi (R2)


Berdasarkan hasil uji R2 pada tabel 4.8 besarnya Adjusted R

Square adalah 0,082 hal ini berarti sebesar 8,2% variasi variabel

dependen manipulasi laba/Earnings Management (EM) dapat

dijelaskan oleh variasi dari ke empat variabel independen Stabilitas

Keuangan (AGROW), Target Keuangan (ROA), Tekanan Eksternal

(DIV), dan Peluang (FCF), sedangkan sisanya (100% - 8,2% = 91,8%)

dijelaskan oleh sebab-sebab lain di luar model, seperti leverage dan

financial distress (Ghazali, et al., 2015), assets change (ACHANGE)

(Prasmaulida, 2016), rasio komisaris (BDOUT) (Manurung & Hadian,

2013), sales growth, ukuran komite audit, dan persentase dari komite

audit independen (Oktaviani, et al., 2014), pergantian direktur

(Manurung & Hardika, 2015).

b. Uji Signifikansi Simultan (Uji Statistik F)

Uji statistik F dilakukan untuk melihat apakah variabel

independen secara simultan (bersama-sama) berpengaruh terhadap

R R Square

Adjusted R

Square

Std. Error of the

Estimate

,327a ,107 ,082 ,07180455

a. Independent Variabel: FCF, DIV, ROA, AGROW

b. Dependent Variable: EM

68

variabel dependen atau tidak. Hasil uji statistik F disajikan dalam tabel

4.9.

Tabel 4.9

Hasil Uji Signifikansi Simultan (Uji Statistik F)


Berdasarkan hasil uji F pada tabel 4.9 didapat nilai F hitung

sebesar 4,324 dengan Sig 0,002, karena nilai probabilitas signifikansi

jauh lebih kecil 0,05 menunjukkan bahwa variabel independen

Stabilitas Keuangan (AGROW), Target Keuangan (ROA), Tekanan

Eksternal (DIV), dan Peluang (FCF) berpengaruh terhadap variabel

dependen manipulasi laba/ Earnings Management (EM).

c. Uji Signifikansi Parameter Individual (Uji Statistik t)

Uji statistik t digunakan untuk melihat seberapa jauh pengaruh

satu variabel independen secara individual dalam menerangkan variasi

variabel dependen (Ghozali, 2013). Hasil uji statistik t disajikan dalam

tabel 4.10.

Model Sum of

Squares df

Mean

Square F Sig.

1 Regression ,089 4 ,022 4,324 ,002b

Residual ,742 144 ,005

Total ,832 148

a. Dependent Variable: EM

b. Independent Variable: FCF, DIV, ROA, AGROW

69

Tabel 4.10

Hasil Uji Signifikansi Parameter Individual (Uji Statistik t)

Variabel

Unstandardized

Coefficients

Standardized

Coefficients t Sig.

B Std. Error Beta

1 (Constant) -,018 ,013 -1,436 ,153

AGROW ,149 ,059 ,202 2,532 ,012

ROA -,070 ,064 -,087 -1,093 ,276

DIV -,005 ,004 -,109 -1,377 ,171

FCF -8,599E-15 ,000 -,195 -2,425 ,017



Berdasarkan hasil uji statistik t pada tabel 4.10, dari ke empat

variabel independen yang dimasukkan ke dalam model regresi variabel

Target Keuangan (ROA) dan Tekanan Eksternal (DIV) tidak signifikan,

hal ini dapat dilihat dari probabilitas signifikansi untuk Target

Keuangan (ROA) sebesar 0,276 dan untuk Tekanan Eksternal (DIV)

sebesar 0,171 yang keduanya memiliki nilai di atas 0,05. Sedangkan

variabel Stabilitas Keuangan (AGROW) dan Peluang (FCF) keduanya

signifikan karena berada di bawah 0,05. Variabel Stabilitas Keuangan

(AGROW) memiliki nilai signifikansi sebesar 0,012 dan Peluang

(FCF) sebesar 0,017. Jadi dapat disimpulkan dari ke empat variabel

independen dalam model regresi pada penelitian ini terdapat dua

variabel independen yaitu Stabilitas Keuangan (AGROW) dan Peluang

(FCF) yang memiliki pengaruh signifikan terhadap variabel dependen

yaitu manipulasi laba/Earnings Management (EM).

70

C. Pembahasan

1. Pengaruh Stabilitas Keuangan terhadap Earnings Management

Hipotesis pertama yang diajukan menyatakan bahwa stabilitas

keuangan (AGROW) berpengaruh terhadap manajemen laba. Hasil

analisis regresi menunjukkan variabel stabilitas keuangan (AGROW)

memiliki koefisien regresi sebesar 0,149 dengan tingkat signifikansi

yang kurang dari 0,05 yaitu 0,012. Berdasarkan hasil tersebut dapat

disimpulkan bahwa variabel stabilitas keuangan yang diproksikan

dengan tingkat pertumbuhan aset perusahaan/Assets Growth (AGROW)

berpengaruh positif terhadap Earnings Management (EM) atau dengan

kata lain H1 diterima.

Hasil penelitian ini mendukung hasil penelitian yang telah

dilakukan oleh Martantya dan Daljono (2013), Manurung dan Hadian

(2013), dan Oktaviani et al. (2014), yang menunjukkan bahwa stabilitas

keuangan (AGROW) memiliki pengaruh terhadap manajemen laba.

Namun penelitian ini tidak mendukung hasil penelitian yang dilakukan

oleh Nugraha dan Henny (2015) dan Aprilia (2017) yang menunjukkan

hasil bahwa stabilitas keuangan AGROW tidak berpengaruh terhadap

manajemen laba.

Berdasarkan perhitungan yang telah dilakukan pada penelitian

ini memperoleh hasil bahwa stabilitas keuangan yang diproksikan

dengan AGROW berpengaruh positif terhadap manajemen laba, dapat

diartikan bahwa perusahaan yang melakukan kecurangan cenderung

71

memiliki AGROW lebih rendah dibandingkan dengan perusahaan yang

tidak melakukan kecurangan berupa manajemen laba (Martantya &

Daljono, 2013). Bentuk kecurangan pada laporan keuangan yang

dilakukan oleh manajemen salah satunya berkaitan dengan

pertumbuhan aset perusahaan (Skousen, et al., 2008). Tingginya aset

yang dimiliki perusahaan menjadi daya tarik bagi investor. Untuk

menarik para investor, manajemen perusahaan tentunya berupaya untuk

sebaik mungkin menyajikan gambaran perusahaan melalui laporan

keuangan yang meyakinkan bagi investor salah satunya yaitu dengan

tingginya aset yang dimiliki.

Manajemen seringkali dituntut untuk menunjukkan bahwa

perusahaan telah mampu mengelola aset dengan baik sehingga

keuntungan yang dihasilkannya pun juga banyak yang nantinya akan

meningkatkan bonus yang diterimanya dan akan menghasilkan return

yang tinggi pula untuk para investor (Nugraha & Henny, 2015). Karena

alasan itulah, manajemen memanfaatkan laporan keuangan sebagai alat

untuk menutupi kondisi stabilitas keuangan yang kurang baik dengan

melakukan tindakan kecurangan melalui manajemen laba. Dengan

demikian, apabila stabilitas perekonomian perusahaan kurang baik,

maka tingkat kecurangan laporan keuangan akan meningkat (Reskino &

Anshori, 2016).

72

2. Pengaruh Target Keuangan terhadap Earnings Management

Hipotesis kedua yang diajukan menyatakan bahwa Target

Keuangan (ROA) berpengaruh terhadap Earnings Management (EM).

Hasil analisis regresi menunjukkan variabel Target Keuangan dengan

proksi Return on total assets (ROA) memiliki koefisien regresi sebesar

-0,070 dengan tingkat signifikansi yang lebih dari 0,05 yaitu 0,276.

Berdasarkan hasil tersebut dapat disimpulkan bahwa variabel target

keuangan yang diproksikan dengan Return on total assets (ROA) belum

mampu membuktikan adanya pengaruh terhadap variabel Earnings

Management (EM) atau dengan kata lain H2 tidak terdukung.


dilakukan oleh Aprillia et al. (2017), Annisya et al. (2016), Manurung

dan Hardika (2015) dan Prasmaulida (2016) yang menunjukkan hasil

bahwa tidak mendapatkan bukti ROA memiliki pengaruh terhadap

manajemen laba. Namun penelitian ini tidak mendukung hasil penelitian

yang dilakukan oleh Martantya dan Daljono (2013) dan Nugraha dan

Henny (2015) yang menunjukan hasil adanya pengaruh antara ROA


Menurut Amara et al. (2013) kinerja perusahaan yang rendah

tidak mempengaruhi terjadinya kecurangan pelaporan keuangan.

Apabila ROA menunjukkan hasil yang negatif dapat diartikan bahwa

laba perusahaan tersebut juga dalam kondisi negatif, yang berarti

kemampuan dari modal yang diinvestasikan secara keseluruhan aset

73

belum mampu menghasilkan laba (Martantya & Daljono, 2013).

Penelitian Carlson dan Bathala (1997) dalam Widyastuti (2009)

membuktikan bahwa perusahaan yang memiliki laba yang besar (yang

diukur dengan profitabilitas atau ROA) lebih mungkin melakukan

manajemen laba daripada perusahaan yang memiliki laba yang kecil.

Penurunan profitabilitas perusahaan dapat terjadi akibat krisis

yang melanda industri atau perusahaan yang tidak dapat diprediksi

sehingga terjadi penurunan profitabilitas ataupun kenaikan profitabilitas

yang semu. Kenaikan profitabilitas perusahaan juga dapat diakibatkan

karena adanya peningkatan mutu operasional perusahaan seperti

pembaharuan sistem informasi, perekrutan tenaga kerja yang potensial

serta kebijakan direksi yang tepat dalam menyelesaikan masalah

(Sihombing & Rahardjo, 2014).

Kemungkinan lain dalam ketidakmampuan ROA dalam

mendeteksi kecurangan laporan keuangan disebabkan karena manajer

menganggap bahwa besarnya target ROA perusahaan masih dinilai

wajar dan dapat dicapai. Manajer tidak menganggap bahwa target ROA

tersebut sebagai tekanan (target keuangan) yang sulit untuk dicapai

sehingga besarnya target ROA tidak memicu terjadinya kecurangan

laporan keuangan yang dilakukan oleh manajemen.

3. Pengaruh Tekanan Eksternal terhadap Earnings Management

Hipotesis ketiga yang diajukan menyatakan bahwa Dividend

(DIV) berpengaruh terhadap manipulasi laba/Earnings Management

74

(EM). Hasil analisis regresi menunjukkan variabel Dividend (DIV)

memiliki koefisien regresi sebesar -0,005 dengan tingkat signifikansi

yang lebih dari 0,05 yaitu 0,171. Berdasarkan hasil tersebut dapat

disimpulkan bahwa variabel tekanan eksternal yang diproksikan dengan

Dividend (DIV) belum mampu membuktikan adanya pengaruh terhadap

variabel Earnings Management (EM) atau dengan kata lain H3 tidak

terdukung.


dilakukan oleh Noor et al. (2015) yang menunjukkan hasil bahwa tidak

mendapatkan bukti dividend memiliki pengaruh terhadap manajemen

laba. Sama halnya dengan penelitian yang dilakukan Sulistiyawati

(2013) yang menunjukkan hasil bahwa kebijakan dividen tidak memiliki

pengaruh terhadap manajemen laba dalam bentuk perataan laba. Namun

penelitian ini tidak mendukung hasil penelitian yang dilakukan oleh

Dahyani et al. (2017) yang menunjukan hasil adanya pengaruh antara

dividend terhadap manajemen laba.

Menurut Kustono (2009) devidend payout terbukti tidak

mempengaruhi praktik manajemen laba dalam bentuk perataan laba. Hal

ini mungkin dikarenakan kebijakan deviden payout merupakan

keputusan rapat umum pemegang saham (principal) yang belum tentu

dapat dideteksi oleh manajemen. Dividend payout merefleksikan

kebijakan manajemen dalam menentukan pembagian pendapatan antara

penggunaan pendapatan untuk dibayarkan kepada pemegang saham

75

dalam bentuk dividen atau digunakan di dalam perusahan sebagai laba

yang ditahan untuk membiayai pertumbuhan perusahaan, sehingga

besar kecilnya dividend payout sangat ditentukan oleh kecenderungan

manajemen dalam mengelola pendapatan perusahaan. Jika manajemen

lebih memprioritaskan tingkat dividen, maka rasio dividend payout

lebih tinggi dibandingkan jika manjemen lebih memprioritaskan

menginvestasikannya kembali untuk pertumbuhan perusahaan.

Kaitannya dengan penelitian ini, menunjukkan dividen bukan

menjadi motivasi bagi perusahaan untuk melakukan manajemen laba.

