PENGARUH MANAJEMEN LABA DAN KINERJA KEUANGAN

TERHADAP NILAI PERUSAHAAN

(Studi Empiris Pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek
Indonesia (BEI) Periode 2014-2017)

Skripsi
Diajukan kepada Fakultas Ekonomi Universitas Putra Indonesia “YPTK”
Padang
untuk Memenuhi Sebagian Persyaratan guna Memperoleh
Gelar Sarjana Ekonomi

Diajukan oleh :
RAJEB RINALDO YUSUF
15101155310452

Konsentrasi : Manajemen Keuangan

JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS PUTRA INDONESIA “YPTK” PADANG
2019
 LEMBAR PERNYATAAN

Saya yang bertanda tangan di bawah ini :

Nama : RAJEB RINALDO YUSUF
No. Bp : 15101155310452
Fakultas : Ekonomi dan Bisnis
Jurusan : Manajemen

Menyatakan bahwa :
1. Sesungguhnya skripsi yang saya susun ini merupakan hasil karya tulis
saya sendiri. Adapun bagian-bagian tertentu dalam skripsi yang saya
peroleh dari hasil karya tulis orang lain, telah saya tuliskan sumbernya
dengan jelas, sesuai dengan kaidah penulisan ilmiah.
2. Jika dalam pembuatan skripsi baik pembuatan program / alat maupun
skripsi secara keseluruhan ternyata terbukti dibuatkan oleh orang lain,
maka saya bersedia menerima sanksi yang diberikan akademis berupa
pembatalan skripsi dan mengulang penelitian serta mengajukan judul baru.

Demikianlah surat pernyataan ini saya buat dengan sesungguhnya tanpa ada
paksaan dari pihak manapun.

Padang, …. Januari 2019

Saya yang menyatakan,

RAJEB RINALDO YUSUF

15101155310452

i
ii
 PENGARUH MANAJEMEN LABA DAN KINERJA KEUANGAN
TERHADAP NILAI PERUSAHAAN
(Studi Empiris Pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek
Indonesia (BEI) Periode 2014 – 2017)

Telah diujikan dan dipertahankan di depan ujian komprehensif pada

Fakultas Ekonomi Universitas Putra Indonesia “YPTK” Padang

Pada tanggal, …………… 2019

SUSUNAN TIM PENGUJI

1. ( )

2. ( )

Padang, ……………….. 2019

Dekan Fakultas Ekonomi dan Bisnis

Universitas Putra Indonesia “YPTK” Padang

Dr. ELFISWANDI, S.E, M.M, Ak, C.A

NIDN : 1019046601

iii
 PENGARUH MANAJEMEN LABA DAN KINERJA KEUANGAN
TERHADAP NILAI PERUSAHAAN
(Studi Empiris Pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek
Indonesia (BEI) Periode 2014 – 2017)

Yang dipersiapkan dan disusun oleh :

RAJEB RINALDO YUSUF

15101155310452

Telah dipertahankan di depan dewan penguji pada tanggal, ……………… 2019

dan dinyatakan telah lulus memenuhi persyaratan.

Pembimbing I, Pembimbing II,

Dr. ELFISWANDI, S.E, M.M, Ak, C.A RONNI ANDRI WIJAYA, S.E, M.M
NIDN : 1019046601 NIDN : 1011038501

Padang, ………………… 2019

Mengesahkan :
Dekan Fakultas Ekonomi dan Bisnis
Universitas Putra Indonesia “YPTK” Padang

Dr. ELFISWANDI, S.E, M.M, Ak, C.A

NIDN :1019046601

iv
 ABSTRAK

Rajeb Rinaldo Yusuf, 15101155310452, Manajemen, 2019, “Pengaruh

Manajemen Laba dan Kinerja Keuangan Terhadap Nilai Perusahaan (Studi
Empiris Pada Perusahaan Manufaktur yang Terdaftar Di Bursa Efek Indonesia
Tahun 2014-2017)” di bawah bimbingan Bapak Dr. Elfiswandi, S.E, M.M, Ak,
C.A dan Bapak Ronni Andri Wijaya, S.E, M.M.

Penelitian ini bertujuan untuk mengetahui dan mengestimasi pengaruh

manajemen laba dan kinerja keuangan terhadap nilai perusahaan pada perusahaan
manufaktur yang terdaftar di Bursa Efek Indonesia. Berdasarkan hasil penelitian
adalah secara persial manajemen laba (discretionary accrual) tidak berpengaruh
terhadap nilai perusahaan. Kinerja keuangan (return on assets) berpengaruh
signifikan terhadap nilai perusahaan. dan kinerja keuangan (return on equity)
berpengaruh signifikan terhadap nilai perusahaan. Selanjutnya, secara simultan
manajemen laba dan kinerja keuangan (return on assets) and (return on equity)
bersama-sama memiliki pengaruh signifikan terhadap nilai perusahaan.

Kata kunci: Nilai perusahaan, Manajemen laba, Return On Assets, Return

On Equity

v
 ABSTRACT

Rajeb Rinaldo Yusuf, 15101155310452, Management , 2019, "The

Influence of Earning Management and Financial Performance on Firm Value
(Empirical Study on Manufacturing Companies Listed In Indonesia Stock
Exchange 2014-2017)" under the guidance of Mr. Dr. Elfiswandi, S.E, M.M, Ak,
C.A and Mr. Ronni Andri Wijaya, S.E, M.M.

This study aims to determine and estimate the influence of earning

management and financial performance on firm value at manufacturing
companies listed in Indonesia Stock Exchange. The result of study patially
earnings management, it does not significantly effect on firm value. Financial
performance (return on assets) does significantly effec on firm value and financial
performance (return on equity) does significantly effec on firm value
Furthermore, Simultaneously earning management and financial performance
(return on assets) and (return on equity) togethers does significantly effec on firm
value.

Keywords: Firm Value, Earning Management, Return On Assets, Return On

Equity

vi
 KATA PENGANTAR

Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa. Berkat

kasih serta karunia-Nya dengan membukakan hati dan pikiran penulis sehingga

penyusunan seminar rancangan skripsi ini dapat di selesaikan dengan baik atas

izin-Nya jualah maka, penulis dapat menyelesaikan seminarrancangan skripsi

yang berjudul “PENGARUH MANAJEMEN LABA DAN KINERJA

KEUANGAN TERHADAP NILAI PERUSAHAAN(Studi Empiris Pada

Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia (BEI)

Periode 2014-2017)”

Dengan segala kerendahan hati, penulis menyadari bahwa tanpa bantuan

dan dorongan dari berbagai pihak tentu tidak akan dapat menyelesaikan seminar

rancangan skripsi ini. Untuk itu melalui tulisan ini penulis ingin menyampaikan

penghargaan dan ucapan terima kasih yang sebesar-besarnya kepada :

1. Bapak H. Herman Nawas, Ketua Yayasan Perguruan Tinggi Komputer

(YPTK) Universitas Putra Indonesia “YPTK” Padang.

2. Bapak Prof Dr.H. Sarjon Defit, S.Kom, M.Sc, Rektor Universitas Putra

Indonesia “YPTK” Padang.

3. Bapak Dr. H. Elfiswandi, S.E, M.M, Ak, C.A, Dekan Fakultas Ekonomi

Universitas Putra Indonesia “YPTK” Padang. Sekaligus dosen

pembimbing 1 dalam penelitian ini.

4. Ibu Fitri Yeni, S.E, M.M, Ketua Program Studi Manajemen Fakultas

Ekonomi Universitas Putra Indonesia “YPTK” Padang.

vii
 5. Bapak Ronni Andri Wijaya, S.E, M.M selaku pembimbing 2 yang telah

membimbing peneliti dalam penyelesaian penelitian ini.

6. Seluruh Bapak dan Ibu Dosen Universitas Putra Indonesia “YPTK”

Padang, khususnya Fakultas Ekonomi yang telah banyak memberikan

ilmu pengetahuan kepada peneliti.

7. Seluruh karyawan dan karyawati administrasi maupun perpustakaan di

lingkungan Universitas Putra Indonesia “YPTK” Padang.

Penulis sangat menyadari dengan sepenuhnya bahwa seminar rancangan

skripsi ini baik isi maupun pembahasannya masih jauh dari kesempurnaan, untuk

itu kritik dan saran yang bersifat membangun akan penulis terima dengan senang

hati

Akhir kata penulis mengharapkan semoga seminar rancangan skripsi ini

dapat bermanfaat bagi para pembaca. Semoga Tuhan Yang Maha Esa

melimpahkan kasih dan karunia-Nya kepada kita semua.

Padang,.…Januari 2019

Penulis

viii
 DAFTAR ISI

halaman

LEMBAR PERNYATAAN i

LEMBAR PERSETUJUAN ii

LEMBAR PENGESAHAN iii

ABSTRAK v

KATA PENGANTAR vii

DAFTAR ISI ix

DAFTAR TABEL xiii

DAFTAR GAMBAR xiv

BAB I PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Identifikasi Masalah 6
1.3 Batasan Masalah 7
1.4 Rumusan Masalah 8
1.5 Tujuan Penulisan 8
1.6 Manfaat Penulisan 9

BAB II LANDASAN TEORI, TINJAUAN PUSTAKA, KERANGKA PIKIR

DAN HIPOTESIS 11
2.1 Landasan Teori 11
2.1.1 Manajemen Laba 11
2.1.1.1 Pengertian Manajemen Laba 11
2.1.1.2 Faktor Penyebab Perusahaan Melakukan
Manajemen Laba 12
2.1.1.3 Teknik Manajemen Laba 13
2.1.1.4 Kondisi dan Motivasi Manajemen Laba 14
2.1.1.5 Mekanisme Manajemen Laba 15

ix
 2.1.1.6 Faktor-Faktor yang Mempengaruhi Manajemen
Laba 16
2.1.2 Kinerja Keuangan 17
2.1.2.1 Pengertian Kinerja Keuangan 17
2.1.2.2 Tujuan Penilaian Kinerja Keuangan
Perusahaan 18
2.1.2.3 Laporan Keuangan 19
2.1.2.4 Jenis-Jenis Laporan Keuangan 21
2.1.2.5 Analisis Rasio Keuangan 22
2.1.2.6 Jenis-Jenis Rasio Keuangan 23
2.1.3 Nilai Perusahaan 24
2.1.3.1 Pengertian Nilai Perusahaan 24
2.1.3.2 Faktor-Faktor yang Mempengaruhi Nilai
Perusahaan 25
2.1.3.3 Tujuan Memaksimumkan Nilai Perusahaan 26
2.1.3.4 Metode Pengukuran Nilai Perusahaan 26
2.2 Tinjauan Penelitian Terdahulu 29
2.3 Kerangka Pikir 39
2.4 Hipotesa 39

BAB III METODOLOGI PENELITIAN 41

3.1 Objek Penelitian 41
3.2 Desain Penelitian 41
3.3 Variabel Penelitian 42
3.4 Definisi Operasional Variabel 42
3.5 Populasi dan Sampel 45
3.5.1 Populasi 46
3.5.2 Sampel 46
3.6 Sumber Data dan Metode Pengumpulan Data 49
3.6.1 Sumber Data 49
3.6.2 Metode Pengumpulan Data 50

x
 3.7 Teknik Pengolahan Data 50
3.8 Metode Analisis Data 51
3.8.1 Analisis Statistik Deskriptif 51
3.8.2 Pengujian Asumsi Klasik 51
3.8.2.1 Uji Normalitas 52
3.8.2.2 Uji Heteroskedastisitas 52
3.8.2.3 Uji Multikolonieritas 52
2.8.3 Model Estimasi Regresi Data Panel 53
2.8.3.1 Uji Chow 53
2.8.3.2 Uji Hausman 54
3.8.4 Analisis Regresi Berganda 54
3.8.5 Uji Hipotesis 55
3.8.5.1 Uji Secara Parsial (Uji-t) 55
3.8.5.2 Uji Secara Simultan (Uji-F) 56
3.8.6 Pengujian Koefisien Determinasi (R2) 57

BAB IV HASIL PENELITIAN DAN PEMBAHASAN 58

4.1 Gambaran Umum Bursa Efek Indonesia 58
4.1.1 Sejarah Bursa Efek Indonesia 58
4.1.2 Visi dan Misi 62
4.1.3 Struktur Bursa Efek Indonesia 62
4.2 Deskriptif Hasil Penelitian 63
4.2.1 Analisis Deskriptif Statistik 63
4.2.2 Pengujian Asumsi Klasik 65
4.2.2.1 Uji Normalitas 65
4.2.2.2 Uji Multikolineritas 66
4.2.2.3 Uji Heteroskedastisitas 67
4.2.3 Hasil Pemilihan Model Regresi Data Panel 68
4.2.3.1 Uji Chow 68
4.2.3.2 Uji Hausman 69
4.2.4 Analisis Regresi Data Panel 70

xi
 4.2.5 Uji Hipotesis 72
4.2.5.1 Uji Signifikansi Parsial (Uji Statistik-t) 72
4.2.5.2 Uji Signifikansi Simultan (Uji Statistik-F) 74
4.2.6 Koefisien Determinasi (Adjusted R2) 75
4.2.7 Pembahasan Hasil Penelitian 76
4.2.7.1 Pengaruh Manajemen Laba dengan Rasio
Descretinary Accrual (DA) Terhadap Nilai
Perusahaan 76
4.2.7.2 Pengaruh Kinerja Keuangan dengan Rasio
Return On Assets (ROA) Terhadap Nilai
Perusahaan 77
4.2.7.3 Pengaruh Kinerja Keuangan dengan Rasio
Return On Equity (ROE) Terhadap Nilai
Perusahaan 79
4.2.7.4 Pengaruh Manajemen Laba dan Kinerja
Keuangan dengan Rasio Return On Assets
(ROA) dan Return On Equity (ROE) Terhadap
Nilai Perusahaan 80

BAB V PENUTUPAN 82
5.1 Kesimpulan 82
5.2 Keterbatasan Penelitian 83
5.3 Saran 83

DAFTAR PUSTAKA

LAMPIRAN

xii
 DAFTAR TABEL

halaman

Tabel 2.1 Penelitian Terdahulu 33

Tabel 3.1 Definisi Operasional Variabel 45
Tabel 3.2 Daftar Sampel Perusahaan Manufaktur yang Terdaftar di Bursa
Efek Indonesia (BEI) 47
Tabel 4.1 Sejarah Singkat Perkembangan Bursa Efek Indonesia 59
Tabel 4.2 Hasil Deskriptif Statistik Data Penelitian 64
Tabel 4.3 Hasil Uji Multikolineritas 67
Tabel 4.4 Hasil Uji Heterokedastisitas 68
Tabel 4.5 Hasil Uji Chow 69
Tabel 4.6 Hasil Uji Hausman 70
Tabel 4.7 Hasil Uji Data Panel dengan Metode Fixed Effects 71
Tabel 4.8 Hasil Uji t-Statistic 72
Tabel 4.9 Hasil Uji F-statistic 74
Tabel 4.10 Hasil Pengujian Hipotesis Penelitian 75
Tabel 4.11 Hasil Uji Koefisien Determinasi (R2) 76

xiii
 DAFTAR GAMBAR

halaman
Gambar 4.1 Struktur Organisasi Bursa Efek Indonesia 63
Gambar 4.2 Hasil Histogram Uji Normalitas 66

xiv
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Manajemen laba suatu perusahaan dan nilai perusahaan digambarkan oleh

harga saham yang secara global sangat berpengaruh dalam negara indonesia.

Dalam pasar modal, para investor mudah mendapat informasi yang ada di

indonesia dan diperlukan adanya laporan keuangan perusahaan yang terdapat pada

laba bersih perusahaan tersebut. Pada dasarnya laporan keuangan merupakan

sumber informasi penting yang digunakan oleh investor dalam menilai kinerja

perusahaan yang terdaftar pada Bursa Efek Indonesia (perusahaan go public).

Informasi laporan keuangan yang diperoleh dari manajer keuangan perusahaan

dapat dijadikan dasar untuk menilai kembali investasi yang dilakukan oleh para

investor terhadap perusahaan, atau untuk menilai seberapa besar laba bersih yang

diperoleh dari setiap penjualan saham para investor. Manajemen laba adalah

campur tangan manajemen dalam proses pelaporan keuangan eksternal dengan

tujuan menguntungkan dirinya sendri (manajer). Manajemen laba merupakan

interverensi langsung manajemen dalam proses plaporan keuangan dengan

maksud mendapatkan keuntungan atau manfaat tertentu, baik bagi manajer

maupun perusahaan.

Dalam mendorong motivasi untuk membuat suatu laporan keuangan yang

dilakukan oleh manajemen terhadap pengelolaan keuangan suatu perusahaan,

seharusnya dilakukan beberapa stimulasi tentang dorongan yang terkait mengenai

1
 2

para manajer yang menjalankan suatu perusahan dengan tujuan membuat suatu

perencanaan bonus yang lebih efektif. Oleh karena itu, suatu perusahaan

seharusnya menggunakan motivasi yang mendorong pengelolaan manajemen laba

untuk mengahasilkan laporan informatif bagi para investor yang akan menanam

saham mereka dalam perusahaan. Dalam penelitian saat ini nilai perusahaan

ditentukan dari kekuatan laba (earning power) sebuah aset perusahaan

manufaktur, maka dari itu perputaran aset, tingkat kekuatan laba serta profit

margin perusahaan mencerminkan suatu kinerja keuangan perusahaan tersebut.

Dalam mengukur tingkat kinerja keuangan dapat menggunakan beberapa analisis

rasio keuangan yang terdapat dalam laporan keuangan yaitu Return On Asset

(ROA) dan Return On Equity (ROE) sebagai alat untuk mengukur kemampuan

perusahaan atas keseluruhan dana yang digunakan untuk aktivitas operasional

yang bertujuan menghasilkan laba dalam perusahaan. Para manajer yang

mengelolah laporan keuangan khususnnya laporan laba rugi akan berusaha

mengatur laba yang dilaporkannya dengan tujuan dapat memaksimalkan jumlah

bonus yang akan diterima.

Menurut Martani, D., & dkk. (2012), manajemen laba merupakan

tindakan yang mengatur waktu pengakuan pendapatan, beban, keuntungan, atau

kerugian agar mencapai informasi laba tertentu yang diinginkan, tanpa melanggar

ketentuan di standar akuntansi. Biasanya menejemen laba dilakukan dalam bentuk

menaikkan laba untuk mencapai target laba tertentu dan juga dalam bentuk

menurunkan laba di periode ini, agar dapat menaikkan pendapatan di periode

mendatang.
 3

Praktek earning management dipengaruhi oleh konflik antara kepentingan

manajemen (agent) dan pemilik (principal) yang timbul karena setiap pihak

berusaha untuk mencapai atau mempertimbangkan tingkat kemakmuran yang

dikehendakinya. Agency theory memiliki asumsi bahwa masing-masing individu

termotivasi oleh kepentingan dirinya sendiri sehingga menimbulkan konflik

kepentingan antara principal dan agent. Pihak principal termotivasi mengadakan

kontrak untuk mensejahterakan dirinya sendiri dengan profitabilitas yang selalu

meningkat. Sedangkan agent termotivasi untuk memaksimalkan pemenuhan

kebutuhan ekonomi dan psikologisnya, antara lain dalam hal memperoleh

kompensasi/bonus (sifat opportunistic manajemen) hal inilah yang disebut

masalah keagenan (Syahadatina, R. 2015).

Manajemen laba (earnings management) dapat diukur melalui

discreationary accrual sebagai proksi manajemen laba yang dihitung dengan

menggunakan modified model Jones. Discreationary accrual adalah akrual yang

nilainya ditentukan oleh kebijakan / diskresi manajemen. Secara umum, akrual

yang merupakan produk akuntansi dapat diangap memiliki jumlah yang relatif

tetap dari tahun ke tahun (Jefriansyah, 2015).

Menurut Fahmi, I. (2013:2) kinerja keuangan merupakan gambaran dari

pencapaian keberhasilan perusahaan dapat diartikan sebagai hasil yang telah

dicapai atas berbagai aktivitas yang telah dilakukan. Dapat dijelaskan bahwa

kinerja keuangan adalah suatu analisis yang dilakukan untuk melihat sejauh mana
 4

suatu perusahaan telah melakukan dengan menggunakan aturan-aturan

pelaksanaan keuangan secara baik dan benar.

Pengukuran kinerja keuangan perusahaan adalah dengan cara

menggunakan rasio keuangan. Rasio keuangan menunjukkan dalam kondisi

keuangan perusahaan serta potensi perusahaan dalam mengelola kekayaan

perusahaan dalam meningkatkan nilai perusahaan. Nilai perusahaan menunjukkan

pandangan para investor akan prestasi perusahaan mengelola sumber dayanya.

Semakin banyak investor yang membeli saham perusahaan maka harga saham

tersebut akan meningkat kemudian nilai perusahaan akan naik. Naik turunnya

harga saham suatu perusahaan menentukan nilai perusahaan di mata para investor

(DP, H. R., & Monika, M., 2014).

Nilai perusahaan merupakan salah satu tolak ukur bagi investor dan

masyarakat untuk mengetahui seberapa baik citra perusahaan yang berada di

lingkungan masyarakat serta harga saham mencerminkan nilai dari suatu

perusahaan. Laporan keuangan seringkali disalahgunakan oleh manajemen dengan

melakukan perubahan dalam penggunaan metode akuntansi yang digunakan,

sehingga akan mempengaruhi jumlah laba yang ditampilkan dalam laporan

keuangan. Menajemen laba merupakan suatu intervensi dengan maksud tertentu

terhadap proses pelaporan keuangan eksternal dengan sengaja untuk memperoleh

beberapa keuntungan pribadi (Restuningdiah, N., 2011).

Tujuan utama perusahaan adalah meningkatkan nilai perusahaan. Jika

operasi perusahaan berjalan dengan baik, maka nilai perusahaan akan meningkat
 5

dan akan memberikan pengaruh positif bagi kelangsungan hidup perusahaan.

Banyak faktor yang mempengaruhi nilai perusahaan, yang mana penelitian

mengenai faktor-faktor yang berpengaruh terhadap nilai perusahaan sendiri telah

banyak dilakukan, antara lain manajemen laba serta kinerja keuangan suatu

perusahaan, dan lain sebagainya.

Nilai perusahaan tercermin dari harga saham perusahaan, semakin tinggi

harga saham maka akan memberikan dampak positif bagi nilai perusahaan yang

akan memakmurkan pemegang saham. Harga saham perusahaan dipengaruhi oleh

kinerja perusahaan. Semakin baik kinerja perusahaan, maka akan meningkatkan

harga saham. Kinerja suatu perusahaan dapat dilihat di laporan keuangan yang

menjadi dasar penilaian (Wijaya, A., & Linawati, N., (2015).

Beberapa penelitian yang terkait dengan manajemen laba terhadap nilai

perusahaan yang pernah dilakukan. Menurut Syahadatina, R. (2015),

menunjukkan bahwa earnings management berpengaruh secara positif terhadap

nilai perusahaan. Menurut Jefriansyah (2015), menunjukkan bahwa manajemen

laba berpengaruh positif dan tidak signifikan terhadap nilai perusahaan. Berbeda

dengan hasil yang dilakukan oleh Lestari, N., & Ningrum, S. A. (2018),

menunjukkan bahwa manajemen laba tidak berpengaruh terhadap nilai

perusahaan. Meningkatnya manajemen laba maka tidak akan diikuti dengan

kenaikan nilai suatu perusahaan.

Beberapa penelitian yang terkait dengan kinerja keuangan terhadap nilai

perusahaan yang pernah dilakukan. Menurut Hermawan, S., & Maf'ulah, A. N.

 6

(2014), menunjukkan bahwa kinerja keuangan memiliki pengaruh yang signifikan

tehadap nilai perusahaan dan penelitian yang dilakukan oleh Tjandrakirana DP,

H., & Monika, M. (2014), menunjukkan bahwa kinerja keuangan dengan rasio

ROA tidak berpengaruh terhadap nilai perusahaan, sedangkan kinerja keuangan

dengan rasio ROE berpengaruh terhadap nilai perusahaan. Berbeda dengan hasil

yang dilakukan oleh Heder, & Prayadi, M. P. (2017), menunjukkan bahwa

kinerja keuangan berpengaruh positif terhadap nilai perusahaan. Ini menunjukkan

bahwa semakin tinggi kinerja keuangan perusahaan, maka semakin baik nilai

perusahaan. Berbeda pula hasil yang dilakukan oleh Putri, A. O., & Suwitho.

(2015), menunjukkan bahwa kinerja keuangan berpengaruh positif dan signifikan

terhadap nilai perusahaan.

1.2 Identifikasi Masalah

Permasalahan-permasalahan yang terdapat dalam penelitian ini adalah :

1. Mengidentifikasi nilai perushaan manufaktur yang terdaftar di bursa efek

indonesia (BEI) apakah mengalami kenaikan atau penurunan selama 2014-

2017.

2. Adanya perbedaan kepentingan yang bertujuan untuk memaksimumkan

kepentingan masing-masing sehingga menimbulkan asimetri informasi

antara pemilik dengan manajemen.

3. Adanya asimetri informasi yang menimbulkan manajemen untuk

melakukan praktik perataan laba.

4. Kebutuhan akan informasi laba dan ketetapan informasi laba yang perlu

disajikan dalam bentuk laporan keuangan untuk mengambil keputusan.

 7

5. Perlu diketahui apakah perusahaan melakukan praktik perataan laba atau

tidak dilihat dari kondisi keuangan.

6. Manajemen laba yang dilakukan perusahaan manufaktur adalah untuk

melihat kinerja perusahaan yang dilakukan sudah baik dan memenuhi

syarat.

7. Kinerja keuangan yang dilakukan perusahaan manufaktur berpengaruh

atau tidak terhadap peningkatan nilai perusahaan.

8. Perolehan return on asset (ROA) yang rendah perusahaan akan mengalami

kerugian.

9. Perolehan return on Equity (ROE) yang rendah perusahaan akan

mengalami kerugian.

10. Nilai perusahaan yang rendah dapat disebabkan oleh tata kelola

manajemen laba yang kurang baik sehingga kecilnya tingkat keuntungan

(laba).

11. Nilai perusahaan yang rendah dapat disebabkan oleh kinerja keuangan

perusahaan yang kurang baik.

12. Masih banyak perusahaan yang belum mengetahui arti pentingnya

manajemen laba dan kinerja keuangan untuk peningkatan nilai perusahaan.

1.3 Batasan Masalah

Penelitian ini dilakukan dengan beberapa batasan masalah yaitu :

1. Penelitian ini hanya memfokuskan objek penelitian pada perusahaan

manufaktur yang tedaftar di Bursa Efek Indonesia (BEI).

 8

2. Penelitian ini hanya membahas variabel manajemen laba, kinerja

keuangan (yaitu pada ratio ROA dan ROE) dan nilai perusahaan.

1.4 Rumusan Masalah

Maka dari identifikasi dan batasan masalah diatas, rumusan masalahnya

adalah :

1. Bagaimana pengaruh manajemen laba terhadap nilai perusahaan pada

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

2. Bagaimana pengaruh kinerja keuangan dengan ratio ROA terhadap nilai

perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI) ?

3. Bagaimana pengaruh kinerja keuangan dengan ratio ROE terhadap nilai

perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI) ?

4. Bagaimana pengaruh manajemen laba, ROA dan ROE terhadap nilai

perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI) ?

1.5 Tujuan Penulisan

Berdasarkan rumusan masalah diatas, tujuan penelitian yang hendak

dicapai oleh penulis, yaitu :

1. Untuk mengetahui pengaruh manajemen laba terhadap nilai perusahaan

pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI).

 9

2. Untuk mengetahui pengaruh kinerja keuangan dengan ratio ROA terhadap

nilai perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI).

3. Untuk mengetahui pengaruh kinerja keuangan dengan ratio ROE terhadap

nilai perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI).

4. Untuk mengetahui pengaruh manajemen laba, ROA dan ROE terhadap

nilai perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI).

1.7 Manfaat Penulisan

Dari penelitian yang penulis lakukan ini diharapkan mampu memberi

manfaat dan kegunaan bagi peneliti dan akademis, investor serta perusahaan,

antara lain :

1. Bagi Peneliti dan Akademis

Penelitian ini diharapkan dapat bermanfaat untuk memberikan wawasan

dan pemahaman mendalam tentang nilai perusahaan serta hasilnya dapat

menjadi referensi dalam melakukan penelitian yang sama.

2. Bagi Investor

Dengan adanya penelitian ini diharapkan dapat menjadi sumber informasi

dan memberikan nilai tambah berupa pengetahuan dan wawasan mengenai

pengaruh manajemen laba dan kinerja keuangan terhadap nilai perusahaan

khususnya pada perusahaan manufaktur.

 10

3. Bagi Perusahaan

Dengan adanya penelitian ini diharapkan dapat digunakan sebagai bahan

pertimbangan dalam pengambilan keputusan dan penentuan kebijakan

untuk meningkatkan nilai perusahaan. Penelitian ini juga diharapkan dapat

digunakan sebagai alat untuk mengetahui apakah manajemen laba dan

kinerja keuangan mempengaruhi nilai perusahaan pada perusahaan

manufaktur.
 BAB II
LANDASAN TEORI, TINJAUAN PUSTAKA, KERANGKA PIKIR DAN
HIPOTESA

2.1 Landasan Teori

2.1.1 Manajemen Laba

2.1.1.1 Pengetian Manajemen Laba

Menurut Kieso, D., Weygandt, J., & Warfield, T. (2011:145)

mengatakan “Earning management is often defined as the planned timing of

revenues, expenses, gains, and losses to smooth out bumps in earning

(Manajemen laba sering didefenisikan sebagai perencanaan waktu dari

pendapatan, beban, keuntungan dan kerugian untuk meratakan fluktasi laba)”.

Menurut Martani, D., & dkk. (2012), manajemen laba merupakan

tindakan yang mengatur waktu pengakuan pendapatan, beban, keuntungan, atau

kerugian agar mencapai informasi laba tertentu yang diinginkan, tanpa melanggar

ketentuan di standar akuntansi. Biasanya menejemen laba dilakukan dalam bentuk

menaikkan laba untuk mencapai target laba tertentu dan juga dalam bentuk

menurunkan laba di periode ini, agar dapat menaikkan pendapatan di periode

mendatang.

Menurut Fahmi, I. (2013:279) manajemen laba didefinisikan sebagai

berikut: Earnings management (manajemen laba) adalah suatu tindakan yang

mengatur laba sesuai dengan yang dikehendaki oleh pihak tertentu atau terutama

oleh manajemen perusahaan (company management). Tindakan earnings

11
 12

management sebenarnya didasarkan oleh berbagai tujuan dan maksud-maksud

yang terkandung didalamnya.

Berdasarkan beberapa definisi diatas, maka dapat disimpulkan bahwa

manajemen laba merupakan suatu tindakan yang dilakukan manajer dengan cara

memanipulasi data atau informasi akuntansi agar jumlah laba yang tercatat dalam

laporan keuangan untuk memperoleh tujuan tertentu.

2.1.1.2 Faktor Penyebab Perusahaan Melakukan Manajemen Laba

Secara akuntansi ada beberapa faktor yang menyebabkan suatu perusahaan

berani melakukan earnings management. Menurut Fahmi, I. (2013:279) ada

beberapa faktor yang menyebabkan suatu perusahaan berani melakukan earnings

management (manajemen laba) yaitu:

1. Standar Akuntansi Keuangan (SAK) memberikan fleksibilitas kepada

manajemen untuk memilih prosedur dan metode akuntansi untuk mencatat

suatu fakta tertentu dengan cara yang berbeda, seperti mempergunakan

metode LIFO dan FIFO dalam menetapkan harga pokok persediaan,

metode depresiasi aktiva tetap dan sebagainya.

2. SAK memberikan fleksibilitas kepada pihak manajemen dapat

menggunakan judgment dalam menyusun estimasi.

3. Pihak manajemen perusahaan berkesempatan untuk merekayasa transaksi

dengan cara menggeser pengukuran biaya dan pendapatan.