Pengambilan keputusan kebijakan dividen payout diperlukan adanya

campur tangan dari pihak pemegang saham perusahaan sehingga pihak

manajemen enggan untuk melakukan manipulasi laba. Sama halnya

dengan penelitian yang dilakukan oleh Wibiksono dan Rudiawarni

(2015) yang menyatakan bahwa perusahaan yang membayar dividen

dan perusahaan yang tidak membayar dividen memiliki kecenderungan

yang sama dalam melakukan praktik manajemen laba. Dengan

demikian, tidak terbukti bahwa perusahaan yang melakukan

pembayaran dividen pada tahun sebelumnya akan lebih cenderung

melakukan manajemen laba untuk dapat memenuhi dividen yang

diharapkan oleh para pemegang saham dibandingkan dengan

perusahaan yang tidak melakukan pembayaran dividen pada tahun

sebelumnya.

76

4. Pengaruh Peluang terhadap Earnings Management

Hipotesis keempat yang diajukan menyatakan bahwa Free Cash

Flow (FCF) berpengaruh terhadap manipulasi laba/Earnings

Management (EM). Hasil analisis regresi menunjukkan variabel Free

Cash Flow (FCF) memiliki koefisien regresi sebesar -

0,000000000000008599 dengan tingkat signifikansi yang kurang dari

0,05 yaitu 0,017. Berdasarkan hasil tersebut dapat disimpulkan bahwa

faktor peluang yang diproksikan dengan variabel Free Cash Flow (FCF)

berpengaruh negatif terhadap Earnings Management (EM) atau dengan

kata lain H4 diterima.


dilakukan oleh Noor et al. (2015) dengan tingkat signifikansi 0,1 dan

Agustia (2013) yang menunjukkan hasil bahwa Free Cash Flow (FCF)

memiliki pengaruh terhadap manajemen laba. Namun penelitian ini

tidak mendukung hasil penelitian yang dilakukan oleh Ghazali et al.

(2015) yang memberikan bukti lain bahwa FCF tidak berpengaruh


Hasil ini menjelaskan bahwa perusahaan yang memiliki arus kas

bebas tidak akan membuat manajer melakukan tindakan oportunistic

yaitu melakukan tindakan manajemen laba (Herlambang, et al., 2017).

Hal ini dikarenakan free cash flow merupakan determinan penting dalam

penentuan nilai perusahaan, sehingga manajer perusahaan lebih terfokus

pada usaha untuk meningkatkan free cash flow. Perusahaan dengan arus

77

kas bebas yang tinggi cenderung tidak akan melakukan manajemen laba,

karena meskipun tanpa adanya manajemen laba, perusahaan sudah bisa

meningkatkan harga sahamnya karena investor melihat bahwa

perusahaan tersebut mempunyai kelebihan kas untuk pembagian

dividen (Agustia, 2013).

Hubungan negatif antara arus kas bebas dan manajemen laba

memberi sinyal bahwa manajer akan menerapkan manajemen laba

ketika arus kas rendah demi kelangsungan hidup dan kelangsungan

usaha perusahaan (Bukit & Iskandar, 2009). Adanya arus kas yang

tinggi memungkinkan manajemen untuk melakukan proyek yang dapat

menguntungkan sehingga perusahaan mencapai kinerja yang lebih baik

dan menghindari kecenderungan para manajer untuk berperilaku curang

dan terlibat dalam manajemen laba.

78

BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan

Penelitian ini bertujuan untuk mengetahui pengaruh dari faktor tekanan

dan peluang terhadap manajemen laba. Metode analisis yang digunakan dalam

penelitian ini adalah regresi berganda yang diolah menggunakan SPSS versi

22. Sampel yang digunakan merupakan 51 perusahaan manufaktur yang telah

memenuhi kriteria pemilihan sampel dengan periode penelitian dari tahun 2013

sampai dengan 2015.

Berdasarkan hasil analisis, pengujian hipotesis, pembahasan serta

penelitian yang telah dilakukan maka dapat dikemukakan beberapa kesimpulan


1. Berdasarkan hasil uji regresi linier berganda yang telah dilakukan pada

penelitian ini, variabel stabilitas keuangan yang diproksikan dengan Assets

Growth (AGROW) secara statistik berpengaruh positif terhadap Earnings

Management (EM).

2. Berdasarkan hasil uji regresi linier berganda yang telah dilakukan, variabel

target keuangan yang diproksikan dengan Return on total assets (ROA)

secara statistik belum mampu membuktikan adanya pengaruh terhadap

variabel Earnings Management (EM).

79


tekanan eksternal yang diproksikan dengan Dividend Payout (DIV) secara

statistik belum mampu membuktikan adanya pengaruh terhadap variabel

Earnings Management (EM).


peluang yang diproksikan dengan Free Cash Flow (FCF) secara statistik

berpengaruh negatif terhadap Earnings Management (EM).

B. Saran

Adapun saran yang dapat dipertimbangkan untuk penelitian selanjutnya

adalah sebagai berikut:

1. Penelitian selanjutnya diharapkan dapat menambah jumlah sampel

kategori perusahaan agar dapat memprediksi praktik manajemen laba pada

kategori perusahan lain atau menggunakan seluruh kategori perusahaan

yang ada untuk meneliti praktik manajemen laba secara menyeluruh.

2. Penelitian selanjutnya diharapkan dapat menggunakan pengukuran lain

dalam menentukan nilai discretionary accruals seperti The Modified Jones

Model (1995).

3. Penelitian selanjutnya diharapkan dapat menggunakan variabel dependen

yang lain sebagai pengukur dari financial statement fraud selain dengan

manajemen laba.

4. Penelitian selanjutnya diharapkan dapat menambahkan variabel

independen yang lain seperti dari faktor rasionalization dan capability.

80

DAFTAR PUSTAKA

Aghghaleh, S. F., Iskandar, T. M. & Mohamed, Z. M., 2014. Fraud Risk Factors of

Fraud Triangle and the Likelihood of Fraud Occurrence: Evidence from

Malaysia. Information Management and Business Review, 6(1), pp. 1-7.

Agustia, D., 2013. Pengaruh Faktor Good Corporate Governance, Free Cash Flow,

dan Leverage Terhadap Manajemen Laba. Jurnal Akuntansi dan Keuangan,

15(1), pp. 27-42.

Aprilia, 2017. The Analysis of The Effect of Fraud Pentagon on Financial

Statement Fraud Using Beneish Model in Companies Applying The

ASEAN Corporate Governance Scorecard. Jurnal Akuntansi Riset, 6(1), pp.

96-126.

Aprillia, Cicilia, O. & Sergius, R. P., 2017. The Effectiveness of Fraud Triangle on

Detecting Fraudelent Financial Statement: Using Beneish Model and The

Case of Special Companies. Jurnal Riset Akuntansi dan Keuangan, 3(3), pp.

836-850.

Association of Certified Fraud Examiners (ACFE), 2014. Report of the Nations on

Occupational Fraud and Abuse: 2014 Global Fraud Study, New York:

ACFE.

Association of Certified Fraud Examiners (ACFE), 2016. Report to the Nation on

Occupational Fraud and Abuse: 2016 Global Fraud Study, New York:

ACFE.

Brigham, E. F. & Houston, J. F., 2009. Dasar-Dasar Manajemen Keuangan.

Jakarta: Salemba Empat.

Bukit, R. B. & Iskandar, T. M., 2009. Surplus Free Cash Flow, Earnings

Management and Audit Committee. International Journal of Economics

amd Management, 3(1), pp. 204-223.

Bukit, R. B. & Nasution, F. N., 2015. Employee Diff, Free Cash Flow, Corporate

Governance and Earnings Management. Procedia-Social and Behavioral

Sciences 211, pp. 585-594.

Cohen, J., Ding, Y., Lesage, C. & Stolowy, H., 2010. Corporate Fraud and

Managers' Behavior: Evidence from the Press. Journal of Business Ethics,

pp. 271-315.

81

Cyndi, 2016. Badan Pendidikan dan Pelatihan Keuangan Kementerian Keuangan.

[Online]

Available at: http://www.bppk.kemenkeu.go.id/publikasi/artikel/168-

artikel-pengembangan-sdm/23174-penguatan-sistem-pengendalian-

internal-melalui-penerapan-penilaian-risiko-fraud

[Diakses 21 Juli 2017].

Dahayani, N. K. S., Budiartha, I. K. & Suardikha, I. M. S., 2017. Pengaruh

Kebijakan Dividen pada Manajemen Laba dengan Good Corporate

Governance sebagai Moderasi. E-Jurnal Ekonomi dan Bisnis Universitas

Udayana, 6(4), pp. 1395-1424.

Ghazali, A. W., Shafie, N. A. & Sanusi, Z. M., 2015. Earnings Management: An

Analysis of Opportunistic Behaviour, Monitoring Mechanism and Financial

Distress. Procedia Economics and Finance 28, pp. 190-201.

Ghozali, I., 2013. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang:

Badan Penerbit Universitas Diponegoro.

Gitman, L. J. & Zutter, C. J., 2015. Principle of Managerial Finance. 14 penyunt.

England: Pearson.

Gujarati, D. N. & Porter, D. C., 2013. Dasar-dasar Ekonometrika. Jakarta: Salemba

Empat.

Gumanti, T. A., 2001. Earnings Management dalam Penawaran Saham Perdana di

Bursa Efek Jakarta. Jurnal Riset Akuntansi Indonesia, 4(2), pp. 165-183.

Herlambang, A. R., Halim, E. H. & Haryetti, 2017. Analisis Pengaruh Free Cash

Flow dan Financial Leverage terhadap Manajemen Laba dengan Good

Corporate Governance sebagai Variabel Moderasi. JOM Fekon, 4(1), pp.

15-29.

Karyono, 2013. Forensic Fraud. Yogyakarta: ANDI.

Kustono, A. S., 2009. Pengaruh Ukuran, Devidend Payout, Risiko Spesifik, dan

Pertumbuhan Perusahaan terhadap Praktik Perataan Laba pada Perusahaan

Manufaktur Studi Empiris Bursa Efek Jakarta 2002–2006. Jurnal Ekonomi

Bisnis, 14(3), pp. 200-205.

Maghfiroh, N., Ardiyani, K. & Syafnita, 2015. Analisis Pengaruh Financial

Stability, Personal Financial Need, External Pressure, Ineffective

Monitoring pada Financial Statement Fraud dalam Perspektif Fraud. Jurnal

Ekonomi dan Bisnis, 16(1), pp. 51-66.

82

Manurung, D. T. H. & Hadian, N., 2013. Detection Fraud of Financial Statement

with Fraud Triangle. Proceedings of 23rd International Business Research

Conference.

Manurung, D. T. H. & Hardika, A. L., 2015. Analysis of Factors that Influence

Financial Statement Fraud in The Perspective Fraud Diamond: Empirical

Study on Banking Companies Listed on The Indonesia Stock Exchange year

2012 to 2014. International Conference on Accounting Studies, pp. 279-

286.

Martantya & Daljono, 2013. Pendeteksian Kecurangan Laporan Keuangan Melalui

Faktor Risiko Tekanan dan Peluang (Studi Kasus pada Perusahaan yang

Mendapat Sanksi dari Bapepam Periode 2002-2006). Diponegoro Journal

of Accounting, 2(2), pp. 1-12.

Mohd Sufian, M. T., Sanusi, Z. M., Osman, A. H. & Azhari, M. I. M., 2015.

Manipulation of Earnings: The Pressure of Opportunistic Behavior and

Monitoring Mechanisms in Malaysian Shariah-Compliant Companies.

Procedia Economics and Finance 31, pp. 213-227.

Noor, N. F. M. et al., 2015. Fraud Motives and Opportunities Factors on Earnings

Manipulations. Procedia Economics and Finance 28, pp. 126-135.

Nugraha, N. D. A. & Henny, D., 2015. Pendeteksian Laporan Keuangan Melalui

Faktor Resiko, Tekanan, dan Peluang (Berdasarkan Press Release OJK

2008-2012). e-Journal Akuntansi Trisakti, 2(1), pp. 29-48.

Oktaviani, E., Karyawati, G. & Arsyad, N., 2014. Factors Effecting Financial

Statement Fraud: Fraud Triangle Approach. 3rd Economic & Business

Research Festival, pp. 1939-1955.

Prasmaulida, S., 2016. Financial Statement Fraud Detection Using Perspective of

Fraud Triangle Adopted by SAS No. 99. Asia Pasific Fraud Journal, 1(2),

pp. 317-335.

Priantara, D., 2013. Fraud Auditing & Investigation. Jakarta: Mitra Wacana Media.

Purba, B. P., 2015. Fraud dan Korupsi: Pencegahan, Pendeteksian, dan

Pemberantasannya. Jakarta: Lestari Kiranatama.

Purwanto, A., 2004. Analisis Faktor-faktor yang Mempengaruhi Perataan Laba

pada Perusahaan Publik di Indonesia. Jurnal Bisnis Strategi, Volume 13,

pp. 157-170.

83

Putriasih, K., Herawati, N. N. T. & Wahyuni, M. A., 2016. Analisis Fraud Diamond

dalam Mendeteksi Financial Statement Fraud: Studi Empiris pada

Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia (BEI)

Tahun 2013-2015. e-JournalS1 Ak Universitas Pendidikan Ganesha

Jurusan Akuntansi Program S1, 6(3), pp. 1-12.

Rahman, R. A., Sulaiman, S., Fadel, E. S. & Kazemian, S., 2016. Earnings

Management and Fraudulent Financial Reporting: The Malaysian Story.

Journal of Modern Accounting and Auditing, 12(2), pp. 91-101.

Reeve, J. M., Warren, C. S. & Duchac, J. E., 2009. Principles of Accounting. UK:

South-Western.

Reskino & Anshori, M. F., 2016. Model Pendeteksian Kecurangan Laporan

Keuangan dengan Analisis Fraud Triangle. Jurnal Akuntansi

Multiparadigma JAMAL, 7(2), pp. 256-269.

Scott, W. R., 2012. Financial Accounting Theory. USA: PEARSON.

Shah, S. Z. A., Yuan, H. & Zafar, N., 2010. Earnings Management and Dividend

Policy An Empirical comparison between Pakistani Listed Companies and

Chinese listed Companies. International Research Journal of Finance and

Economics, Issue 35, pp. 51-60.

Shelton, A., 2014. Analysis of Capabilities Attributed to the Fraud Diamond.

Undergraduate Honors These.Paper 21. availabel at

http://dc.etsu.edu/honors/213.

Sihombing, K. S. & Rahardjo, S. N., 2014. Analisis Fraud Diamond dalam

Mendeteksi Financial Statement Fraud: Studi Empiris pada Perusahaan

Manufaktur yang Terdaftar di Bursa Efek Indonesia (BEI) Tahun 2010-

2012. Diponegoro Journal of Accounting, 3(2), pp. 1-12.

Skousen, C. J., Smith, K. R. & Wright, C. J., 2008. Detecting and Predicting

Financial Statement Fraud: The Effectiveness of The Fraud Triangle and

SAS No. 99. Corporate Governance and Firm Performance Advances in

Financial Economis, Volume 13, pp. 53-81.

Sulistiyawati, 2013. Pengaruh Nilai Perusahaan, Kebijakan Dividen, dan Reputasi

Auditor terhadap Perataan Laba. Accounting Analysis Journal, 2(2), pp.

148-153.

84

Suyanto, 2009. Fraudulent Financial Statement Evidence from Statement on

Auditing Standard No. 99. Gajah Mada International Journal of Business,

11(1), pp. 117-144.

Tjahjono, S. et al., 2013. Business Crime and Ethics: Konsep dan Studi Kasus

Fraud di Indonesia dan Global. Yogyakarta: ANDI.

Warren, C. S., Reeve, J. M. & Fess, P. E., 2006. Pengantar Akuntansi. Edisi Dua

Puluh Satu penyunt. Jakarta: Salemba Empat.

Weygandt, J. J., Kimmel, P. D. & Kieso, D. E., 2011. Financial Accounting. USA:

John Willey & Sons, Inc..

Wibiksono, R. A. & Rudiawarni, F. A., 2015. Pengaruh Premanaged Earnings dan

Dividen yang Diharapkan terhadap Praktik Manajemen Laba. Jurnal

Akuntansi dan Keuangan Indonesia, 12(1), pp. 1-18.

Widyastuti, T., 2009. Pengaruh Struktur Kepemilikan dan Kinerja Keuangan

Terhadap Manajemen Laba: Studi pada Perusahaan Manufaktur di BEI.

Jurnal Magister Akuntansi, 9(1), pp. 30-41.

Zuhro, F. & Suwitho, 2016. Pengaruh Ukuran Perusahaan Pertumbuhan Aset dan

Profabilitas terhadap Struktur Modal. Jurnal Ilmu dan Riset Manajemen,

5(5), pp. 1-16.

85

LAMPIRAN-LAMPIRAN

86

LAMPIRAN 1

Perhitungan Manajemen Laba

DA = (TA/SALESt) – (TA/SALESt-1)

Ket: TA (Total Accrual) = Net Operating Income (NOI) – Cash Flow from Operations (CFO)

NOI CFO TA SALES TA/SALES

1 AISA 459.778.000.000 128.335.000.000 331.443.000.000 2.747.623.000.000 0,12063

2 AKPI 86.594.569.000 12.203.424.000 74.391.145.000 1.509.185.293.000 0,04929

3 ALDO 23.575.862.439 20.669.774.946 2.906.087.493 318.332.488.772 0,00913

4 AMFG 448.620.000.000 411.135.000.000 37.485.000.000 2.857.310.000.000 0,01312

5 ARNA 224.434.097.735 237.695.889.064 (13.261.791.329) 1.113.663.603.211 -0,01191

6 ASII 28.228.000.000.000 8.930.000.000.000 19.298.000.000.000 188.053.000.000.000 0,10262

7 AUTO 1.333.548.000.000 537.785.000.000 795.763.000.000 8.277.485.000.000 0,09614

8 BATA 100.163.879.000 46.373.022.000 53.790.857.000 751.449.338.000 0,07158

9 CEKA 91.289.120.358 178.453.350.790 (87.164.230.432) 1.123.519.657.631 -0,07758

10 CPIN 3.458.680.000.000 1.689.376.000.000 1.769.304.000.000 21.310.925.000.000 0,08302

11 DLTA 277.616.552.000 248.441.252.000 29.175.300.000 1.719.814.548.000 0,01696

12 DPNS 23.006.862.464 6.530.804.861 16.476.057.603 146.690.966.909 0,11232

13 DVLA 196.165.866.000 119.207.439.000 76.958.427.000 1.087.379.869.000 0,07077

14 EKAD 51.909.591.793 28.582.923.169 23.326.668.624 385.037.050.333 0,06058

15 GGRM 6.025.681.000.000 3.953.574.000.000 2.072.107.000.000 49.028.696.000.000 0,04226

16 HMSP 13.297.916.000.000 4.087.495.000.000 9.210.421.000.000 66.626.123.000.000 0,13824

17 ICBP 2.849.250.000.000 3.053.526.000.000 (204.276.000.000) 21.716.913.000.000 -0,00941

18 IGAR 59.881.353.589 32.191.725.185 27.689.628.404 556.445.856.927 0,04976

No.Kode

Emiten

2012

87

Perhitungan Manajemen Laba (Lanjutan)