Faktor lain timbulnya manajemen laba adalah hubungan yang bersifat

asimetri informasi yang pada awalnya didasarkan karena conflict of interest antara
 13

agent dan parsial. Agent adalah manajemen perusahaan (internal) dan parsial

adalah komisaris perusahaan (eksternal). Pihak parsial disini adalah tidak hanya

komisaris perusahaan, tetapi juga termasuk kreditur, pemerintah dan lainnya.

2.1.1.3 Teknik Manajemen Laba

Menurut Subramanyam, K., & Wild, J. J. (2012:131) terdapat tiga

teknik manajemen laba adalah sebagai berikut:

1. Meningkatkan Laba

2. Big Bath

3. Perataan Laba

Dari kutipan diatas dapat dijelaskan tiga teknik manajemen laba adalah sebagai

berikut:

1. Meningkatkan Laba

Salah satu teknik manajemen laba adalah meningkatkan laba yang

dilaporkan pada periode kini untuk membuat perusahaan dipandang lebih

baik. Cara ini juga memungkinkan peningkatan laba selama beberapa

periode.

2. Big Bath

Teknik big bath dilakukan melalui penghapusan (write-off) sebanyak

mungkin pada satu periode. Periode yang dipilih biasanya periode dengan

kinerja yang buruk (seringkali pada masa resesi dimana perusahaan lain

juga melaporkan laba yang buruk) atau peristiwa saat terjadi satu kejadian

yang tidak biasa seperti perubahan manajemen, merger, atau

 14

restrukturisasi. Teknik big bath juga seringkali dilakukan setelah strategi

peningkatan laba pada periode sebelumnya.

3. Perataan Laba

Perataan laba merupakan bentuk umum manajemen laba. Manajer

meningkatkan atau menurunkan laba yang dilaporkan untuk mengurangi

fluktuasinya. Perataan laba juga mencakup tidak melaporkan bagian laba

pada periode baik dengan menciptakan cadangan laba dan kemudian

melaporkan laba ini pada saat periode buruk. Banyak perusahaan

menggunakan bentuk manajemen laba seperti ini.

2.1.1.4 Kondisi dan Motivasi Manajemen Laba

Menurut Subramanyam, K., & Wild, J. J. (2012:132), mencatat ada tiga

alasan yang dapat memicu manajer melakukan manajemen laba. Ketiga motivasi

tersebut adalah sebagai berikut:

1. Insentif Perjanjian

2. Dampak Harga Saham

3. Insentif Lain

Dari kutipan diatas dapat dijelaskan ketiga motivasi manajemen laba sebagai

berikut:

1. Insentif Perjanjian

Banyak perjanjian yang menggunakan angka akuntansi. Misalnya

perjanjian kompensasi manajer biasanya mencakup bonus berdasarkan

laba. Perjanjian bonus biasanya memiliki batas atas dan bawah, artinya
 15

manajer tidak mendapat bonus lebih tinggi dari batas atas. Hal ini berarti

manajer memiliki insentif untuk meningkatkan atau mengurangi laba

berdasarkan tingkat laba yang belum diubah terkait dengan batas atas dan

bawah ini. Jika laba yang belum diubah berada diantara batas atas dan

bawah, manajer memiliki insentif untuk meningkatkan laba. Saat laba

lebih tinggi dari batas atas atau lebih rendah dari batas bawah, manajer

memiliki insentif untuk menurunkan laba dan membuat cadangan untuk

bonus masa depan.

2. Dampak Harga Saham

Manajer dapat menigkatkan laba untuk menaikan harga saham perusahaan.

Manajer juga dapat melakukan perataan laba untuk menurunkan persepsi

pasar akan resiko dan menurunkan biaya modal.

3. Insentif Lain

Terdapat beberapa alasan manajemen laba lainnya. Laba seringkali

diturunkan untuk menghindari biaya politik dan penelitian yang dilakukan

badan pemerintah misalnya untuk ketaatan undang-undang antimonopoly.

Selain itu, perusahaan dapat menurunkan laba untuk memeperoleh

keuntungan dari pemerintah misalnya subsidi atau proteksi dari persaingan

asing.

2.1.1.5 Mekanisme Manajemen Laba

Menurut Subramanyam, K., & Wild, J. J. (2012:133), terdapat dua

metode utama manajemen laba, yaitu:

 16

1. Pemindahan Laba

Pemindahan laba merupakan manajemen laba dengan

memindahkan laba dari satu periode ke periode lainnya. Pemindahan laba

dapat dilakukan dengan mempercepat atau menunda pengakuan

pendapatan atau beban. Bentuk manajemen laba ini biasanya

menyebabkan dampak pembalik pada satu atau beberapa periode masa

depan, seringkali satu periode berikutnya. Untuk alasan, pemindahan laba

sangat berguna untuk perataan laba.

2. Manajemen Laba melalui Klasifikasi

Laba juga dapat ditentukan dengan secara khusus

mengklasifikasikan beban dan pendapatan pada bagian tertentu laporan

laba rugi. Bentuk umum dari manajemen laba melalui klasifikasi adalah

memindahkan beban di bawah garis, atau melaporkan beban pada pos luar

biasa dan tidak berulang, sehingga tidak dianggap penting oleh analis.

2.1.1.6 Faktor-Faktor yang Mempengaruhi Manajemen Laba

Manajemen laba dapat terjadi karena adanya kepentingan yang berbeda

antara prinsipal (pemilik perusahaan) dengan agen (pengelola perusahaan). Hal ini
mengenai
terjadi karena pengelola (manajer) mempunyai informasi perusahaan yang

tidak dimiliki oleh pemegang saham dan dipergunakannya untuk meningkatkan

utilitasnya.

Manajemen laba sebagai suatu fenomena yang dipengaruhi oleh berbagai

macam faktor yang mendorong terjadinya fenomena tersebut. Terdapat beberapa

faktor yang mempengaruhi manajemen laba, yaitu sebagai berikut:

 17

Menurut Sari, N. K., & Astuti, D. D. (2015), faktor-faktor yang

mempengaruhi manajemen laba yaitu:

1. Risiko Bisnis

2. Kepemilikan Manajerial

3. Kepemilikan Institusional

4. Ukuran Bank

5. CAR

Sedangkan menurut Suriyani, P. P., dkk (2015), faktor-faktor yang

mempengaruhi manajemen laba yaitu:

1. Kepemilikan Institusional

2. Dewan Komisaris

3. Persentase Saham Publik

4. Komite Audit

5. Leverage

2.1.2 Kinerja Keuangan

2.1.2.1 Pengertian Kinerja Keuangan

Menurut Ikatan Akuntan Indonesia (IAI), mengatakan bahwa kinerja

keuangan adalah kemampuan perusahaan dalam mengelola dan mengendalikan

sumber daya yang dimiliki. Sedangkan menurut Fahmi, I. (2013:2), mengatakan

bahwa kinerja keuangan adalah gambaran tentang keberhasilan perusahaan berupa

hasil yang telah dicapai berkat berbagai aktivitas yang telah dilakukan. Kinerja

keuangan merupakan suatu analisis yang dilakukan untuk melihat sejauh mana
 18

perusahaan telah melaksanakan dengan menggunakan aturan-aturan pelaksanaan

keuangan secara baik dan benar.

Menurut Rudianto (2013:189), kinerja keuangan adalah hasil atau prestasi

yang telah dicapai oleh manajemen perusahaan secara efektif selama periode

tertentu. Kinerja keuangan sangat dibutuhkan oleh perusahaan untuk mengetahui

dan mengevaluasi tingkat keberhasilan perusahaan berdasarkan aktivitas keuangan

yang telah dilaksanakan.

Kinerja merupakan hal penting yang harus dicapai oleh setiap perusahaan

dimanapun, karena kinerja merupakan cerminan dari kemampuan perusahaan

dalam mengelola dan mengalokasikan sumber dayanya. Selain itu tujuan pokok

penilaian kinerja adalah untuk memotivasi karyawan dalam mencapai sasaran

organisasi dan dalam mematuhi standar perilaku yang telah ditetapkan

sebelumnya, agar membuahkan tindakan dan hasil yang diharapkan. Standar

perilaku dapat berupa kebijakan manajemen atau rencana formal yang dituangkan

dalam anggaran.

2.1.2.2 Tujuan Penilaian Kinerja Keuangan Perusahaan

Tujuan penilaian kinerja perusahaan menurut Munawir, S. (2012:31),

adalah sebagai berikut:

1. Untuk mengetahui tingkat likuiditas, yaitu kemampuan perusahaan untuk

memperoleh kewajiban keuangannya yang harus segera dipenuhi atau

kemampuan perusahaan untuk memenuhi keuangannya pada saat ditagih.

 19

2. Untuk mengetahui tingkat solvabilitas, yaitu kemampuan perusahaan

untuk memenuhi kewajiban keuangannya apabila perusahaan tersebut

dilikuidasi baik kewajiban keuangan jangka pendek maupun jangka

panjang.

3. Untuk mengetahui tingkat rentabilitas atau profitabilitas, yaitu

menunjukkan kemampuan perusahaan untuk menghasilkan laba selama

periode tertentu.

4. Untuk mengetahui tingkat stabilitas usaha, yaitu kemampuan perusahaan

untuk melakukan usahanya dengan stabil, yang diukur dengan

mempertimbangkan kemampuan perusahaan untuk membayar beban

bunga atas hutang-hutangnya termasuk membayar kembali pokok

hutangnya tepat pada waktunya serta kemampuan membayar deviden

secara teratur kepada para pemegang saham tanpa mengalami hambatan

atau krisis keuangan.

2.1.2.3 Laporan Keuangan

Menurut Kasmir (2012:7), Laporan keuangan menggambarkan pos-pos

keuangan perusahaan yang diperoleh dalam suatu periode. Dalam praktiknya

dikenal beberapa macam laporan keuangan seperti :

1. Neraca

2. Laporan laba rugi

3. Laporan perubahan modal

4. Laporan catatan atas laporan keuangan

5. Laporan kas
 20

Menurut Kasmir (2012:10), tujuan laporan keuangan yaitu untuk

memberikan informasi keuangan suatu perusahaan, baik pada saat tertentu

maupun pada periode tertentu. Berikut ini beberapa tujuan pembuatan atau

penyusunan laporan keuangan yaitu :

1. Memberikan informasi tentang jenis dan jumlah aktiva yang dimiliki

perusahaan pada saat ini.

2. Memberikan informasi tentang jenis dan jumlah kewajiban dan modal

yang dimiliki perusahaan pada saat ini.

3. Memberikan informasi tentang jenis dan jumlah pendapatan yang

diperoleh pada suatu periode tertentu.

4. Memberikan informasi tentang jumlah biaya dan jenis biaya yang

dikeluarkan perusahaan dalam suatu periode tertentu.

5. Memberikan informasi tentang perubahan-perubahan yang terjadi

terhadap aktiva, pasiva, dan modal perusahaan.

6. Memberikan informasi tentang kinerja manajemen perusahaan dalam

suatu periode.

7. Memberikan informasi tentang catatan-catatan atas laporan keuangan.

8. Informasi keuangan lainnya.

Menurut Kasmir (2012:12), menyatakan bahwa sifat laporan keuangan

terbagi menjadi dua diantaranya :

1. Bersifat historis artinya bahwa laporam keuangan dibuat dan disusun

dari data masa lalu dan masa yang sudah lewat dari masa sekarang.
 21

Misalnya laporan keuangan disusun berdasarkan data satu atau dua

atau beberapa tahun ke belakang (periode sebelumnya).

2. Bersifat menyeluruh, maksudnya laporan keuangan dibuat selengkap

mungkin. Artinya laporan keuangan disusun sesuai dengan standar

yang telah ditetapkan. Pembuatan atau penyusunan yang hanya

sebagian-sebagian tidak akan memberikan informasi yang lengkap

tentang keuangan suatu perusahaan.

2.1.2.4 Jenis-Jenis Laporan Keuangan

Menurut Kasmir (2012:9), secara umum ada lima jenis laporan keuangan

yang biasa disusun, yaitu :

1. Balance Sheet (Neraca)

Balance sheet (neraca) merupakan laporan yang menunjukkan posisi

keuangan perusahaan pada tangga tertentu. Arti dari posisi keuangan

dimaksudkan adalah posisi jumlah dan jenis aktiva (harta) dan passiva

(kewajiban dan ekuitas) suatu perusahaan.

2. Income Statement (Laporan Laba Rugi)

Income statement (laporan laba rugi) merupakan laporan keuangan yang

menggambarkan hasil usaha perusahaan dalam suatu periode tertentu.

Dalam laporan laba rugi ini tergambar jumlah pendapatan dan sumber-

sumber pendapatan yang diperoleh. Kemudian juga tergambar jumlah

biaya dan jenis-jenis yang dikeluarkan selama periode tertentu.

 22

3. Laporan Perubahan Modal

Laporan perubahan modal merupakan laporan yang berisi jumlah dan jenis

modal yang dimiliki pada saat ini. Kemudian, laporan ini juga menjelaskan

perubahan modal dan sebab-sebab terjadinya perubahan modal di

perusahaan.

4. Laporan Arus Kas

Laporan arus kas merupakan laporan yang menunjukkan arus kas masuk

dan kas keluar di perusahaan. Arus kas masuk berupa pendapatan atau

pinjaman dari pihak lain, sedangkan arus kas keluar merupakan biaya-

biaya yang telah dikeluarkan perusahaan. Baik arus kas masuk maupun

arus kas keluar dibuat untuk periode tertentu.

5. Laporan Catatan Atas Laporan Keuangan

Laporan catatan atas laporan keuangan merupakan laporan yang dibuat

berkaitan dengan laporan keuangan yang disajikan. Laporan ini

memberikan informasi tentang penjelasan yang dianggap perlu atas

laporan keuangan yang ada sehingga menjadi jelas sebab penyebabnya.

Tujuannya adalah agar pengguna laporan keuangan dapat memahami jelas

data yang disajikan.

2.1.2.5Analisis Rasio Keuangan

Menurut Kasmir (2012:104), rasio keuangan merupakan kegiatan

membandingkan angka-angka yang ada dalam laporan keuangan dengan cara

membagi suatu angka dengan angka lainnya. Perbandingan dapat dilakukan antara

suatu komponen dengan komponen yang ada diantara laporan keuangan.

 23

Kemudian angka yang diperbandingkan dapat berupa angka-angka dalam satu

periode maupun beberapa periode.

Menurut Kasmir (2012:216), rasio keuangan yang digunakan oleh bank

dengan perusahaan non bank sebenarnya relative tidak jauh berbeda.

Perbedaannya terutama terletak pada jenis rasio yang digunakan untuk menilai

suatu rasio yang jumlahnya lebih banyak. Hal ini wajar saja karena komponen

neraca dan laporan laba rugi yang dimiliki bank berbeda dengan laporan neraca

dan laba rugi perusahaan nonbank.

2.1.2.6Jenis-Jenis Rasio Keuangan

1. Rasio Likuiditas (Liquidity Ratio)

Menurut Kasmir (2012:130), rasio likuiditas atau sering juga disebut

dengan nama rasio modal kerja merupakan rasio yang digunakan untuk

mengukur seberapa likuidnya suatu perusahaan. Caranya adalah dengan

membandingkan komponen yang ada di neraca, yaitu total aktiva lancar

dengan total passiva lancar (hutang jangka pendek). Penilaian dapat

dilakukan untuk beberapa periode sehingga terlihat perkembangan

likuiditas perusahaan dari waktu ke waktu.

2. Rasio Aktivitas (Activity Ratio)

Menurut Kasmir (2012:172), rasio aktivitas (activity ratio) merupakan

rasio yang digunakan untuk mengukur efektivitas perusahaan dalam

menggunakan aktiva yang dimilikinya. Atau dapat pula dikatakan rasio ini

digunakan untuk mengukur tingkat efesiensi (efektivitas) pemanfaatan

sumber daya perusahaan.

 24

3. Rasio Profitabilitas (Profitability Ratio)

Menurut Kasmir (2012:196), rasio profitabilitas merupakan rasio untuk

menilai kemampuan perusahaan dalam mencari keuntungan. Rasio ini juga

memberikan ukuran tingkat efektivitas manajemen suatu perusahaan. Hal

ini ditunjukkan oleh laba yang dihasilkan dari penjualan dan pendapatan

investasi. Intinya adalah penggunaan rasio ini menunjukkan efesiensi

perusahaan.

2.1.3 Nilai Perusahaan

2.1.3.1 Pengertian Nilai Perusahaan

Menurut Husnan, S., & Pudjiastuti, E. (2012:6), nilai perusahaan

merupakan harga yang bersedia dibayar oleh calon pembeli apabila perusahaan

tesebut dijual. Semakin tinggi nilai perusahaan semakin besar kemakmuran yang

diterima oleh pemilik perusahaan. Menurut Sartono, A. (2012:9), Nilai

perusahaan dapat didefinisikan sebagai berikut : “Tujuan memaksimumkan

kemakmuran pemegang saham dapat ditempuh dengan memaksimumkan nilai

sekarang atau present value semua keuntungan pemegang saham akan meningkat

apabila harga saham yang dimiliki meningkat”.

Menurut Margareta, F. (2011:7), Mengemukakan bahwa nilai perusahaan

yang sudah go public tercermin dalam harga pasar saham perusahaan sedangkan

pengertian nilai perusahaan yang belum go public nilainya terealisasi apabila

perusahaan akan dijual (total aktiva dan prospek perusahaan, risiko usaha,

lingkungan usaha, dan lain-lain).

 25

Berdasarkan definisi diatas, dapat dikatakan bahwa nilai perusahaan

adalah persepsi investor terhadap perusahaan yang sering dikaitkan dengan harga

saham, seperti yang dikemukakan oleh Husnan, S., & Pudjiastuti, E. (2012:6),

bahwa secara normatif tujuan keputusan keuangan adalah memaksimumkan nilai

perusahaan. Semakin tinggi nilai perusahaan, semakin besar kemakmuran yang

akan diterima oleh pemilik perusahaan. Bagi perusahaan yang menerbitkan saham

dipasar modal, harga saham yang diperjualbelikan di bursa merupakan indikator

nilai perusahaan.

2.1.3.2 Faktor-Faktor yang Mempengaruhi Nilai Perusahaan

Menurut Welley, M., & Untu, V. (2015) faktor-faktor yang

mempengaruhi nilai perusahaan adalah sebagai berikut :

1. Struktur modal

2. Profitabilitas

3. Risiko perusahaan

Menurut Switli, S., & Decky. (2016), faktor-faktor yang mempengaruhi

nilai perusahaan adalah sebagai berikut :

1. Return On Asset

2. Return On Equity

3. Risiko perusahaan

4. Loan to Deposit Ratio

5. Non Perfoming Loan

 26

2.1.3.3 Tujuan Memaksimumkan Nilai Perusahaan

Menurut Sudana, I. M., dkk. (2011) (2011:7), teori-teori di bidang

keuangan memiliki satu fokus, yaitu memaksimalkan kemakmuran pemegang

saham atau pemilik peusahaan (wealth of the shareholders). Tujuan normatif

dapat diwujudkan denganmemaksimalkan nilai pasar perusahaan (market value of

firm). Bagi perusahaan yang sudah go public, memaksimalkan nilai perusahaan

sama dengan memaksimalkan harga saham. Memaksimalkan nilai perusahaan di

nilai lebih tepat sebagai tujuan perusahaan karena :

1. Memaksimalkan nilai perusahaan berarti memaksimalkan nilai sekarang

dari semua keuntungan yang akan diterima oleh pemegang saham dimasa

yang akan datang atau berorientasi jangka panjang.

2. Mempertimbangkan faktor risiko.

3. Memaksimalkan nilai perusahaan lebih menekankan pada arus kas

daripada sekedar laba menurut pengertian akuntansi.

4. Memaksimalkan nilai perusahaan tidak mengabaikan tanggung jawab

sosial.

2.1.3.4 Metode Pengukuran Nilai Perusahaan

Menurut Fahmi I. (2013:138), pengukuran nilai perusahaan adalah

sebagai berikut:
 27

1. Earning Per Share (EPS)

Earning per share atau pendapatan perlembar saham adalah pemberian

keuntungan yang diberikan kepada pemegang saham dari setiap lembar

yang dimiliki. Adapun rumusnya:

Rumus:

Keterangan:

EPS : Earning per share

EAT : Earning after tax atau pendapatan setelah pajak

Jsb : Jumlah saham yang beredar

2. Price Earning Ratio (PER) atau Rasio Harga Laba

Rasio ini diperoleh dari harga saham bisa dibagi dengan laba per

saham (Earning Per Share) sehingga semakin tinggi rasio ini akan

mengidentifikan bahwa kinerja perusahaan juga semakin membaik.

Adapun rumusnya:

Rumus:

Keterangan:

PER : Price earning ratio

MPS : Market price per share atau harga saham per saham

EPS : Earning per share atau laba per lembar saham

 28

3. Price Book Value (PBV)

Rasio ini menggambarkan seberapa besar pasar menghargai nilai buku

saham suatu perusahaan. Semakin tinggi rasio ini berarti pasar semakin

percaya akan prospek tersebut.

Rumus:

Keterangan:

PBV : Price book value

MPS : Market price per share atau harga pasar per saham

BVS : Book value per share atau nilai buku per saham

Dalam penelitian ini, penulis menggunakan price to book value dalam

mengukur nilai perusahaan. Menurut Bringham, E., & Houston, J. (2011:151),

price to book value dapat dihitung dengan rumus sebagai berikut:

Rumus:

Alasan penulis menggunakan PBV kare price to book value menunjukkan

seberapa jauh suatu perusahaan mempu menciptakan nilai perusahaan yang relatif

terhadap jumlah modal yang diinvestasikan. Semakin tinggi rasio price book

value dapat diartikan semakin berhasil perusahaan menciptakan nilai bagi

pemegang saham. Menurut Bringham, E., & Houston, J. (2011:151), rasio

harga pasar suatu saham terhadap nilai bukunya memberikan indikasi pandangan

investor atas perusahaan. Perusahaan di pandang baik oleh investor yang artinya

perusahaan dengan laba dan arus kas yang aman serta terus mengalami perubahan,
 29

dijual dengan rasio nilai buku yang lebih tinggi dibandingkan perusahaan dengan

pengembalian yang rendah.

2.2 Tinjauan Penelitian Terdahulu

Berdasarkan pada penelitian sebelumnya, maka penulis merangkum

beberapa penelitian terdahulu yang dapat mendukung penelitian, diantaranya :

1. Penelitian yang dilakukan oleh Jefriansyah (2015), yang berjudul

“Pengaruh Kebijakan Hutang dan Manajemen Laba Terhadap Nilai

Perusahaan (Studi Empiris Pada Perusahaan Manufaktur yang Terdaftar di

BEI)”. Adapun kesamaan variabel dalam penelitian ini adalah variabel

independen manajemen laba dan variabel dependen nilai perusahaan.

Berdasarkan hasil penelitian ini menunjukkan bahwa hasil uji secara

parsial (Uji t) antara manajemen laba terhadap nilai perusahaan, diperoleh

hasil bahwa manajemen laba berpengaruh positif dan tidak signifikan

terhadap nilai perusahaan dengan diperoleh nilai thitung = 0,576 pada sig

0,566 0,05.

2. Penelitian yang dilakukan oleh Lestari, N., & Ningrum, S. A. (2018),

yang berjudul “Pengaruh Manajemen Laba dan Tax Avoidance Terhadap

Nilai Perusahaan dengan Kualitas Audit sebagai Variabel Moderasi”.

Adapun kesamaan variabel dalam penelitian ini adalah variabel

independen manajemen laba dan variabel dependen nilai perusahaan serta

tidak memakai variabel moderasi. Berdasarkan hasil penelitian ini

menunjukkan bahwa berdasarkan hasil pengujian dengan analisis regresi

data panel antara manajemen laba terhadap nilai perusahaan, diperoleh

 30

hasil bahwa manajemen laba tidak berpengaruh terhadap nilai perusahaan

dengan nilai profitabilitas 0,2601 (p-value 0,1).

3. Penelitian yang dilakukan oleh Syahadatina, R. (2015), dengan judul

“Pengaruh Earnings Management Terhadap Nilai Perusahaan Pada

Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia”. Adapun

kesamaan variabel dalam penelitian ini adalah variabel independen

earnings management dan variabel dependen nilai perusahaan.

Berdasarkan hasil penelitian ini menunjukkan bahwa earnings

management berpengaruh secara positif terhadap nilai perusahaan dengan

koefisien earnings management sebesar 0,070 dengan nilai t sebesar 2,923

dengan tingkat signifikansi sebesar 0,043.

4. Penelitian yang dilakukan oleh Dewi, T., Pratomo, D., & Dilla, V. J.

(2016), dengan judul “Pengaruh Manajemen Laba Terhadap Nilai

Perusahaan dengan Kualitas Audit sebagai Variabel Pemoderasi. Adapun

kesamaan variabel dalam penelitian ini adalah variabel independen

manajemen laba dan variabel dependen nilai perusahaan serta memakai

variabel pemoderasi. Berdasarkan hasil penelitian ini menunjukkan bahwa

manajemen laba yang diproksikan oleh discretionary accrual tidak

berpengaruh signifikan terhadap nilai perusahaan dengan nilai

profitabilitas 0,063 = 0,05.

5. Penelitian yang dilakukan oleh Hermawan, S., & Maf'ulah, A. N.

(2014), yang berjudul “Pengaruh Kinerja Keuangan Terhadap Nilai

Perusahaan dengan Pengungkapan Corporate Social Responsibilitysebagai

 31

Variabel Pemoderasi”. Adapun kesamaan variabel dalam penelitian ini

adalah variabel independen kinerja keuangan dan variabel dependen nilai

perusahaan serta tidak memiliki variabel pemoderasi. Berdasarkan hasil

penelitian ini menunjukkan bahwa secara parsial (Uji t) variabel kinerja

keuangan (return on asset) tidak berpengaruh secara signifikan terhadap

nilai perusahaan dengan diperoleh koefisien sebesar -0,005 dengan tingkat

signifikansi 0,878 yang menunjukkan berada diatas 0,05.

6. Penelitian yang dilakukan oleh Putri, A. O., & Suwitho. (2015), yang

berjudul “Pengaruh Kinerja Keuangan Terhadap Nilai Perusahaan dengan

Pengungkapan CSR sebagai Variabel Pemoderasi”. Adapun kesamaan

variabel dalam penelitian ini adalah variabel independen kinerja keuangan

dan variabel dependen nilai perusahaan serta tidak memiliki variabel

pemoderasi. Berdasarkan hasil penelitian ini menunjukkan bahwa variabel

kinerja keuangan berpengaruh positif dan signifikan terhadap nilai

perusahaan dengan nilai thitung sebesar 3,885 dan signifikansi

profitabilitas sebesar 0,000 berada lebih rendah dari = 5% atau 0,05.

7. Penelitian yang dilakukan oleh Heder, & Prayadi, M. P. (2017), yang

berjudul “Pengaruh Kinerja Keuangan Terhadap Nilai Perusahaan dengan

Pengungkapan Good Corporate Governance sebagai Variabel

Pemoderasi”. Adapun kesamaan variabel dalam penelitian ini adalah

variabel independen kinerja keuangan dan variabel dependen nilai

perusahaan serta tidak memiliki variabel pemoderasi. Berdasarkan hasil

penelitian ini menunjukkan bahwa variabel kinerja keuangan berpengaruh

 32

positif dan signifikan terhadap nilai perusahaan dengan nilai signifikansi

sebesar 0,000 (lebih kecil dari 0,05) dengan koefisien regresi yang bernilai

positif sebesar 0,081.

8. Penelitian yang dilakukan oleh DP, H. R., & Monika, M. (2014), berjudul

“Pengaruh Kinerja Keuangan terhadap Nilai Perusahaan Pada Perusahaan

Manufaktur yang Terdaftar di Bursa Efek Indonesia). Adapun kesamaan

variabel dalam penelitian ini adalah variabel independen kinerja keuangan

dan variabel dependen nilai perushaaan, Berdasarkan hasil penelitian ini

menunjukkan bahwa kinerja keuangan dengan rasio ROA tidak

berpengaruh terhadap nilai perusahaan, ROA memiliki nilai Sig. 0,354 >

0,05. Sedangkan kinerja keuangan dengan rasio ROE berpengaruh

terhadap nilai perusahaan, ROE memiliki nilai Sig. 0,005 < 0,05.

9. Penelitian yang dilakukan oleh NA, Chasmi., & M, Fadaee. (2016), yang

berjudul “Impact of Financial Performance and Growth Opportunities On

Success or Failure of Companies: Evidence from Tehran Stock

Exchange”. Adapun kesamaan dalam penelitian ini adalah variabel

independen Financial Perfomance / Kinerja Keuangan. Bersadarkan hasil

pengujian hipotesis sesuai informasi dari perusahaan yang ada di Bursa

Efek Tehran selama tahun fiskal 2006-2012 menunjukkan bahwa ada

hubungan yang signifikan antara kinerja keuangan dengan kesuksesan dan

kegagalan perusahaan.

10. Penelitian yang dilakukan oleh Liu, Z. J., & Wang, Y. S. (2017), yang

berjudul “Effect of earnings management on economic value added: G20

 33

and African countries study”. Adapun kesamaan variabel dalam penelitian

ini adalah earnings management / manajemen laba. Berdasarkan hasil

penelitian menunjukkan bahwa ada hubungan positif dan signifikan

anatara manajemen laba melalui DAs dan EVA di negara-negara Afrika.

Dan hasil analisis menyimpulkan bahwa ada hubungan negatif yang

signifikan antara penghasilan manajemen melalui kegiatan DAs atau REM

dan EVA di negara G20.

11. Penelitian yang dilakukan oleh Mostafa, W. (2017), yang berjudul “The

impact of earnings management on the value relevance of earnings

Empirical evidence from Egypt”. Adapun kesamaan variabel dalam

penelitian ini adalah variabel earnings management / manajemen laba.

Bersadarkan hasil penelitian ini menunjukkan bahwa kinerja operasi

mempengaruhi manajemen laba. Secara khusus, hasil ini menunjukkan

bahwa kinerja operasi yang rendah perusahaan memiliki kecenderungan

untuk meningkatkan laba yang dilaporkan dibandingkan dengan operasi

yang tinggi perusahaan.

Tabel 2.1
Penelitian Terdahulu

No Nama dan Variabel Kesamaan Hasil Penelitian

Tahun Penelitian Variabel
Penelitian

1 Jefriansyah Independen: Independen: Berdasarkan hasil

(2015) Kebijakan Manajemen penelitian ini
Hutang dan Laba menunjukkan
Manajemen bahwa hasil uji
 34

Laba Dependen: secara parsial (Uji

Nilai t) antara
Dependen: Perusahaan manajemen laba
Nilai terhadap nilai
Perusahaan perusahaan,
diperoleh hasil
bahwa manajemen
laba berpengaruh
positif dan tidak
signifikan terhadap
nilai perusahaan
dengan diperoleh
nilai thitung = 0,576
pada sig 0,566
0,05.

2 Lestari, N., & Independen: Independen: Berdasarkan hasil

Ningrum, S. A. Manajemen Manajemen penelitian ini
(2018) Laba dan Tax Laba menunjukkan
Avoidance bahwa berdasarkan
Dependen: hasil pengujian
Dependen: Nilai dengan analisis
Nilai Perusahaan regresi data panel
Perusahaan antara manajemen
Moderasi: laba terhadap nilai
Kualitas Audit perusahaan,
diperoleh hasil
bahwa manajemen
laba tidak
berpengaruh
terhadap nilai
perusahaan dengan
nilai profitabilitas
0,2601 (p-value
0,1).

3 Syahadatina, R. Independen: Independen: Berdasarkan hasil

(2015) Earnings Earnings penelitian ini
Management Management menunjukkan
bahwa earnings
Dependen: Dependen: management
 35

Nilai Nilai berpengaruh secara

Perusahaan Perusahaan positif terhadap
nilai perusahaan
dengan koefisien
earnings
management
sebesar 0,070
dengan nilai t
sebesar 2,923
dengan tingkat
signifikansi sebesar
0,043.

4 Dewi, T., dkk. Independen: Independen: Berdasarkan hasil

(2016) Manajemen Manajemen penelitian ini
Laba Laba menunjukkan
bahwa manajemen
Dependen: Dependen: laba yang
Nilai Nilai diproksikan oleh
Perusahaan Perusahaan discretionary
accrual tidak
berpengaruh
signifikan terhadap
nilai perusahaan
dengan nilai
profitabilitas 0,063
= 0,05.

5 Hermawan, S., Independen: Independen: Berdasarkan hasil

& Maf'ulah, A. Kinerja Kinerja penelitian ini
N. (2014) Keuangan Keuangan menunjukkan
bahwa secara
Dependen: Dependen: parsial (Uji t)
Nilai Nilai variabel kinerja
Perusahaan Perusahaan keuangan (return
Pemoderasi: on asset) tidak
Pengungkapan berpengaruh secara
Corporate signifikan terhadap
Social nilai perusahaan
Responsibility dengan diperoleh
koefisien sebesar -
 36

0,005 dengan
tingkat signifikansi
0,878 yang
menunjukkan
berada diatas 0,05.

6 Putri, A. O., & Independen: Independen: Berdasarkan hasil

Suwitho. (2015) Kinerja Kinerja penelitian ini
Keuangan Keuangan menunjukkan
bahwa variabel
Dependen: Dependen: kinerja keuangan
Nilai Nilai berpengaruh positif
Perusahaan Perusahaan dan signifikan
Pemoderasi: terhadap nilai
Pengungkapan perusahaan dengan
CSR nilai thitung
sebesar 3,885 dan
signifikansi
profitabilitas
sebesar 0,000
berada lebih rendah
dari = 5% atau
0,05.

7 Heder, & Independen: Independen: Berdasarkan hasil

Prayadi, M. P. Kinerja Kinerja penelitian ini
(2017) Keuangan Keuangan menunjukkan
bahwa variabel
Dependen: Dependen: kinerja keuangan
Nilai Nilai berpengaruh positif
Perusahaan Perusahaan dan signifikan
Pemoderasi: terhadap nilai
Pengungkapan perusahaan dengan
Good nilai signifikansi
Corporate sebesar 0,000
Governance (lebih kecil dari
0,05) dengan
koefisien regresi
yang bernilai
positif sebesar
 37

0,081.

8 DP, H. R., & Independen: Independen: Berdasarkan hasil

Monika, M. Kinerja Kinerja penelitian ini
(2014) Keuangan Keuangan menunjukkan
bahwa kinerja
Dependen: Dependen: keuangan dengan
Nilai Nilai rasio ROA tidak
Perusahaan Perusahaan berpengaruh
terhadap nilai
perusahaan, ROA
memiliki nilai Sig.
0,354>0,05.
Sedangkan kinerja
keuangan dengan
rasio ROE
berpengaruh
terhadap nilai
perusahaan, ROE
memiliki nilai Sig.
0,005 < 0,05.

9 NA , Chashmi., Independen : Independen: Berdasarkan hasil

& M, Fadaee. Financial Financial pengujian hipotesis
(2016) Performance Performance sesuai informasi
and Growth dari perusahaan
Opportunities yang ada di Bursa
Efek Tehran
Dependen : selama tahun fiskal
Success or 2006-2012
Failure of menunjukkan
Companies bahwa ada
hubungan yang
signifikan antara
kinerja keuangan
dengan kesuksesan
dan kegagalan
perusahaan.

10 Liu, Z. J., & Independen : Independen: Berdasarkan hasil

Wang, Y. S. earnings Earnings penelitian
 38

(2017) management Management menunjukkan

bahwa ada
Dependen : hubungan positif
Economic dan signifikan
value added anatara manajemen
laba melalui DAs
dan EVA di
negara-negara
Afrika. Dan hasil
analisis
menyimpulkan
bahwa ada
hubungan negatif
yang signifikan
antara penghasilan
manajemen melalui
kegiatan DAs atau
REM dan EVA di
negara G20.

11 Mostafa, W. Independen : Independen: Bersadarkan hasil

(2017) earnings Earnings penelitian ini
management Management menunjukkan
bahwa kinerja
Dependen : operasi
Value mempengaruhi
relevance of manajemen laba.
earnings Secara khusus,
Empirical hasil ini
evidence menunjukkan
bahwa kinerja
operasi yang
rendah perusahaan
memiliki
kecenderungan
untuk
meningkatkan laba
yang dilaporkan
dibandingkan
dengan operasi
 39

yang tinggi
perusahaan.

2.3 Kerangka Pikir

Manajemen Laba
(DA) X1 H1 e

Kinerja Keuangan Nilai Perusahaan

(ROA) X2 H2 Y

Kinerja Keuangan
(ROE) X3 H3

H4

2.4 Hipotesa

Hipotesis merupakan jawaban sementara dari perumusan masalah. Dari

masalah diatas, maka dapat dibuat suatu hipotesis atau dugaan sementara yang

mendukung pemecahan masalah tersebut.

H1 : Diduga manajemen laba berpengaruh positif terhadap nilai perusahaan

pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI).

H2 : Diduga kinerja keuangan dengan ratio ROA berpengaruh positif terhadap

nilai perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI).
 40

H3 : Diduga kinerja keuangan dengan ratio ROE berpengaruh positif terhadap

nilai perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI).

H4 : Diduga manajemen laba, ROA dan ROE berpengaruh positif terhadap nilai

perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI).
 BAB III
METODOLOGI PENELITIAN

3.1 Objek Penelitian

Penelitian ini dilakukan pada perusahaan manufaktur yang terdaftar di

Bursa Efek Indonesia (BEI). Perusahaan manufaktur yang diambil sebagai objek

penelitian adalah perusahaan yang terdaftar selama 2014, 2015, 2016, 2017.

Pengambilan data diambil melalui situs Bursa Efek Indonesia (www.idx.com).

3.2 Desain Penelitian

Penelitian merupakan serangkaian pengamatan yang dilakukan selama

jangka waktu tertentu terhadap suatu fenomena yang memerlukan jawaban dan

penjelasan. Salah satu hal penting yang harus dipertimbangkan dalam melakukan

penelitian adalah merumuskan desain penelitian agar tujuan dapat tercapai dengan

baik. Karena penelitian ini untuk mengetahui hubungan yang bersifat

mempengaruhi antara dua variabel atau lebih, maka penelitian ini menggunakan

desain penelitian hubungan atau asosiatif dan menurut sifat hubungannya,

penelitian menggunakan hubungan sebab akibat (kausal).

Desain yang digunakan dalam penelitian ini adalah riset kausal. Menurut

Sugiyono (2012:37), yaitu hubungan yang bersifat sebab akibat. Tujuan utama

dari riset kausal ini adalah untuk mendapatkan bukti hubungan sebab akibat,

sehingga dapat diketahui mana yang menjadi variabel yang mempengaruhi dan

mana variabel yang dipengaruhi.

41
 42

3.3 Variabel Penelitian

Sesuai dengan judul yang diusulkan pengaruh manajeman laba dan kinerja

keuangan terhadap nilai perusahaan pada perusahaan manufaktur yang terdaftar di

Bursa Efek Indonesia (BEI). Variabel kinerja keuangan menggunakan ratio ROA

dan ROE.

1. Variabel Independen (Variabel Bebas)

Variabel bebas yaitu variabel yang mempengaruhi variabel terikat, baik

secara positif maupun negatif serta sifatnya dapat bediri sendiri. Dalam

penelitian ini yang menjadi variabel bebas adalah :

a. Variabel X1 Manajemen Laba

b. Variabel X2 ROA

c. Variable X3 ROE

2. Variabel Dependen (Variabel Terikat)

Variabel terikat adalah variabel yang dipengaruhi oleh variabel bebas yang

sifatnya tidak dapat berdiri sendiri serta menjadi perhatian utama peneliti.

Dalam penelitian ini yang menjadi variabel terikat adalah :

Variabel Y Nilai Perusahaan

3.4 Defenisi Operasional Variabel

Definisi operasional variabel adalah suatu definisi yang diberikan kepada

suatu variabel dengan cara memberikan arti, mengspesifikasikan kegiatan ataupun

memberikan suatu operasional yang diperlukan dalam penelitian inni untuk

mempermudah dalam menyelasaikan permasalahan, maka perlu mengukur

variabel-variabel yang digunakan.

 43

1. Manajemen Laba

Menurut Kieso, D., Weygandt, J., & Warfield, T. (2011:145)

mengatakan “Earning management is often defined as the planned timing

of revenues, expenses, gains, and losses to smooth out bumps in earning

(Manajemen laba sering didefenisikan sebagai perencanaan waktu dari

pendapatan, beban, keuntungan dan kerugian untuk meratakan fluktasi

laba)”. Manajemen laba diukur dengan discretionary accrual.

Model De Angelo (1986) mengasumsikan bahwa tingkat akrual yang

nondiscretionary mengikuti pola random walk. Dengan demikian tingkat

akrual yang nondiscretionary perusahaan i pada periode t diasumsikan

sama dengan tingkat akrual yang nondiscretionary pada periode t-1. Jadi

selisih total akrual antara periode t dan t-1 merupakan tingkat akrual

discretionary. Dalam model ini, De Angelo menggunakan total akrual t-1

sebagai akrual nondiscretionary.

Rumus : DAit = (TAit –TAit-1) / Ait-1

Keterangan:

DAit = Discretionary accruals perusahaan i pada periode ke t

TA 𝑡 = Total accruals perusahaan i pada akhir tahun t

TA 𝑡–1 = Total accruals perusahaan i pada akhir tahun t-1

A 𝑡–1 = Total Asset perusahaan i pada akhir tahun t-1

 44

2. Return On Assets (ROA)

Return On Asset (ROA) merupakan rasio yang menunjukkan seberapa

besar kontribusi aktiva dalam menciptakan laba bersih. Dengan kata lain,

rasio ini digunakan untuk mengukur seberapa besar jumlah laba bersih

yang dihasilkan dari setiap rupiah dana yang tertanam dalam total aktiva.

Rasio ini dihitung dengan membagi laba bersih terhadap ekuitas (Fahmi,

I. 2012). Beikut rumus menghitung ROA sebagai berikut :

Rumus : x 100%

3. Return On Equity (ROE)

Return On Equity (ROE) merupakan rasio yang menunjukkan seberapa

besar kontribusi ekuitas dalam menciptakan laba bersih. Dengan kata

lain,rasio ini digunakan untuk mengukur seberapa besar jumlah laba bersih

yang dihasilkan dari setiap rupiah dana yang tertanam dalam total ekuitas.

Rasio ini dihitung dengan membagi laba bersih terhadap ekuitas (Fahmi,

I. 2012). Beikut rumus menghitung ROE sebagai berikut :

Rumus : x 100%

4. Nilai Perusahaan

Menurut Sartono, A. (2012:9), Nilai perusahaan dapat didefinisikan

sebagai berikut : “Tujuan memaksimumkan kemakmuran pemegang

saham dapat ditempuh dengan memaksimumkan nilai sekarang atau

present value semua keuntungan pemegang saham akan meningkat

 45

apabilaharga saham yang dimiliki meningkat”. Menurut Bringham, E., &

Houston, J. (2011:151), price to book value dapat dihitung dengan rumus

sebagai berikut:

Rumus:

Adapun variabel-vaiabel operasional yang terangkum dalam tabel sebagai

berikut :

Tabel 3.1
Definisi Operasional Variabel

No. Variabel Jenis Indikator Skala

Penelitian Variabel

1 Manajemen Independen DAit = (TAit –TAit-1) / Ait-1 Ratio

Laba

2 Return On Independen Ratio

Assets 𝑡
(ROA) 𝑡 𝑡

3 Return On Independen Ratio

Equity 𝑡
(ROE) 𝑡 𝑡

4 Nilai Dependen Ratio

Perusahaan
/ Price To
Book Value

3.5 Populasi dan Sampel

Populasi yang digunakan dalam penelitian ini adalah perusahaan

manufaktur yang terdaftar di Bursa Efek Indonesia (BEI). Sedangkan data yang
 46

digunakan sebagai sampel dalam penelitian ini adalah data Bursa Efek Indonesia

(BEI) manajemen laba, kinerja keuangan dengan menggunakan ratio ROA dan

ROE terhadap nilai perusahaan selama periode pengamatan 2014-2017.

Alasan pemilihan periode tahun yang digunakan adalah untuk

mendapatkan hasil yang lebih akurat sesuai dengan keadaan sekarang ini.

Pemilihan data bulanan adalah untuk menghindari bias yang terjadi akibat

kepanikan pasar dalam mereaksi suatu informasi, sehingga dengan penggunaan

data bulanan diharapkan dapat memperoleh hasil yang lebih akurat.

3.5.1 Populasi

Menurut Sugiyono (2012:80), mengatakan bahwa populasi adalah wilayah

generalisasi yang terdiri atas objek/subjek yang mempunyai kualitas dan

karakteristik tertentu yang diterapkan oleh peneliti untuk dipelajari dan kemudian

ditarik kesimpulannya. Populasi penelitian dilakukan pada seluruh perusahaan

manufaktur yang go public dan aktif di Bursa Efek Indonesia (BEI) selama

periode 2014-2017.

3.5.2 Sampel

Menurut Sugiyono (2012 : 81), mengatakan bahwa sampel adalah bagian

dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Data yang

dikumpulkan dengan menggunakan porposive sampling dengan kriteria sebagai

berikut :

1. Perusahaan manufaktur yang terdaftar dan tidak pernah delisted di Bursa

Efek Indonesia ( BEI ) selama periode 2014-1017

 47

2. Perusahaan manufaktur yang menerbitkan laporan keuangan lengkap

secara bertururt-turut dan dalam mata uang rupiah dari periode 2014-2017.

3. Perusahaan manufaktur yang mempublikasikan Annual Report pada

periode 2014-2017 dan Annual Report dapat di akses melalui website

Busra Efek Indonesia.

Berdasarkan kriteria diatas, maka sampel yang dibutuhkan dalam

penelitian ini adalah sebanyak 100 perusahaan yang terangkum dalam tabel

sebagai berikut :

Tabel 3.2

Daftar Sampel Perusahaan Manufaktur yang Terdaftar di Bursa Efek

Indonesia (BEI)

No. Kode Perusahaan Nama Perusahaan

1 ADES Akasha Wira International Tbk
2 AGII Aneka Gas Industri Tbk
3 AISA Tiga Pilar Sejahtera Food Tbk
4 AKPI Argha Karya Prima Ind Tbk
5 ALKA Alaska Industrindo Tbk
6 ALMI Alumindo Light Metal Industry Tbk
7 APLI Asiaplast Industries Tbk
8 AMFG Asahimas Flat Glass Tbk
9 ALDO Alkindo Naratama Tbk
10 ARNA Arwana Citramulia Tbk
11 ASII Astra International Tbk
12 AUTO Astra Otoparts Tbk
13 BAJA Saranacentral Bajatama Tbk
14 BATA Sepatu Bata Tbk
15 BIMA Primarindo Asia Infrastructure Tbk
16 BIPP Bhuwantala Indah Permai Tbk
17 BUDI Budi Starch & Sweetener Tbk
18 BRNA Berlina Tbk
19 BTON Betonjaya Manunggal Tbk
20 BTEK Bumi Teknokultura Unggul Tbk
21 CEKA Wilmar Cahaya Indonesia Tbk
 48

22 CPIN Charoen Pokphand Indonesia Tbk

23 DLTA Delta Djakarta Tbk
24 DPNS Duta Pertiwi Nusantara Tbk
25 DVLA Darya-Varia Laboratoria Tbk
26 EKAD Ekadharma International Tbk
26 FASW Fajar Surya Wisesa Tbk
28 GDST Gunawan Dianjaya Steel Tbk
29 GGRM Gudang Garam Tbk
30 GJTL Gajah Tunggal Tbk
31 HMSP HM Sampoerna Tbk
32 ICBP Indofood CBP Sukses Makmur Tbk
33 IGAR Champion Pacific Indonesia Tbk
34 IKAI Intikeramik Alamsri Tbk
35 IMAS Indomobil Sukses Internasional Tbk
36 IMPC Impack Pratama Industri Tbk
37 INAF Indofarma Tbk
38 INAI Indal Aluminium Industry Tbk
39 INCI Intanwijaya Internasional Tbk
40 INDF Indofood Sukses Makmur Tbk
41 INDS Indospring Tbk
42 ISSP Steel Pipe Industry of Indonesia Tbk
43 JECC Jembo Cable Company Tbk
44 JKSW Jakarta Kyoei Steel Works Tbk
45 JPFA Japfa Comfeed Indonesia Tbk
46 JRPT Jaya Real Property Tbk
47 KAEF Kimia Farma (Persero) Tbk
48 KBLI KMI Wire and Cable Tbk
49 KBLM Kebelindo Murni Tbk
50 KDSI Kedawung Setia Industrial Tbk
51 KIAS Keramika Indonesia Assosiasi Tbk
52 KICI Kedaung Indah Can Tbk
53 KIJA Kawasan Industri Jababeka Tbk
54 KLBF Kalbe Farma Tbk
55 LION Lion Metal Works Tbk
56 LMPI Langgeng Makmur Industri Tbk
57 LMSH Lionmesh Prima Tbk
58 MAIN Malindo Feedmill Tbk
59 MERK Merck Tbk
60 MLBI Multi Bintang Indonesia Tbk
61 MLIA Mulia Industrindo Tbk
62 MRAT Mustika Ratu Tbk
63 MYOR Mayora Indah Tbk
64 OMRE Indonesia Prima Property Tbk
65 PICO Pelangi Indah Canindo Tbk
 49

66 PRAS Prima Alloy Steel Universal Tbk

67 PSDN Prashida Aneka Niaga Tbk
68 PYFA Pyridam Farma Tbk
69 RICY Ricky Putra Globalindo Tbk
70 ROTI Nippon Indosari Corpindo Tbk
71 SCCO Supreme Cable Manufacturing Corporation Tbk
72 SIAP Sekawan Intipratama Tbk
73 SIDO Industri Jamu dan Farmasi Sido Muncul Tbk
74 SIMA Siwani Makmur Tbk
75 SIPD Sierad Produce Tbk
76 SKBM Sekar Bumi Tbk
77 SKLT Sekar Laut Tbk
78 SMBR Semen Baturaja (Persero) Tbk
79 SMCB Holcim Indonesia Tbk
80 SMGR Semen Indonesia (Persero) Tbk
81 SMSM Selamat Sempurna Tbk
82 SPMA Suparma Tbk
83 SRSN Indo Acidatama Tbk
84 SSTM Sunson Textile Manufacture Tbk
85 STAR Star Petrcohem Tbk
86 TALF Tunas Alfin Tbk
87 TARA Sitara Propertindo Tbk
88 TCID Mandom Indonesia Tbk
89 TOTL Total Bangunan Persada Tbk
90 TOTO Surya Toto Indonesia Tbk
91 TRIS Trisula International Tbk
92 TRST Trias Sentosa Tbk
93 TSPC Tempo Scan Pacific Tbk
94 ULTJ Ultra Jaya Milk Industry Tbk
95 UNIT Nusantara Inti Corpora Tbk
96 UNVR Unilever Indonesia Tbk
97 VOKS Voksel Electric Tbk
98 WIIM Wismilak Inti Makmur Tbk
99 WIKA Wijaya Karya (Persero) Tbk
100 YPAS Yanaprima Hasta Persada Tbk

3.6 Sumber Data dan Metode Pengumpulan Data

3.6.1 Sumber Data

Penelitian ini menggunakan data sekunder, yaitu data yang diperoleh dari

pihak lain atau tidak langsung dari sumber (perusahaan), berupa publikasi dengan
 50

kurun waktu 4 tahun. Sumber yang digunakan adalah laporan keuangan

perusahaan sampel pada tahun 2014-2017 yang berasal dari ICMD (Indonesian

Capital Market Directory) dan annual report (www.idx.co.id).

3.6.2 Metode Pengumpulan Data

5. Penelitian Lapangan

Penulis melakukan tinjauan ke Bursa Efek Indonesia (BEI) untuk

mengambil data-data tentang perusahaan-perusahaan manufaktur yang

terdaftar di Bursa Efek Indonesia (BEI).

6. Penelitian Kepustakaan

Dengan mencari sumber informasi melalui buku-buku diktat kuliah,

literatur-literatur ilmiah yang berkaitan dengan teori yang relevan bagi

pembahasan masalah dan menelusuri penelitian-penelitian yang telah

pernah dilakukan oleh orang lain serta mencari berbagai artikel yang telah

pernal dilakukan oleh orang lain serta mencari berbagai artikel yang dapat

membantu penulis dalam pembahasan ini.

7. Browsing Internet

Dengan mengumpulkan data sekunder yang berasal dari situs-situs terkait

dan informasi tambahan berupa literatur, jurnal dan data keuangan

perusahaan yang berhubungan dengan penelitian ini.

3.7 Teknik Pengolahan Data

Untuk memperoleh data yang dibutuhkan dalam penelitian ini penulis

menggunakan teknik observasi dokumentasi dengan melihat laporan keuangan

sampel. Dengan teknik ini penulis mengumpulkan data laporan perusahaan dari
 51

tahun 2014 sampai 2017 dan melakukan perhitungan terhadap manajemen laba

(DA), kinerja keuangan dengan menggunakan ratio ROA dan ROE. Selain itu

penulis juga mengolah data yang diinginkan. Data diperoleh melalui

www.idx.co.id dengan cara mempelajari literatur yang berkaitan dengan

permasalahan penelitian baik media cetak maupun elektronik.

3.8 Metode Analisis Data

Analisis data yang dilakukan adalah analisis kuantitatif yang dinyatakan

dengan angka-angka dan perhitungannya menggunakan metode statistik yang di

bantu dengan proses E-ViewsWindows. Analisa data yang digunakan dalam

penelitian ini yaitu analisis statistik deskriptif, pengujian asumsi klasik, analisis

regresi berganda dan uji hipotesis.

3.8.1 Analisis Statistik Deskriptif

Analisis statistik deskriptif mempunyai tujuan untuk mengetahui

gambaran umum dari semua variabel yang digunakan dalam penelitian ini, dengan

cara melihat tabel statistik deskriptif yang menunjukkan hasil pengukuran mean,

nilai minimal dan maksimal, serta standar deviasi semua variabel tersebut.

3.8.2 Pengujian Asumsi Klasik

Suatu model regresi berganda yang digunakan untuk menguji hipotesis

dan memenuhi asumsi klasik. Menurut Imam Ghozali (2011) mengatakan uji

asumsi klasik tersebut terdiri dari uji normalitas, uji multikoloniaritas, uji

autokorelasi dan uji heteroskedastisitas. Dalam eviews uji autokorelasi ditiadakan,

sebagai berikut :
 52

3.8.2.1 Uji Normalitas

Menurut Ghozali, I. (2011:160), “uji normalitas bertujuan untuk menguji

apakah dalam model regresi, variabel pengganggu atau residual memiliki distibusi

normal, bila asumsi ini di langgar maka uji statistik menjadi tidak valid untuk

jumlah sampel kecil”. Uji normalitas bertujuan untuk mengetahui apakah modal

regresi berdistibusi normal atau tidak. Model regresi yang baik adalah model

regresi yang memiliki distribusi normal. Uji normalitas dapat dilakukan dengan

uji Kolmogorov-Smirnov, yaitu dengan membandingkan distribusi data yang akan

diuji normalitasnya dengan distribusi normal baku. Penerapan pada uji

Kolmogorov-Smirnov, yaitu jika nilai signifikansi di bawah 5% (0,05) artinya

data tidak berdistribusi normal, dan jika nilai signifikansi di atas 5% (0,05) maka

data berdistribusi normal.

3.8.2.2 Uji Heteroskedastisitas

Menurut Ghozali, I. (2011:139), “uji heteroskedastisitas bertujuan

menguji apakah model regresi terjadi ketidaksamaan variabel dari residual satu

pengamatan ke pengamatan lain”. Model regresi yang baik, yaitu jika tidak tejadi

heteroskedastisitas (homoskedastisitas). Untuk pengujian heteroskedastisitasnya

menampilkan scatter plot (nilai prediksi dependen ZPRED dengan residual

SRESID), karena skala pengukuran data yang digunakan dalam penelitian ini

adalah skala interval.

3.8.2.3 Uji Multikolonieritas

Menurut Santoso, A. (2012:243), “tujuan uji linieritas untuk mengetahui

apakah dalam sebuah model regresi linier antara sebuah variabel independen
 53

dengan variabel dependen”. Seharusnya ada hubungan yang bersifat garis lurus

dengan aah garis ke kanan atas atau ke kanan bawah, antara kedua variabel

tersebut. Jika hubungan tidak linier, dalam arti keduannya mempunyai hubungan

yang hiperbola atau membentuk kurva atau bentuk non linier lainnya, maka model

regresi tentu akan bias saat melakukan prediksi terhadap variabel dependen

(Santoso, A. 2012:243). Saat menguji linieritas hubungan variabel independen

dengan variabel dependen harap berhati-hati dengan pengaruh waktu pengambilan

data. Pengujian dilakukan dengan asumsi hubungan kedua variabel bersifat linier

dalam waktu dan kondisi tertentu. Pengujian linieritas harus mempertimbangkan

kondisi dan waktu pengambilan sampel.

3.8.3 Model Estimasi Regresi Data Panel

3.8.3.1 Uji Chow

Uji chow dilakukan untuk menguji antara model common effect dan fixed

effect. Untuk melakukan uji chow, data diregresikan dengan menggunakan model

common effect dan fixed effect terelebih dahulu, kemudian dibuat hipotesis untuk

diuji. Hipotesis tersebut adalah sebagai berikut:

H0 : maka digunakan model common effect

H1 : maka digunakan model fixed effect

Pedoman yang dapat digunakan dalam pengambilan kesimpulan uji chow

adalah sebagai berikut:

a. Jika nilai probability Chi-Square > 0,05 artinya H0 ditolak, maka model

terpilih common effect.

 54

b. Jika nilai probability Chi-Square < 0,05 artinya H1 diterima, maka model

terpilih fixed effect.

3.8.3.2 Uji Hausman

Uji hausman dilakukan untuk menguji apakah data dianalisis dengan

menggunakan fixed effect atau random effect.

H0 : Model Random Effect

H1 : Model Fixed Effect

Pedoman yang dapat digunakan dalam pengambilan kesimpulan uji

Hausman adalah sebagai berikut:

a. Jika nilai probability Chi-square > 0,05 artinya H0 ditolak, maka model

terpilih random effect.

b. Jika nilai probability Chi-square < 0,05 artinya H1 diterima, maka model

terpilih fixed effect.

3.8.4 Analisis Regresi Berganda

Regresi bertujuan untuk menguji pengaruh antara variabel satu dengan

variabel lainnya. Analisis regresi berganda adalah analisis tentang hubungan

antara satu depedenden variabel dengan dua atau lebih independent variabel. Data

yang telah dikumpulkan akan diolah dengan menggunakan software eviews.

Model persamaan regresi berganda sebagai berikut:

Rumus: Y = α+ β1X1 + β2X2 + β3X3 + e

 55

Keteangan :
Y = Nilai Perusahaan
α = Konstanta
β1,β2,β3 = Koefisien Regresi
X1 = Manajemen Laba
X2 = ROA
X3 = ROE

3.8.5 Uji Hipotesis

3.8.5.1 Uji Secara Parsial (Uji-t)

Uji statistik t digunakan untuk menguji pengaruh masing-masing variabel

independen terhadap variabel dependen. Dengan kriteria pengujian sebagai

berikut :

1. H01 : B1 = 0 tidak terdapat pengaruh dari manajemen laba (X1), terhadap

nilai perusahaan (Y)

Ha1 : B1 = 0 terdapat pengaruh dari manajemen laba (X1), terhadap nilai

perusahaan (Y).

2. H02 : B2 = 0 tidak terdapat pengaruh dari ROA (X2), terhadap nilai

perusahaan (Y)

Ha2 : B2 = 0 terdapat pengaruh dari ROA (X2), terhadap nilai perusahaan

(Y).

3. H03 : B3 = 0 tidak terdapat pengaruh dari ROE (X3), terhadap nilai

perusahaan (Y)

Ha3 : B3 = 0 terdapat pengaruh dari ROE (X3), terhadap nilai perusahaan

(Y).
 56

3.8.5.2 Uji Secara Simultan (Uji-F)

Uji statistk f digunakan untuk menguji seluruh variabel independen

(manajemen laba, ROA, ROE) yang diteliti, mempunyai pengaruh secara

bersama-sama terhadao variabel dependen (nilai perusahaan). Dilakukan dengan

membandingkan f-hitung dengan f-tabel. Dengan kriteria sebagai berikut :

a. H03 : B3 = 0 tidak terdapat pengaruh antara manajemen laba (X1), ROA

(X2) dan ROE (X3) terhadap nilai perusahaan (Y).

b. Ha3 : B3 = 0 tidak terdapat pengaruh antara manajemen laba (X1), ROA

(X2) dan ROE (X3) terhadap nilai perusahaan (Y).

Nilai f-hitung menurut Sugiyono (2012:192), dapat dicari dengan rumus :

Rumus :

Keterangan :

R2 = koefisien determinasi

n = jumlah observasi

k = jumlah variabel yang digunakan

Untuk hasil kesimpulan F-hitung dalam mengambil keputusan jika :

1. F-hitung f-tabel, maka H0 ditolak dan Ha diterima (a = 5%).

2. F-hitung f-tabel, maka H0 ditolak dan Ha ditolak (a = 5%).

Kriteria pengambilan keputusan untuk hipotesis dilakukan pada tingkat signifikan

(level of significant) 0,05 atau 5%.

 57

3.8.6 Pengujian Koefisien Determinasi (R2)

Penggunaan koefisien determinasi dilakukan apabila hubungan antara

variabel X dan variabel Y menunjukkan kausalitas. Menurut Abdurrahman, M.

(2011:219), untuk mengetahui seberapa besar variabel independen terhadap

variabel dependen dilakukan perhitungan statistik koefisien determinasi yang

dihitung menggunakan rumus sebagai berikut :

Rumus : KD = r2 x 100%

Keterangan :

KD = Koefisien determinasi

r = Koefisien korelasi

Nilai koefisien determinasi berada antara (0 KD 1) dengan ketentuan :

1. Jika nilai koefisien determinasi (KD) = 0, berarti variabel independen

tidak mempunyai pengaruh terhadap variabel dependen.

2. Jika nilai koefisien determinasi (KD) = 1, berarti variasi (naik atau

turunnya) variabel dependen adalah 100% dipengaruhi variabel dependen.

3. Jika nilai koefisien determinasi (KD) berada diantara 0 dan 1 (0 KD

1), maka besarnya pengaruh variabel independen terhadap variasi (naik

atau turunnya) variabel dependen adalah sesuai nilai KD itu sendiri dan

selebihnya berasal dari faktor lain.

 BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum Bursa Efek Indonesia

4.1.1 Sejarah Bursa Efek Indonesia

Bursa efek indonesia adalah salah satu bursa saham yang dapat

memberikan peluang investasi dalam sumber pembiayaan dalam upaya

mendukung perekonomian nasional. Bursa efek indonesia berperan juga dalam

upaya mengembangkan pemodal lokal yang besar dan solid untuk menciptakan

pasar modal indonesia yang stabil. Sejarah bursa efek indonesia sendiri atau yang

awalnya bernama bursa efek jakarta yang menjadi cikal bakal terbentuk bursa efek

indonesia berawal pada abad ke-19 yaitu pada tanggal 14 desember 1912, yang

didukung oleh pemerintahan kolonial belanda. Bursa efek pertama di indonesia

pertama kali didirikan di batavia,yaitu pusat pemerintahan kolonial belanda yang

dikenal sebagai jakarta saat ini.