19 INAI 43.890.882.012 (99.406.551.083) 143.297.433.095 582.654.361.422 0,24594

20 INDF 6.877.782.000.000 7.419.046.000.000 (541.264.000.000) 50.201.548.000.000 -0,01078

21 INDS 213.681.715.810 110.147.042.438 103.534.673.372 1.476.987.701.603 0,07010

22 INTP 5.876.742.000.000 5.674.822.000.000 201.920.000.000 17.290.337.000.000 0,01168

23 ISSP 296.232.000.000 (774.453.000.000) 1.070.685.000.000 3.092.658.000.000 0,34620

24 JECC 66.525.861.000 (803.205.000) 67.329.066.000 1.234.827.852.000 0,05453

25 JPFA 1.758.223.000.000 296.845.000.000 1.461.378.000.000 17.832.702.000.000 0,08195

26 KAEF 285.156.855.442 230.612.654.491 54.544.200.951 3.734.241.101.309 0,01461

27 KBLI 176.639.260.799 9.504.674.795 167.134.586.004 2.273.197.243.380 0,07352

28 KLBF 2.251.061.699.120 1.376.343.990.025 874.717.709.095 13.636.405.178.957 0,06415

29 LION 96.532.395.163 66.606.219.113 29.926.176.050 333.921.950.207 0,08962

30 LMSH 45.212.510.135 10.588.729.023 34.623.781.112 223.079.062.667 0,15521

31 MERK 141.247.744.000 138.968.067.000 2.279.677.000 929.876.824.000 0,00245

32 MYOR 1.156.559.816.440 830.244.056.569 326.315.759.871 10.510.625.669.832 0,03105

33 RICY 48.814.225.075 43.323.124.958 5.491.100.117 749.972.702.550 0,00732

34 ROTI 199.403.319.484 189.548.542.813 9.854.776.671 1.190.825.893.340 0,00828

35 SCCO 226.772.678.462 137.153.872.387 89.618.806.075 3.542.885.004.273 0,02530

36 SIDO 505.839.000.000 (16.446.000.000) 522.285.000.000 2.391.667.000.000 0,21838

37 SKBM 75.968.373.082 (22.965.556.724) 98.933.929.806 753.709.821.608 0,13126

38 SKLT 12.951.397.729 15.259.831.786 (2.308.434.057) 401.724.215.506 -0,00575

39 SMBR 367.132.868.000 325.118.225.000 42.014.643.000 1.097.679.986.000 0,03828

40 SMCB 2.038.457.000.000 1.692.112.000.000 346.345.000.000 9.011.076.000.000 0,03844

No.Kode

Emiten

2012

88



41 SMGR 6.209.478.409.000 5.591.864.816.000 617.613.593.000 19.598.247.884.000 0,03151

42 SMSM 399.571.445.202 411.044.895.169 (11.473.449.967) 2.269.289.777.481 -0,00506

43 SQBB 176.634.998.000 138.285.657.000 38.349.341.000 387.535.486.000 0,09896

44 TCID 210.086.171.912 250.453.743.262 (40.367.571.350) 1.851.152.825.559 -0,02181

45 TOTO 344.431.810.140 188.137.480.794 156.294.329.346 1.576.763.006.759 0,09912

46 TRIS 62.625.798.846 3.685.573.499 58.940.225.347 558.886.515.975 0,10546

47 TRST 97.665.290.799 76.503.968.063 21.161.322.736 1.949.153.201.410 0,01086

48 TSPC 742.206.885.101 635.028.604.390 107.178.280.711 6.630.809.553.343 0,01616

49 ULTJ 429.341.499.878 500.334.201.664 (70.992.701.786) 2.809.851.307.439 -0,02527

50 UNVR 6.498.107.000.000 5.191.646.000.000 1.306.461.000.000 27.303.248.000.000 0,04785

51 WIIM 115.347.131.520 13.126.949.759 102.220.181.761 1.119.062.225.729 0,09134

No.Kode

Emiten

2012

89


NOI CFO TA SALES TA/SALES DA

1 AISA 613.233.000.000 78.729.000.000 534.504.000.000 4.056.735.000.000 0,13176 0,01113

2 AKPI 90.836.309.000 (24.262.141.000) 115.098.450.000 1.663.385.190.000 0,06920 0,01990

3 ALDO 37.855.123.171 39.652.190.973 (1.797.067.802) 399.345.658.763 -0,00450 -0,01363

4 AMFG 429.375.000.000 551.871.000.000 (122.496.000.000) 3.216.480.000.000 -0,03808 -0,05120

5 ARNA 321.296.916.741 278.878.036.499 42.418.880.242 1.417.640.229.330 0,02992 0,04183

6 ASII 27.498.000.000.000 21.250.000.000.000 6.248.000.000.000 193.880.000.000.000 0,03223 -0,07039

7 AUTO 1.200.751.000.000 551.756.000.000 648.995.000.000 10.701.988.000.000 0,06064 -0,03549

8 BATA 65.391.843.000 48.106.848.000 17.284.995.000 902.459.209.000 0,01915 -0,05243

9 CEKA 90.910.496.665 19.608.725.490 71.301.771.175 2.531.881.182.546 0,02816 0,10574

10 CPIN 3.578.297.000.000 2.061.273.000.000 1.517.024.000.000 25.662.992.000.000 0,05911 -0,02391

11 DLTA 342.655.692.000 348.712.041.000 (6.056.349.000) 2.001.358.536.000 -0,00303 -0,01999

12 DPNS 42.636.885.085 (660.730.802) 43.297.615.887 131.333.196.189 0,32968 0,21736

13 DVLA 167.079.175.000 106.931.180.000 60.147.995.000 1.101.684.170.000 0,05460 -0,01618

14 EKAD 55.482.362.222 23.212.236.950 32.270.125.272 418.668.758.096 0,07708 0,01650

15 GGRM 6.691.722.000.000 2.472.971.000.000 4.218.751.000.000 55.436.954.000.000 0,07610 0,03384

16 HMSP 14.529.919.000.000 10.802.179.000.000 3.727.740.000.000 75.025.207.000.000 0,04969 -0,08855

17 ICBP 2.771.924.000.000 1.993.496.000.000 778.428.000.000 25.094.681.000.000 0,03102 0,04043

18 IGAR 49.636.260.971 31.571.765.591 18.064.495.380 643.403.327.263 0,02808 -0,02169

19 INAI 34.559.748.890 77.754.740.234 (43.194.991.344) 640.702.671.875 -0,06742 -0,31336

20 INDF 6.111.866.000.000 6.928.790.000.000 (816.924.000.000) 55.623.657.000.000 -0,01469 -0,00390

21 INDS 204.426.295.797 255.755.973.870 (51.329.678.073) 1.702.447.098.851 -0,03015 -0,10025

22 INTP 6.064.100.000.000 5.419.268.000.000 644.832.000.000 18.691.286.000.000 0,03450 0,02282

No.Kode

Emiten

2013

90


23 ISSP 737.458.000.000 304.874.000.000 432.584.000.000 3.534.018.000.000 0,12241 -0,22380

24 JECC 80.288.160.000 (119.083.783.000) 199.371.943.000 1.490.073.098.000 0,13380 0,07928

25 JPFA 1.390.204.000.000 173.609.000.000 1.216.595.000.000 21.412.085.000.000 0,05682 -0,02513

26 KAEF 293.765.073.883 253.783.664.733 39.981.409.150 4.348.073.988.385 0,00920 -0,00541

27 KBLI 114.539.956.023 (27.123.241.057) 141.663.197.080 2.572.350.076.614 0,05507 -0,01845

28 KLBF 2.550.739.699.214 927.163.654.212 1.623.576.045.002 16.002.131.057.048 0,10146 0,03731

29 LION 74.474.759.836 52.556.704.619 21.918.055.217 333.674.349.966 0,06569 -0,02393

30 LMSH 18.045.128.623 13.814.790.256 4.230.338.367 256.210.760.822 0,01651 -0,13870

31 MERK 193.612.301.000 133.099.062.000 60.513.239.000 805.746.000.000 0,07510 0,07265

32 MYOR 1.304.809.297.689 987.023.231.523 317.786.066.166 12.017.837.133.337 0,02644 -0,00460

33 RICY 116.228.330.066 (84.879.758.265) 201.108.088.331 984.185.102.135 0,20434 0,19702

34 ROTI 232.391.343.341 314.587.624.896 (82.196.281.555) 1.505.519.937.691 -0,05460 -0,06287

35 SCCO 150.229.334.310 20.804.645.848 129.424.688.462 3.751.042.310.613 0,03450 0,00921

36 SIDO 587.583.000.000 (64.246.000.000) 651.829.000.000 2.372.364.000.000 0,27476 0,05638

37 SKBM 86.969.634.466 19.468.048.071 67.501.586.395 1.296.618.257.503 0,05206 -0,07920

38 SKLT 19.691.180.004 26.893.558.457 (7.202.378.453) 567.048.547.543 -0,01270 -0,00696

39 SMBR 329.178.007.000 309.039.867.000 20.138.140.000 1.168.607.832.000 0,01723 -0,02104

40 SMCB 1.848.668.000.000 2.262.247.000.000 (413.579.000.000) 9.686.262.000.000 -0,04270 -0,08113

41 SMGR 7.097.534.809.000 6.047.147.495.000 1.050.387.314.000 24.501.240.780.000 0,04287 0,01136

42 SMSM 492.300.000.000 448.032.000.000 44.268.000.000 2.381.889.000.000 0,01859 0,02364

43 SQBB 196.170.554.000 153.706.638.000 42.463.916.000 426.436.344.000 0,09958 0,00062

44 TCID 225.888.984.284 253.851.906.566 (27.962.922.282) 2.027.899.402.527 -0,01379 0,00802

91



45 TOTO 332.815.933.721 320.627.072.830 12.188.860.891 1.711.306.783.682 0,00712 -0,09200

46 TRIS 63.537.646.219 22.118.879.879 41.418.766.340 709.945.585.382 0,05834 -0,04712

47 TRST 97.052.146.319 111.913.265.220 (14.861.118.901) 2.033.149.367.039 -0,00731 -0,01817

48 TSPC 757.545.657.830 448.669.480.614 308.876.177.216 6.854.889.233.121 0,04506 0,02890

49 ULTJ 423.195.023.125 195.989.263.645 227.205.759.480 3.460.231.249.075 0,06566 0,09093

50 UNVR 7.164.445.000.000 6.236.304.000.000 928.141.000.000 30.757.435.000.000 0,03018 -0,01767

51 WIIM 180.201.164.378 (33.786.467.879) 213.987.632.257 1.588.022.200.150 0,13475 0,04341

No.Kode

Emiten

2013

92



1 AISA 679.440.000.000 353.530.000.000 325.910.000.000 5.139.974.000.000 0,06341 -0,06835

2 AKPI 103.614.082.000 374.353.068.000 (270.738.986.000) 1.945.383.031.000 -0,13917 -0,20837

3 ALDO 35.846.511.804 470.702.303 35.375.809.501 493.881.857.454 0,07163 0,07613

4 AMFG 562.994.000.000 564.250.000.000 (1.256.000.000) 3.672.186.000.000 -0,00034 0,03774

5 ARNA 352.131.191.348 238.937.995.916 113.193.195.432 1.609.758.677.687 0,07032 0,04039

6 ASII 26.907.000.000.000 26.290.000.000.000 617.000.000.000 201.701.000.000.000 0,00306 -0,02917

7 AUTO 1.079.198.000.000 264.565.000.000 814.633.000.000 12.255.427.000.000 0,06647 0,00583

8 BATA 103.833.210.000 62.179.864.000 41.653.346.000 1.008.727.515.000 0,04129 0,02214

9 CEKA 97.261.457.420 (147.806.952.847) 245.068.410.267 3.701.868.790.192 0,06620 0,03804

10 CPIN 2.638.201.000.000 462.975.000.000 2.175.226.000.000 29.150.275.000.000 0,07462 0,01551

11 DLTA 356.127.370.000 164.246.813.000 191.880.557.000 2.111.639.244.000 0,09087 0,09389

12 DPNS 17.194.970.495 6.455.175.786 10.739.794.709 132.775.925.237 0,08089 -0,24879

13 DVLA 95.361.573.000 104.436.317.000 (9.074.744.000) 1.103.821.775.000 -0,00822 -0,06282

14 EKAD 63.444.883.294 4.641.305.865 58.803.577.429 526.573.620.057 0,11167 0,03459

15 GGRM 8.626.524.000.000 1.657.776.000.000 6.968.748.000.000 65.185.850.000.000 0,10691 0,03081

16 HMSP 13.708.250.000.000 11.103.195.000.000 2.605.055.000.000 80.690.139.000.000 0,03228 -0,01740

17 ICBP 3.185.348.000.000 3.860.843.000.000 (675.495.000.000) 30.022.463.000.000 -0,02250 -0,05352

18 IGAR 77.612.794.091 25.762.820.842 51.849.973.249 737.863.227.409 0,07027 0,04219

19 INAI 30.956.185.792 42.164.840.053 (11.208.654.261) 933.462.438.255 -0,01201 0,05541

20 INDF 7.319.620.000.000 9.269.318.000.000 (1.949.698.000.000) 63.594.452.000.000 -0,03066 -0,01597

21 INDS 183.511.738.808 65.911.208.643 117.600.530.165 1.866.977.260.105 0,06299 0,09314

22 INTP 6.000.869.000.000 5.346.841.000.000 654.028.000.000 19.996.264.000.000 0,03271 -0,00179

No.Kode

Emiten

2014

93



23 ISSP 723.091.000.000 (191.012.000.000) 914.103.000.000 3.367.873.000.000 0,27142 0,14901

24 JECC 80.266.255.000 42.230.169.000 38.036.086.000 1.493.012.114.000 0,02548 -0,10832

25 JPFA 1.284.625.000.000 15.705.340.000.000 (14.420.715.000.000) 24.458.880.000.000 -0,58959 -0,64641

26 KAEF 370.887.337.628 286.309.255.381 84.578.082.247 4.521.024.379.760 0,01871 0,00951

27 KBLI 105.663.934.755 170.079.674.604 (64.415.739.849) 2.384.078.038.239 -0,02702 -0,08209

28 KLBF 2.738.788.306.029 2.316.125.821.045 422.662.484.984 17.368.532.547.558 0,02433 -0,07713

29 LION 51.999.292.436 60.865.531.678 (8.866.239.242) 377.622.622.150 -0,02348 -0,08917

30 LMSH 8.900.055.408 9.999.770.412 (1.099.715.004) 249.072.012.369 -0,00442 -0,02093

31 MERK 201.335.579.000 289.725.783.000 (88.390.204.000) 863.207.535.000 -0,10240 -0,17750

32 MYOR 890.864.034.001 (862.339.383.145) 1.753.203.417.146 14.169.088.278.238 0,12373 0,09729

33 RICY 62.617.083.162 47.145.296.495 15.471.786.667 1.185.443.580.242 0,01305 -0,19129

34 ROTI 298.723.125.627 364.975.619.113 (66.252.493.486) 1.880.262.901.697 -0,03524 0,01936

35 SCCO 219.019.674.199 62.171.128.817 156.848.545.382 3.703.267.949.291 0,04235 0,00785

36 SIDO 444.446.000.000 369.322.000.000 75.124.000.000 2.197.907.000.000 0,03418 -0,24058

37 SKBM 120.801.567.015 43.837.497.229 76.964.069.786 1.480.764.903.724 0,05198 -0,00008

38 SKLT 27.070.788.218 23.398.218.902 3.672.569.316 681.419.524.161 0,00539 0,01809

39 SMBR 253.293.742.000 305.716.048.000 (52.422.306.000) 1.214.914.932.000 -0,04315 -0,06038

40 SMCB 1.204.775.000.000 1.709.438.000.000 (504.663.000.000) 9.483.612.000.000 -0,05321 -0,01052

No.Kode

Emiten

2014

94



41 SMGR 7.174.124.990.000 6.245.841.812.000 928.283.178.000 26.987.035.135.000 0,03440 -0,00847