Bursa efek batavia sempat ditutup selama periode perang dunia pertama

dan kembali dibuka pada tahun 1925. Selain bursa efek batavia, pemerintah

kolonal juga mengoperasikan bursa efek paralel di daerah surabaya dan juga

semarang. Namun kegiatan bursa ini dihentikan kembali dikarenakan terjadinya

penjajahan yang dilakukan oleh negara jepang. Pada tahu 1952, bertpata tujuh

tahun setelah indonesia medeklarasikan kemerdekaannya, kembali lagi dibuka di

ahaan-perujakarta dengan memperdagangkan saham dan obligasi yang diterbitkan

oleh perusahaan- perusahaan belanda sebelum perang dunia. kegiatan bursa saham

58
 59

kemudian berhenti kembali ketika pemerintahan meluncurkan program

nasionalisasi pada tahun 1956. Sedangkan pembukaan bursa saham kembali

terjadi pad tahun 1977 dan di resmikan dengan ditandatangani langsung oleh

badan pelaksana pasar modal (BAPEPAM), institusi baru ini dibawah departemen

keuangan. Kegiatan perdagangan dan kapitalisasi pasar saham mulai meningkat

dan mencapai puncaknya pada tahun 1990 seiring dengan perkembangan pasar

finansial dan sektor swasta. Pada tanggal 13 juli 1992, bursa saham berubah nama

mejadi PT Bursa Efek Jakarta ini mengakibatkan beralihnya fungsi BAPEPAM

menjadi badan pengawas pasar modal .

Tahun 1995 Bursa Efek Jakarta (BEJ) memasuki babaka baru tercatat pada

tanggal 22 mei 1995. BEJ meluncurkan Jakarta Automated Tranding System

(JATS), sebuah sitem perdagangan otomatis yang menggantikan sitem

perdagangan manual. Sistem baru ini dapat memfasilitasi perdagangan saham

dengan frekuensi yang lebih besar dan lebih menjamin kegiatan psara yang fair

dan transparant di bandingkan dengan sistem yang manual. Pada tahun 2007

Bursa Efek Surabaya dan Bursa Efek Jakarta digabungkan menjadi Bursa Efek

Indonesia (BEI) yang bertempat di daerah Jakarta

Tabel 4.1
Sejarah Singkat Perkembangan Bursa Efek Indonesia

Tanggal Keterangan
Desember 1912 Bursa Efek Pertama Indonesia di bentuk di
Batavia oleh pemerintahan Hindia Belanda
 60

Tahun 1914-1918 Bursa Efek di Batavia di tutup selama perang

dunia 1
Tahun 1925-1942 Bursa Efek di Jakarta dibuka kembali bersama
dengan Bursa Efek d Semarang dan Surabaya
Awal Tahun 1939 Bursa Efek di Semarang dan Surabaya di tutup di
karenakan terjadinya perang Dunia ke 11
Tahun 1942-1952 Bursa Efek Jakarta di tutup keambali di karenakan
terjadinya perang dunia ke 11
Tahun 1956 Program nasionalisasi perusahaan belanda Bursa
Efek semakin tidak aktif
Tahun 1956-1977 Perdagangan di Bursa Efek semakin meredup
10 Agustus 1977 Bur Efek Jakarta (BEJ) di resmikan kembali oleh
Presiden Soekarno, BEJ dijalankan dibawah
BAPEPAM (Badan Pelaksana Pasar Modal ).
Dengan ditandainya Go Publik Pt Semen
Cibinong sebagai emiten pertama pada tahun 2008
tentang Surat Berharga Syariah Negara
Tahun 1977-1987 Perdagangan Bursa Efek di Indonesia sangat lesu,
terbukti dengan jumlah emiten yang tercatat pada
tahun 1987 hanya berjumlah 24 di karenakan
minat masyarakat lebih berminat pada intrumen
perbankan dari pada instrumen pasra modal
Tahun 1987 Ditandai dengan hadirnya paket Desember 1987
(PAKDES 87) yang memberikan kemudahan bagi
perusahaan untuk melakukan penawaran umum
dan investor asing menanamkan modal di
Indonesia
Tahun 1988-1990 Regulasi bidang perbankan di pasara modal di
luncurkan dan di publikasikan pada pihak asing
dan mengakibatkan kenaikan gairah berinvestasi
 61

pasar modal
02 Juni 1988 Bursa Paralel Indonesia (BPI)mulai beroperasi dan
dikelolah persatuan perdagangan uang dan efek

(PPUE), sedangkan organisasi terdiri dari broker

dan dealer.
Desember 1988 Pemerintah mengaeluarkan paket desember 88
(PAKDES 88) yang memberikan kemudahan
perusahaan untuk Go Publik dan beberapa
kebijakan lain yang positif bagi pertumbuhan
pasar modal.
16 juni 1989 Bursa Efek Surabaya mulai beroperasi dan
dikelola oleh perseroan terbatas milik swasta yaitu
Bursa Efek Surabaya
13 juni 1992 BAPEPAM berubah menjadi Badan Pengawas
Pasar Modal yang di peringati Hut BEJ
22 Mei 1995 Sistem otomasi perdagangan di BEJ dilaksanakan
dengan sistem komputer JATS (Jakarta
Automoted Trading Sistem).
10 November 1995 Pemerintah mengeluarkan undang-undang no.8
tahun 1995 tentang pasar modal. Undang-undang
ini diresmikan pada bulan januari 1996
Tahun 1995 Bursa Efek Indonesia melakukan merger dengan
Bursa Efek Surabaya.
Tahun 2000 Tahun ini barulah sistem perdagangan tanpa
warkat (Scipless trading ) mulai di aplikasikan
pasar modal indonesia.
Tahun 2002 BEJ mulai mengaplikasikan sitem perdagangan
jarak jauh (Remote Tranding)
Tahun 2007 Penggabungan Bursa Efek Surabaya dengan Bursa
Efek Jakarta menjadi Bursa Efek Indonesia (BEI).
 62

02 Maret 2009 Peluncuran perdana sistem perdagangan baru

Pt.Bursa Efek Indonesia : JATS –nextG.

4.1.2 Visi dan Misi

Bursa Efek Indonesia mempunyai Visi untuk menjadi bursa yang

kompetitif dengan kredibilitas tingkat dunia.Sedangkan Misi yang ingin di capai

oleh Bursa Efek Indonesia yaitu Sebagai berikut :

1. Pillar of Indonesian Economy

2. Market Oriented

3. Company Tranformation

4. Institutional Building

5. Delivery Best Quality Products & Service

4.1.3 Struktur Bursa Efek Indonesia (BEI)

Organisasi adalah hasil-hasil dari prose pengorganisasian dan

pengelompokan secara terstruktur untuk mencapai tujuan yang di inginkan.

Organisasi juga dapat di artikan sebagai sitem interaksi individu untuk mencapai

tujuan tertentu. Sedangkan organisasi di perusahaan biasanya bersifat lebih lama ,

permanen dan lebih rumit.

Struktur organisasi sendiri di artikan sebagai susunan sistem yang

membahas hubungan artar posisi-posisi kepemimpinan yang ada dalam suatu

organisasi. Struktur tersebut adalah hasil pertimbangan dan kesadaran tentang

pentingnya perencanaan atas penentuan kekuasaan, tanggung jawab dan

spesialisasi setipa anggota organisasi.

 63

Gambar 4.1
Struktur Organisasi Bursa Efek Indonesia

Sumber : www.Idx.co.id

4.2 Deskripsi Hasil Penelitian

4.2.1 Analisis Deskriptif Statistik

Jenis data yang digunakan dalam penelitian ini adalah berupa data panel

yakni gabungan antara data runtut waktu (time series) dan data silang (cross

section). Data runtut waktu (time series) untuk periode tahun 2014 – 2017. Data
 64

silang (cross section) meliputi 100 perusahaan manufaktur yang menerbitkan

laporan keuangan.

Dibawah ini adalah deskripsi data yang digunakan dalam penelitian ini

yang telah diolah dengan menggunakan E-Views 9.

Tabel 4.2
Hasil Deskriptif Statistik Data Penelitian

PBV DA ROA ROE

Mean 0.253334 -0.002639 5.583359 10.25917

Median 0.104360 -0.002000 3.980000 7.580000
Maximum 4.412071 0.370000 32.98000 135.8500
Minimum -2.659260 -0.350000 -13.58000 -24.87000
Std. Dev. 1.139157 0.102425 7.425103 17.80806
Observations 387 387 387 387
Sumber : Output Eviews 9

a. PBV

Berdasarkan hasil analisis deskriptif dari data selama periode penelitian

dapat dilihat bahwa nilai terbesar adalah 4,412071 dan nilai terkecil adalah

-2,659260. Rata-rata (mean) sebesar 0,253334 dengan standar deviasi

1,139157.

b. DA

Berdasarkan hasil analisis deskriptif dari data selama periode penelitian

dapat dilihat bahwa nilai terbesar adalah 0,370000 dan nilai terkecil

adalah -0,350000. Rata-rata (mean) sebesar -0,002639 dengan standar

deviasi 0,102425.
 65

c. ROA

Berdasarkan hasil analisis deskriptif dari data selama periode penelitian

dapat dilihat bahwa nilai terbesar adalah 32,98000 dan nilai terkecil adalah

-13,58000. Rata-rata (mean) sebesar 5,583359 dengan standar deviasi

7,425103.

d. ROE

Berdasarkan hasil analisis deskriptif dari data selama periode penelitian

dapat dilihat bahwa nilai terbesar adalah 135,8500 dan nilai terkecil adalah

-24,87000. Rata-rata (mean) sebesar 10,25917 dengan standar deviasi

17,80806.

4.2.2 Pengujian Asumsi Klasik

4.2.2.1 Uji Normalitas

Uji normalitas pada model regresi digunakan untuk menguji apakah nilai

residual terdistribusi secara normal atau tidak. Model regresi yang baik adalah

yang memiliki nilai residual yang terdistribusi secara normal. Terdapat dua cara

untuk melihat apakah data terdistribusi normal atau tidak. Pertama, jika nilai

Jarque-Bera < 2, maka data sudah terdistribusi normal. Kedua, jika probabilitas >

nilai signifikansi 0,05 maka data sudah terdistribusi normal. Berikut uji normalitas

pengaruh manajemen laba (DA) dan kinerja keuangan dengan rasio ROA dan

ROE sebagai berikut :

 66

Gambar 4.2
Hasil Histogram Uji Normalitas
60
Series: Standardized Residuals
Sample 2014 2017
50
Observations 387

40 Mean -5.51e-17
Median 0.007325
Maximum 2.398335
30
Minimum -2.568771
Std. Dev. 0.858489
20 Skewness 0.109591
Kurtosis 3.049951
10
Jarque-Bera 0.814895
Probability 0.665346
0
-2 -1 0 1 2

Sumber : Output Eviews 9

Berdasarkan hasil uji Jarque-Bera sebesar 0,814895 dengan probability

sebesar 0.6655346 lebih besar dari 0.05, dengan demikian dapat disimpulkan

bahwa data dari variabel dalam penelitian ini telah terdistribusi normal.

4.2.2.2 Uji Multikolineritas

Multikolineritas adalah keadaan dimana terjadi hubungan liner yang

sempurna atau mendekati antar variabel independen dalam model regresi. Suatu

modal regresi dikatakan mengalami Multikolonieritas jika ada fungsi liner yang

sempurna pada beberapa atau semua variabel independen dalam fungsi linear.

Cara untuk mengtahui ada atau tidaknya gejala multikolineritas antara lain

dengan melihat nilai hubungan antar variabel independen. Apabila nilai hubungan

antar variabel lebih kecil dari 0,08 maka dinyatakan tidak terjadi multikolineritas.
 67

Tabel 4.3
Hasil Uji Multikolineritas
DA ROA ROE

DA 1.000000 0.081222 0.036048

ROA 0.081222 1.000000 0.705766
ROE 0.036048 0.705766 1.000000

Sumber : Output Eviews 9

Berdasarkan Tabel 4.3 di atas, memperlihatkan bahwa tidak terdapat

hubungan variabel bebas dengan nilai lebih dari 0,80. data dikatakan

teridentifikasi multikolineritas apabila koefisien korelasi antar variabel bebas

lebih dari 0,80. sehingga dapat disimpulkan bahwa data variabel dalam penelitian

ini tidak terdapat multikolineritas.

4.2.2.3 Uji Heteroskedastisitas

Heteroskedastisitas adalah keadaan dimana terjadi ketidaksamaan varian

dari residual untuk semua pengamatan pada model regresi. Ada beberapa cara

untuk menguji apakah model regresi yang kita pakai lolos heteroskedastisitas.

Dalam mendeteksi ada tidaknya masalah heteroskedastisitas penelitian yang kita

pakai ini menggunakan Uji Glejser yakni meregresikan nilai mutlaknya dengan

variabel independen. Ketentuan yang dipakai, jika nilai probabilitasnya tidak

signifikan secara statistik pada derajat 5% maka hipotesis nol diterima, yang

berarti tidak ada heteroskedastisitas dalam model. Sebaliknya jika nilai

probabilitasnya signifikan secara statistik pada derajat 5% maka hipotesis nol

ditolak, yang berarti ada masalah heteroskedastisitas.

 68

Tabel 4.4
Hasil Uji Heteroskedastisitas
Heteroskedasticity Test: Glejser

Variable Coefficient Std. Error t-Statistic Prob.

C 0.769284 0.032852 23.41644 0.0000

DA 0.028118 0.256310 0.109702 0.9127
ROA -0.011399 0.006126 -1.860712 0.0636
ROE -0.002961 0.002552 -1.160595 0.2465

Sumber : Output Eviews 9

Dari output di atas dapat diketahui bahwa tidak ada masalah

Heteroskedastisitas. Hal ini karena probabilitas ke 3 variabel independen lebih

dari 0,05. dimana nilai probabilitas DA sebesar 0,9127 lebih besar dari 0,05, ROA

sebesar 0,0636 lebih besar dari 0,05 dan ROE sebesar 0,2465 lebih besar dari 0,05

4.2.3 Hasil Pemilihan Model Regresi Data Panel

4.2.3.1 Uji Chow

Uji chow dilakukan untuk menguji antara model common effect dan fixed

effect. Untuk melakukan uji chow, data diregresikan dengan menggunakan model

common effect dan fixed effect terelebih dahulu, kemudian dibuat hipotesis untuk

diuji. Hipotesis tersebut adalah sebagai berikut:

H0 : maka digunakan model common effect

H1 : maka digunakan model fixed effect

Pedoman yang dapat digunakan dalam pengambilan kesimpulan uji chow

adalah sebagai berikut:

 69

a. Jika nilai probability Chi-Square > 0,05 artinya H0 ditolak, maka model

terpilih common effect.

b. Jika nilai probability Chi-Square < 0,05 artinya H1 diterima, maka model

terpilih fixed effect.

Tabel 4.5
Hasil Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 19.043611 (97,286) 0.0000

Cross-section Chi-square 777.638130 97 0.0000

Sumber : Output Eviews 9

Berdasarkan tabel 4.5 dapat kita ketahui bahwa probability Chi-square

adalah 0,0000 lebih kecil dari 0,05 maka dapat disimpulkan H0 ditolak dan model

Fixed Effect lebih baik dibandingkan dengan model Common Effect.

4.2.3.2 Uji Hausman

Uji hausman dilakukan untuk menguji apakah data dianalisis dengan

menggunakan fixed effect atau random effect.

H0 : Model Random Effect

H1 : Model Fixed Effect

Pedoman yang dapat digunakan dalam pengambilan kesimpulan uji

Hausman adalah sebagai berikut:

 70

c. Jika nilai probability Chi-square > 0,05 artinya H0 ditolak, maka model

terpilih random effect.

d. Jika nilai probability Chi-square < 0,05 artinya H1 diterima, maka model

terpilih fixed effect.

Tabel 4.6
Hasil Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects

Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.

Cross-section random 23.009416 3 0.0000

Sumber : Output Eviews 9

Berdasarkan tabel 4.6 dapat diketahui bahwa probability Chi-square

adalah 0,0000 lebih kecil dari 0,05 maka dapat di simpulkan Ha diterima dan

model yang digunakan adalah model Fixed Effect.

4.2.4 Analisis Regresi Data Panel

Analisis Regresi Linear Data Panel pada penelitian ini menggunakan

metode Random Effects sebagai metode analisis data panel pada penelitian ini

sebelumnya di uji melalui uji chow dan uji hausman terlebih dahulu, sehingga

akhirnya metode Random Effect yang paling tepat untuk menguji data panel pada

penelitian ini.
 71

Tabel 4.7
Hasil Uji Regresi Data Panel dengan Metode Fixed Effects

Variable Coefficient Std. Error t-Statistic Prob.

C -0.261476 0.055021 -4.752274 0.0000

DA -0.430606 0.429270 -1.003114 0.3164
ROA 0.046436 0.010260 4.526042 0.0000
ROE 0.024798 0.004274 5.802538 0.0000

Sumber : Output Eviews 9

Persamaan regresinya sebagai berikut :

Y = α + β1X1 + β2X2 + β3X3 + e

PBV = -0,261476 – 0,430606DA + 0,046436ROA + 0,024798ROE

a. Konstanta sebesar -0,261476 artinya jika X1 (DA), X2 (ROA), X3 (ROE)

nilainya adalah 0, maka besarnya Y (PBV) nilainya sebesar -0,261476.

b. Koefisien regresi variabel X1 (DA) sebesar -0,430606 artinya setiap

peningkatan X1 (DA) sebesar 1 satuan, maka akan menurunkan Y (PBV)

sebesar 0,430606 satuan, dengan asumsi variabel independen lainnya

tetap.

c. Koefisien regresi variabel X2 (ROA) sebesar 0,046436 artinya setiap

peningkatan X2 (ROA) sebesar 1 satuan, maka akan meningkatkan Y

(PBV) sebesar 0,046436 satuan, dengan asumsi variabel independen lain

nilainya tetap.

d. Koefisien regresi variabel X3 (ROE) sebesar 0,024798 artinya setiap

peningkatan X3 (ROE) sebesar 1 satuan, akan meningkatkan Y (PBV)

 72

sebesar 0,024798 satuan. Dengan asumsi variabel independen lain nilainya

tetap.

4.2.5 Uji Hipotesis

4.2.5.1 Uji Signifikansi Parsial (Uji Statistik t)

Uji statistik t digunakan untuk menguji pengaruh masing-masing variabel

independen terhadap variabel dependen. Pengujian ini dilakukan dengan

ketentuan :

a. Apabila probability thitung < 0,05, maka H0 ditolak dan Ha diterima.

b. Apabila probability thitung> 0,05, maka H0 diterima dan Ha ditolak.

Tabel 4.8
Hasil Uji t-Statistic

Variable Coefficient Std. Error t-Statistic Prob.

C -0.261476 0.055021 -4.752274 0.0000

DA -0.430606 0.429270 -1.003114 0.3164
ROA 0.046436 0.010260 4.526042 0.0000
ROE 0.024798 0.004274 5.802538 0.0000

Sumber : B
Output Eviews 9

Berdasarkan tabel 4.9 menunjukkan bahwa pengaruh variabel Manajemen

Laba (DA) dan Kinerja Keuangan dengan rasio (ROA) dan (ROE) dapat diuji

sebagai berikut :

1. Pengujian Hipotasis Pertama

Hasil analisis menunjukkan bahwa variabel manajemen laba (DA)

berpengaruh negatif terhadap nilai perusahaan. Hal ini karena variabel

manajemen laba (DA) memiliki nilai keofisien sebesar -0,431. Dan nilai
 73

probability sebesar 0,316 lebih besar dari 0,05 atau (0,316 > 0,05). Karena

nilai probability besar dari taraf signifikansi 5% maka dapat disimpulkan

bahwa variabel manajemen laba (DA) secara parsial tidak berpengaruh

terhadap nilai perusahaan pada perusahaan manufaktur yang terdaftar pada

Bursa Efek Indonesia (BEI) tahun 2013 – 2017. Sehingga H0 diterima dan

Ha ditolak yang berarti “Manajemen Laba tidak berpengaruh signifikan

terhadap Nilai Perusahaan”.

2. Pengujian Hipotasis Kedua

Hasil analisis menunjukkan bahwa variabel kinerja keuangan

dengan rasio ROA berpengaruh positif terhadap nilai perusahaan. Hal ini

karena variabel kinerja keuangan dengan rasio ROA memiliki nilai

keofisien sebesar 0,046. Dan nilai probability sebesar 0,000 lebih kecil

dari 0,05 atau (0,000 < 0,05). Karena nilai probability kecil dari taraf

signifikansi 5% maka dapat disimpulkan bahwa variabel kinerja keuangan

dengan rasio ROA secara parsial berpengaruh terhadap nilai perusahaan

pada perusahaan manufaktur yang terdaftar pada Bursa Efek Indonesia

(BEI) tahun 2013 – 2017. Sehingga H0 ditolak dan Ha diterima yang berarti

“Kinerja Keuangan dengan rasio ROA berpengaruh signifikan terhadap

Nilai Perusahaan”.

3. Pengujian Hipotasis Ketiga

Hasil analisis menunjukkan bahwa variabel kinerja keuangan dengan rasio

ROE berpengaruh positif terhadap nilai perusahaan. Hal ini karena

variabel kinerja keuangan dengan rasio ROE memiliki nilai keofisien

 74

sebesar 0,025. Dan nilai probability sebesar 0,000 lebih kecil dari 0,05

atau (0,000 < 0,05). Karena nilai probability kecil dari taraf signifikansi

5% maka dapat disimpulkan bahwa variabel kinerja keuangan dengan

rasio ROE secara parsial berpengaruh terhadap nilai perusahaan pada

perusahaan manufaktur yang terdaftar pada Bursa Efek Indonesia (BEI)

tahun 2013 – 2017. Sehingga H0 ditolak dan Ha diterima yang berarti

“Kinerja Keuangan dengan rasio ROE berpengaruh signifikan terhadap

Nilai Perusahaan”.

4.2.5.2 Uji Signifikansi Simultan (Uji Statistik F)

Uji F digunakan untuk mengetahui apakah variabel independen secara

bersama-sama berpengaruh secara signifikan terhadap variabel dependen.

Tabel 4.9
Hasil Uji F-statistik

F-statistic 97.12206 Durbin-Watson stat 0.383293

Prob(F-statistic) 0.000000

Sumber : Output Eviews 9

Berdasarkan tabel 4.9 menunjukkan nilai F-statistik sebesar 97,122 dan

probability sebesar 0,000 dengan tingkat kesalahan yang digunakan sebesar 0,05.

Hasil yang diperoleh menunjukkan bahwa nilai probability yang dihasilkan

sebesar 0,0000 < 0,05 maka keputusannya adalah bahwa Manajemen Laba (DA),

dan Kinerja Keuangan dengan rasio (ROA) dan (ROE) berpengaruh signifikan

secara bersama terhadap Nilai Perusahaan (PBV) pada perusahaan manufaktur

yang terdaftar pada Bursa Efek Indonesia (BEI) tahun 2014 – 2017.
 75

Selanjutnya keempat hipotesis penelitian yang dikemukakan sebelumnya

dapat disimpulkan pada tabel sebagai berikut :

Tabel 4.10
Hasil Pengujian Hipotesis Penelitian

No. Pernyataan Signifikan Pembanding Keputusan

Tidak terdapat pengaruh yang
signifikan antara manajemen 0,316 0,05 Ditolak
H1
laba (DA) terhadap nilai
perusahaan
Terdapat pengaruh yang
signifikan antara kinerja 0,000 0,05 Diterima
H2
keuangan dengan rasio ROA
terhadap nilai perusahaan
Terdapat pengaruh yang
signifikan antara kinerja 0,000 0,05 Diterima
H3
keuangan dengan rasio ROE
terhadap nilai perusahaan
Terdapat pengaruh yang
signifikan antara manajemen
laba (DA) dan kinerja 0,000 0,05 Diterima
H4
keuangan dengan rasio ROA
dan ROE terhadap nilai
perusahaan

4.2.6 Koefisien Determinasi (Adjusted R2)

Analisis determinasi adalah ukuran yang menunjukkan seberapa besar

variabel X memberikan kontribusi terhadap variabel Y. Analisis determinasi

digunakan untuk mengetahui presentase sumbangan pengaruh variabel

independen secara serentak terhadap variabel dependen.

 76

Tabel 4.11

Hasil Uji Koefisien Determinasi (R2)

R-squared 0.432059
Adjusted R-squared 0.427611

Sumber : Output Eviews 9

Berdasarkan tabel 4.11 menunjukkan bahwa nilai koefisien

determinasi yang dihasilkan dalam pengujian R-squared bernilai 0,4321.

Hasil yang diperoleh menunjukkan bahwa variabel Manajemen Laba

(DA), dan Kinerja Keuangan dengan rasio (ROA) dan (ROE) mampu

memberikan kontribusi dalam mempengaruhi Nilai Perusahaan (PBV)

sebesar 43,21% dan sisa dipengaruhi oleh variabel lain yang tidak

dimasukan dalam penelitian ini.

4.2.7 Pembahasan Hasil Penelitian

4.2.7.1 Pengaruh Manajemen Laba dengan rasio Discretionary Accrual (DA)

Terhadap Nilai Perusahaan

Hasil analisis menunjukkan bahwa variabel manajemen laba (DA)

berpengaruh negatif terhadap nilai perusahaan. Hal ini karena variabel manajemen

laba (DA) memiliki nilai keofisien sebesar -0,431. Dan nilai probability sebesar

0,316 lebih besar dari 0,05 atau (0,316 > 0,05). Karena nilai probability besar dari

taraf signifikansi 5% maka dapat disimpulkan bahwa variabel manajemen laba

(DA) secara parsial tidak berpengaruh terhadap nilai perusahaan pada perusahaan

manufaktur yang terdaftar pada Bursa Efek Indonesia (BEI) tahun 2013 – 2017.
 77

Sehingga H0 diterima dan Ha ditolak yang berarti “Manajemen Laba tidak

berpengaruh signifikan terhadap Nilai Perusahaan”.

Hasil pengujian pengaruh manajemen laba (DA) terhadap nilai perusahaan

(PBV), meningkatnya manajemen laba maka tidak akan diikuti dengan kenaikan

nilai suatu perusahaan. Dimana manajemen laba (DA) tidak berpengaruh

signifikan terhadap nilai perusahaan (PBV). Artinya perusahaan yang melakukan

manajemen laba ataupun tidak melakukan manajemen laba tidak akan

mempengaruhi nilai perusahaan karena investor percaya dengan perusahaan yang

mereka beli sahamnya tersebut.

Hasil penelitian ini sejalan dengan hasil penelitian yang dilakukan oleh

Lestari, N., & Ningrum, S. A. (2018), menunjukkan bahwa manajemen laba

tidak berpengaruh terhadap nilai perusahaan. Dan sama hasil dengan penelitian

yang dilakukan oleh Menurut Syahadatina, R. (2015), menunjukkan bahwa

earnings management berpengaruh secara positif terhadap nilai perusahaan.

4.2.7.2 Pengaruh Kinerja Keuangan dengan Rasio Return On Assets (ROA)

Terhadap Nilai Perusahaan

Hasil analisis menunjukkan bahwa variabel kinerja keuangan dengan rasio

ROA berpengaruh positif terhadap nilai perusahaan. Hal ini karena variabel

kinerja keuangan dengan rasio ROA memiliki nilai keofisien sebesar 0,046. Dan

nilai probability sebesar 0,000 lebih kecil dari 0,05 atau (0,000 < 0,05). Karena

nilai probability kecil dari taraf signifikansi 5% maka dapat disimpulkan bahwa

variabel kinerja keuangan dengan rasio ROA secara parsial berpengaruh terhadap
 78

nilai perusahaan pada perusahaan manufaktur yang terdaftar pada Bursa Efek

Indonesia (BEI) tahun 2013 – 2017. Sehingga H0 ditolak dan Ha diterima yang

berarti “Kinerja Keuangan dengan rasio ROA berpengaruh signifikan terhadap

Nilai Perusahaan”.

Hasil penelitianinikonsisten dengan uraian teori dan hipotesis yang

diajukan sebelumnya. Dimana return on assets (ROA) berpengaruh signifikan

terhadap nilai perusahaan (PBV). Semakin tinggi hasil pengembalian atas ekuitas,

berarti semakin tinggi pula jumlah laba bersih yang dihasilkan dari setiap rupiah

dana yang tertanam dalam ekuitas. Sebaliknya, semakin rendah hasil

pengembalian atas ekuitas, berarti semakin rendah pula jumlah laba bersih yang

dihasilkan dari setiap rupiah dana yang tertanam dalam ekuitas.Dapat ditarik

kesimpulan bahwa semakin tinggi return on assets (ROA) suatu perusahaan

makan semakin tinggi laba bersih yang dihasilkan perusahaan sehingga

berpengaruh pada minat investor untuk menanamkan modalnya pada perusahaan

tersebut.

Hasil penelitian ini sejalan dengan hasil penelitian yang dilakukan oleh

Hermawan, S., & Maf'ulah, A. N. (2014), menunjukkan bahwa kinerja

keuangan dengan rasio return on assets (ROA), memiliki pengaruh yang

signifikan tehadap nilai perusahaan. Berbeda dengan hasil yang dilakukan oleh

DP, H. R., & Monika, M. (2014), menunjukkan bahwa kinerja keuangan dengan

rasio ROA tidak berpengaruh terhadap nilai perusahaan.

 79

4.2.7.3 Pengaruh Kinerja Keuangan dengan Rasio Return On Equity (ROE)

Terhadap Nilai Perusahaan

Hasil analisis menunjukkan bahwa variabel kinerja keuangan dengan rasio

ROE berpengaruh positif terhadap nilai perusahaan. Hal ini karena variabel

kinerja keuangan dengan rasio ROE memiliki nilai keofisien sebesar 0,025. Dan

nilai probability sebesar 0,000 lebih kecil dari 0,05 atau (0,000 < 0,05). Karena

nilai probability kecil dari taraf signifikansi 5% maka dapat disimpulkan bahwa

variabel kinerja keuangan dengan rasio ROE secara parsial berpengaruh terhadap

nilai perusahaan pada perusahaan manufaktur yang terdaftar pada Bursa Efek

Indonesia (BEI) tahun 2013 – 2017. Sehingga H0 ditolak dan Ha diterima yang

berarti “Kinerja Keuangan dengan rasio ROE berpengaruh signifikan terhadap

Nilai Perusahaan”.

Hasil penelitianinikonsisten dengan uraian teori dan hipotesis yang

diajukan sebelumnya. Dimana return on equity (ROE)berpengaruh signifikan

terhadap nilai perusahaan(PBV). Semakin tinggi hasil pengembalian atas ekuitas,

berarti semakin tinggi pula jumlah laba bersih yang dihasilkan dari setiap rupiah

dana yang tertanam dalam ekuitas. Sebaliknya, semakin rendah hasil

pengembalian atas ekuitas, berarti semakin rendah pula jumlah laba bersih yang

dihasilkan dari setiap rupiah dana yang tertanam dalam ekuitas.Dapat ditarik

kesimpulan bahwa semakin tinggi return on equity (ROE) suatu perusahaan

makan semakin tinggi laba bersih yang dihasilkan perusahaan sehingga

berpengaruh pada minat investor untuk menanamkan modalnya pada perusahaan

tersebut.
 80

Hasil penelitian ini sejalan dengan hasil penelitian yang dilakukan oleh Menurut

DP, H. R., & Monika, M. (2014), menunjukkan bahwa kinerja keuangan dengan

rasio ROE berpengaruh terhadap nilai perusahaan. Sedangkan hasil yang

dilakukan oleh Putri, A. O., & Suwitho. (2015), menunjukkan bahwa kinerja

keuangan berpengaruh positif dan signifikan terhadap nilai perusahaan.

4.2.7.4 Pengaruh Manajemen Laba dan Kinerja Keuangan dengan Rasio

Return On Assets (ROA) dan Return On Equity (ROE) Terhadap Nilai

Perusahaan

Berdasarkan tabel 4.9 menunjukkan nilai F-statistik sebesar 97.122 dan

probability sebesar 0,000 dengan tingkat kesalahan yang digunakan sebesar 0,05.

Hasil yang diperoleh menunjukkan bahwa nilai probability yang dihasilkan

sebesar 0,0000 < 0,05 maka keputusannya adalah bahwa Manajemen Laba (DA),

dan Kinerja Keuangan dengan rasio (ROA) dan (ROE) berpengaruh signifikan

secara bersama terhadap Nilai Perusahaan (PBV) pada perusahaan manufaktur

yang terdaftar pada Bursa Efek Indonesia (BEI) tahun 2014 – 2017.

Hasil ini konsisten dengan uraian teori dan hipotesis yang diajukan

sebelumnya, dimana meningkatnya manajemen laba (DA) maka tidak akan diikuti

dengan kenaikan nilai suatu perusahaan (PBV), artinya perusahaan yang

melakukan manajemen laba ataupun tidak melakukan manajemen laba tidak akan

mempengaruhi nilai perusahaan(PBV) yang bersangkutan. Demikian juga dengan

kinerja keuangan dengan rasio ROA dan ROE, semakin tinggi hasil pengembalian

atas assets dan ekuitas, berarti semakin tinggi pula jumlah laba bersih yang

dihasilkan dari setiap rupiah dana yang tertanam dalam assets dan ekuitas.
 81

Sebaliknya, semakin rendah hasil pengembalian atas assets dan ekuitas, berarti

semakin rendah pula jumlah laba bersih yang dihasilkan dari setiap rupiah dana

yang tertanam dalam assets dan ekuitas.

Penelitian ini sejalan dengan penelitian yang dilakukan oleh Syahadatina,

R. (2015), menunjukkan bahwa earnings management berpengaruh secara positif

terhadap nilai perusahaan. Penelitian yang dilakukan oleh Heder, & Prayadi, M.

P. (2014), menunjukkan bahwa kinerja keuangan dengan rasio return on assets

(ROA) memiliki pengaruh yang signifikan tehadap nilai perusahaan. Dan

penelitian yang dilakukan oleh DP, H. R., & Monika, M. (2014), menunjukkan

bahwa kinerja keuangan dengan rasio ROA tidak berpengaruh terhadap nilai

perusahaan, sedangkan kinerja keuangan dengan rasio ROE berpengaruh terhadap

nilai perusahaan.
 BAB V

PENUTUPAN

5.1 Kesimpulan

Penelitian ini bertujuan untuk menganalisis variabel-variabel yang

memepengaruhi nilai perusahaan, yaitu manajemen laba dan kinerja keuangan

dengan rasio return on assets dan return on equity. Penelitian ini dilakukan

terhadap perusahaan manufaktur yang go publik terdaftar di Bursa Efek Indonesia

pada tahun 2014-2017, yang melibatkan 100 perusahaan yang menjadi sampel

dalam penelitian ini, dengan jumlah data dalam 4 tahun berjumlah 400 data.

Berdasarkan hasil pengujian dan analisis menggunakan statistik deskriptif,

diperoleh beberapa kesimpulan sebagai berikut :

1. Berdasarkan hasil uji hipotesis secara parsial dapat disimpulkan bahwa

manajemen laba (discretionary accrual) tidak berpengaruh terhadap nilai

perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia pada tahun 2014-2017.

2. Berdasarkan hasil uji hipotesis secara parsial dapat disimpulkan bahwa

kinerja keuangan dengan rasio return on assets berpengaruh terhadap nilai

perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia pada tahun 2014-2017.

3. Berdasarkan hasil uji hipotesis secara parsial dapat disimpulkan bahwa

kinerja keuangan dengan rasio return on equity berpengaruh terhadap nilai

82
 83

perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia pada tahun 2014-2017.

4. Berdasarkan hasil uji hipotesis secara simultan dapat disimpulkan bahwa

manajemen laba (discretionary accrual) dan kinerja keuangan dengan

rasio return on assets (ROA) dan return on equity (ROE) bersama-sama

berpengaruh terhadap nilai perusahaan pada perusahaan manufaktur yang

terdaftar di Bursa Efek Indonesia pada tahun 2014-2017.

5.2 Keterbatasan Penelitian

Sesuai dengan hasil pengujian hipotesis yang telah dilakukan penelitian ini

masih memiliki beberapa keterbatasan diantaranya sebagai berikut :

1. periode waktu dalam penelitian ini hanya selama 4 tahun, dengan sampel

penelitian yang masil terbatas, yang berjumlah 100 sampel yang menjadi

objek penelitian.

2. Penggunaan variabel yang mempengaruhi nilai perusahaan hanya

menggunakan tiga variabel yaitu manajemen laba, return on assets dan

return on equity.

3. Ruang lingkup penelitian ini hanya terfokus kepada perusahaan

manufaktur.

5.3 Saran

Mengingat hasil penelitian ini memiliki keterbatasan, maka peneliti

mengajukan beberapa saran perbaikan untuk penelitian mengenai nilai perusahaan

 84

di masa yang akan datang. Berdasarkan kesimpulan dan keterbatasan dalam

penelitian ini, maka penulis mengemukkan beberapa saran sebagai berikut :

1. Bagi Perusahaan

Perusahaan diharapkan mampu meningkatkan kinerja keuangan, agar

investor termotivasi untuk menanamkan sahamnya pada perusahaan yang

diinginkan.

2. Bagi Penelitian Selanjutnya

a. Sebaiknya penelitian berikutnya menambahkan periode waktu

penelitian sehingga lebih dari 4 tahun, sehingga dapat diperoleh

gambaran yang mendekati keadaan sebenarnya mengenai pengaruh

manajemen laba dan kinerja keuangan terhadap nilai perusahaan.

b. Sebaiknya tambahkan jumlah data atau sampel dan ruang lingkup

penelitian. Agar tidak terbatas hanya pada perusahaan manufaktur saja.

c. Sebaiknya dilakukan penambahan variabel independen yang diyakini

dapat mempengaruhi terhadap nilai perusahaan. Beberapa referensi

variabel independen yang dapat di teliti adalah kebijakan hutang, tax

avoidance dan rasio keuangan lainnya selain return on assets dan

return on equity.
 DAFTAR PUSTAKA

Abdurahman, M. (2011). Dasar-Dasar Metode Statistika. Bandung: Pustaka

Setia.

Bringham, E., & Houston, J. (2011). Essentials of Financial Management: Dasar-

Dasar Manajemen Keuangan. Penerjemah Ali Akbar Yulianto. Edisi
Kesebelas. Jakarta: Salemba Empat.

Budisantoso, T., & Nuritomo. (2014). Bank dan Lembaga Keuangan Lain.
Jakarta: Salemba Empat.

Dewi, T., Pratomo, D., & Dilla, V. J. (2016). Pengaruh Manajemen Laba
Terhadap Nilai Perusahaan dengan Kualitas Audit sebagai Variabel
Pemoderasi (Studi Kasus Pada Perusahaan Pertambangan yang Tercatat di
Bursa Efek Indonesia Periode 2010-2011). e-Proceeding of Management .

DP, H. R., & Monika, M. (2014). Pengaruh Kinerja Keuangan Terhadap Nilai
Perusahaan Pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek
Indonesia. Jurnal Manajemen dan Bisnis Sriwijaya.

Fahmi, I. (2013). Analisis Laporan Keuangan. Bandung: Alfabeta.

Ghozali, I. (2011). Aplikasi Analisis Multivariate Dengan Program SPSS.

Semarang: Badan Penerbit Universitas Diponegoro.

Heder, & Prayadi, M. P. (2017). Pengaruh Kinerja Keuangan Terhadap Nilai

Perusahaan Dengan Good Corporate Governance Sebagai Variabel
Pemoderasi. Jurnal Ilmu dan Riset Akuntansi, 7.

Hermawan, S., & Maf'ulah, A. N. (2014). Pengaruh Kinerja Keuangan Terhadap

Nilai Perusahaan Dengan Pengungkapan Corporate Social Responsibility
Sebagai Variabel Pemoderasi. Jurnal Dinamika Akuntansi, 103-118.

Husnan, S., & Pudjiastuti, E. (2012). Dasar-Dasar Manajemen Keuangan, Edisi

Ketiga. Yogyakarta: Akademi Manajemen Perusahaan YKPN.

Jefriansyah. (2015). Pengaruh Kebijakan Hutang dan Manajemen Laba Terhadap

Nilai Perusahaan. Jurnal Ilmiah.

Kasmir. (2012). Analisis Laporan Keuangan. Jakarta: PT. Raja Grafindo Persada.
Kieso, D., Weygandt, J., & Warfield, T. (2011). Intermediate Accounting Volume
I IFRS Edition. United States of America: Wiley.

Lestari, N., & Ningrum, S. A. (2018). Pengaruh Manajemen Laba dan Tax
Avoidance terhadap Nilai Perusahaan dengan Kualitas Audit sebagai
Variabel Moderasi. Journal of Applied Accounting and Taxation, 99-109.

Liu, Z. J., & Wang, Y. S. (2017). Effect of earnings management on economic

value added: G20 and African countries study. South African Journal of
Economic and Management Sciences.

Margaretha, F. (2011). Manajemen Keuangan untuk Manajer Non Keuangan.

Jakarta: Erlangga.

Martani, D., & dkk. (2012). Akuntansi Keuangan Menengah Berbasis Psak Buku
I. Jakarta: Salemba Empat.

Mostafa, W. (2017). The impact of earnings management on the value relevance

of earnings: Empirical evidence from Egypt . Managerial Auditing
Journal.

Munawir, S. (2012). Analisis Laporan Keuangan Edisi Keempat. Cetakan Kelima

Belas. Ypgyakarta: Liberty.

NA, Chasmi., & M, Fadaee. (2016). Impact of Financial Performance and Growth
Opportunities on Success or Failure of Companies: Evidence from Tehran
Stock Exchange. Journal of Accounting & Marketing.

Putri, A. O., & Suwitho. (2015). Pengaruh Kinerja Keuangan Terhadap Nilai
Perusahaan Dengan Pengungkapan CSR Sebagai Variabel Pemoderasi.
Jurnal Ilmu dan Riset Manajemen, 4.

Rahayu, S. (2010). Pengaruh Kinerja Keuangan Terhadap Nilai Perusahaan

Dengan Pengungkapan Corporate Social Respocibility dan Good
Corporate Governance Sebagai Variabel Pemoderasi. Universitas
Diponogoro, Semarang.

Repi, S., Murni, S., & Adare, D. (2016). Faktor-Faktor yang Mempengaruhi Nilai
Perusahaan Sub Sektor Perbankan Pada BEI dalam Menghadapi MEA.
Jurnal EMBA.

Restuningdiah, N. (2011). Perataan Laba terhadap Reaksi Pasar dengan

Mekanisme GCG dan CSR Disclosure. Jurnal Manajemen Bisnis, 3, 242.
Rudianto. (2013). Akuntansi Manajemen Informasi untuk Pengambilan Keputusan
Strategis. Jakarta: Erlangga.

Santoso, S. (2012). Panduan Lengkap SPSS Versi 2.0. Jakarta: PT. Elex Media
Komputindo.

Sari, N. K., & Astuti, D. D. (2015). Faktor yang Mempengaruhi Manajemen Laba
Pada Sektor Perbankan Indonesia. Journal of Business and Banking.

Sartono, A. (2012). Manajemen Keuangan Teori dan Aplikasi Edisi 4.

Yogyakarta: BPFE.

Subramanyam, K., & Wild, J. J. (2012). Analisis Laporan Keuangan (Financial

Statement Analysis). Jakarta: Salemba Empat.

Sudana, I. M., W, A., & Ayu, P. (2011). Corporate Governance dan Pengukuran
Corporate Sosial Responsibility Pada Perusahaan Go-Public di Bursa Efek
Indonesia. Jurnal Manajemen dan Terapan.

Sugiyono. (2012). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung:

Alfabeta.

Suriyani, P. P., Yuniarta, G. A., & T.A, A. W. (2015). Faktor-faktor yang

Mempengaruhi Manajemen Laba (Studi Empiris Pada Perusahaan
Manufaktur yang Terdaftar di BEI Periode Tahun 2008-2013). E-Journal
S1 Ak Universitas Pendidikan Ganesha.

Switli, S., & Decky. (2016). Faktor-Faktor yang Mempengaruhi Nilai Perusahaan
Sub Sektor Perbankan. Jurnal EMBA.

Syahadatina, R. (2015). Pengaruh Earnings Management Terhadap Nilai

Perusahaan Pada Perusahaan Manufaktur Yang Terdaftar Di Busa Efek
Indonesia. Makro, Jurnal Manajemen & Kewirausahaan, 79-80.

Tjandrakirana DP, H., & Monika, M. (2014). Pengaruh Kinerja Keuangan

Terhadap Nilai Perusahaan pada Perusahaan Manufaktur yang Terdaftar di
Bursa Efek Indonesia. Jurnal Manajemen dan Bisnis Sriwijaya.

Welley, M., & Untu, V. (2015). Faktor-Faktor yang Mempengaruhi Nilai

Perusahaan di Sektor Pertanian Pada Bursa Efek Indonesia Tahun 2010-
2013. Jurnal EMBA.

Wijaya, A., & Linawati, N. (2015). Pengaruh Kinerja Keuangan Terhadap Nilai
Perusahaan. FINESTA, 46.
 LAMPIRAN

Hasil Tabulasi Vaiabel DA, ROA, ROE dan PBV

DA ROA ROE PBV

No Kode Tahun
(Satuan) (%) (%) (Satuan)
2014 -0,19 6,14 10,49 2,74
2015 0,15 5,03 10 1,82
1 ADES
2016 -0,11 7,29 14,56 1,53
2017 0,02 4,55 9,04 1,23
2014 0,07 1,79 5,61 2,34
2015 -0,002 0,97 2,8 1,63
2 AGII
2016 -0,02 1,1 2,33 0,98
2017 -0,009 1,52 2,91 0,55
2014 -0,05 5,13 10,52 1,88
2015 -0,007 4,12 9,42 0,98
3 AISA
2016 0,03 7,77 16,87 1,47
2017 0,15 -9,71 -24,87 0,45
2014 -0,17 1,56 3,35 0,54
2015 0,19 0,96 2,5 0,54
4 AKPI
2016 -0,14 2 4,68 0,55
2017 0,08 0,49 1,18 0,44
2014 0,09 1,09 4,21 1,45
2015 -0,08 -0,81 -1,9 1,2
5 ALKA
2016 -0,1 0,38 0,84 2,32
2017 0,23 5,05 19,63 1,98
2014 0,07 0,06 0,3 0,26
2015 -0,54 -2,45 -9,49 0,22
6 ALMI
2016 0,3 -4,64 -24,75 0,28
2017 0,25 0,36 2,23 0,36
2014 0,16 3,52 4,27 0,49
2015 -0,04 0,6 0,84 0,4
7 APLI
2016 0,06 7,98 10,19 0,62
2017 -0,02 -0,33 -0,58 0,43
2014 0,03 11,7 14,4 1,1
2015 0,02 7,99 10,07 0,84
8 AMFG
2016 -0,01 4,73 7,24 0,81
2017 -0,03 0,62 1,09 0,74
9 ALDO 2014 0,13 5,9 13,21 2,54
 2015 0,001 6,58 14,09 2,37
2016 -0,1 6,15 12,56 1,64
2017 0,07 5,82 12,66 1,44
2014 -0,15 2,12 28,68 7
2015 0,14 4,98 7,96 4,1
10 ARNA
2016 0,03 5,92 9,64 4,03
2017 -0,08 7,63 11,87 2,44
2014 0,03 9,37 18,39 2,5
2015 -0,08 6,36 12,34 1,92
11 ASII
2016 0,04 6,99 13,08 2,39
2017 0,004 7,84 14,82 2,15
2014 0,01 6,65 9,44 2
2015 -0,09 2,25 3,18 0,76
12 AUTO
2016 -0,002 3,31 4,59 0,94
2017 0,05 2,71 5,09 0,92
2014 0,32 1,44 7,48 2,84
2015 -0,128 -0,99 -5,78 0,94
13 BAJA
2016 0,04 3,5 17,5 3,02
2017 -0,08 -2,43 -13,36 1,67
2014 0,01 9,13 16,49 3,35
2015 0,18 16,29 23,67 2,14
14 BATA
2016 -0,16 5,25 7,58 1,84
2017 -0,02 6,27 9,26 1,28
2014 -0,06 9,66 -5,18 -0,41
2015 -0,28 7,74 0,38 -0,53
15 BIMA
2016 0,4 18,92 -17,92 -1,22
2017 0,06 17,68 -18,66 -0,5
2014 -0,2 3,18 4,34 1,06
2015 -0,05 0,91 10,55 0,42
16 BIPP
2016 0,03 1,65 2,26 0,38
2017 -0,02 -1,77 -2,56 0,3
2014 0,04 1,15 3,12 0,53
2015 -0,01 0,65 1,91 0,26
17 BUDI
2016 -0,05 1,32 3,32 0,34
2017 0,07 1,55 3,82 0,35
2014 -0,02 4,27 15,56 1,88
2015 -0,1 -0,39 -0,86 0,86
18 BRNA
2016 0,11 0,61 1,23 1,05
2017 -0,05 -9,07 -20,9 1,42
 2014 -0,08 4,38 5,2 0,66
2015 0,04 3,45 4,24 0,53
19 BTON
2016 -0,07 -3,37 -4,16 0,63
2017 0,05 6,2 7,35 0,53
2014 -0,03 -0,73 -0,41 7,72
2015 -0,11 0,05 0,03 10,83
20 BTEK
2016 -0,16 0,05 0,15 4,72
2017 0,04 -0,81 -2,16 3,26
2014 0,13 3,19 7,63 0,83
2015 -0,2 7,17 16,65 0,63
21 CEKA
2016 0,09 17,51 28,12 0,9
2017 -0,12 7,71 11,9 0,85
2014 0,05 8,37 15,96 5,66
2015 -0,06 7,42 14,59 3,39
22 CPIN
2016 -0,08 0,19 15,72 3,58
2017 0,12 10,18 15,9 3,13
2014 0,23 29,04 37,68 8,17
2015 -0,18 18,5 22,6 4,9
23 DLTA
2016 0,05 21,25 25,14 3,95
2017 -0,05 20,87 24,44 3,21
2014 -0,23 5,4 6,15 0,5
2015 -0,01 3,59 4,09 0,53
24 DPNS
2016 -0,03 3,38 3,8 0,5
2017 0,05 1,93 2,23 0,43
2014 -0,04 6,55 8,41 1,97
2015 -0,07 7,84 11,08 1,5
25 DVLA
2016 0,05 9,93 14,09 1,82
2017 -0,02 9,89 14,53 1,96
2014 0,06 9,91 14,92 1,32
2015 -0,22 12,07 16,11 0,96
26 EKAD
2016 0,15 12,91 15,32 0,7
2017 0,03 9,56 11,5 0,73
2014 -0,14 1,55 5,27 2,49
2015 0,15 -4,42 -12,63 1,05
27 FASW
2016 -0,15 9,06 24,63 3,22
2017 0,12 7,94 22,61 4,07
2014 -0,11 -1,03 -1,6 0,97
28 GDST 2015 0,16 -4,66 -6,86 0,6
2016 -0,03 2,52 3,81 1,11
 2017 0,03 0,8 1,22 0,8
2014 0,04 9,27 16,24 3,5
2015 -0,008 10,16 16,98 2,78
29 GGRM
2016 0,06 10,6 16,87 3,11
2017 -0,003 11,62 18,38 3,82
2014 0,08 1,68 4,51 0,83
2015 -0,08 -1,79 -5,81 0,34
30 GJTL
2016 0,03 3,35 10,71 0,64
2017 -0,001 0,25 0,79 0,42
2014 -0,03 35,87 75,43 23,49
2015 0,37 27,26 32,37 13,66
31 HMSP
2016 -0,29 30,02 37,34 13,04
2017 -0,03 29,37 37,14 16,13
2014 -0,07 10,16 16,83 5,08
2015 0,03 11,01 17,84 4,8
32 ICBP
2016 -0,01 12,56 19,63 5,41
2017 -0,02 11,21 17,43 5,11
2014 0,08 15,69 20,84 1,16
2015 -0,16 13,39 16,56 0,7
33 IGAR
2016 0,09 15,77 18,54 1,35
2017 -0,05 14,11 16,38 0,83
2014 -0,06 -5,11 -14,84 2,72
2015 0,07 -2,79 -15,78 6,8
34 IKAI
2016 -0,09 -5,48 -18,5 0,38
2017 -0,09 -18,96 41,33 -2,89
2014 -0,16 -0,29 -1 1,64
2015 -0,009 -0,09 -0,34 0,98
35 IMAS
2016 0,02 -1,22 -4,66 0,54
2017 0,04 -0,2 -0,69 0,25
2014 0,11 16,69 29,42 2,5
2015 -0,1 7,75 11,83 4,08
36 IMPC
2016 -0,3 5,53 10,27 4,04
2017 0,05 3,98 7,08 4,09
2014 -0,18 0,09 0,2 1,86
2015 0,02 4,28 1,11 0,88
37 INAF
2016 0,37 -1,26 -3,2 2,51
2017 -0,35 -3,03 -8,79 3,47
2014 0,02 2,46 15,13 0,76
38 INAI
2015 0,05 2,15 11,93 0,54
 2016 0,15 2,66 13,78 0,79
2017 -0,15 3,18 13,93 0,86
2014 0,14 7,45 8,04 0,31
2015 -0,19 10 11,01 0,36
39 INCI
2016 0,16 3,71 4,11 0,23
2017 -0,05 5,45 6,17 0,28
2014 -0,008 5,99 12,48 1,44
2015 0,04 4,04 8,6 1,05
40 INDF
2016 -0,02 6,41 11,99 1,58
2017 0,007 5,85 11 1,43
2014 0,08 5,59 6,98 0,57
2015 -0,07 0,08 0,1 0,12
41 INDS
2016 -0,01 2 2,4 0,26
2017 -0,03 4,67 5,3 0,39
2014 0,1 2,92 6,9 0,74
2015 -0,07 2,92 6,23 0,53
42 ISSP
2016 0,09 1,7 3,89 0,57
2017 -0,2 0,14 0,3 0,29
2014 0,06 2,24 13,92 2,07
2015 -0,007 0,18 0,67 0,56
43 JECC
2016 -0,24 8,34 28,15 1,13
2017 0,03 4,32 15,23 1,3
2014 -0,04 -3,18 2,31 -0,02
2015 -0,04 -8,71 5,24 -0,02
44 JKSW
2016 0,12 -1,06 0,66 -0,03
2017 -0,03 -1,56 0,88 -0,03
2014 -0,11 2,45 7,27 2,11
2015 0,02 3,06 8,58 1,22
45 JPFA
2016 0,02 11,28 23,17 1,82
2017 0,05 5,25 11,31 1,56
2014 0,06 10,69 22,32 4,47
2015 0,02 11,48 21 2,47
46 JRPT
2016 -0,03 12 20,75 2,45
2017 -0,002 11,79 18,69 2,07
2014 -0,005 7,97 13,06 4,49
2015 0,04 7,82 13,59 2,59
47 KAEF
2016 -0,001 5,89 11,96 6,72
2017 0,05 5,44 12,89 5,83
48 KBLI 2014 -0,15 5,24 7,45 0,59
 2015 0,12 7,43 11,23 0,46
2016 -0,07 17,87 25,3 0,84
2017 0,25 11,91 20,09 0,96
2014 -0,152 3,16 7,06 0,6
2015 -0,04 1,95 4,3 0,5
49 KBLM
2016 -0,0002 3,32 6,63 0,84
2017 0,08 3,56 5,56 0,4
2014 0,14 4,67 11,22 0,37
2015 -0,02 0,97 3,03 0,2
50 KDSI
2016 -0,08 4,13 11,23 0,34
2017 0,15 5,19 14,2 0,46
2014 0,07 3,92 4,36 1,04
2015 -0,11 -7,71 -9,03 0,74
51 KIAS
2016 -0,03 -13,58 -16,61 0,79
2017 0,11 -4,83 -5,98 1,05
2014 -0,02 4,86 5,98 0,47
2015 -0,13 -9,71 -13,92 0,37
52 KICI
2016 0,07 0,26 0,41 0,37
2017 0,01 5,32 8,69 0,52
2014 0,11 4,63 8,45 1,28
2015 -0,01 3,4 6,66 1,02
53 KIJA
2016 -0,01 3,97 7,56 1,07
2017 -0,03 1,33 2,54 1,01
2014 -0,11 17,07 21,61 8,74
2015 -0,01 15,02 18,81 5,66
54 KLBF
2016 0,04 15,44 18,86 5,7
2017 0,02 14,76 17,66 5,7
2014 -0,05 8,17 11,04 1,09
2015 0,02 7,2 10,12 1,2
55 LION
2016 -0,01 6,17 9 1,16
2017 0,02 1,36 2,05 0,88
2014 -0,03 0,21 0,43 0,44
2015 0,007 0,5 0,99 0,28
56 LMPI
2016 -0,01 0,86 1,7 0,33
2017 -0,004 -3,73 -8,28 0,45
2014 -0,02 5,29 6,38 0,53
2015 -0,06 1,45 1,73 0,49
57 LMSH
2016 0,06 3,84 5,33 0,48
2017 -0,01 8,05 10 0,47
 2014 0,03 -2,4 -7,87 4,42
2015 -0,07 -1,57 -4,01 2,2
58 MAIN
2016 0,02 7,4 15,79 1,58
2017 -0,07 1,2 2,86 0,97
2014 -0,14 25,32 32,78 6,47
2015 0,07 22,22 30,1 6,41
59 MERK
2016 0,07 20,68 26,4 7,07
2017 -0,04 17,4 23,95 6,19
2014 -0,06 35,63 143,53 45,47
2015 -0,14 23,65 64,83 22,54
60 MLBI
2016 0,07 43,17 119,68 30,17
2017 0,11 52,67 124,15 27,06
2014 0,11 1,73 9,46 0,53
2015 -0,03 -2,19 -13,98 0,61
61 MLIA
2016 0,04 0,12 0,56 0,45
2017 0,004 0,92 2,71 0,44
2014 0,1 1,48 1,92 0,39
2015 -0,04 0,21 0,28 0,24
62 MRAT
2016 0,003 -1,15 -1,5 0,24
2017 -0,05 -0,26 -0,35 0,24
2014 0,12 3,98 9,99 4,56
2015 -0,23 11,02 24,07 5,25
63 MYOR
2016 -0,16 10,75 22,16 5,6
2017 -0,03 10,93 22,18 6,14
2014 0,2 13,13 16,59 0,92
2015 -0,17 -2,82 -3,56 0,81
64 OMRE
2016 0,44 7,47 7,73 0,09
2017 -0,08 -1,56 -1,65 0,38
2014 -0,05 2,58 6,99 0,39
2015 0,06 2,47 6,06 0,29
65 PICO
2016 0,08 2,07 4,83 0,49
2017 0,01 2,34 6,02 0,46
2014 -0,003 0,88 1,65 0,21
2015 0,0009 0,42 0,89 0,12
66 PRAS
2016 -0,005 -0,17 -0,39 0,17
2017 0,0006 -0,21 -0,48 0,23
2014 0,02 -4,54 -7,44 0,54
67 PSDN 2015 0,05 -6,87 -13,14 0,54
2016 -0,07 -5,61 -13,08 0,67
 2017 0,18 4,65 10,74 1,23
2014 -0,06 1,54 2,75 0,75
2015 -0,08 1,93 3,05 0,59
68 PYFA
2016 0,07 3,08 4,88 1,01
2017 -0,07 4,47 6,55 0,9
2014 -0,11 1,29 3,81 0,28
2015 -0,07 1,12 3,37 0,26
69 RICY
2016 0,04 1,09 3,4 0,24
2017 -0,1 1,2 3,85 0,22
2014 -0,01 8,8 19,64 8,92
2015 -0,05 10 22,76 6,58
70 ROTI
2016 0,06 9,58 19,39 6,86
2017 -0,03 2,97 4,8 2,8
2014 -0,005 8,31 16,9 1
2015 -0,07 8,97 17,25 0,83
71 SCCO
2016 -0,08 13,9 27,91 0,63
2017 0,21 6,72 9,89 0,68
2014 -0,23 0,15 0,16 2,35
2015 0,01 -13,26 -15,21 8,23
72 SIAP
2016 -0,004 -11,04 -24,73 19,51
2017 0,06 -4,66 -9,23 17,38
2014 -0,14 14,72 15,76 3,47
2015 -0,01 15,65 16,84 3,18
73 SIDO
2016 0,004 16,08 17,42 2,83
2017 -0,04 16,9 18,43 2,82
2014 -0,08 2,2 4,39 1,8
2015 -0,08 -3,7 -5,16 2,53
74 SIMA
2016 0,16 -1,74 -2,48 2,57
2017 0,02 0,19 0,57 2,9
2014 0,02 0,07 0,16 0,55
2015 -0,1 -1,61 -49,31 1,55
75 SIPD
2016 0,11 0,51 1,14 0,8
2017 -0,16 -2,99 -44,85 1,57
2014 0,004 13,72 28,03 5,27
2015 -0,1 5,25 11,67 4,74
76 SKBM
2016 0,1 2,25 6,12 3
2017 0,07 1,59 2,53 1,21
2014 0,03 4,97 10,75 1,35
77 SKLT
2015 -0,008 5,32 13,2 1,68
 2016 0,08 3,63 6,97 0,72
2017 0,003 3,61 7,47 2,47
2014 0,02 11,22 12,08 1,39
2015 -0,07 10,84 12,01 0,98
78 SMBR
2016 0,1 5,93 8,3 8,88
2017 -0,05 2,9 4,3 11,06
2014 0,02 3,89 7,64 1,91
2015 0,04 1,15 2,36 0,9
79 SMCB
2016 -0,05 -1,44 -3,53 0,86
2017 0,02 -3,86 -10,53 0,89
2014 -0,01 16,24 22,29 3,84
2015 -0,05 11,86 16,49 2,46
80 SMGR
2016 0,06 10,25 14,83 1,78
2017 -0,001 4,17 6,71 1,93
2014 0,05 24,09 36,75 5,97
2015 -0,02 20,78 32,03 4,76
81 SMSM
2016 -0,004 22,27 31,78 3,57
2017 0,08 22,73 30,38 3,95
2014 0,06 2,32 6,04 0,52
2015 -0,07 -1,95 -5,66 0,29
82 SPMA
2016 -0,03 3,75 7,51 0,38
2017 0,07 4,24 7,87 0,38
2014 0,06 3,12 4,4 0,92
2015 0,19 2,7 4,56 0,89
83 SRSN
2016 -0,34 1,54 2,75 0,75
2017 0,05 2,71 4,26 0,72
2014 0,06 -1,66 -4,96 0,47
2015 0,01 -1,45 -4,29 0,25
84 SSTM
2016 -0,02 -2,17 -5,54 1,6
2017 0,01 -3,91 -11,16 2,09
2014 0,05 0,04 0,07 0,49
2015 -0,08 0,04 0,06 0,49
85 STAR
2016 -0,004 0,07 0,09 0,55
2017 -0,06 0,1 0,12 0,97
2014 0,01 13,36 17,65 2,16
2015 0,06 7,77 9,63 1,55
86 TALF
2016 -0,03 3,42 4,01 0,76
2017 0,01 2,33 2,8 0,74
87 TARA 2014 -0,02 0,13 0,17 4,3
 2015 -0,05 0,15 0,18 5,39
2016 0,03 0,24 0,27 6,27
2017 0,01 0,1 0,12 7,45
2014 0,1 9,41 13,58 2,75
2015 0,2 26,15 31,75 1,93
88 TCID
2016 -0,25 7,42 9,09 1,41
2017 0,04 7,58 9,64 1,94
2014 -0,17 6,59 20,49 4,78
2015 -0,03 6,72 22,08 2,42
89 TOTL
2016 0,04 7,5 23,48 2,77
2017 -0,003 7,13 22,9 2,23
2014 0,04 14,49 23,86 3,32
2015 0,03 11,69 19,12 4,81
90 TOTO
2016 -0,07 6,53 11,06 3,37
2017 -0,002 9,87 16,47 2,49
2014 0,008 6,86 11,61 1,2
2015 -0,07 6,52 11,38 0,95
91 TRIS
2016 0,07 3,94 7,27 1,02
2017 -0,07 2,61 3,99 0,91
2014 -0,004 0,92 1,71 0,61
2015 -0,006 0,75 1,29 0,44
92 TRST
2016 -0,03 1,03 1,75 0,44
2017 0,004 1,15 1,93 0,53
2014 -0,02 10,45 14,14 3,12
2015 -0,06 8,42 12,2 1,82
93 TSPC
2016 0,05 8,28 11,77 1,91
2017 -0,006 7,5 10,97 1,59
2014 0,009 9,71 12,51 4,74
2015 -0,1 14,78 18,7 4,07
94 ULTJ
2016 0,02 16,74 20,34 3,78
2017 -0,07 13,72 16,91 3,55
2014 -0,05 0,09 0,16 0,1
2015 0,11 0,08 0,16 0,08
95 UNIT
2016 -0,12 0,2 0,35 0,11
2017 0,06 0,25 0,43 0,07
2014 0,01 40,18 124,78 53,59
2015 0,02 37,2 121,22 58,48
96 UNVR
2016 0,01 38,16 135,85 62,93
2017 0,01 37,05 135,4 82,44
 2014 0,15 -5,5 -16,55 1,28
2015 -0,002 0,02 0,05 1,6
97 VOKS
2016 -0,01 9,59 23,92 1,82
2017 0,07 7,88 20,42 1,59
2014 -0,08 8,43 13,14 1,54
2015 0,0004 9,76 13,89 0,96
98 WIIM
2016 -0,07 7,85 10,72 0,93
2017 -0,09 3,31 4,15 0,62
2014 0,05 4,72 15,08 6,14
2015 -0,02 3,59 12,93 4,03
99 WIKA
2016 0,09 3,86 9,51 1,66
2017 -0,09 2,97 9,27 0,95
2014 -0,12 -2,79 -5,52 2,06
2015 0,05 -3,54 -6,57 3,55
100 YPAS
2016 0,18 -3,9 -7,7 3,95
2017 0,02 -4,78 -11,41 5,07