42 SMSM 567.043.000.000 449.864.000.000 117.179.000.000 2.632.860.000.000 0,04451 0,02592

43 SQBB 214.630.335.000 139.913.445.000 74.716.890.000 497.501.571.000 0,15018 0,05061

44 TCID 256.515.458.677 123.551.162.065 132.964.296.612 2.308.203.551.971 0,05761 0,07139

45 TOTO 393.676.050.477 307.708.638.190 85.967.412.287 2.053.630.374.083 0,04186 0,03474

46 TRIS 53.521.363.622 51.371.394 53.469.992.228 746.828.922.732 0,07160 0,01326

47 TRST 106.168.729.626 236.909.957.713 (130.741.228.087) 2.507.884.797.367 -0,05213 -0,04482

48 TSPC 673.824.677.238 512.956.089.428 160.868.587.810 7.512.115.037.587 0,02141 -0,02364

49 ULTJ 373.727.225.155 128.022.639.236 245.704.585.919 3.916.789.366.423 0,06273 -0,00293

50 UNVR 8.013.258.000.000 6.462.722.000.000 1.550.536.000.000 34.511.534.000.000 0,04493 0,01475

51 WIIM 162.779.528.379 44.609.246.858 118.170.281.521 1.661.533.200.316 0,07112 -0,06363

No.Kode

Emiten

2014

95



1 AISA 739.434.000.000 399.185.000.000 340.249.000.000 6.010.895.000.000 0,05661 -0,00680

2 AKPI 89.809.475.000 (50.796.252.000) 140.605.727.000 2.017.466.511.000 0,06969 0,20886

3 ALDO 42.225.063.206 2.204.123.679 40.020.939.527 538.363.112.800 0,07434 0,00271

4 AMFG 428.692.000.000 366.837.000.000 61.855.000.000 3.665.989.000.000 0,01687 0,01721

5 ARNA 102.382.257.094 111.918.147.182 (9.535.890.088) 1.291.926.384.471 -0,00738 -0,07770

6 ASII 19.485.000.000.000 25.899.000.000.000 (6.414.000.000.000) 184.196.000.000.000 -0,03482 -0,03788

7 AUTO 527.359.000.000 866.768.000.000 (339.409.000.000) 11.723.787.000.000 -0,02895 -0,09542

8 BATA 154.895.182.000 (19.631.483.000) 174.526.665.000 1.028.850.578.000 0,16963 0,12834

9 CEKA 167.545.451.595 168.614.370.234 (1.068.918.639) 3.485.733.830.354 -0,00031 -0,06651

10 CPIN 3.391.653.000.000 1.782.400.000.000 1.609.253.000.000 29.920.628.000.000 0,05378 -0,02084

11 DLTA 226.879.654.000 246.625.414.000 (19.745.760.000) 1.573.137.749.000 -0,01255 -0,10342

12 DPNS 11.832.026.060 5.105.993.427 6.726.032.633 118.475.319.120 0,05677 -0,02412

13 DVLA 126.738.358.000 214.166.823.000 (87.428.465.000) 1.306.098.136.000 -0,06694 -0,05872

14 EKAD 71.038.260.219 100.935.448.358 (29.897.188.139) 531.537.606.573 -0,05625 -0,16792

15 GGRM 10.064.867.000.000 3.200.820.000.000 6.864.047.000.000 70.365.573.000.000 0,09755 -0,00936

16 HMSP 13.971.956.000.000 811.163.000.000 13.160.793.000.000 89.069.306.000.000 0,14776 0,11547

17 ICBP 3.992.132.000.000 3.485.533.000.000 506.599.000.000 31.741.094.000.000 0,01596 0,03846

18 IGAR 62.821.734.113 80.061.208.533 (17.239.474.420) 677.331.846.043 -0,02545 -0,09572

19 INAI 73.476.054.228 47.011.856.454 26.464.197.774 1.384.675.922.166 0,01911 0,03112

20 INDF 7.362.895.000.000 3.485.533.000.000 3.877.362.000.000 64.061.947.000.000 0,06053 0,09118

21 INDS 42.060.367.453 110.641.662.962 (68.581.295.509) 1.659.505.639.261 -0,04133 -0,10432

22 INTP 5.056.930.000.000 5.049.117.000.000 7.813.000.000 17.798.055.000.000 0,00044 -0,03227

No.Kode

Emiten

2015

96



23 ISSP 1.012.094.000.000 176.316.000.000 835.778.000.000 3.583.541.000.000 0,23323 -0,03819

24 JECC 56.060.248.000 21.550.154.000 34.510.094.000 1.663.335.876.000 0,02075 -0,00473

25 JPFA 1.727.943.000.000 1.452.924.000.000 275.019.000.000 25.022.913.000.000 0,01099 0,60058

26 KAEF 391.046.821.297 175.966.862.349 215.079.958.948 4.860.371.483.524 0,04425 0,02554

27 KBLI 168.688.485.812 46.127.980.815 122.560.504.997 2.662.038.531.021 0,04604 0,07306

28 KLBF 2.734.665.735.736 2.427.641.532.150 307.024.203.586 17.887.464.223.321 0,01716 -0,00717

29 LION 49.998.708.338 49.505.778.072 492.930.266 389.251.192.409 0,00127 0,02475

30 LMSH 1.732.694.473 10.910.801.951 (9.178.107.478) 174.598.965.938 -0,05257 -0,04815

31 MERK 186.513.979.000 203.711.206.000 (17.197.227.000) 983.446.471.000 -0,01749 0,08491

32 MYOR 1.862.620.832.987 2.336.785.497.955 (474.164.664.968) 14.818.730.635.847 -0,03200 -0,15573

33 RICY 100.075.117.538 133.252.610.462 (33.177.492.924) 1.111.051.293.008 -0,02986 -0,04291

34 ROTI 453.658.490.001 555.511.840.614 (101.853.350.613) 2.174.501.712.899 -0,04684 -0,01160

35 SCCO 235.865.275.510 197.980.124.011 37.885.151.499 3.533.081.041.052 0,01072 -0,03163

36 SIDO 489.629.000.000 432.896.000.000 56.733.000.000 2.218.536.000.000 0,02557 -0,00861

37 SKBM 64.528.619.399 62.469.996.482 2.058.622.917 1.362.245.580.664 0,00151 -0,05046

38 SKLT 33.586.321.507 29.666.923.359 3.919.398.148 745.107.731.208 0,00526 -0,00013

39 SMBR 323.263.355.000 522.628.119.000 (199.364.764.000) 1.461.248.284.000 -0,13643 -0,09329

40 SMCB 909.489.000.000 533.786.000.000 375.703.000.000 9.239.022.000.000 0,04066 0,09388

No.Kode

Emiten

2015

97



41 SMGR 5.979.852.457.000 7.288.586.537.000 (1.308.734.080.000) 26.948.004.471.000 -0,04857 -0,08296

42 SMSM 602.997.000.000 531.987.000.000 71.010.000.000 2.802.924.000.000 0,02533 -0,01917

43 SQBB 190.946.493.000 179.485.976.000 11.460.517.000 514.708.068.000 0,02227 -0,12792

44 TCID 218.680.216.268 120.781.612.127 97.898.604.141 2.314.889.854.074 0,04229 -0,01531

45 TOTO 395.719.050.145 239.811.138.479 155.907.911.666 2.278.673.871.193 0,06842 0,02656

46 TRIS 60.428.931.664 63.376.934.300 (2.948.002.636) 859.743.472.895 -0,00343 -0,07502

47 TRST 88.746.155.513 135.020.261.491 (46.274.105.978) 2.457.349.444.991 -0,01883 0,03330

48 TSPC 692.244.770.026 778.361.981.647 (86.117.211.621) 8.181.481.867.179 -0,01053 -0,03194

49 ULTJ 692.865.656.136 669.463.282.890 23.402.373.246 4.393.932.684.171 0,00533 -0,05741

50 UNVR 7.939.401.000.000 6.299.051.000.000 1.640.350.000.000 36.484.030.000.000 0,04496 0,00003

51 WIIM 200.720.211.666 62.869.126.110 137.851.085.556 1.597.736.461.981 0,08628 0,01516

No.Kode

Emiten

2015

98

Perhitungan Assets Growth (AGROW)

AGROW = Total Assetst - Total Assetst-1 / Total Assetst

2012 2013 2014 2015 2013 2014 2015

1 AISA 3.867.576.000.000 5.025.778.000.000 7.373.868.000.000 9.060.980.000.000 0,23045 0,31843 0,18620

2 AKPI 1.714.834.430.000 2.084.567.189.000 2.227.042.590.000 2.883.143.132.000 0,17737 0,06398 0,22756

3 ALDO 216.293.168.908 290.641.923.909 346.674.687.826 366.010.819.198 0,25581 0,16163 0,05283

4 AMFG 3.115.421.000.000 3.539.393.000.000 3.946.125.000.000 4.270.275.000.000 0,11979 0,10307 0,07591

5 ARNA 937.359.770.277 1.137.496.408.849 1.259.938.133.543 1.430.779.475.454 0,17594 0,09718 0,11940

6 ASII 182.274.000.000.000 213.994.000.000.000 236.027.000.000.000 245.435.000.000.000 0,14823 0,09335 0,03833

7 AUTO 8.807.056.000.000 12.484.843.000.000 14.387.568.000.000 14.339.110.000.000 0,29458 0,13225 -0,00338

8 BATA 574.107.994.000 680.685.060.000 774.891.087.000 795.257.974.000 0,15657 0,12157 0,02561

9 CEKA 1.027.692.718.504 1.069.627.299.747 1.284.150.037.341 1.485.826.210.015 0,03920 0,16705 0,13573

10 CPIN 12.348.627.000.000 15.704.502.000.000 21.083.004.000.000 24.916.656.000.000 0,21369 0,25511 0,15386

11 DLTA 745.306.835.000 872.682.405.000 997.443.167.000 1.038.321.916.000 0,14596 0,12508 0,03937

12 DPNS 184.533.123.832 256.396.781.317 268.891.042.610 274.483.110.371 0,28028 0,04647 0,02037

13 DVLA 1.074.691.476.000 1.195.106.672.000 1.241.239.780.000 1.376.278.237.000 0,10076 0,03717 0,09812

14 EKAD 273.893.467.429 345.382.428.491 411.726.182.748 389.691.595.500 0,20698 0,16114 -0,05654

15 GGRM 41.509.325.000.000 50.771.650.000.000 58.234.278.000.000 63.505.413.000.000 0,18243 0,12815 0,08300

16 HMSP 26.247.527.000.000 27.404.594.000.000 28.380.630.000.000 38.010.724.000.000 0,04222 0,03439 0,25335

17 ICBP 17.819.884.000.000 21.410.331.000.000 25.029.488.000.000 26.560.624.000.000 0,16770 0,14460 0,05765

18 IGAR 312.342.760.278 314.988.024.203 350.619.526.939 383.936.040.590 0,00840 0,10162 0,08678

19 INAI 612.224.219.835 761.190.859.180 893.663.745.450 1.330.259.296.537 0,19570 0,14824 0,32820

20 INDF 59.389.405.000.000 77.777.940.000.000 86.077.251.000.000 91.831.526.000.000 0,23642 0,09642 0,06266

No.Kode

Emiten

TOTAL ASSETS AGROW

99

Perhitungan Assets Growth (AGROW) (Lanjutan)

2012 2013 2014 2015 2013 2014 2015

21 INDS 1.664.779.358.215 2.196.518.364.473 2.282.666.078.493 2.553.928.346.219 0,24208 0,03774 0,10621

22 INTP 22.755.160.000.000 26.610.663.000.000 28.884.635.000.000 27.638.360.000.000 0,14489 0,07873 -0,04509

23 ISSP 3.282.806.000.000 4.393.577.000.000 5.443.158.000.000 5.447.784.000.000 0,25282 0,19283 0,00085

24 JECC 708.955.186.000 1.240.064.675.000 1.064.129.232.000 1.358.464.081.000 0,42829 -0,16533 0,21667

25 JPFA 10.961.464.000.000 14.935.696.000.000 15.758.959.000.000 17.159.466.000.000 0,26609 0,05224 0,08162

26 KAEF 2.076.347.580.785 2.514.724.243.714 3.194.664.199.612 3.434.879.313.034 0,17432 0,21284 0,06993

27 KBLI 1.161.698.219.225 1.345.309.104.201 1.340.881.252.563 1.551.799.840.976 0,13648 -0,00330 0,13592

28 KLBF 9.417.957.180.958 11.319.399.302.160 12.439.267.396.015 13.696.417.381.439 0,16798 0,09003 0,09179

29 LION 433.497.042.140 503.407.647.198 605.165.911.239 639.330.150.373 0,13887 0,16815 0,05344

30 LMSH 128.547.715.366 142.734.484.596 141.034.984.628 133.782.751.041 0,09939 -0,01205 -0,05421

31 MERK 569.430.951.000 699.477.946.000 711.055.830.000 641.646.818.000 0,18592 0,01628 -0,10817

32 MYOR 8.302.506.241.903 9.712.968.922.685 10.297.997.020.540 11.342.715.686.221 0,14521 0,05681 0,09210

33 RICY 842.498.674.322 1.109.903.410.262 1.172.012.468.004 1.198.193.867.892 0,24093 0,05299 0,02185

34 ROTI 1.204.944.681.223 1.822.689.047.108 2.142.894.276.216 2.706.323.637.034 0,33892 0,14943 0,20819

35 SCCO 1.486.921.371.360 1.762.032.300.123 1.656.007.190.010 1.773.144.328.632 0,15613 -0,06402 0,06606

36 SIDO 2.150.999.000.000 2.955.458.000.000 2.820.273.000.000 2.796.111.000.000 0,27219 -0,04793 -0,00864

37 SKBM 288.961.557.631 499.997.370.130 652.976.510.619 764.484.248.710 0,42207 0,23428 0,14586

38 SKLT 249.746.467.756 304.009.369.369 336.932.338.819 377.110.748.359 0,17849 0,09771 0,10654

39 SMBR 1.198.586.407.000 2.711.416.335.000 2.928.480.366.000 3.268.667.933.000 0,55795 0,07412 0,10408

40 SMCB 12.168.517.000.000 14.897.220.000.000 17.199.304.000.000 17.370.875.000.000 0,18317 0,13385 0,00988

No.Kode

Emiten

TOTAL ASSETS AGROW

100

Perhitungan Assets Growth (AGROW) (Lanjutan)

2012 2013 2014 2015 2013 2014 2015

41 SMGR 26.579.083.786.000 30.833.102.777.000 34.331.674.737.000 38.153.118.932.000 0,13797 0,10191 0,10016

42 SMSM 1.565.184.000.000 1.717.857.000.000 1.757.634.000.000 2.220.108.000.000 0,08887 0,02263 0,20831

43 SQBB 397.144.458.000 421.187.982.000 459.352.720.000 464.027.522.000 0,05709 0,08308 0,01007

44 TCID 1.261.572.952.461 1.473.919.541.356 1.863.679.837.324 2.082.096.848.703 0,14407 0,20913 0,10490

45 TOTO 1.522.663.914.388 1.763.702.205.521 2.062.386.924.390 2.439.540.859.205 0,13667 0,14482 0,15460

46 TRIS 385.193.553.451 475.381.602.732 521.920.090.728 574.346.433.075 0,18972 0,08917 0,09128

47 TRST 2.188.129.039.119 3.260.919.505.192 3.261.285.495.052 3.357.359.499.954 0,32898 0,00011 0,02862

48 TSPC 4.632.984.970.719 5.417.059.772.651 5.609.556.653.195 6.284.729.099.203 0,14474 0,03432 0,10743

49 ULTJ 2.420.793.382.029 2.812.056.096.621 2.918.133.278.435 3.539.995.910.248 0,13914 0,03635 0,17567

50 UNVR 11.339.111.000.000 12.703.468.000.000 14.280.670.000.000 15.729.945.000.000 0,10740 0,11044 0,09213

51 WIIM 1.207.251.153.900 1.232.930.133.158 1.334.544.790.387 1.342.700.045.391 0,02083 0,07614 0,00607

No.Kode

Emiten

TOTAL ASSETS AGROW

101

Perhitungan Return on Assets (ROA)