Hasil Perhitungan Manajemen Laba (Dalam Jutaan Rupiah)

Laba Arus Kas Total

No Kode Tahun Bersih Operasi Assets TAit DA
2013 55.656 40.102 441.064 15.554
2014 31.021 101.377 504.865 -70.356 -0,19
1 ADES 2015 32.839 26.040 653.224 6.799 0,15
2016 55.951 119.156 767.479 -63.205 -0,11
2017 38.242 87.199 840.236 -48.957 0,02
2013 78.133 214.747 2.555.917 -136.614
2014 62.567 11.342 3.487.197 51.225 0,07
2 AGII 2015 48.007 3.285 4.953.451 44.722 -0,002
2016 64.287 129.110 5.847.722 -64.823 -0,02
2017 97.598 213.726 6.403.543 -116.128 -0,009
2013 346.728 78.729 5.020.824 267.999
2014 378.142 353.530 7.371.846 24.612 -0,05
3 AISA 2015 373.750 399.185 9.060.979 -25.435 -0,007
2016 719.228 463.580 9.254.539 255.648 0,03
2017 846.809 267.102 8.724.734 579.707 0,15
2013 34.620 24.262 2.084.567 10.358
4 AKPI 2014 34.691 374.353 2.227.043 -339.662 -0,17
2015 27.645 -50.796 2.883.143 78.441 0,19
 2016 52.394 384.081 2.615.909 -331.687 -0,14
2017 13.340 145.628 2.745.326 -132.288 0,08
2013 -315 -507 241.913 192
2014 2.659 -18.834 244.879 21.493 0,09
5 ALKA 2015 -1.176 -2.880 144.628 1.704 -0,08
2016 516 12.556 136.619 -12.040 -0,1
2017 15.406 -3.678 305.209 19.084 0,23
2013 26.119 -713.949 2.752.078 740.068
2014 1.949 -535.672 4.912.439 537.621 -0,07
6 ALMI 2015 -53.614 149.582 2.989.038 -203.196 -0,15
2016 45.932 49.190 2.153.031 -3.258 0,06
2017 8.446 -373.368 2.376.282 381.814 0,18
2013 1.882 62.415 303.594 -60.533
2014 9.627 22.314 273.127 -12.687 0,16
7 APLI 2015 1.854 24.587 308.620 -22.733 -0,04
2016 25.109 30.056 314.469 -4.947 0,06
2017 -1.329 10.905 398.699 -12.234 -0,02
2013 338.358 551.871 3.539.393 -213.513
2014 458.635 564.250 3.918.391 -105.615 0,03
8 AMFG 2015 341.346 366.837 4.270.275 -25.491 0,02
2016 260.444 333.042 5.504.890 -72.598 -0,01
2017 38.569 299.081 6.267.816 -260.512 -0,03
2013 22.589 39.652 301.479 -17.063
2014 21.061 -471 356.814 21.532 0,13
9 ALDO 2015 24.079 2.204 366.011 21.875 0,001
2016 25.230 38.255 410.331 -13.025 -0,1
2017 29.035 12.706 498.702 16.329 0,07
2013 237.698 278.878 1.135.245 -41.180
2014 261.651 238.938 1.259.175 22.713 0,06
10 ARNA 2015 71.210 111.918 1.430.779 -40.708 -0,05
2016 91.376 95.618 1.543.216 -4.242 0,03
2017 122.184 245.599 1.601.347 -123.415 -0,08
2013 22.297.000 21.250.000 213.994.000 1.047.000
2014 22.125.000 14.963.000 236.029.000 7.162.000 0,03
11 ASII 2015 15.613.000 26.290.000 245.435.000 -10.677.000 -0,08
2016 18.302.000 19.407.000 261.855.000 -1.105.000 0,04
2017 23.165.000 23.285.000 295.646.000 -120.000 0,004
2013 1.058.015 551.756 12.617.678 506.259
12 AUTO
2014 956.409 264.565 14.380.926 691.844 0,01
 2015 322.701 866.768 14.339.110 -544.067 -0,09
2016 483.421 1.059.369 14.612.274 -575.948 -0,002
2017 547.781 394.229 14.762.309 153.552 0,05
2013 -77.123 108.139 842.928 -185.262
2014 14.078 -74.386 974.633 88.464 0,32
13 BAJA 2015 -9.350 27.344 948.683 -36.694 -0,128
2016 34.393 32.971 982.627 1.422 0,04
2017 -22.985 52.474 946.449 -75.459 -0,08
2013 44.374 44.681 680.685 -307
2014 70.781 62.180 774.891 8.601 0,01
14 BATA 2015 129.519 -19.631 795.258 149.150 0,18
2016 42.232 19.176 804.743 23.056 -0,16
2017 53.654 47.681 855.691 5.973 -0,02
2013 16.150 10.672 118.007 5.478
2014 10.049 11.929 104.059 -1.880 -0,06
15 BIMA 2015 -771 11.488 99.558 -12.259 -0,09
2016 17.410 17.103 92.041 307 0,12
2017 15.796 9.670 89.327 6.126 0,06
2013 109.387 716 561.407 108.671
2014 19.659 21.272 617.584 -1.613 -0,2
16 BIPP 2015 110.400 43.892 1.209.225 66.508 0,11
2016 27.224 24.141 1.648.022 3.083 -0,05
2017 -31.034 6.004 1.748.641 -37.038 -0,02
2013 42.886 222.244 3.282.875 -179.358
2014 28.499 68.190 2.476.982 -39.691 0,04
17 BUDI 2015 21.072 96.860 3.265.953 -75.788 -0,01
2016 38.624 287.744 2.931.807 -249.120 -0,05
2017 45.691 69.285 2.939.456 -23.594 0,07
2013 -12.219 103.086 1.125.133 -115.305
2014 56.999 198.106 1.334.086 -141.107 -0,02
18 BRNA 2015 -7.160 276.303 1.820.784 -283.463 -0,1
2016 12.665 90.207 2.088.697 -77.542 0,11
2017 -178.283 9.047 1.964.877 -187.330 -0,05
2013 25.883 11.078 176.136 14.805
2014 7.630 7.644 174.158 -14 -0,08
19 BTON 2015 6.324 -1.520 183.116 7.844 0,04
2016 -5.975 -1.794 177.291 -4.181 -0,07
2017 11.371 6.006 183.502 5.365 0,05
20 BTEK 2013 2.301 767 369.828 1.534
 2014 -3.223 6.017 1.642.407 -9.240 -0,03
2015 272 556.931 1.495.390 -556.659 -0,33
2016 2.246 138.783 2.879.715 -136.537 0,28
2017 -42.844 -106.429 5.306.055 63.585 0,04
2013 65.069 19.609 1.069.627 45.460
2014 41.001 -147.807 1.284.150 188.808 0,13
21 CEKA 2015 106.549 168.614 1.485.826 -62.065 -0,2
2016 249.697 176.087 1.425.964 73.610 0,09
2017 107.421 208.851 1.392.636 -101.430 -0,12
2013 2.528.690 2.061.273 15.722.197 467.417
2014 1.746.644 462.975 20.862.439 1.283.669 0,05
22 CPIN 2015 1.832.598 1.707.438 24.684.915 125.160 -0,06
2016 2.225.402 4.157.137 24.204.994 -1.931.735 -0,08
2017 2.496.787 1.624.465 24.522.593 872.322 0,12
2013 270.498 348.712 867.041 -78.214
2014 288.073 164.247 991.947 123.826 0,23
23 DLTA 2015 192.045 246.625 1.038.322 -54.580 -0,18
2016 254.509 259.851 1.197.797 -5.342 0,05
2017 279.773 342.202 1.340.843 -62.429 -0,05
2013 66.813 -661 256.373 67.474
2014 14.520 5.878 268.887 8.642 -0,23
24 DPNS 2015 9.859 5.106 274.483 4.753 -0,01
2016 10.009 14.128 296.130 -4.119 -0,03
2017 5.963 -3.994 308.491 9.957 0,05
2013 125.796 106.931 1.190.054 18.865
2014 80.929 104.436 1.236.248 -23.507 -0,04
25 DVLA 2015 107.894 214.167 1.376.278 -106.273 -0,07
2016 152.083 187.475 1.531.366 -35.392 0,05
2017 162.249 230.738 1.640.886 -68.489 -0,02
2013 39.451 23.212 343.602 16.239
2014 40.756 4.641 411.349 36.115 0,06
26 EKAD 2015 47.040 100.935 389.692 -53.895 -0,22
2016 90.686 84.490 702.509 6.196 0,15
2017 76.196 51.606 796.768 24.590 0,03
2013 -249.058 209.911 5.692.060 -458.969
2014 86.746 1.327.853 5.581.001 -1.241.107 -0,14
27 FASW 2015 -308.897 72.902 6.993.634 -381.799 0,15
2016 778.013 2.206.944 8.583.224 -1.428.931 -0,15
2017 743.557 1.113.427 9.369.892 -369.870 0,12
 2013 91.886 192.925 1.191.497 -101.039
2014 -13.938 220.244 1.354.623 -234.182 -0,11
28 GDST 2015 -55.213 -39.316 1.183.934 -15.897 0,16
2016 31.705 87.281 1.257.610 -55.576 -0,03
2017 10.285 31.358 1.286.955 -21.073 0,03
2013 4.383.932 2.472.971 50.770.251 1.910.961
2014 5.395.293 1.657.776 58.220.600 3.737.517 0,04
29 GGRM 2015 6.452.834 3.200.820 63.505.413 3.252.014 -0,008
2016 6.672.682 6.937.650 62.951.634 -264.968 0,06
2017 7.755.347 8.204.579 66.759.930 -449.232 -0,003
2013 120.330 1.299.132 15.350.754 -1.178.802
2014 269.868 152.146 16.042.897 117.722 0,08
30 GJTL 2015 -313.326 795.635 17.509.505 -1.108.961 -0,08
2016 626.561 1.293.214 18.697.779 -666.653 0,03
2017 45.028 738.861 18.191.176 -693.833 -0,001
2013 10.818.486 10.802.179 27.404.594 16.307
2014 10.181.083 11.103.195 37.380.630 -922.112 -0,03
31 HMSP 2015 10.363.308 811.163 38.010.724 9.552.145 0,37
2016 12.762.229 14.076.579 42.508.277 -1.314.350 -0,29
2017 12.670.534 15.376.315 43.141.063 -2.705.781 -0,03
2013 2.235.040 1.993.496 21.267.470 241.544
2014 2.531.681 3.860.843 24.910.211 -1.329.162 -0,07
32 ICBP 2015 2.923.148 3.485.533 26.560.624 -562.385 0,03
2016 3.631.301 4.584.964 28.901.948 -953.663 -0,01
2017 3.543.173 5.174.368 31.619.514 -1.631.195 -0,02
2013 35.030 31.572 314.747 3.458
2014 54.899 25.763 349.895 29.136 0,08
33 IGAR 2015 51.416 80.061 383.936 -28.645 -0,16
2016 69.306 63.689 439.466 5.617 0,09
2017 72.377 88.100 513.023 -15.723 -0,05
2013 -25.699 -11.912 482.057 -13.787
2014 -26.511 15.835 518.547 -42.346 -0,06
34 IKAI 2015 -108.888 -5.442 580.043 -103.446 -0,12
2016 -145.359 28.031 765.029 -173.390 -0,18
2017 -43.578 22.053 229.825 -65.631 0,14
2013 621.140 -2.354.545 22.315.023 2.975.685
2014 -67.093 525.682 23.471.398 -592.775 -0,16
35 IMAS
2015 -22.489 793.372 24.860.958 -815.861 -0,009
2016 -312.881 118.811 25.633.342 -431.692 0,02
 2017 -64.297 -601.612 31.375.311 537.315 0,04
2013 185.668 180.904 1.644.814 4.764
2014 289.799 97.777 1.736.710 192.022 0,11
36 IMPC 2015 129.759 117.483 1.675.233 12.276 -0,1
2016 125.823 164.658 2.276.032 -38.835 -0,3
2017 91.303 20.614 2.294.677 70.689 0,05
2013 -54.223 -141.617 1.294.511 87.394
2014 1.165 148.727 1.248.343 -147.562 -0,18
37 INAF 2015 6.566 134.285 1.153.371 -127.719 0,02
2016 -17.367 -317.963 1.381.633 300.596 0,37
2017 -46.285 147.184 1.529.875 -193.469 -0,35
2013 5.020 77.755 765.881 -72.735
2014 22.059 81.915 897.282 -59.856 0,02
38 INAI 2015 28.616 47.012 1.330.259 -18.396 0,05
2016 35.553 -149.762 1.339.032 185.315 0,15
2017 38.652 51.365 1.213.917 -12.713 -0,15
2013 10.332 10.276 136.142 56
2014 11.028 -7.581 147.993 18.609 0,14
39 INCI 2015 16.961 25.783 169.546 -8.822 -0,19
2016 9.989 -8.290 269.351 18.279 0,16
2017 16.554 12.508 303.788 4.046 -0,05
2013 3.416.635 6.928.790 77.611.416 -3.512.155
2014 5.146.323 9.269.318 85.938.885 -4.122.995 -0,008
40 INDF 2015 3.709.501 4.213.613 91.831.526 -504.112 0,04
2016 5.266.906 7.175.603 82.174.515 -1.908.697 -0,02
2017 5.145.063 6.507.803 87.939.488 -1.362.740 0,007
2013 147.608 255.756 2.196.518 -108.148
2014 127.657 65.911 2.282.666 61.746 0,08
41 INDS 2015 1.934 110.642 2.553.928 -108.708 -0,07
2016 49.556 193.436 2.477.273 -143.880 -0,01
2017 113.640 320.252 2.434.617 -206.612 -0,03
2013 203.561 304.874 4.393.577 -101.313
2014 158.998 -191.012 5.443.158 350.010 0,1
42 ISSP 2015 158.999 176.316 5.448.447 -17.317 -0,07
2016 102.925 -374.268 6.041.811 477.193 0,09
2017 8.634 743.427 6.269.365 -734.793 -0,2
2013 22.554 119.084 1.239.822 -96.530
43 JECC 2014 23.845 42.230 1.062.476 -18.385 0,06
2015 2.465 21.550 1.358.464 -19.085 -0,007
 2016 132.423 184.371 1.587.211 -51.948 -0,24
2017 83.355 85.949 1.927.985 -2.594 0,03
2013 -7.969 90 262.386 -8.059
2014 -9.632 9.381 302.951 -19.013 -0,04
44 JKSW 2015 -23.097 8.409 265.280 -31.506 -0,04
2016 -2.895 -4.778 273.182 1.883 0,12
2017 -3.925 1.048 252.295 -4.973 -0,03
2013 640.637 173.609 14.917.590 467.028
2014 384.846 1.570.533 15.730.435 -1.185.687 -0,11
45 JPFA 2015 524.484 1.452.924 17.159.466 -928.440 0,02
2016 2.171.608 2.753.605 19.251.026 -581.997 0,02
2017 1.107.810 770.662 21.088.870 337.148 0,05
2013 546.270 352.185 6.163.178 194.085
2014 714.531 113.990 6.684.263 600.541 0,06
46 JRPT 2015 869.777 101.805 7.578.101 767.972 0,02
2016 1.017.849 474.995 8.484.437 542.854 -0,03
2017 1.117.126 587.559 9.472.683 529.567 -0,002
2013 215.642 253.784 2.471.940 -38.142
2014 236.531 286.309 2.968.185 -49.778 -0,005
47 KAEF 2015 252.973 175.967 3.236.224 77.006 0,04
2016 271.598 198.051 4.612.563 73.547 -0,001
2017 331.708 5.241 6.096.149 326.467 0,05
2013 73.567 -27.123 1.337.022 100.690
2014 70.080 170.080 1.337.351 -100.000 -0,15
48 KBLI 2015 115.371 46.128 1.551.800 69.243 0,12
2016 334.339 383.176 1.871.422 -48.837 -0,07
2017 358.974 -65.871 3.013.761 424.845 0,25
2013 7.678 -106.551 654.296 114.229
2014 20.499 6.099 647.697 14.400 -0,152
49 KBLM 2015 12.760 24.642 654.386 -11.882 -0,04
2016 21.245 33.244 639.091 -11.999 -0,0002
2017 43.995 5.645 1.235.199 38.350 0,08
2013 36.003 85.344 850.234 -49.341
2014 44.489 -24.155 952.177 68.644 0,14
50 KDSI 2015 11.471 -41.864 1.177.094 53.335 -0,02
2016 47.127 85.536 1.142.273 -38.409 -0,08
2017 68.965 -61.262 1.328.292 130.227 0,15
2013 75.360 195.025 2.270.905 -119.665
51 KIAS
2014 92.239 53.807 2.352.543 38.432 0,07
 2015 -163.719 51.976 2.124.391 -215.695 -0,11
2016 -252.499 25.239 1.859.670 -277.738 -0,03
2017 -85.301 -17.869 1.767.604 -67.432 0,11
2013 7.420 2.412 98.296 5.008
2014 4.704 1.314 96.746 3.390 -0,02
52 KICI 2015 -13.001 -4.056 133.832 -8.945 -0,13
2016 363 -97 139.809 460 0,07
2017 7.947 6.225 149.420 1.722 0,01
2013 104.478 945.214 8.255.167 -840.736
2014 394.055 290.997 8.505.270 103.058 0,11
53 KIJA 2015 331.443 338.790 9.740.695 -7.347 -0,01
2016 426.542 543.680 10.733.598 -117.138 -0,01
2017 149.841 629.665 11.266.320 -479.824 -0,03
2013 1.970.452 927.164 11.315.061 1.043.288
2014 2.121.091 2.316.126 12.425.032 -195.035 -0,11
54 KLBF 2015 2.057.694 2.427.642 13.696.417 -369.948 -0,01
2016 2.350.885 2.159.833 15.226.009 191.052 0,04
2017 2.453.251 2.008.317 16.616.239 444.934 0,02
2013 64.761 52.557 498.568 12.204
2014 49.002 61.833 600.103 -12.831 -0,05
55 LION 2015 46.019 49.506 639.330 -3.487 0,02
2016 42.345 53.300 685.813 -10.955 -0,01
2017 9.283 9.662 681.938 -379 0,02
2013 -12.040 -28.721 822.190 16.681
2014 1.711 7.787 808.892 -6.076 -0,03
56 LMPI 2015 3.968 4.654 793.094 -686 0,007
2016 6.933 17.978 810.365 -11.045 -0,01
2017 -31.141 -16.798 834.548 -14.343 -0,004
2013 14.383 13.815 141.698 568
2014 7.403 10.000 139.916 -2.597 -0,02
57 LMSH 2015 1.944 10.911 133.783 -8.967 -0,06
2016 6.253 6.871 162.828 -618 0,06
2017 12.967 15.389 161.163 -2.422 -0.01
2013 241.633 109.333 2.214.399 132.300
2014 -84.778 -301.780 3.531.220 217.002 0,03
58 MAIN 2015 -62.097 -26.280 3.962.068 -35.817 -0,07
2016 290.230 251.605 3.919.764 38.625 0,02
2017 48.698 265.893 4.072.245 -217.195 -0,07
59 MERK 2013 175.445 185.661 696.946 -10.216
 2014 181.472 289.726 716.600 -108.254 -0,14
2015 142.545 203.711 641.647 -61.166 0,07
2016 153.843 169.161 743.935 -15.318 0,07
2017 147.387 195.832 847.067 -48.445 -0,04
2013 1.171.229 1.181.049 1.782.148 -9.820
2014 494.883 913.005 2.231.051 -418.122 -0,06
60 MLBI 2015 596.909 919.232 2.100.853 -322.323 -0,14
2016 682.129 1.248.469 2.275.038 -566.340 0,07
2017 828.067 1.331.611 2.510.078 -503.544 0,11
2013 -474.046 638.447 7.189.899 -1.112.493
2014 125.013 460.634 7.215.152 -335.621 0,11
61 MLIA 2015 -155.912 367.603 7.125.800 -523.515 -0,03
2016 9.040 234.571 7.723.579 -225.531 0,04
2017 47.534 243.551 5.186.686 -196.017 0,004
2013 -6.700 8.222 439.584 -14.922
2014 7.372 -22.679 498.786 30.051 0,1
62 MRAT 2015 1.046 -8.273 497.090 9.319 -0,04
2016 -5.549 -16.529 483.037 10.980 0,003
2017 -1.283 10.355 497.354 -11.638 -0,05
2013 1.058.419 987.023 9.709.838 71.396
2014 409.825 -862.339 10.291.108 1.272.164 0,12
63 MYOR 2015 1.250.233 2.336.785 11.342.716 -1.086.552 -0,23
2016 1.388.676 659.314 12.922.422 729.362 -0,16
2017 1.630.954 1.275.531 14.915.850 355.423 -0,03
2013 -23.884 26.636 822.190 -50.520
2014 107.057 -9.248 815.339 116.305 0,2
64 OMRE 2015 -23.146 3.045 1.819.723 -26.191 -0,17
2016 318.395 -152.236 4.264.983 470.631 0,27
2017 -66.194 -18.536 4.242.935 -47.658 -0,12
2013 15.439 -5.968 621.400 21.407
2014 16.154 24.409 626.627 -8.255 -0,05
65 PICO 2015 14.975 59.321 605.788 -44.346 0,06
2016 12.512 6.595 605.882 5.917 0,08
2017 16.824 2.327 720.239 14.497 0,01
2013 13.197 10.729 795.630 2.468
2014 11.341 11.556 1.286.828 -215 -0,003
66 PRAS 2015 6.437 5.512 1.531.742 925 0,0009
2016 -2.691 3.493 1.596.467 -6.184 -0,005
2017 -3.226 1.995 1.542.244 -5.221 0,0006
 2013 21.322 81.550 681.832 -60.228
2014 -28.175 21.202 620.928 -49.377 0,02
67 PSDN 2015 -42.620 -22.727 620.399 -19.893 0,05
2016 -36.662 24.429 653.797 -61.091 -0,07
2017 32.151 -24.865 690.980 57.016 0,18
2013 6.196 -5.857 175.119 12.053
2014 2.658 1.473 172.737 1.185 -0,06
68 PYFA 2015 3.087 15.670 159.952 -12.583 -0,08
2016 5.146 7.053 167.063 -1.907 0,07
2017 7.127 20.931 159.564 -13.804 -0,07
2013 8.721 -84.880 1.109.865 93.601
2014 15.112 47.145 1.170.752 -32.033 -0,11
69 RICY 2015 13.466 133.253 1.198.194 -119.787 -0,07
2016 14.033 82.494 1.288.684 -68.461 0,04
2017 16.559 212.820 1.374.445 -196.261 -0,1
2013 158.015 314.588 1.822.689 -156.573
2014 188.578 364.976 2.142.894 -176.398 -0,01
70 ROTI 2015 270.539 555.512 2.706.324 -284.973 -0,05
2016 279.777 414.702 2.919.641 -134.925 0,06
2017 135.364 370.617 4.559.574 -235.253 -0,03
2013 104.962 20.805 1.762.032 84.157
2014 137.619 62.171 1.656.007 75.448 -0,005
71 SCCO 2015 159.120 197.980 1.773.144 -38.860 -0,07
2016 340.594 522.527 2.449.935 -181.933 -0,08
2017 269.730 -70.251 4.014.245 339.981 0,21
2013 -5.779 37.057 272.598 -42.836
2014 7.382 113.986 4.989.693 -106.604 -0,23
72 SIAP 2015 -36.848 -7.389 277.982 -29.459 0,01
2016 -25.246 5.434 228.709 -30.680 -0,004
2017 -10.584 6.959 227.225 -17.543 0,06
2013 405.943 -64.246 2.951.507 470.189
2014 415.193 369.322 2.821.399 45.871 -0,14
73 SIDO 2015 437.475 432.896 2.796.111 4.579 -0,01
2016 480.525 464.748 2.987.614 15.777 0,004
2017 533.799 640.695 3.158.198 -106.896 -0,04
2013 -6.848 -10.093 65.314 3.245
2014 1.379 3.624 62.608 -2.245 -0,08
74 SIMA
2015 -1.484 5.618 40.081 -7.102 -0,08
2016 -701 61 40.195 -762 0,16
 2017 162 24 86.203 138 0,02
2013 8.378 43.982 3.155.680 -35.604
2014 2.064 -26.516 2.800.915 28.580 0,02
75 SIPD 2015 -103.031 205.598 2.246.770 -308.629 -0,21
2016 13.049 2.605 2.567.211 10.444 0,26
2017 -95.425 54.375 1.186.684 -149.800 -0,16
2013 58.267 19.468 497.653 38.799
2014 89.116 48.342 649.534 40.774 0,004
76 SKBM 2015 40.151 62.470 764.484 -22.319 -0,1
2016 22.545 -33.834 1.001.657 56.379 0,1
2017 25.880 -98.663 1.623.027 124.543 0,07
2013 11.440 26.894 301.989 -15.454
2014 16.481 23.398 331.575 -6.917 0,03
77 SKLT 2015 20.067 29.667 377.111 -9.600 -0,008
2016 20.646 1.641 568.240 19.005 0,08
2017 22.971 2.153 636.284 20.818 0,003
2013 312.184 309.040 2.711.416 3.144
2014 328.336 283.527 2.926.361 44.809 0,02
78 SMBR 2015 354.180 522.628 3.268.668 -168.448 -0,07
2016 259.091 87.307 4.368.877 171.784 0,1
2017 146.648 183.236 5.060.337 -36.588 -0,05
2013 952.305 2.262.247 14.894.990 -1.309.942
2014 668.869 1.709.438 17.195.352 -1.040.569 0,02
79 SMCB 2015 199.488 533.786 17.321.565 -334.298 0,04
2016 -284.584 983.560 19.763.133 -1.268.144 -0,05
2017 -758.045 165.714 19.626.403 -923.759 0,02
2013 5.354.299 6.047.147 30.792.884 -692.848
2014 5.573.577 6.721.171 34.314.666 -1.147.594 -0,01
80 SMGR 2015 4.525.441 7.288.587 38.153.119 -2.763.146 -0,05
2016 4.535.037 5.180.011 44.226.896 -644.974 0,06
2017 2.043.026 2.745.187 48.963.503 -702.161 -0,001
2013 338.223 448.032 1.701.103 -109.809
2014 421.467 449.864 1.749.395 -28.397 0,05
81 SMSM 2015 461.307 531.987 2.220.108 -70.680 -0,02
2016 502.192 582.843 2.254.740 -80.651 -0,004
2017 555.388 446.032 2.443.341 109.356 0,08
2013 -23.857 73.270 1.767.106 -97.127
82 SPMA 2014 48.603 32.969 2.091.957 15.634 0,06
2015 -42.597 85.999 2.185.464 -128.596 -0,07
 2016 81.063 266.414 2.158.852 -185.351 -0,03
2017 92.280 131.772 2.175.661 -39.492 0,07
2013 15.994 37.889 420.783 -21.895
2014 14.456 9.623 463.347 4.833 0,06
83 SRSN 2015 15.505 -76.733 574.073 92.238 0,19
2016 11.056 114.822 717.150 -103.766 -0,34
2017 17.699 85.865 652.726 -68.166 0,05
2013 -13.228 83.498 801.866 -96.726
2014 -12.840 39.556 773.663 -52.396 0,06
84 SSTM 2015 -10.462 29.295 721.884 -39.757 0,01
2016 -14.583 42.265 670.964 -56.848 -0,02
2017 -23.710 25.550 605.643 -49.260 0,01
2013 569 5.562 749.403 -4.993
2014 349 -31.500 775.918 31.849 0,05
85 STAR 2015 307 33.093 729.021 -32.786 -0,08
2016 463 36.391 690.187 -35.928 -0,004
2017 595 78.784 614.705 -78.189 -0,06
2013 38.389 42.623 341.415 -4.234
2014 57.654 57.519 431.533 135 0,01
86 TALF 2015 33.718 9.600 434.210 24.118 0,06
2016 30.138 18.474 881.673 11.664 -0,03
2017 21.466 804 921.241 20.662 0,01
2013 4.125 -2.931 969.041 7.056
2014 1.727 16.867 1.317.075 -15.140 -0,02
87 TARA 2015 1.881 76.300 1.294.373 -74.419 -0,05
2016 2.875 33.789 1.218.023 -30.914 0,03
2017 1.276 18.049 1.234.609 -16.773 0,01
2013 160.148 253.852 1.465.952 -93.704
2014 174.314 123.551 1.853.235 50.763 0,1
88 TCID 2015 544.474 120.782 2.082.097 423.692 0,2
2016 162.060 264.194 2.185.101 -102.134 -0,25
2017 179.126 363.708 2.361.807 -184.582 0,04
2013 213.169 -113.476 2.226.418 326.645
2014 163.751 210.178 2.483.746 -46.427 -0,17
89 TOTL 2015 191.293 306.248 2.846.153 -114.955 -0,03
2016 221.287 208.745 2.950.560 12.542 0,04
2017 231.269 226.695 3.243.093 4.574 -0,003
2013 236.558 320.627 1.746.178 -84.069
90 TOTO
2014 293.804 307.709 2.027.289 -13.905 0,04
 2015 285.237 239.811 2.439.541 45.426 0,03
2016 168.565 305.803 2.581.441 -137.238 -0,07
2017 278.936 421.340 2.826.491 -142.404 -0,002
2013 48.195 42.373 449.009 5.822
2014 35.944 26.474 523.901 9.470 0,008
91 TRIS 2015 37.448 63.377 574.346 -25.929 -0,07
2016 25.213 13.170 639.701 12.043 0,07
2017 14.199 44.385 544.968 -30.186 -0,07
2013 32.966 111.313 3.260.920 -78.347
2014 30.084 120.183 3.261.285 -90.099 -0,004
92 TRST 2015 25.314 135.020 3.357.359 -109.706 -0,006
2016 33.795 239.193 3.290.596 -205.398 -0,03
2017 38.200 229.411 3.332.906 -191.211 0,004
2013 638.535 448.669 5.407.958 189.866
2014 584.293 512.956 5.592.730 71.337 -0,02
93 TSPC 2015 529.219 778.362 6.284.729 -249.143 -0,06
2016 545.494 491.655 6.585.807 53.839 0,05
2017 557.340 544.164 7.434.900 13.176 -0,006
2013 325.127 195.989 2.811.621 129.138
2014 283.361 128.023 2.917.084 155.338 0,009
94 ULTJ 2015 523.100 669.463 3.539.996 -146.363 -0,1
2016 709.826 779.109 4.239.200 -69.283 0,02
2017 711.681 1.072.516 5.186.940 -360.835 -0,07
2013 832 2.051 459.119 -1.219
2014 396 23.058 440.727 -22.662 -0,05
95 UNIT 2015 386 -24.745 460.539 25.131 0,11
2016 861 30.168 432.913 -29.307 -0,12
2017 1.062 4.295 426.385 -3.233 0,06
2013 5.352.625 6.236.304 12.703.468 -883.679
2014 5.738.523 6.462.722 20.280.670 -724.199 0,01
96 UNVR 2015 5.851.805 6.299.051 21.129.945 -447.246 0,02
2016 6.390.672 6.684.219 23.745.695 -293.547 0,01
2017 7.004.562 7.059.862 27.906.413 -55.300 0,01
2013 39.093 339.999 1.955.830 -300.906
2014 -85.394 -72.599 1.553.905 -12.795 0,15
97 VOKS 2015 277 16.055 1.536.245 -15.778 -0,002
2016 160.046 194.253 1.668.210 -34.207 -0,01
2017 166.205 68.692 2.110.166 97.513 0,07
98 WIIM 2013 132.322 -33.786 1.229.011 166.108
 2014 112.305 44.609 1.332.908 67.696 -0,08
2015 131.081 62.869 1.342.700 68.212 0,0004
2016 106.290 136.704 1.353.634 -30.414 -007
2017 40.590 194.599 1.225.712 -154.009 -0,09
2013 624.372 289.112 12.594.963 335.260
2014 750.796 -177.691 15.915.162 928.487 0,05
99 WIKA 2015 703.005 224.273 19.602.406 478.732 -0,02
2016 1.211.029 -1.119.609 31.355.205 2.330.638 0,09
2017 1.356.115 1.885.252 45.683.774 -529.137 -0,09
2013 6.222 -7.262 613.879 13.484
2014 -8.932 52.054 320.495 -60.986 -0,12
100 YPAS 2015 -9.881 33.677 279.190 -43.558 0,05
2016 -10.932 -16.763 280.258 5.831 0,18
2017 -14.500 -27.115 303.543 12.615 0,02