ROA = EARNINGS AFTER TAXt-1 / TOTAL ASSETSt-1

2012 2013 2014 2012 2013 2014 2013 2014 2015

1 AISA 253.664.000.000 346.728.000.000 377.911.000.000 3.867.576.000.000 5.025.778.000.000 7.373.868.000.000 0,06559 0,06899 0,05125

2 AKPI 58.038.100.000 34.620.336.000 34.659.623.000 1.714.834.430.000 2.084.567.189.000 2.227.042.590.000 0,03384 0,01661 0,01556

3 ALDO 13.327.139.458 22.589.101.552 21.070.935.796 216.293.168.908 290.641.923.909 346.674.687.826 0,06162 0,07772 0,06078

4 AMFG 346.609.000.000 338.258.000.000 464.152.000.000 3.115.421.000.000 3.561.684.000.000 3.946.125.000.000 0,11126 0,09497 0,11762

5 ARNA 158.684.349.130 237.697.913.883 261.879.784.046 937.359.770.277 1.137.496.408.849 1.259.938.133.543 0,16929 0,20897 0,20785

6 ASII 22.742.000.000 22.297.000.000.000 22.131.000.000.000 182.274.000.000.000 213.994.000.000.000 236.027.000.000.000 0,00012 0,10419 0,09376

7 AUTO 1.135.914.000.000 999.766.000.000 954.086.000.000 8.807.056.000.000 12.484.843.000.000 14.387.568.000.000 0,12898 0,08008 0,06631

8 BATA 69.343.398.000 44.373.679.000 71.246.429.000 574.107.994.000 680.685.060.000 774.891.087.000 0,12078 0,06519 0,09194

9 CEKA 58.344.237.476 65.068.958.558 41.001.414.954 1.027.692.718.504 1.069.627.299.747 1.284.150.037.341 0,05677 0,06083 0,03193

10 CPIN 2.680.872.000.000 2.528.690.000.000 1.745.724.000.000 12.348.627.000.000 15.704.502.000.000 21.083.004.000.000 0,21710 0,16102 0,08280

11 DLTA 213.421.077.000 270.498.062.000 288.499.375.000 745.306.835.000 872.682.405.000 997.443.167.000 0,28635 0,30996 0,28924

12 DPNS 20.608.530.035 66.813.230.321 14.528.830.097 184.533.123.832 256.396.781.317 268.891.042.610 0,11168 0,26059 0,05403

13 DVLA 148.909.089.000 125.796.473.000 81.597.761.000 1.074.691.476.000 1.195.106.672.000 1.241.239.780.000 0,13856 0,10526 0,06574

14 EKAD 38.197.747.370 39.450.652.821 40.985.863.205 273.893.467.429 345.382.428.491 411.726.182.748 0,13946 0,11422 0,09955

15 GGRM 406.871.000.000 4.383.932.000.000 5.432.667.000.000 41.509.325.000.000 50.771.650.000.000 58.234.278.000.000 0,00980 0,08635 0,09329

16 HMSP 9.945.296.000.000 10.818.486.000.000 10.181.083.000.000 26.247.527.000.000 27.404.594.000.000 28.380.630.000.000 0,37890 0,39477 0,35873

17 ICBP 2.282.371.000.000 2.235.040.000.000 2.574.172.000.000 17.819.884.000.000 21.410.331.000.000 25.029.488.000.000 0,12808 0,10439 0,10285

18 IGAR 44.607.701.387 35.030.416.158 55.155.278.768 312.342.760.278 314.988.024.203 350.619.526.939 0,14282 0,11121 0,15731

19 INAI 23.155.488.541 5.019.540.731 22.415.476.342 612.224.219.835 761.190.859.180 893.663.745.450 0,03782 0,00659 0,02508

20 INDF 4.779.446.000.000 3.416.635.000.000 5.229.489.000.000 59.389.405.000.000 77.777.940.000.000 86.077.251.000.000 0,08048 0,04393 0,06075

ROANo.

Kode

Emiten

EAT TOTAL ASSETS

102

Perhitungan Return on Assets (ROA) (Lanjutan)

2012 2013 2014 2012 2013 2014 2013 2014 2015

21 INDS 134.068.283.255 147.608.449.013 127.819.512.585 1.664.779.358.215 2.196.518.364.473 2.282.666.078.493 0,08053 0,06720 0,05600

22 INTP 4.763.388.000.000 5.012.294.000.000 5.293.416.000.000 22.755.160.000.000 26.610.663.000.000 28.884.635.000.000 0,20933 0,18836 0,18326

23 ISSP 111.186.000.000 203.561.000.000 214.895.000.000 3.282.806.000.000 4.393.577.000.000 5.443.158.000.000 0,03387 0,04633 0,03948

24 JECC 31.770.770.000 22.553.551.000 23.904.334.000 708.955.186.000 1.240.064.675.000 1.064.129.232.000 0,04481 0,01819 0,02246

25 JPFA 1.074.577.000.000 640.637.000.000 391.866.000.000 10.961.464.000.000 14.935.696.000.000 15.758.959.000.000 0,09803 0,04289 0,02487

26 KAEF 205.763.997.378 215.642.329.977 257.836.015.297 2.076.347.580.785 2.514.724.243.714 3.012.778.637.568 0,09910 0,08575 0,08558

27 KBLI 125.181.635.828 73.530.280.777 72.026.856.790 1.161.698.219.225 1.345.309.104.201 1.340.881.252.563 0,10776 0,05466 0,05372

28 KLBF 1.775.098.847.932 1.970.452.449.686 2.122.677.647.816 9.417.957.180.958 11.319.399.302.160 12.439.267.396.015 0,18848 0,17408 0,17064

29 LION 85.373.721.654 64.761.350.816 48.712.977.670 433.497.042.140 503.407.647.198 605.165.911.239 0,19694 0,12865 0,08050

30 LMSH 41.282.515.026 14.382.899.194 7.605.091.176 128.547.715.366 142.734.484.596 141.034.984.628 0,32115 0,10077 0,05392

31 MERK 107.808.155.000 175.444.757.000 182.147.224.000 569.430.951.000 699.477.946.000 711.055.830.000 0,18933 0,25082 0,25616

32 MYOR 744.428.404.309 1.013.558.238.779 409.618.689.484 8.302.506.241.903 9.712.968.922.685 10.297.997.020.540 0,08966 0,10435 0,03978

33 RICY 16.978.453.068 8.720.546.989 15.124.699.961 842.498.674.322 1.109.903.410.262 1.172.012.468.004 0,02015 0,00786 0,01290

34 ROTI 149.149.548.025 158.015.270.921 188.648.345.876 1.204.944.681.223 1.822.689.047.108 2.142.894.276.216 0,12378 0,08669 0,08803

35 SCCO 169.741.648.691 104.962.314.423 137.618.900.727 1.486.921.371.360 1.762.032.300.123 1.656.007.190.010 0,11416 0,05957 0,08310

36 SIDO 387.538.000.000 405.943.000.000 417.511.000.000 2.150.999.000.000 2.955.458.000.000 2.820.273.000.000 0,18017 0,13735 0,14804

37 SKBM 12.703.059.881 58.266.986.267 90.094.363.594 288.961.557.631 499.997.370.130 652.976.510.619 0,04396 0,11653 0,13797

38 SKLT 7.962.693.771 11.440.014.188 16.855.973.113 249.746.467.756 304.009.369.369 336.932.338.819 0,03188 0,03763 0,05003

39 SMBR 298.512.523.000 312.183.836.000 335.954.862.000 1.198.586.407.000 2.711.416.335.000 2.928.480.366.000 0,24905 0,11514 0,11472

40 SMCB 1.350.791.000.000 952.305.000.000 659.867.000.000 12.168.517.000.000 14.897.220.000.000 17.199.304.000.000 0,11101 0,06393 0,03837

ROANo.

Kode

Emiten

EAT TOTAL ASSETS

103

Perhitungan Return on Assets (ROA) (Lanjutan)

2012 2013 2014 2012 2013 2014 2013 2014 2015

41 SMGR 4.847.252.000.000 5.354.298.521.000 5.567.659.839.000 26.579.083.786.000 30.833.102.777.000 34.331.674.737.000 0,18237 0,17365 0,16217

42 SMSM 254.635.403.407 338.223.000.000 421.095.000.000 1.565.184.000.000 1.717.857.000.000 1.757.634.000.000 0,16269 0,19689 0,23958

43 SQBB 135.248.606.000 149.521.096.000 164.808.009.000 397.144.458.000 421.187.982.000 459.352.720.000 0,34055 0,35500 0,35878

44 TCID 150.373.851.969 160.148.465.833 175.828.646.432 1.261.572.952.461 1.473.919.541.356 1.863.679.837.324 0,11920 0,10865 0,09434

45 TOTO 236.846.843.367 236.557.513.162 295.861.032.723 1.522.663.914.388 1.763.702.205.521 2.062.386.924.390 0,15555 0,13413 0,14346

46 TRIS 44.393.034.558 51.984.966.129 36.522.815.125 385.193.553.451 475.381.602.732 521.920.090.728 0,11525 0,10935 0,06998

47 TRST 61.453.058.755 32.965.552.359 30.256.039.162 2.188.129.039.119 3.260.919.505.192 3.261.285.495.052 0,02808 0,01011 0,00928

48 TSPC 635.176.093.653 638.535.108.795 585.790.816.012 4.632.984.970.719 5.417.059.772.651 5.609.556.653.195 0,13710 0,11787 0,10443

49 ULTJ 353.431.619.485 325.127.420.664 283.061.430.451 2.420.793.382.029 2.812.056.096.621 2.918.133.278.435 0,14600 0,11562 0,09700

50 UNVR 4.839.145.000.000 5.352.625.000.000 5.926.720.000.000 11.339.111.000.000 12.703.468.000.000 14.280.670.000.000 0,42677 0,42135 0,41502

51 WIIM 77.301.783.553 132.322.207.861 112.673.763.260 1.207.251.153.900 1.232.930.133.158 1.334.544.790.387 0,06403 0,10732 0,08443

ROANo.

Kode

Emiten

EAT TOTAL ASSETS

104

Perhitungan Dividend

DIV = DIVIDEN PAID/EAT

2013 2014 2015 2013 2014 2015 2013 2014 2015

1 AISA 23.408.000.000 0 24.871.000.000 346.728.000.000 377.911.000.000 373.750.000.000 0,067511 0,00000 0,066544

2 AKPI 0 10.408.218.000 4.897.986.000 34.620.336.000 34.659.623.000 27.644.714.000 0,00000 0,300298 0,177176

3 ALDO 0 825.000.000 0 22.589.101.552 21.070.935.796 24.079.122.338 0,00000 0,039153 0,00000

4 AMFG 34.720.000.000 34.720.000.000 34.720.000.000 338.258.000.000 464.152.000.000 341.346.000.000 0,102644 0,074803 0,101715

5 ARNA 74.043.709.760 117.910.395.616 88.171.671.712 237.697.913.883 261.879.784.046 71.209.943.348 0,311503 0,450246 1,238193

6 ASII 10.017.000.000.000 10.201.000.000.000 10.585.000.000.000 22.297.000.000.000 22.131.000.000.000 15.613.000.000.000 0,449253 0,460937 0,677961

7 AUTO 439.534.000.000 544.987.000.000 298.825.000.000 999.766.000.000 954.086.000.000 322.701.000.000 0,439637 0,571214 0,926012

8 BATA 34.319.952.000 38.862.117.000 6.646.555.000 44.373.679.000 71.246.429.000 129.519.446.000 0,77343 0,545461 0,051317

9 CEKA 0 29.659.570.000 0 65.068.958.558 41.001.414.954 106.549.446.980 0,00000 0,723379 0,00000

10 CPIN 754.362.000.000 754.361.000.000 295.189.000.000 2.528.690.000.000 1.745.724.000.000 1.832.598.000.000 0,298321 0,432119 0,161077

11 DLTA 191.869.037.000 144.831.127.000 156.878.293.000 270.498.062.000 288.499.375.000 192.045.199.000 0,709318 0,502015 0,816882

12 DPNS 4.550.539.979 6.054.353.979 4.540.310.892 66.813.230.321 14.528.830.097 9.859.176.172 0,068108 0,416713 0,460516

13 DVLA 52.640.000.000 24.640.000.000 78.114.771.000 125.796.473.000 81.597.761.000 107.894.430.000 0,418454 0,301969 0,723993

14 EKAD 5.386.394.863 6.050.898.969 6.050.347.212 39.450.652.821 40.985.863.205 47.040.256.456 0,136535 0,147634 0,128621

15 GGRM 1.571.975.000.000 1.582.869.000.000 1.567.967.000.000 4.383.932.000.000 5.432.667.000.000 6.452.834.000.000 0,358577 0,291361 0,242989

16 HMSP 9.945.027.000.000 10.650.690.000.000 12.250.485.000.000 10.818.486.000.000 10.181.083.000.000 10.363.308.000.000 0,919262 1,046125 1,182102

17 ICBP 1.116.480.000.000 1.128.410.000.000 1.320.458.000.000 2.235.040.000.000 2.574.172.000.000 2.923.148.000.000 0,499535 0,438358 0,451725

18 IGAR 51.185.477.529 17.156.745.383 0 35.030.416.158 55.155.278.768 51.416.184.307 1,461172 0,311063 0,00000

19 INAI 7.920.000.000 2.534.400.000 11.088.000.000 5.019.540.731 22.415.476.342 28.615.673.167 1,577834 0,113065 0,38748

20 INDF 2.176.776.000.000 1.734.632.000.000 2.508.522.000.000 3.416.635.000.000 5.229.489.000.000 3.709.501.000.000 0,637111 0,331702 0,676242

21 INDS 147.120.640.588 51.661.199.915 35.538.750.580 147.608.449.013 127.819.512.585 1.933.819.152 0,996695 0,404173 18,37749

22 INTP 1.658.442.000.000 3.312.009.000.000 4.968.028.000.000 5.012.294.000.000 5.293.416.000.000 4.356.661.000.000 0,330875 0,625685 1,140329

23 ISSP 0 14.372.000.000 0 203.561.000.000 214.895.000.000 158.999.000.000 0,00000 0,066879 0,00000

24 JECC 17.121.832.000 0 9.072.000.000 22.553.551.000 23.904.334.000 2.464.669.000 0,759163 0,00000 3,680819

25 JPFA 212.804.000.000 106.402.000.000 0 640.637.000.000 391.866.000.000 524.484.000.000 0,332176 0,271526 0,00000

No.Kode

Emiten

CD EAT DPO

105

Perhitungan Dividend (Lanjutan)

2013 2014 2015 2013 2014 2015 2013 2014 2015

26 KAEF 30.769.803.148 53.855.793.068 46.925.135.841 215.642.329.977 257.836.015.297 265.549.762.082 0,142689 0,208876 0,176709

27 KBLI 32.057.880.856 15.999.933.700 15.991.394.700 73.530.280.777 72.026.856.790 115.371.098.970 0,435982 0,222138 0,138608

28 KLBF 900.693.451.852 809.531.264.428 906.708.540.623 1.970.452.449.686 2.122.677.647.816 2.057.694.281.873 0,4571 0,381373 0,440643

29 LION 20.557.419.062 20.525.197.750 20.486.754.000 64.761.350.816 48.712.977.670 46.018.637.487 0,317433 0,42135 0,445184

30 LMSH 1.123.104.535 2.158.305.750 801.875.450 14.382.899.194 7.605.091.176 1.944.443.395 0,078086 0,283797 0,412393

31 MERK 79.356.638.000 139.752.919.000 219.760.581.000 175.444.757.000 182.147.224.000 142.545.462.000 0,452317 0,767253 1,541688

32 MYOR 182.714.320.000 205.700.037.470 149.095.678.240 1.013.558.238.779 409.618.689.484 1.250.233.128.560 0,18027 0,502174 0,119254

33 RICY 0 2.566.870.040 2.566.870.040 8.720.546.989 15.124.699.961 13.465.713.464 0,0000 0,169714 0,190623

34 ROTI 37.285.218.800 15.792.816.001 27.991.754.000 158.015.270.921 188.648.345.876 270.538.700.440 0,23596 0,083716 0,103467

35 SCCO 51.280.429.930 30.630.281.214 41.065.704.282 104.962.314.423 137.618.900.727 159.119.646.125 0,48856 0,222573 0,258081

36 SIDO 150.300.000.000 405.000.000.000 360.000.000.000 405.943.000.000 417.511.000.000 437.475.000.000 0,370249 0,970034 0,822904

37 SKBM 0 11.137.080.227 10.619.674.247 58.266.986.267 90.094.363.594 40.150.568.620 0,0000 0,123616 0,264496

38 SKLT 2.072.221.500 2.762.962.000 3.453.702.500 11.440.014.188 16.855.973.113 20.066.791.849 0,181138 0,163916 0,17211

39 SMBR 59.702.505.000 78.045.959.000 82.084.079.000 312.183.836.000 335.954.862.000 354.180.062.000 0,191241 0,232311 0,231758

40 SMCB 651.229.000.000 666.672.000.000 236.903.000.000 952.305.000.000 659.867.000.000 175.127.000.000 0,683845 1,010313 1,35275

41 SMGR 2.211.365.058.000 2.426.542.780.000 2.236.295.939.000 5.354.298.521.000 5.567.659.839.000 4.525.441.038.000 0,413007 0,435828 0,494161

42 SMSM 158.552.000.000 259.434.000.000 210.913.000.000 338.223.000.000 421.095.000.000 461.307.000.000 0,468779 0,616094 0,457207

43 SQBB 128.260.601.000 142.810.019.000 163.036.678.000 149.521.096.000 164.808.009.000 150.207.262.000 0,857809 0,866524 1,085411

44 TCID 74.341.891.784 74.340.910.433 78.288.848.449 160.148.465.833 175.828.646.432 544.474.278.014 0,464206 0,422803 0,143788

45 TOTO 97.615.308.360 148.219.335.698 115.228.630.388 236.557.513.162 295.861.032.723 285.236.780.659 0,412649 0,500976 0,403975

46 TRIS 14.265.729.354 16.025.321.076 17.526.218.921 51.984.966.129 36.522.815.125 37.448.445.764 0,27442 0,438776 0,468009

47 TRST 27.914.034.588 14.022.810.098 13.967.383.751 32.965.552.359 30.256.039.162 25.314.103.403 0,846764 0,463471 0,551763

48 TSPC 337.635.272.935 337.648.528.372 292.357.537.738 638.535.108.795 585.790.816.012 529.218.651.807 0,528765 0,576398 0,552432

49 ULTJ 989.991.228 49.408.062.199 0 325.127.420.664 283.061.430.451 523.100.215.029 0,003045 0,174549 0,0000

50 UNVR 5.058.527.000.000 5.126.717.000.000 5.592.332.000.000 5.352.625.000.000 5.926.720.000.000 5.851.805.000.000 0,945055 0,865018 0,955659

51 WIIM 7.569.988.916 39.741.169.110 28.387.698.044 132.322.207.861 112.673.763.260 131.081.111.587 0,057209 0,35271 0,216566

No.Kode

Emiten

CD EAT DPO

106

Perhitungan Free Cash Flow

FCF = CASH FLOW OPERATING - CAPITAL EXPENDITURE - CASH DIVIDEND

2013 2014 2015 2013 2014 2015 2013 2014 2015 2013 2014 2015

1 AISA 78.729.000.000 353.530.000.000 399.185.000.000 197.728.000.000 384.203.000.000 534.098.000.000 23.408.000.000 0 24.871.000.000 (142.407.000.000) (30.673.000.000) (159.784.000.000)

2 AKPI (24.262.141.000) 374.353.068.000 (50.796.252.000) 41.831.085.000 118.590.305.000 480.571.564.000 0 10.408.218.000 4.897.986.000 (66.093.226.000) 245.354.545.000 (536.265.802.000)

3 ALDO 39.652.190.973 470.702.303 2.204.123.679 37.457.327.007 15.114.812.974 11.198.621.500 0 825.000.000 0 2.194.863.966 (15.469.110.671) (8.994.497.821)

4 AMFG 551.871.000.000 564.250.000.000 366.837.000.000 337.027.000.000 312.259.000.000 531.215.000.000 34.720.000.000 34.720.000.000 34.720.000.000 180.124.000.000 217.271.000.000 (199.098.000.000)

5 ARNA 278.878.036.499 238.937.995.916 111.918.147.182 159.424.438.089 89.492.703.022 83.393.114.623 74.043.709.760 117.910.395.616 88.171.671.712 45.409.888.650 31.534.897.278 (59.646.639.153)

6 ASII 21.250.000.000.000 26.290.000.000.000 25.899.000.000.000 8.292.000.000.000 8.487.000.000.000 6.439.000.000.000 10.017.000.000.000 10.201.000.000.000 10.585.000.000.000 2.941.000.000.000 7.602.000.000.000 8.875.000.000.000

7 AUTO 551.756.000.000 264.565.000.000 866.768.000.000 647.731.000.000 969.241.000.000 737.843.000.000 439.534.000.000 544.987.000.000 298.825.000.000 (535.509.000.000) (1.249.663.000.000) (169.900.000.000)

8 BATA 48.106.848.000 62.179.864.000 (19.631.483.000) 34.419.621.000 41.706.885.000 25.442.402.000 34.319.952.000 38.862.117.000 6.646.555.000 (20.632.725.000) (18.389.138.000) (51.720.440.000)

9 CEKA 19.608.725.490 (147.806.952.847) 168.614.370.234 30.937.825.810 25.283.044.733 19.863.609.284 0 29.659.570.000 0 (11.329.100.320) (202.749.567.580) 148.750.760.950

10 CPIN 2.061.273.000.000 462.975.000.000 1.782.400.000.000 2.220.855.000.000 3.750.866.000.000 2.032.673.000.000 754.362.000.000 754.361.000.000 295.189.000.000 (913.944.000.000) (4.042.252.000.000) (545.462.000.000)

11 DLTA 348.712.041.000 164.246.813.000 246.625.414.000 15.065.968.000 38.017.391.000 10.690.161.000 191.869.037.000 144.831.127.000 156.878.293.000 141.777.036.000 (18.601.705.000) 79.056.960.000

12 DPNS (660.730.802) 6.455.175.786 5.105.993.427 3.554.588.671 3.264.586.166 1.723.365.836 4.550.539.979 6.054.353.979 4.540.310.892 (8.765.859.452) (2.863.764.359) (1.157.683.301)

13 DVLA 106.931.180.000 104.436.317.000 214.166.823.000 54.936.209.000 60.592.775.000 32.201.430.000 52.640.000.000 24.640.000.000 78.114.771.000 (645.029.000) 19.203.542.000 103.850.622.000

14 EKAD 23.212.236.950 4.641.305.865 100.935.448.358 29.547.328.757 12.640.443.540 10.471.143.273 5.386.394.863 6.050.898.969 6.050.347.212 (11.721.486.670) (14.050.036.644) 84.413.957.873

15 GGRM 2.472.971.000.000 1.657.776.000.000 3.200.820.000.000 5.678.122.000.000 5.116.093.000.000 2.923.422.000.000 1.571.975.000.000 1.582.869.000.000 1.567.967.000.000 (4.777.126.000.000) (5.041.186.000.000) (1.290.569.000.000)

16 HMSP 10.802.179.000.000 11.103.195.000.000 811.163.000.000 1.268.930.000.000 1.493.001.000.000 832.984.000.000 9.945.027.000.000 10.650.690.000.000 12.250.485.000.000 (411.778.000.000) (1.040.496.000.000) (12.272.306.000.000)

17 ICBP 1.993.496.000.000 3.860.843.000.000 3.485.533.000.000 1.943.709.000.000 1.175.124.000.000 1.399.617.000.000 1.116.480.000.000 1.128.410.000.000 1.320.458.000.000 (1.066.693.000.000) 1.557.309.000.000 765.458.000.000

18 IGAR 31.571.765.591 25.762.820.842 80.061.208.533 13.207.165.641 5.723.395.526 30.906.541.639 51.185.477.529 17.156.745.383 0 (32.820.877.579) 2.882.679.933 49.154.666.894

19 INAI 77.754.740.234 42.164.840.053 47.011.856.454 11.607.840.800 35.733.668.074 43.419.529.382 7.920.000.000 2.534.400.000 11.088.000.000 58.226.899.434 3.896.771.979 (7.495.672.928)

20 INDF 6.928.790.000.000 9.269.318.000.000 3.485.533.000.000 6.541.114.000.000 5.221.818.000.000 4.618.919.000.000 2.176.776.000.000 1.734.632.000.000 2.508.522.000.000 (1.789.100.000.000) 2.312.868.000.000 (3.641.908.000.000)

CE CD FCFNo.