Hasil Perhitungan Return On Assets (Dalam Rupiah)

No. Kode Tahun Laba Bersih Total Assets ROA

2014 31.021.000.000 504.865.000.000 6,14
2015 32.839.000.000 653.224.000.000 5,03
1 ADES
2016 55.951.000.000 767.479.000.000 7,29
2017 38.242.000.000 840.236.000.000 4,55
2014 62.567.000.000 3.487.197.000.000 1,79
2015 48.007.000.000 4.953.451.000.000 0,97
2 AGII
2016 64.287.000.000 5.847.722.000.000 1,1
2017 97.598.000.000 6.403.543.000.000 1,52
2014 378.142.000.000 7.371.846.000.000 5,13
2015 373.750.000.000 9.060.979.000.000 4,12
3 AISA
2016 719.228.000.000 9.254.539.000.000 7,77
2017 846.809.000.000 8.724.734.000.000 -9,71
2014 34.691.000.000 2.227.043.000.000 1,56
2015 27.645.000.000 2.883.143.000.000 0,96
4 AKPI
2016 52.394.000.000 2.615.909.000.000 2
2017 13.340.000.000 2.745.326.000.000 0,49
2014 2.659.000.000 244.879.000.000 1,09
2015 -1.176.000.000 144.628.000.000 -0,81
5 ALKA
2016 516.000.000 136.619.000.000 0,38
2017 15.406.000.000 305.209.000.000 5,05
6 ALMI 2014 1.949.000.000 3.212.439.000.000 0,06
 2015 -53.614.000.000 2.189.038.000.000 -2,45
2016 45.932.000.000 2.153.031.000.000 2,13
2017 8.446.000.000 2.376.282.000.000 0,36
2014 9.627.000.000 273.127.000.000 3,52
2015 1.854.000.000 308.620.000.000 0,6
7 APLI
2016 25.109.000.000 314.469.000.000 7,98
2017 -1.329.000.000 398.699.000.000 -0,33
2014 458.635.000.000 3.918.391.000.000 11,7
2015 341.346.000.000 4.270.275.000.000 7,99
8 AMFG
2016 260.444.000.000 5.504.890.000.000 4,73
2017 38.569.000.000 6.267.816.000.000 0.62
2014 21.061.000.000 356.814.000.000 5,9
2015 24.079.000.000 366.011.000.000 6,58
9 ALDO
2016 25.230.000.000 410.331.000.000 6,15
2017 29.035.000.000 498.702.000.000 5,82
2014 261.651.000.000 1.259.175.000.000 20,78
2015 71.210.000.000 1.430.779.000.000 4,98
10 ARNA
2016 91.376.000.000 1.543.216.000.000 5,92
2017 122.184.000.000 1.601.347.000.000 7,63
2014 22.125.000.000.000 236.029.000.000.000 9,37
2015 15.613.000.000.000 245.435.000.000.000 6,36
11 ASII
2016 18.302.000.000.000 261.855.000.000.000 6,99
2017 23.165.000.000.000 295.646.000.000.000 7,84
2014 956.409.000.000 14.380.926.000.000 6,65
2015 322.701.000.000 14.339.110.000.000 2,25
12 AUTO
2016 483.421.000.000 14.612.274.000.000 3,31
2017 547.781.000.000 14.762.309.000.000 2,71
2014 14.078.000.000 974.633.000.000 1,44
2015 -9.350.000.000 948.683.000.000 -0,99
13 BAJA
2016 34.393.000.000 982.627.000.000 3,5
2017 -22.985.000.000 946.449.000.000 -2,43
2014 70.781.000.000 774.891.000.000 9,13
2015 129.519.000.000 795.258.000.000 16,29
14 BATA
2016 42.232.000.000 804.743.000.000 5,25
2017 53.654.000.000 855.691.000.000 6,27
2014 10.049.000.000 104.059.000.000 9,66
2015 -771.000.000 99.558.000.000 -0,77
15 BIMA
2016 17.410.000.000 92.041.000.000 18,92
2017 15.796.000.000 89.327.000.000 17,68
 2014 19.659.000.000 617.584.000.000 3,18
2015 110.400.000.000 1.209.225.000.000 9,13
16 BIPP
2016 27.224.000.000 1.648.022.000.000 1,65
2017 -31.034.000.000 1.748.641.000.000 -1,77
2014 28.499.000.000 2.476.982.000.000 1,15
2015 21.072.000.000 3.265.953.000.000 0,65
17 BUDI
2016 38.624.000.000 2.931.807.000.000 1,32
2017 45.691.000.000 2.939.456.000.000 1,55
2014 56.999.000.000 1.334.086.000.000 4,27
2015 -7.160.000.000 1.820.784.000.000 -0,39
18 BRNA
2016 12.665.000.000 2.088.697.000.000 0,61
2017 -178.283.000.000 1.964.877.000.000 -9,07
2014 7.630.000.000 174.158.000.000 4,38
2015 6.324.000.000 183.116.000.000 3,45
19 BTON
2016 -5.975.000.000 177.291.000.000 -3,37
2017 11.371.000.000 183.502.000.000 6,2
2014 -3.223.000.000 442.407.000.000 -0,73
2015 272.000.000 495.390.000.000 0,05
20 BTEK
2016 2.246.000.000 4.879.715.000.000 0,05
2017 -42.844.000.000 5.306.055.000.000 -0,81
2014 41.001.000.000 1.284.150.000.000 3,19
2015 106.549.000.000 1.485.826.000.000 7,17
21 CEKA
2016 249.697.000.000 1.425.964.000.000 17,51
2017 107.421.000.000 1.392.636.000.000 7,71
2014 1.746.644.000.000 20.862.439.000.000 8,37
2015 1.832.598.000.000 24.684.915.000.000 7,42
22 CPIN
2016 2.225.402.000.000 24.204.994.000.000 9,19
2017 2.496.787.000.000 24.522.593.000.000 10,18
2014 288.073.000.000 991.947.000.000 29,04
2015 192.045.000.000 1.038.322.000.000 18,5
23 DLTA
2016 254.509.000.000 1.197.797.000.000 21,25
2017 279.773.000.000 1.340.843.000.000 20,87
2014 14.520.000.000 268.887.000.000 5,4
2015 9.859.000.000 274.483.000.000 3,59
24 DPNS
2016 10.009.000.000 296.130.000.000 3,38
2017 5.963.000.000 308.491.000.000 1,93
2014 80.929.000.000 1.236.248.000.000 6,55
25 DVLA 2015 107.894.000.000 1.376.278.000.000 7,84
2016 152.083.000.000 1.531.366.000.000 9,93
 2017 162.249.000.000 1.640.886.000.000 9,89
2014 40.756.000.000 411.349.000.000 9,91
2015 47.040.000.000 389.692.000.000 12,07
26 EKAD
2016 90.686.000.000 702.509.000.000 12,91
2017 76.196.000.000 796.768.000.000 9,56
2014 86.746.000.000 5.581.001.000.000 1,55
2015 -308.897.000.000 6.993.634.000.000 -4,42
27 FASW
2016 778.013.000.000 8.583.224.000.000 9,06
2017 743.557.000.000 9.369.892.000.000 7,94
2014 -13.938.000.000 1.354.623.000.000 -1,03
2015 -55.213.000.000 1.183.934.000.000 -4,66
28 GDST
2016 31.705.000.000 1.257.610.000.000 2,52
2017 10.285.000.000 1.286.955.000.000 0,8
2014 5.395.293.000.000 58.220.600.000.000 9,27
2015 6.452.834.000.000 63.505.413.000.000 10,16
29 GGRM
2016 6.672.682.000.000 62.951.634.000.000 10,6
2017 7.755.347.000.000 66.759.930.000.000 11,62
2014 269.868.000.000 16.042.897.000.000 1,68
2015 -313.326.000.000 17.509.505.000.000 -1,79
30 GJTL
2016 626.561.000.000 18.697.779.000.000 3,35
2017 45.028.000.000 18.191.176.000.000 0,25
2014 10.181.083.000.000 37.380.630.000.000 27,23
2015 10.363.308.000.000 38.010.724.000.000 27,26
31 HMSP
2016 12.762.229.000.000 42.508.277.000.000 30,02
2017 12.670.534.000.000 43.141.063.000.000 29,37
2014 2.531.681.000.000 24.910.211.000.000 10,16
2015 2.923.148.000.000 26.560.624.000.000 11,01
32 ICBP
2016 3.631.301.000.000 28.901.948.000.000 12,56
2017 3.543.173.000.000 31.619.514.000.000 11,21
2014 54.899.000.000 349.895.000.000 15,69
2015 51.416.000.000 383.936.000.000 13,39
33 IGAR
2016 69.306.000.000 439.466.000.000 15,77
2017 72.377.000.000 513.023.000.000 14,11
2014 -26.511.000.000 518.547.000.000 -5,11
2015 -108.888.000.000 580.043.000.000 -18,77
34 IKAI
2016 -145.359.000.000 765.029.000.000 -19
2017 -43.578.000.000 229.825.000.000 -18,96
2014 -67.093.000.000 23.471.398.000.000 -0,29
35 IMAS
2015 -22.489.000.000 24.860.958.000.000 -0,09
 2016 -312.881.000.000 25.633.342.000.000 -1,22
2017 -64.297.000.000 31.375.311.000.000 -0,2
2014 289.799.000.000 1.736.710.000.000 16,69
2015 129.759.000.000 1.675.233.000.000 7,75
36 IMPC
2016 125.823.000.000 2.276.032.000.000 5,53
2017 91.303.000.000 2.294.677.000.000 3,98
2014 1.165.000.000 1.248.343.000.000 0,09
2015 6.566.000.000 153.370.900.000 4,28
37 INAF
2016 -17.367.000.000 1.381.633.000.000 -1,26
2017 -46.285.000.000 1.529.875.000.000 -3,03
2014 22.059.000.000 897.282.000.000 2,46
2015 28.616.000.000 1.330.259.000.000 2,15
38 INAI
2016 35.553.000.000 1.339.032.000.000 2,66
2017 38.652.000.000 1.213.917.000.000 3,18
2014 11.028.000.000 147.993.000.000 7,45
2015 16.961.000.000 169.546.000.000 10
39 INCI
2016 9.989.000.000 269.351.000.000 3,71
2017 16.554.000.000 303.788.000.000 5,45
2014 5.146.323.000.000 85.938.885.000.000 5,99
2015 3.709.501.000.000 91.831.526.000.000 4,04
40 INDF
2016 5.266.906.000.000 82.174.515.000.000 6,41
2017 5.145.063.000.000 87.939.488.000.000 5,85
2014 127.657.000.000 2.282.666.000.000 5,59
2015 1.934.000.000 2.553.928.000.000 0,08
41 INDS
2016 49.556.000.000 2.477.273.000.000 2
2017 113.640.000.000 2.434.617.000.000 4,67
2014 158.998.000.000 5.443.158.000.000 2,92
2015 158.999.000.000 5.448.447.000.000 2,92
42 ISSP
2016 102.925.000.000 6.041.811.000.000 1,7
2017 8.634.000.000 6.269.365.000.000 0,14
2014 23.845.000.000 1.062.476.000.000 2,24
2015 2.465.000.000 1.358.464.000.000 0,18
43 JECC
2016 132.423.000.000 1.587.211.000.000 8,34
2017 83.355.000.000 1.927.985.000.000 4,32
2014 -9.632.000.000 302.951.000.000 -3,18
2015 -23.097.000.000 265.280.000.000 -8,71
44 JKSW
2016 -2.895.000.000 273.182.000.000 -1,06
2017 -3.925.000.000 252.295.000.000 -1,56
45 JPFA 2014 384.846.000.000 15.730.435.000.000 2,45
 2015 524.484.000.000 17.159.466.000.000 3,06
2016 2.171.608.000.000 19.251.026.000.000 11,28
2017 1.107.810.000.000 21.088.870.000.000 5,25
2014 714.531.000.000 6.684.263.000.000 10,69
2015 869.777.000.000 7.578.101.000.000 11,48
46 JRPT
2016 1.017.849.000.000 8.484.437.000.000 12
2017 1.117.126.000.000 9.472.683.000.000 11,79
2014 236.531.000.000 2.968.185.000.000 7,97
2015 252.973.000.000 3.236.224.000.000 7,82
47 KAEF
2016 271.598.000.000 4.612.563.000.000 5,89
2017 331.708.000.000 6.096.149.000.000 5,44
2014 70.080.000.000 1.337.351.000.000 5,24
2015 115.371.000.000 1.551.800.000.000 7,43
48 KBLI
2016 334.339.000.000 1.871.422.000.000 17,87
2017 358.974.000.000 3.013.761.000.000 11,91
2014 20.499.000.000 647.697.000.000 3,16
2015 12.760.000.000 654.386.000.000 1,95
49 KBLM
2016 21.245.000.000 639.091.000.000 3,32
2017 43.995.000.000 1.235.199.000.000 3,56
2014 44.489.000.000 952.177.000.000 4,67
2015 11.471.000.000 1.177.094.000.000 0,97
50 KDSI
2016 47.127.000.000 1.142.273.000.000 4,13
2017 68.965.000.000 1.328.292.000.000 5,19
2014 92.239.000.000 2.352.543.000.000 3,92
2015 -163.719.000.000 2.124.391.000.000 -7,71
51 KIAS
2016 -252.499.000.000 1.859.670.000.000 -13,58
2017 -85.301.000.000 1.767.604.000.000 -4,83
2014 4.704.000.000 96.746.000.000 4,86
2015 -13.001.000.000 133.832.000.000 -9,71
52 KICI
2016 363.000.000 139.809.000.000 0,26
2017 7.947.000.000 149.420.000.000 5,32
2014 394.055.000.000 8.505.270.000.000 4,63
2015 331.443.000.000 9.740.695.000.000 3,4
53 KIJA
2016 426.542.000.000 10.733.598.000.000 3,97
2017 149.841.000.000 11.266.320.000.000 1,33
2014 2.121.091.000.000 12.425.032.000.000 17,07
2015 2.057.694.000.000 13.696.417.000.000 15,02
54 KLBF
2016 2.350.885.000.000 15.226.009.000.000 15,44
2017 2.453.251.000.000 16.616.239.000.000 14,76
 2014 49.002.000.000 600.103.000.000 8,17
2015 46.019.000.000 639.330.000.000 7,2
55 LION
2016 42.345.000.000 685.813.000.000 6,17
2017 9.283.000.000 681.938.000.000 1,36
2014 1.711.000.000 808.892.000.000 0,21
2015 3.968.000.000 793.094.000.000 0,5
56 LMPI
2016 6.933.000.000 810.365.000.000 0,86
2017 -31.141.000.000 834.548.000.000 -3,73
2014 7.403.000.000 139.916.000.000 5,29
2015 1.944.000.000 133.783.000.000 1,45
57 LMSH
2016 6.253.000.000 162.828.000.000 3,84
2017 12.967.000.000 161.163.000.000 8,05
2014 -84.778.000.000 3.531.220.000.000 -2,4
2015 -62.097.000.000 3.962.068.000.000 -1,57
58 MAIN
2016 290.230.000.000 3.919.764.000.000 7,4
2017 48.698.000.000 4.072.245.000.000 1,2
2014 181.472.000.000 716.600.000.000 25,32
2015 142.545.000.000 641.647.000.000 22,22
59 MERK
2016 153.843.000.000 743.935.000.000 20,68
2017 147.387.000.000 847.067.000.000 17,4
2014 494.883.000.000 2.231.051.000.000 22,18
2015 596.909.000.000 2.100.853.000.000 28,41
60 MLBI
2016 682.129.000.000 2.275.038.000.000 29,98
2017 828.067.000.000 2.510.078.000.000 32,98
2014 125.013.000.000 7.215.152.000.000 1,73
2015 -155.912.000.000 7.125.800.000.000 -2,19
61 MLIA
2016 9.040.000.000 7.723.579.000.000 0,12
2017 47.534.000.000 5.186.686.000.000 0,92
2014 7.372.000.000 498.786.000.000 1,48
2015 1.046.000.000 497.090.000.000 0,21
62 MRAT
2016 -5.549.000.000 483.037.000.000 -1,15
2017 -1.283.000.000 497.354.000.000 -0,26
2014 409.825.000.000 10.291.108.000.000 3,98
2015 1.250.233.000.000 11.342.716.000.000 11,02
63 MYOR
2016 1.388.676.000.000 12.922.422.000.000 10,75
2017 1.630.954.000.000 14.915.850.000.000 10,93
2014 107.057.000.000 815.339.000.000 13,13
64 OMRE 2015 -23.146.000.000 819.723.000.000 -2,82
2016 318.395.000.000 4.264.983.000.000 7,47
 2017 -66.194.000.000 4.242.935.000.000 -1,56
2014 16.154.000.000 626.627.000.000 2,58
2015 14.975.000.000 605.788.000.000 2,47
65 PICO
2016 12.512.000.000 605.882.000.000 2,07
2017 16.824.000.000 720.239.000.000 2,34
2014 11.341.000.000 1.286.828.000.000 0,88
2015 6.437.000.000 1.531.742.000.000 0,42
66 PRAS
2016 -2.691.000.000 1.596.467.000.000 -0,17
2017 -3.226.000.000 1.542.244.000.000 -0,21
2014 -28.175.000.000 620.928.000.000 -4,54
2015 -42.620.000.000 620.399.000.000 -6,87
67 PSDN
2016 -36.662.000.000 653.797.000.000 -5,61
2017 32.151.000.000 690.980.000.000 4,65
2014 2.658.000.000 172.737.000.000 1,54
2015 3.087.000.000 159.952.000.000 1,93
68 PYFA
2016 5.146.000.000 167.063.000.000 3,08
2017 7.127.000.000 159.564.000.000 4,47
2014 15.112.000.000 1.170.752.000.000 1,29
2015 13.466.000.000 1.198.194.000.000 1,12
69 RICY
2016 14.033.000.000 1.288.684.000.000 1,09
2017 16.559.000.000 1.374.445.000.000 1,2
2014 188.578.000.000 2.142.894.000.000 8,8
2015 270.539.000.000 2.706.324.000.000 10
70 ROTI
2016 279.777.000.000 2.919.641.000.000 9,58
2017 135.364.000.000 4.559.574.000.000 2,97
2014 137.619.000.000 1.656.007.000.000 8,31
2015 159.120.000.000 1.773.144.000.000 8,97
71 SCCO
2016 340.594.000.000 2.449.935.000.000 13,9
2017 269.730.000.000 4.014.245.000.000 6,72
2014 7.382.000.000 4.989.693.000.000 0,15
2015 -36.848.000.000 277.982.000.000 -13,26
72 SIAP
2016 -25.246.000.000 228.709.000.000 -11,04
2017 -10.584.000.000 227.225.000.000 -4,66
2014 415.193.000.000 2.821.399.000.000 14,72
2015 437.475.000.000 2.796.111.000.000 15,65
73 SIDO
2016 480.525.000.000 2.987.614.000.000 16,08
2017 533.799.000.000 3.158.198.000.000 16,9
2014 1.379.000.000 62.608.000.000 2,2
74 SIMA
2015 -1.484.000.000 40.081.000.000 -3,7
 2016 -701.000.000 40.195.000.000 -1,74
2017 162.000.000 86.203.000.000 0,19
2014 2.064.000.000 2.800.915.000.000 0,07
2015 -103.031.000.000 2.246.770.000.000 -4,59
75 SIPD
2016 13.049.000.000 2.567.211.000.000 0,51
2017 -95.425.000.000 1.186.684.000.000 -8,04
2014 89.116.000.000 649.534.000.000 13,72
2015 40.151.000.000 764.484.000.000 5,25
76 SKBM
2016 22.545.000.000 1.001.657.000.000 2,25
2017 25.880.000.000 1.623.027.000.000 1,59
2014 16.481.000.000 331.575.000.000 4,97
2015 20.067.000.000 377.111.000.000 5,32
77 SKLT
2016 20.646.000.000 568.240.000.000 3,63
2017 22.971.000.000 636.284.000.000 3,61
2014 328.336.000.000 2.926.361.000.000 11,22
2015 354.180.000.000 3.268.668.000.000 10,84
78 SMBR
2016 259.091.000.000 4.368.877.000.000 5,93
2017 146.648.000.000 5.060.337.000.000 2,9
2014 668.869.000.000 17.195.352.000.000 3,89
2015 199.488.000.000 17.321.565.000.000 1,15
79 SMCB
2016 -284.584.000.000 19.763.133.000.000 -1,44
2017 -758.045.000.000 19.626.403.000.000 -3,86
2014 5.573.577.000.000 34.314.666.000.000 16,24
2015 4.525.441.000.000 38.153.119.000.000 11,86
80 SMGR
2016 4.535.037.000.000 44.226.896.000.000 10,25
2017 2.043.026.000.000 48.963.503.000.000 4,17
2014 421.467.000.000 1.749.395.000.000 24,09
2015 461.307.000.000 2.220.108.000.000 20,78
81 SMSM
2016 502.192.000.000 2.254.740.000.000 22,27
2017 555.388.000.000 2.443.341.000.000 22,73
2014 48.603.000.000 2.091.957.000.000 2,32
2015 -42.597.000.000 2.185.464.000.000 -1,95
82 SPMA
2016 81.063.000.000 2.158.852.000.000 3,75
2017 92.280.000.000 2.175.661.000.000 4,24
2014 14.456.000.000 463.347.000.000 3,12
2015 15.505.000.000 574.073.000.000 2,7
83 SRSN
2016 11.056.000.000 717.150.000.000 1,54
2017 17.699.000.000 652.726.000.000 2,71
84 SSTM 2014 -12.840.000.000 773.663.000.000 -1,66
 2015 -10.462.000.000 721.884.000.000 -1,45
2016 -14.583.000.000 670.964.000.000 -2,17
2017 -23.710.000.000 605.643.000.000 -3,91
2014 349.000.000 775.918.000.000 0,04
2015 307.000.000 729.021.000.000 0,04
85 STAR
2016 463.000.000 690.187.000.000 0,07
2017 595.000.000 614.705.000.000 0,1
2014 57.654.000.000 431.533.000.000 13,36
2015 33.718.000.000 434.210.000.000 7,77
86 TALF
2016 30.138.000.000 881.673.000.000 3,42
2017 21.466.000.000 921.241.000.000 2,33
2014 1.727.000.000 1.317.075.000.000 0,13
2015 1.881.000.000 1.294.373.000.000 0,15
87 TARA
2016 2.875.000.000 1.218.023.000.000 0,24
2017 1.276.000.000 1.234.609.000.000 0,1
2014 174.314.000.000 1.853.235.000.000 9,41
2015 544.474.000.000 2.082.097.000.000 26,15
88 TCID
2016 162.060.000.000 2.185.101.000.000 7,42
2017 179.126.000.000 2.361.807.000.000 7,58
2014 163.751.000.000 2.483.746.000.000 6,59
2015 191.293.000.000 2.846.153.000.000 6,72
89 TOTL
2016 221.287.000.000 2.950.560.000.000 7,5
2017 231.269.000.000 3.243.093.000.000 7,13
2014 293.804.000.000 2.027.289.000.000 14,49
2015 285.237.000.000 2.439.541.000.000 11,69
90 TOTO
2016 168.565.000.000 2.581.441.000.000 6,53
2017 278.936.000.000 2.826.491.000.000 9,87
2014 35.944.000.000 523.901.000.000 6,86
2015 37.448.000.000 574.346.000.000 6,52
91 TRIS
2016 25.213.000.000 639.701.000.000 3,94
2017 14.199.000.000 544.968.000.000 2,61
2014 30.084.000.000 3.261.285.000.000 0,92
2015 25.314.000.000 3.357.359.000.000 0,75
92 TRST
2016 33.795.000.000 3.290.596.000.000 1,03
2017 38.200.000.000 3.332.906.000.000 1,15
2014 584.293.000.000 5.592.730.000.000 10,45
2015 529.219.000.000 6.284.729.000.000 8,42
93 TSPC
2016 545.494.000.000 6.585.807.000.000 8,28
2017 557.340.000.000 7.434.900.000.000 7,5
 2014 283.361.000.000 2.917.084.000.000 9.71
2015 523.100.000.000 3.539.996.000.000 14,78
94 ULTJ
2016 709.826.000.000 4.239.200.000.000 16,74
2017 711.681.000.000 5.186.940.000.000 13,72
2014 396.000.000 440.727.000.000 0,09
2015 386.000.000 460.539.000.000 0,08
95 UNIT
2016 861.000.000 432.913.000.000 0,2
2017 1.062.000.000 426.385.000.000 0,25
2014 5.738.523.000.000 20.280.670.000.000 28,3
2015 5.851.805.000.000 21.129.945.000.000 27,69
96 UNVR
2016 6.390.672.000.000 23.745.695.000.000 26,91
2017 7.004.562.000.000 27.906.413.000.000 25,1
2014 -85.394.000.000 1.553.905.000.000 -5,5
2015 277.000.000 1.536.245.000.000 0,02
97 VOKS
2016 160.046.000.000 1.668.210.000.000 9,59
2017 166.205.000.000 2.110.166.000.000 7,88
2014 112.305.000.000 1.332.908.000.000 8,43
2015 131.081.000.000 1.342.700.000.000 9,76
98 WIIM
2016 106.290.000.000 1.353.634.000.000 7,85
2017 40.590.000.000 1.225.712.000.000 3,31
2014 750.796.000.000 15.915.162.000.000 4,72
2015 703.005.000.000 19.602.406.000.000 3,59
99 WIKA
2016 1.211.029.000.000 31.355.205.000.000 3,86
2017 1.356.115.000.000 45.683.774.000.000 2,97
2014 -8.932.000.000 320.495.000.000 -2,79
2015 -9.881.000.000 279.190.000.000 -3,54
100 YPAS
2016 -10.932.000.000 280.258.000.000 -3,9
2017 -14.500.000.000 303.543.000.000 -4,78

Hasil Perhitungan Return On Equity (Dalam Rupiah)