Kode

Emiten

CFO

107

Perhitungan Free Cash Flow (Lanjutan)

2013 2014 2015 2013 2014 2015 2013 2014 2015 2013 2014 2015

21 INDS 255.755.973.870 65.911.208.643 110.641.662.962 84.534.718.533 255.984.942.523 47.817.650.117 147.120.640.588 51.661.199.915 35.538.750.580 24.100.614.749 (241.734.933.795) 27.285.262.265

22 INTP 5.419.268.000.000 5.346.841.000.000 5.049.117.000.000 2.018.998.000.000 3.459.061.000.000 2.670.307.000.000 1.658.442.000.000 3.312.009.000.000 4.968.028.000.000 1.741.828.000.000 (1.424.229.000.000) (2.589.218.000.000)

23 ISSP 304.874.000.000 (191.012.000.000) 176.316.000.000 235.427.000.000 346.666.000.000 438.320.000.000 0 14.372.000.000 0 69.447.000.000 (552.050.000.000) (262.004.000.000)

24 JECC (119.083.783.000) 42.230.169.000 21.550.154.000 39.018.648.000 4.579.148.000 16.994.866.000 17.121.832.000 0 9.072.000.000 (175.224.263.000) 37.651.021.000 (4.516.712.000)

25 JPFA 173.609.000.000 15.705.340.000.000 1.452.924.000.000 1.563.917.000.000 1.598.385.000.000 708.488.000.000 212.804.000.000 106.402.000.000 0 (1.603.112.000.000) 14.000.553.000.000 744.436.000.000

26 KAEF 253.783.664.733 286.309.255.381 175.966.862.349 89.030.076.719 102.413.131.061 146.204.582.173 30.769.803.148 53.855.793.068 46.925.135.841 133.983.784.866 130.040.331.252 (17.162.855.665)

27 KBLI (27.123.241.057) 170.079.674.604 46.127.980.815 32.559.867.815 87.521.252.943 120.714.866.962 32.057.880.856 15.999.933.700 15.991.394.700 (91.740.989.728) 66.558.487.961 (90.578.280.847)

28 KLBF 927.163.654.212 2.316.125.821.045 2.427.641.532.150 993.929.398.633 750.705.865.640 903.742.633.914 900.693.451.852 809.531.264.428 906.708.540.623 (967.459.196.273) 755.888.690.977 617.190.357.613

29 LION 52.556.704.619 60.865.531.678 49.505.778.072 34.518.903.341 51.455.137.069 23.917.496.421 20.557.419.062 20.525.197.750 20.486.754.000 (2.519.617.784) (11.114.803.141) 5.101.527.651

30 LMSH 13.814.790.256 9.999.770.412 10.910.801.951 8.867.105.017 8.514.515.494 9.397.168.803 1.123.104.535 2.158.305.750 801.875.450 3.824.580.704 (673.050.832) 711.757.698

31 MERK 133.099.062.000 289.725.783.000 203.711.206.000 15.361.061.000 23.411.916.000 59.151.757.000 79.356.638.000 139.752.919.000 219.760.581.000 38.381.363.000 126.560.948.000 (75.201.132.000)

32 MYOR 987.023.231.523 (862.339.383.145) 2.336.785.497.955 638.659.721.420 853.429.600.863 551.306.884.573 182.714.320.000 205.700.037.470 149.095.678.240 165.649.190.103 (1.921.469.021.478) 1.636.382.935.142

33 RICY (84.879.758.265) 47.145.296.495 133.252.610.462 78.743.378.655 109.438.789.551 57.428.372.977 0 2.566.870.040 2.566.870.040 (163.623.136.920) (64.860.363.096) 73.257.367.445

34 ROTI 314.587.624.896 364.975.619.113 555.511.840.614 519.351.210.306 390.593.651.461 237.660.276.133 37.285.218.800 15.792.816.001 27.991.754.000 (242.048.804.210) (41.410.848.349) 289.859.810.481

35 SCCO 20.804.645.848 62.171.128.817 197.980.124.011 48.781.843.109 49.070.748.873 34.228.651.561 51.280.429.930 30.630.281.214 41.065.704.282 (79.257.627.191) (17.529.901.270) 122.685.768.168

36 SIDO (64.246.000.000) 369.322.000.000 432.896.000.000 210.558.000.000 300.228.000.000 196.701.000.000 150.300.000.000 405.000.000.000 360.000.000.000 (425.104.000.000) (335.906.000.000) (123.805.000.000)

37 SKBM 19.468.048.071 43.837.497.229 62.469.996.482 41.479.485.593 113.489.768.262 151.521.831.249 0 11.137.080.227 10.619.674.247 (22.011.437.522) (80.789.351.260) (99.671.509.014)

38 SKLT 26.893.558.457 23.398.218.902 29.666.923.359 32.353.821.256 22.353.638.719 19.759.710.325 2.072.221.500 2.762.962.000 3.453.702.500 (7.532.484.299) (1.718.381.817) 6.453.510.534

39 SMBR 309.039.867.000 305.716.048.000 522.628.119.000 146.939.365.000 59.115.394.000 280.146.740.000 59.702.505.000 78.045.959.000 82.084.079.000 102.397.997.000 168.554.695.000 160.397.300.000

40 SMCB 2.262.247.000.000 1.709.438.000.000 533.786.000.000 3.078.769.000.000 2.838.343.000.000 1.522.136.000.000 651.229.000.000 666.672.000.000 236.903.000.000 (1.467.751.000.000) (1.795.577.000.000) (1.225.253.000.000)

CE CD FCFNo.

Kode

Emiten

CFO

108

Perhitungan Free Cash Flow (Lanjutan)

2013 2014 2015 2013 2014 2015 2013 2014 2015 2013 2014 2015

41 SMGR 6.047.147.495.000 6.245.841.812.000 7.288.586.537.000 2.548.758.346.000 2.105.732.452.000 5.168.034.789.000 2.211.365.058.000 2.426.542.780.000 2.236.295.939.000 1.287.024.091.000 1.713.566.580.000 (115.744.191.000)

42 SMSM 448.032.000.000 449.864.000.000 531.987.000.000 152.155.000.000 113.324.000.000 96.374.000.000 158.552.000.000 259.434.000.000 210.913.000.000 137.325.000.000 77.106.000.000 224.700.000.000

43 SQBB 153.706.638.000 139.913.445.000 179.485.976.000 15.120.844.000 13.912.511.000 16.392.461.000 128.260.601.000 142.810.019.000 163.036.678.000 10.325.193.000 (16.809.085.000) 56.837.000

45 TCID 253.851.906.566 123.551.162.065 120.781.612.127 315.010.210.010 306.226.578.591 137.955.857.760 74.341.891.784 74.340.910.433 78.288.848.449 (135.500.195.228) (257.016.326.959) (95.463.094.082)

46 TOTO 320.627.072.830 307.708.638.190 239.811.138.479 163.422.838.014 320.504.920.229 159.202.207.353 97.615.308.360 148.219.335.698 115.228.630.388 59.588.926.456 (161.015.617.737) (34.619.699.262)

47 TRIS 22.118.879.879 51.371.394 63.376.934.300 32.825.998.632 35.843.184.924 25.800.376.607 14.265.729.354 16.025.321.076 17.526.218.921 (24.972.848.107) (51.817.134.606) 20.050.338.772

48 TRST 111.913.265.220 236.909.957.713 135.020.261.491 181.513.531.256 121.297.718.183 60.673.681.336 27.914.034.588 14.022.810.098 13.967.383.751 (97.514.300.624) 101.589.429.432 60.379.196.404

49 TSPC 448.669.480.614 512.956.089.428 778.361.981.647 421.973.528.288 403.561.634.775 262.332.668.105 337.635.272.935 337.648.528.372 292.357.537.738 (310.939.320.609) (228.254.073.719) 223.671.775.804

50 ULTJ 195.989.263.645 128.022.639.236 669.463.282.890 88.857.102.494 110.005.997.024 244.036.641.351 989.991.228 49.408.062.199 0 106.142.169.923 (31.391.419.987) 425.426.641.539

51 UNVR 6.236.304.000.000 6.462.722.000.000 6.299.051.000.000 1.149.550.000.000 1.125.906.000.000 1.472.444.000.000 5.058.527.000.000 5.126.717.000.000 5.592.332.000.000 28.227.000.000 210.099.000.000 (765.725.000.000)

52 WIIM (33.786.467.879) 44.609.246.858 62.869.126.110 86.203.784.617 124.239.004.670 66.026.044.962 7.569.988.916 39.741.169.110 28.387.698.044 (127.560.241.412) (119.370.926.922) (31.544.616.896)

CE CD FCFNo.

Kode

Emiten

CFO

109

LAMPIRAN 2

A. Statistik Deskriptif DESCRIPTIVES VARIABLES=AGROW ROA DIV FCF EM

/STATISTICS=MEAN STDDEV MIN MAX.

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

AGROW 149 -,16533 ,55795 ,1220357 ,10187295

ROA 149 ,00012 ,42677 ,1244800 ,09287505

DIV 149 ,00000 18,37749 ,5590292 1,52917963

FCF 149 -12272306000000 8875000000000 -152415083769,51 1696552027459,330

EM 149 -,24879 ,21736 -,0105677 ,07496090

Valid N (listwise) 149

B. Uji Asumsi Klasik REGRESSION

/DESCRIPTIVES MEAN STDDEV CORR SIG N

/MISSING LISTWISE

/STATISTICS COEFF OUTS BCOV R ANOVA COLLIN TOL

/CRITERIA=PIN(.05) POUT(.10)

/NOORIGIN

/DEPENDENT EM

/METHOD=ENTER AGROW ROA DIV FCF

/SCATTERPLOT=(*SRESID ,*ZPRED)

/RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID)

/CASEWISE PLOT(ZRESID) OUTLIERS(3)

/SAVE RESID.

1. Uji Normalitas

110

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 149

Normal Parametersa,b Mean ,0000000

Std. Deviation ,07082757

Most Extreme Differences Absolute ,067

Positive ,067

Negative -,059

Test Statistic ,067

Asymp. Sig. (2-tailed) ,098c

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

2. Uji Multiokolonieritas

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity

Statistics

B

Std.

Error Beta Tolerance VIF

1 (Constant) -,018 ,013 -1,436 ,153

AGROW ,149 ,059 ,202 2,532 ,012 ,975 1,026

ROA -,070 ,064 -,087 -1,093 ,276 ,976 1,024

DIV -,005 ,004 -,109 -1,377 ,171 ,996 1,004

FCF -8,599E-15 ,000 -,195 -2,425 ,017 ,963 1,039


111

3. Uji Autokorelasi NPAR TESTS /RUNS(MEDIAN)=RES_3

/MISSING ANALYSIS.

Runs Test

Unstandardized

Residual

Test Valuea ,00174

Cases < Test Value 74

Cases >= Test Value 75

Total Cases 149

Number of Runs 76

Z ,083

Asymp. Sig. (2-tailed) ,934

a. Median

4. Uji Heteroskedastisitas COMPUTE ABS_Res3=ABS(RES_3).

EXECUTE.

REGRESSION


/MISSING LISTWISE



/NOORIGIN

/DEPENDENT ABS_Res3


/SCATTERPLOT=(*SRESID ,*ZPRED).

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity

Statistics

B

Std.


1 (Constant) ,057 ,008 6,784 ,000

AGROW -,025 ,039 -,055 -,654 ,514 ,975 1,026

ROA ,009 ,042 ,018 ,212 ,832 ,976 1,024

DIV -,003 ,003 -,110 -1,334 ,184 ,996 1,004

FCF 1,957E-15 ,000 ,070 ,838 ,403 ,963 1,039

a. Dependent Variable: ABS_Res3

112

C. Uji Hipotesis

REGRESSION


/MISSING LISTWISE



/NOORIGIN

/DEPENDENT EM


/SCATTERPLOT=(*SRESID ,*ZPRED)

/RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID)

/CASEWISE PLOT(ZRESID) OUTLIERS(3)

/SAVE RESID.

Variables Entered/Removeda

Model Variables Entered

Variables

Removed Method

1 FCF, DIV,

AGROW, ROAb . Enter


b. All requested variables entered.

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,327a ,107 ,082 ,07180455

a. Predictors: (Constant), FCF, DIV, ROA, AGROW

b. Dependent Variable: EM

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,089 4 ,022 4,324 ,002b

Residual ,742 144 ,005

Total ,832 148


b. Predictors: (Constant), FCF, DIV, ROA, AGROW

113

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B

Std.


1 (Constant) -,018 ,013 -1,436 ,153

AGROW ,149 ,059 ,202 2,532 ,012 ,975 1,026

ROA -,070 ,064 -,087 -1,093 ,276 ,976 1,024

DIV -,005 ,004 -,109 -1,377 ,171 ,996 1,004

FCF -8,599E-15 ,000 -,195 -2,425 ,017 ,963 1,039


skripsi -...

Documents