No. Kode Tahun Laba Bersih Total Ekuitas ROE

2014 31.021.000.000 295.799.000.000 10,49
2015 32.839.000.000 328.369.000.000 10
1 ADES
2016 55.951.000.000 384.388.000.000 14,56
2017 38.242.000.000 423.011.000.000 9,04
2014 62.567.000.000 1.114.657.000.000 5,61
2 AGII 2015 48.007.000.000 1.714.770.000.000 2,8
2016 64.287.000.000 2.760.840.000.000 2,33
 2017 97.598.000.000 3.358.010.000.000 2,91
2014 378.142.000.000 3.592.829.000.000 10,52
2015 373.750.000.000 3.966.907.000.000 9,42
3 AISA
2016 719.228.000.000 4.264.400.000.000 16,87
2017 -846.809.000.000 3.404.879.000.000 -24,87
2014 34.691.000.000 1.035.846.000.000 3,35
2015 27.645.000.000 1.107.566.000.000 2,5
4 AKPI
2016 52.394.000.000 1.120.035.000.000 4,68
2017 13.340.000.000 1.126.612.000.000 1,18
2014 2.659.000.000 63.236.000.000 4,21
2015 -1.176.000.000 62.032.000.000 -1,9
5 ALKA
2016 516.000.000 61.104.000.000 0,84
2017 15.406.000.000 78.491.000.000 19,63
2014 1.949.000.000 641.036.000.000 0,3
2015 -53.614.000.000 565.111.000.000 -9,49
6 ALMI
2016 -99.932.000.000 403.694.000.000 -24,75
2017 8.446.000.000 378.871.000.000 2,23
2014 9.627.000.000 225.258.000.000 4,27
2015 1.854.000.000 221.561.000.000 0,84
7 APLI
2016 25.109.000.000 246.501.000.000 10,19
2017 -1.329.000.000 227.184.000.000 -0,58
2014 458.635.000.000 3.184.642.000.000 14,4
2015 341.346.000.000 3.390.223.000.000 10,07
8 AMFG
2016 260.444.000.000 3.599.264.000.000 7,24
2017 38.569.000.000 3.548.877.000.000 1,09
2014 21.061.000.000 159.423.000.000 13,21
2015 24.079.000.000 170.929.000.000 14,09
9 ALDO
2016 25.230.000.000 200.888.000.000 12,56
2017 29.035.000.000 229.423.000.000 12,66
2014 261.651.000.000 912.231.000.000 28,68
2015 71.210.000.000 894.728.000.000 7,96
10 ARNA
2016 91.376.000.000 948.088.000.000 9,64
2017 122.184.000.000 1.029.400.000.000 11,87
2014 22.125.000.000.000 120.324.000.000.000 18,39
2015 15.613.000.000.000 126.533.000.000.000 12,34
11 ASII
2016 18.302.000.000.000 139.906.000.000.000 13,08
2017 23.165.000.000.000 156.329.000.000.000 14,82
2014 956.409.000.000 10.136.557.000.000 9,44
12 AUTO
2015 322.701.000.000 10.143.426.000.000 3,18
 2016 483.421.000.000 10.536.558.000.000 4,59
2017 547.781.000.000 10.759.076.000.000 5,09
2014 14.078.000.000 188.324.000.000 7,48
2015 -9.350.000.000 161.628.000.000 -5,78
13 BAJA
2016 34.393.000.000 196.503.000.000 17,5
2017 -22.985.000.000 172.016.000.000 -13,36
2014 70.781.000.000 429.116.000.000 16,49
2015 129.519.000.000 547.187.000.000 23,67
14 BATA
2016 42.232.000.000 557.155.000.000 7,58
2017 53.654.000.000 579.309.000.000 9,26
2014 10.049.000.000 -193.919.000.000 -5,18
2015 -771.000.000 -202.013.000.000 0,38
15 BIMA
2016 17.410.000.000 -97.175.000.000 -17,92
2017 15.796.000.000 -84.637.000.000 -18,66
2014 19.659.000.000 452.781.000.000 4,34
2015 110.400.000.000 1.046.081.000.000 10,55
16 BIPP
2016 27.224.000.000 1.203.820.000.000 2,26
2017 -31.034.000.000 1.213.853.000.000 -2,56
2014 28.499.000.000 913.351.000.000 3,12
2015 21.072.000.000 1.105.251.000.000 1,91
17 BUDI
2016 38.624.000.000 1.164.982.000.000 3,32
2017 45.691.000.000 1.194.700.000.000 3,82
2014 56.999.000.000 366.375.000.000 15,56
2015 -7.160.000.000 827.914.000.000 -0,86
18 BRNA
2016 12.665.000.000 1.028.353.000.000 1,23
2017 -178.283.000.000 853.029.000.000 -209
2014 7.630.000.000 146.640.000.000 5,2
2015 6.324.000.000 149.105.000.000 4,24
19 BTON
2016 -5.975.000.000 143.533.000.000 -4,16
2017 11.371.000.000 154.639.000.000 7,35
2014 -3.223.000.000 1.078.534.000.000 -0,3
2015 272.000.000 1.079.883.000.000 0,03
20 BTEK
2016 2.246.000.000 1.510.855.000.000 0,15
2017 -42.844.000.000 1.987.619.000.000 -2,16
2014 41.001.000.000 537.551.000.000 7,63
2015 106.549.000.000 639.894.000.000 16,65
21 CEKA
2016 249.697.000.000 887.920.000.000 28,12
2017 107.421.000.000 903.044.000.000 11,9
22 CPIN 2014 1.746.644.000.000 10.943.289.000.000 15,96
 2015 1.832.598.000.000 12.561.427.000.000 14,59
2016 2.225.402.000.000 14.157.243.000.000 15,72
2017 2.496.787.000.000 15.702.825.000.000 15,9
2014 288.073.000.000 764.473.000.000 37,68
2015 192.045.000.000 849.621.000.000 22,6
23 DLTA
2016 254.509.000.000 1.012.374.000.000 25,14
2017 279.773.000.000 1.144.645.000.000 24,44
2014 14.520.000.000 236.083.000.000 6,15
2015 9.859.000.000 241.296.000.000 4,09
24 DPNS
2016 10.009.000.000 263.264.000.000 3,8
2017 5.963.000.000 267.835.000.000 2,23
2014 80.929.000.000 962.431.000.000 8,41
2015 107.894.000.000 973.517.000.000 11,08
25 DVLA
2016 152.083.000.000 1.079.580.000.000 14,09
2017 162.249.000.000 1.116.300.000.000 14,53
2014 40.756.000.000 273.199.000.000 14,92
2015 47.040.000.000 291.961.000.000 16,11
26 EKAD
2016 90.686.000.000 592.005.000.000 15,32
2017 76.196.000.000 662.818.000.000 11,5
2014 86.746.000.000 1.644.678.000.000 5,27
2015 -308.897.000.000 2.445.346.000.000 -12,63
27 FASW
2016 778.013.000.000 3.158.442.000.000 24,63
2017 743.557.000.000 3.288.317.000.000 22,61
2014 -13.938.000.000 870.448.000.000 -1,6
2015 -55.213.000.000 804.410.000.000 -6,86
28 GDST
2016 31.705.000.000 832.123.000.000 3,81
2017 10.285.000.000 845.279.000.000 1,22
2014 5.395.293.000.000 33.228.720.000.000 16,24
2015 6.452.834.000.000 38.007.909.000.000 16,98
29 GGRM
2016 6.672.682.000.000 39.564.228.000.000 16,87
2017 7.755.347.000.000 42.187.664.000.000 18,38
2014 269.868.000.000 5.983.292.000.000 4,51
2015 -313.326.000.000 5.394.142.000.000 -5,81
30 GJTL
2016 626.561.000.000 5.848.177.000.000 10,71
2017 45.028.000.000 5.689.466.000.000 0,79
2014 10.181.083.000.000 33.498.114.000.000 30,39
2015 10.363.308.000.000 32.016.060.000.000 32,37
31 HMSP
2016 12.762.229.000.000 34.175.014.000.000 37,34
2017 12.670.534.000.000 34.112.985.000.000 37,14
 2014 2.531.681.000.000 15.039.947.000.000 16,83
2015 2.923.148.000.000 16.386.911.000.000 17,84
32 ICBP
2016 3.631.301.000.000 18.500.823.000.000 19,63
2017 3.543.173.000.000 20.324.330.000.000 17,43
2014 54.899.000.000 263.451.000.000 20,84
2015 51.416.000.000 310.464.000.000 16,56
33 IGAR
2016 69.306.000.000 373.749.000.000 18,54
2017 72.377.000.000 441.947.000.000 16,38
2014 -26.511.000.000 178.657.000.000 -14,84
2015 -108.888.000.000 -269.033.000.000 40,47
34 IKAI
2016 -145.359.000.000 -354.785.000.000 40,97
2017 -43.578.000.000 -105.427.000.000 41,33
2014 -67.093.000.000 6.727.023.000.000 -1
2015 -22.489.000.000 6.697.092.000.000 -0,34
35 IMAS
2016 -312.881.000.000 6.709.818.000.000 -4,66
2017 -64.297.000.000 9.281.252.000.000 -0,69
2014 289.799.000.000 984.942.000.000 29,42
2015 129.759.000.000 1.096.880.000.000 11,83
36 IMPC
2016 125.823.000.000 1.225.645.000.000 10,27
2017 91.303.000.000 1.289.021.000.000 7,08
2014 1.165.000.000 591.963.000.000 0,2
2015 6.566.000.000 592.709.000.000 1,11
37 INAF
2016 -17.367.000.000 575.757.000.000 -3,2
2017 -46.285.000.000 526.410.000.000 -8,79
2014 22.059.000.000 145.842.000.000 15,13
2015 28.616.000.000 239.821.000.000 11,93
38 INAI
2016 35.553.000.000 258.017.000.000 13,78
2017 38.652.000.000 277.405.000.000 13,93
2014 11.028.000.000 137.120.000.000 8,04
2015 16.961.000.000 154.051.000.000 11,01
39 INCI
2016 9.989.000.000 242.826.000.000 4,11
2017 16.554.000.000 268.380.000.000 6,17
2014 5.146.323.000.000 41.228.376.000.000 12,48
2015 3.709.501.000.000 43.121.593.000.000 8,6
40 INDF
2016 5.266.906.000.000 43.941.423.000.000 11,99
2017 5.145.063.000.000 46.756.724.000.000 11
2014 127.657.000.000 1.828.319.000.000 6,98
41 INDS 2015 1.934.000.000 1.919.039.000.000 0,1
2016 49.556.000.000 2.068.064.000.000 2,4
 2017 113.640.000.000 2.144.819.000.000 5,3
2014 158.998.000.000 2.304.834.000.000 6,9
2015 158.999.000.000 2.553.475.000.000 6.23
42 ISSP
2016 102.925.000.000 2.645.057.000.000 3.89
2017 8.634.000.000 2.840.941.000.000 0,3
2014 23.845.000.000 171.355.000.000 13,92
2015 2.465.000.000 367.756.000.000 0,67
43 JECC
2016 132.423.000.000 470.338.000.000 28,15
2017 83.355.000.000 547.361.000.000 15,23
2014 -9.632.000.000 -417.436.000.000 2,31
2015 -23.097.000.000 -440.533.000.000 5,24
44 JKSW
2016 -2.895.000.000 -441.754.000.000 0,66
2017 -3.925.000.000 -445.772.000.000 0,88
2014 384.846.000.000 5.289.994.000.000 7,27
2015 524.484.000.000 6.109.692.000.000 8,58
45 JPFA
2016 2.171.608.000.000 9.372.964.000.000 23,17
2017 1.107.810.000.000 9.795.628.000.000 11,31
2014 714.531.000.000 3.201.931.000.000 22,32
2015 869.777.000.000 4.140.931.000.000 21
46 JRPT
2016 1.017.849.000.000 4.906.399.000.000 20,75
2017 1.117.126.000.000 5.976.496.000.000 18,69
2014 236.531.000.000 1.811.144.000.000 13,06
2015 252.973.000.000 1.862.097.000.000 13,59
47 KAEF
2016 271.598.000.000 2.271.407.000.000 11,96
2017 331.708.000.000 2.572.521.000.000 12,89
2014 70.080.000.000 940.757.000.000 7,45
2015 115.371.000.000 1.027.362.000.000 11,23
48 KBLI
2016 334.339.000.000 1.321.346.000.000 253
2017 358.974.000.000 1.786.746.000.000 20,09
2014 20.499.000.000 290.288.000.000 7,06
2015 12.760.000.000 296.475.000.000 4,3
49 KBLM
2016 21.245.000.000 320.655.000.000 6,63
2017 43.995.000.000 791.429.000.000 5,56
2014 44.489.000.000 396.498.000.000 11,22
2015 11.471.000.000 378.921.000.000 3,03
50 KDSI
2016 47.127.000.000 419.784.000.000 11,23
2017 68.965.000.000 485.540.000.000 14,2
2014 92.239.000.000 2.116.797.000.000 4,36
51 KIAS
2015 -163.719.000.000 1.813.485.000.000 -9,03
 2016 -252.499.000.000 1.520.030.000.000 -16,61
2017 -85.301.000.000 1.426.730.000.000 -5,98
2014 4.704.000.000 78.680.000.000 5,98
2015 -13.001.000.000 93.372.000.000 -13,92
52 KICI
2016 363.000.000 89.010.000.000 0,41
2017 7.947.000.000 91.498.000.000 8,69
2014 394.055.000.000 4.661.836.000.000 8,45
2015 331.443.000.000 4.977.754.000.000 6,66
53 KIJA
2016 426.542.000.000 5.638.491.000.000 7,56
2017 149.841.000.000 5.900.240.000.000 2,54
2014 2.121.091.000.000 9.817.476.000.000 21,61
2015 2.057.694.000.000 10.938.286.000.000 18,81
54 KLBF
2016 2.350.885.000.000 12.463.847.000.000 18,86
2017 2.453.251.000.000 13.894.032.000.000 17,66
2014 49.002.000.000 443.979.000.000 11,04
2015 46.019.000.000 454.805.000.000 10,12
55 LION
2016 42.345.000.000 470.603.000.000 9
2017 9.283.000.000 452.307.000.000 2,05
2014 1.711.000.000 399.131.000.000 0,43
2015 3.968.000.000 401.212.000.000 0,99
56 LMPI
2016 6.933.000.000 408.172.000.000 1,7
2017 -31.141.000.000 376.256.000.000 -8,28
2014 7.403.000.000 115.951.000.000 6,38
2015 1.944.000.000 112.441.000.000 1,73
57 LMSH
2016 6.253.000.000 117.316.000.000 5,33
2017 12.967.000.000 129.622.000.000 10
2014 -84.778.000.000 1.077.885.000.000 -7,87
2015 -62.097.000.000 1.548.585.000.000 -4,01
58 MAIN
2016 290.230.000.000 1.837.575.000.000 15,79
2017 48.698.000.000 1.701.153.000.000 2,86
2014 181.472.000.000 553.691.000.000 32,78
2015 142.545.000.000 473.543.000.000 30,1
59 MERK
2016 153.843.000.000 582.672.000.000 26,4
2017 147.387.000.000 615.437.000.000 23,95
2014 794.883.000.000 953.797.000.000 83,33
2015 496.909.000.000 766.480.000.000 64,83
60 MLBI
2016 982.129.000.000 1.020.640.000.000 96,23
2017 1.022.067.000.000 1.054.905.000.000 96,88
61 MLIA 2014 125.013.000.000 1.321.572.000.000 9,46
 2015 -155.912.000.000 1.115.119.000.000 -13,98
2016 9.040.000.000 1.613.100.000.000 0,56
2017 47.534.000.000 1.754.295.000.000 2,71
2014 7.372.000.000 383.945.000.000 1,92
2015 1.046.000.000 377.026.000.000 0,28
62 MRAT
2016 -5.549.000.000 369.089.000.000 -1,5
2017 -1.283.000.000 366.731.000.000 -0,35
2014 409.825.000.000 4.100.555.000.000 9,99
2015 1.250.233.000.000 5.194.460.000.000 24,07
63 MYOR
2016 1.388.676.000.000 6.565.256.000.000 22,16
2017 1.630.954.000.000 7.354.346.000.000 22,18
2014 107.057.000.000 645.280.000.000 16,59
2015 -23.146.000.000 649.976.000.000 -3,56
64 OMRE
2016 318.395.000.000 4.118.022.000.000 7,73
2017 -66.194.000.000 4.014.037.000.000 -1,65
2014 16.154.000.000 231.101.000.000 6,99
2015 14.975.000.000 247.091.000.000 6,06
65 PICO
2016 12.512.000.000 259.189.000.000 4,83
2017 16.824.000.000 279.684.000.000 6,02
2014 11.341.000.000 685.822.000.000 1,65
2015 6.437.000.000 720.564.000.000 0,89
66 PRAS
2016 -2.691.000.000 693.002.000.000 -0,39
2017 -3.226.000.000 676.405.303.408 -0,48
2014 -28.175.000.000 378.575.000.000 -7,44
2015 -42.620.000.000 324.319.000.000 -13,14
67 PSDN
2016 -36.662.000.000 280.285.000.000 -13,08
2017 32.151.000.000 299.485.000.000 10,74
2014 2.658.000.000 96.559.000.000 2,75
2015 3.087.000.000 101.222.000.000 3,05
68 PYFA
2016 5.146.000.000 105.509.000.000 4,88
2017 7.127.000.000 108.856.000.000 6,55
2014 15.112.000.000 396.313.000.000 3,81
2015 13.466.000.000 400.079.000.000 3,37
69 RICY
2016 14.033.000.000 412.499.000.000 3,4
2017 16.559.000.000 430.265.000.000 3,85
2014 188.578.000.000 960.122.000.000 19,64
2015 270.539.000.000 1.188.535.000.000 22,76
70 ROTI
2016 279.777.000.000 1.442.752.000.000 19,39
2017 135.364.000.000 2.820.106.000.000 4,8
 2014 137.619.000.000 814.393.000.000 16,9
2015 159.120.000.000 922.353.000.000 17,25
71 SCCO
2016 340.594.000.000 1.220.421.000.000 27,91
2017 269.730.000.000 2.728.227.000.000 9,89
2014 7.382.000.000 4.758.019.000.000 0,16
2015 -36.848.000.000 2.024.214.000.000 -1,82
72 SIAP
2016 -25.246.000.000 -710.021.000.000 2,56
2017 -10.584.000.000 -815.457.000.000 1,29
2014 415.193.000.000 2.634.659.000.000 15,76
2015 437.475.000.000 2.598.314.000.000 16,84
73 SIDO
2016 480.525.000.000 2.757.885.000.000 17,42
2017 533.799.000.000 2.895.865.000.000 18,43
2014 1.379.000.000 31.398.000.000 4,39
2015 -1.484.000.000 28.742.000.000 -5,16
74 SIMA
2016 -701.000.000 28.275.000.000 -2,48
2017 162.000.000 28.402.292.917 0,57
2014 2.064.000.000 1.287.006.000.000 0,16
2015 -362.031.000.000 9.934.242.000.000 -3,64
75 SIPD
2016 13.049.000.000 1.142.831.000.000 1,14
2017 -354.925.000.000 8.791.312.000.000 -4,04
2014 89.116.000.000 317.910.000.000 28.03
2015 40.151.000.000 344.087.000.000 11,67
76 SKBM
2016 22.545.000.000 368.389.000.000 6,12
2017 25.880.000.000 1.023.237.000.000 2,53
2014 16.481.000.000 153.368.000.000 10,75
2015 20.067.000.000 152.045.000.000 13,2
77 SKLT
2016 20.646.000.000 296.151.000.000 6,97
2017 22.971.000.000 307.570.000.000 7,47
2014 328.336.000.000 2.717.247.000.000 12,08
2015 354.180.000.000 2.949.353.000.000 12,01
78 SMBR
2016 259.091.000.000 3.120.758.000.000 8,3
2017 146.648.000.000 3.412.860.000.000 4,3
2014 668.869.000.000 8.758.592.000.000 7,64
2015 199.488.000.000 8.449.857.000.000 2,36
79 SMCB
2016 -284.584.000.000 8.060.595.000.000 -3,53
2017 -758.045.000.000 7.196.951.000.000 -10,53
2014 5.573.577.000.000 25.002.452.000.000 22,29
80 SMGR 2015 4.525.441.000.000 27.440.798.000.000 16,49
2016 4.535.037.000.000 30.574.391.000.000 14,83
 2017 2.043.026.000.000 30.439.052.000.000 6,71
2014 421.467.000.000 1.146.837.000.000 36,75
2015 461.307.000.000 1.440.248.000.000 32,03
81 SMSM
2016 502.192.000.000 1.580.055.000.000 31,78
2017 555.388.000.000 1.828.184.000.000 30,38
2014 48.603.000.000 804.600.000.000 6,04
2015 -42.597.000.000 752.677.000.000 -5,66
82 SPMA
2016 81.063.000.000 1.079.147.000.000 7,51
2017 92.280.000.000 1.172.195.000.000 7,87
2014 14.456.000.000 328.836.000.000 4,4
2015 15.505.000.000 340.080.000.000 4,56
83 SRSN
2016 11.056.000.000 402.054.000.000 2,75
2017 17.699.000.000 415.506.000.000 4,26
2014 -12.840.000.000 258.870.000.000 -4,96
2015 -10.462.000.000 244.091.000.000 -4,29
84 SSTM
2016 -14.583.000.000 263.020.000.000 -5,54
2017 -23.710.000.000 212.466.000.000 -11,16
2014 349.000.000 490.173.000.000 0,07
2015 307.000.000 489.676.000.000 0,06
85 STAR
2016 463.000.000 490.026.000.000 0,09
2017 595.000.000 490.282.000.000 0,12
2014 57.654.000.000 326.581.000.000 17,65
2015 33.718.000.000 350.202.000.000 9,63
86 TALF
2016 30.138.000.000 751.895.000.000 4,01
2017 21.466.000.000 766.165.000.000 2,8
2014 1.727.000.000 1.039.826.000.000 0,17
2015 1.881.000.000 1.045.742.000.000 0,18
87 TARA
2016 2.875.000.000 1.052.265.000.000 0,27
2017 1.276.000.000 1.053.782.000.000 0,12
2014 174.314.000.000 1.283.504.000.000 13,58
2015 544.474.000.000 1.714.871.000.000 31,75
88 TCID
2016 162.060.000.000 1.783.159.000.000 9,09
2017 179.126.000.000 1.858.326.000.000 9,64
2014 163.751.000.000 799.235.000.000 20,49
2015 191.293.000.000 866.315.000.000 22,08
89 TOTL
2016 221.287.000.000 942.610.000.000 23,48
2017 231.269.000.000 1.010.099.000.000 22,9
2014 293.804.000.000 1.231.192.000.000 23,86
90 TOTO
2015 285.237.000.000 1.491.543.000.000 19,12
 2016 168.565.000.000 1.523.875.000.000 11,06
2017 278.936.000.000 1.693.792.000.000 16,47
2014 35.944.000.000 309.510.000.000 11,61
2015 37.448.000.000 329.208.000.000 11,38
91 TRIS
2016 25.213.000.000 346.627.000.000 7,27
2017 14.199.000.000 356.232.000.000 3,99
2014 30.084.000.000 1.761.493.000.000 1,71
2015 25.314.000.000 1.956.921.000.000 1,29
92 TRST
2016 33.795.000.000 1.932.355.000.000 1,75
2017 38.200.000.000 1.975.569.000.000 1,93
2014 584.293.000.000 4.132.339.000.000 14,14
2015 529.219.000.000 4.337.141.000.000 122
93 TSPC
2016 545.494.000.000 4.635.273.000.000 11,77
2017 557.340.000.000 5.082.008.000.000 10,97
2014 283.361.000.000 2.265.098.000.000 12,51
2015 523.100.000.000 2.797.506.000.000 18,7
94 ULTJ
2016 709.826.000.000 3.489.233.000.000 20,34
2017 711.681.000.000 4.208.755.000.000 16,91
2014 396.000.000 241.654.000.000 0,16
2015 386.000.000 242.974.000.000 0,16
95 UNIT
2016 861.000.000 244.022.000.000 0,35
2017 1.062.000.000 245.258.000.000 0,43
2014 5.738.523.000.000 4.598.782.000.000 124,78
2015 5.851.805.000.000 4.827.360.000.000 121,22
96 UNVR
2016 6.390.672.000.000 4.704.258.000.000 135,85
2017 7.004.562.000.000 5.173.388.000.000 135,4
2014 -85.394.000.000 515.855.000.000 -16,55
2015 277.000.000 509.653.000.000 0,05
97 VOKS
2016 160.046.000.000 669.044.000.000 23,92
2017 166.205.000.000 814.122.000.000 20,42
2014 112.305.000.000 854.425.000.000 13,14
2015 131.081.000.000 943.709.000.000 13,89
98 WIIM
2016 106.290.000.000 991.093.000.000 10,72
2017 40.590.000.000 978.091.000.000 4,15
2014 750.796.000.000 4.978.758.000.000 15,08
2015 703.005.000.000 5.438.101.000.000 12,93
99 WIKA
2016 1.211.029.000.000 12.737.989.000.000 9,51
2017 1.356.115.000.000 14.631.825.000.000 9,27
100 YPAS 2014 -8.932.000.000 161.879.000.000 -5,52
 2015 -9.881.000.000 150.400.000.000 -6,57
2016 -10.932.000.000 142.001.000.000 -7,7
2017 -14.500.000.000 127.093.000.000 -11,41

Hasil Perhitungan Price Book Value (Dalam Rupiah)

No Kode Tahun Harga Total Ekuitas Saham Beredar BVS PBV

2014 1.375 295.799.000.000 589.896.800 501,44 2,74
2015 1.015 328.369.000.000 589.896.800 556,65 1,82
1 ADES
2016 1.000 384.388.000.000 589.896.800 651,62 1,53
2017 885 423.011.000.000 589.896.800 717,09 1,23
2014 850 1.114.657.000.000 3.066.660.000 363,48 2,34
2015 910 1.714.770.000.000 3.066.660.000 559,17 1,63
2 AGII
2016 880 2.760.840.000.000 3.066.660.000 900,28 0,98
2017 605 3.358.010.000.000 3.066.660.000 1.095,01 0,55
2014 2.095 3.592.829.000.000 3.218.600.000 1.116,27 1,88
2015 1.210 3.966.907.000.000 3.218.600.000 1.232,49 0,98
3 AISA
2016 1.945 4.264.400.000.000 3.218.600.000 1.324,92 1,47
2017 476 3.404.879.000.000 3.218.600.000 1.057,88 0,45
2014 830 1.035.846.000.000 680.000.000 1.523,30 0,54
2015 875 1.107.566.000.000 680.000.000 1.628,77 0,54
4 AKPI
2016 900 1.120.035.000.000 680.000.000 1.647,11 0,55
2017 725 1.126.612.000.000 680.000.000 1.656,78 0,44
2014 180 63.236.000.000 507.665.055 124,56 1,45
2015 147 62.032.000.000 507.665.055 122,19 1,2
5 ALKA
2016 280 61.104.000.000 507.665.055 120,36 2,32
2017 306 78.491.000.000 507.665.055 154,61 1,98
2014 268 641.036.000.000 616.000.000 1.040,64 0,26
2015 198 565.111.000.000 616.000.000 917,39 0,22
6 ALMI
2016 183 403.694.000.000 616.000.000 655,35 0,28
2017 220 378.871.000.000 616.000.000 615,05 0,36
2014 81 225.258.000.000 1.362.671.400 165,31 0,49
2015 65 221.561.000.000 1.362.671.400 162,59 0,4
7 APLI
2016 112 246.501.000.000 1.362.671.400 180,90 0,62
2017 72 227.184.000.000 1.362.671.400 166,72 0,43
2014 8.050 3.184.642.000.000 434.000.000 7.337,88 1,1
2015 6.550 3.390.223.000.000 434.000.000 7.811,57 0,84
8 AMFG
2016 6.700 3.599.264.000.000 434.000.000 8.293,24 0,81
2017 6.025 3.548.877.000.000 434.000.000 8.177,14 0,74
 2014 735 159.423.000.000 550.000.000 289,86 2,54
2015 735 170.929.000.000 550.000.000 310,78 2,37
9 ALDO
2016 600 200.888.000.000 550.000.000 365,25 1,64
2017 600 229.423.000.000 550.000.000 417,13 1,44
2014 870 912.231.000.000 7.341.430.976 124,26 7
2015 500 894.728.000.000 7.341.430.976 121,87 4,1
10 ARNA
2016 520 948.088.000.000 7.341.430.976 129,14 4,03
2017 342 1.029.400.000.000 7.341.430.976 140,22 2,44
2014 7.425 120.324.000.000.000 40.483.553.140 2.972,17 2,5
2015 6.000 126.533.000.000.000 40.483.553.140 3.125,54 1,92
11 ASII
2016 8.275 139.906.000.000.000 40.483.553.140 3.455,87 2,39
2017 8.300 156.329.000.000.000 40.483.553.140 3.861,54 2,15
2014 4.200 10.136.557.000.000 4.819.733.000 2.103,14 2
2015 1.600 10.143.426.000.000 4.819.733.000 2.104,56 0.76
12 AUTO
2016 2.050 10.536.558.000.000 4.819.733.000 2.186,13 0.94
2017 2.060 10.759.076.000.000 4.819.733.000 2.232,30 0.92
2014 297 188.324.000.000 1.800.000.000 104,62 2.84
2015 84 161.628.000.000 1.800.000.000 89,79 0.94
13 BAJA
2016 330 196.503.000.000 1.800.000.000 109,17 3.02
2017 160 172.016.000.000 1.800.000.000 95,56 1.67
2014 1.105 429.116.000.000 1.300.000.000 330,09 3.35
2015 900 547.187.000.000 1.300.000.000 420,91 2.14
14 BATA
2016 790 557.155.000.000 1.300.000.000 428,58 1.84
2017 570 579.309.000.000 1.300.000.000 445,62 1.28
2014 450 -193.919.000.000 608.175.716 -318,85 -1.41
2015 175 -202.013.000.000 608.175.716 -332,16 -0.53
15 BIMA
2016 195 -97.175.000.000 608.175.716 -159,78 -1.22
2017 69 -84.637.000.000 608.175.716 -139,17 -0,5
2014 95 452.781.000.000 5.028.669.338 90,04 1,06
2015 88 1.046.081.000.000 5.028.669.338 208,02 0,42
16 BIPP
2016 90 1.203.820.000.000 5.028.669.338 239,39 0,38
2017 73 1.213.853.000.000 5.028.669.338 241,39 0,3
2014 107 913.351.000.000 4.498.997.362 203,01 0,53
2015 63 1.105.251.000.000 4.498.997.362 245,67 0,26
17 BUDI
2016 87 1.164.982.000.000 4.498.997.362 258,94 0,34
2017 94 1.194.700.000.000 4.498.997.362 265,55 0,35
2014 702 366.375.000.000 979.110.000 374,19 1,88
18 BRNA 2015 727 827.914.000.000 979.110.000 845,58 0,86
2016 1.100 1.028.353.000.000 979.110.000 1.050,29 1,05
 2017 1.240 853.029.000.000 979.110.000 871,23 1,42
2014 135 146.640.000.000 720.000.000 203,67 0,66
2015 109 149.105.000.000 720.000.000 207,09 0,53
19 BTON
2016 126 143.533.000.000 720.000.000 199,35 0,63
2017 113 154.639.000.000 720.000.000 214,78 0,53
2014 131 1.078.534.000.000 46.277.496.376 23,31 5,62
2015 187 1.079.883.000.000 46.277.496.376 23,33 8,01
20 BTEK
2016 154 1.510.855.000.000 46.277.496.376 32,65 4,72
2017 140 1.987.619.000.000 46.277.496.376 42,95 3,26
2014 750 537.551.000.000 595.000.000 903,45 0,83
2015 675 639.894.000.000 595.000.000 1.075,45 0,63
21 CEKA
2016 1.350 887.920.000.000 595.000.000 1.492,30 0,9
2017 1.290 903.044.000.000 595.000.000 1.517,72 0,85
2014 3.780 10.943.289.000.000 16.398.000.000 667,36 5,66
2015 2.600 12.561.427.000.000 16.398.000.000 766,03 3,39
22 CPIN
2016 3.090 14.157.243.000.000 16.398.000.000 863,35 3,58
2017 3.000 15.702.825.000.000 16.398.000.000 957,61 3,13
2014 7.800 764.473.000.000 800.659.050 954,80 8,17
2015 5.200 849.621.000.000 800.659.050 1.061,15 4,9
23 DLTA
2016 5.000 1.012.374.000.000 800.659.050 1.264,43 3,95
2017 4.590 1.144.645.000.000 800.659.050 1.429,63 3,21
2014 353 236.083.000.000 331.129.952 712,96 0,5
2015 387 241.296.000.000 331.129.952 728,70 0,53
24 DPNS
2016 400 263.264.000.000 331.129.952 795,05 0,5
2017 350 267.835.000.000 331.129.952 808,85 0,43
2014 1.690 962.431.000.000 1.120.000.000 859,31 1,97
2015 1.300 973.517.000.000 1.120.000.000 869,21 1,5
25 DVLA
2016 1.755 1.079.580.000.000 1.120.000.000 963,91 1,82
2017 1.960 1.116.300.000.000 1.120.000.000 996,70 1,96
2014 515 273.199.000.000 698.775.000 390,97 1,32
2015 400 291.961.000.000 698.775.000 417,82 0,96
26 EKAD
2016 590 592.005.000.000 698.775.000 847,20 0,7
2017 695 662.818.000.000 698.775.000 948,54 0,73
2014 1.650 1.644.678.000.000 2.477.888.787 663,74 2,49
2015 1.040 2.445.346.000.000 2.477.888.787 986,87 1,05
27 FASW
2016 4.100 3.158.442.000.000 2.477.888.787 1.274,65 3,22
2017 5.400 3.288.317.000.000 2.477.888.787 1.327,06 4,07
2014 103 870.448.000.000 8.200.000.000 106,15 0,97
28 GDST
2015 59 804.410.000.000 8.200.000.000 98,10 0,6
 2016 113 832.123.000.000 8.200.000.000 101,48 1,11
2017 82 845.279.000.000 8.200.000.000 103,08 0,8
2014 60.700 33.228.720.000.000 1.924.088.000 17.269,85 3,5
2015 55.000 38.007.909.000.000 1.924.088.000 19.753,73 2,78
29 GGRM
2016 63.900 39.564.228.000.000 1.924.088.000 20.562,59 3,11
2017 83.800 42.187.664.000.000 1.924.088.000 21.926,06 3,82
2014 1.425 5.983.292.000.000 3.484.800.000 1.716,97 0,83
2015 530 5.394.142.000.000 3.484.800.000 1.547,91 0,34
30 GJTL
2016 1.070 5.848.177.000.000 3.484.800.000 1.678,20 0,64
2017 680 5.689.466.000.000 3.484.800.000 1.632,65 0,42
2014 2.726 33.498.114.000.000 116.318.076.900 287,99 23,49
2015 3.760 32.016.060.000.000 116.318.076.900 275,25 13,66
31 HMSP
2016 3.830 34.175.014.000.000 116.318.076.900 293,81 13,04
2017 4.730 34.112.985.000.000 116.318.076.900 293,27 16,13
2014 6.550 15.039.947.000.000 11.661.908.000 1.289,66 5,08
2015 6.738 16.386.911.000.000 11.661.908.000 1.405,17 4,8
32 ICBP
2016 8.575 18.500.823.000.000 11.661.908.000 1.586,43 5,41
2017 8.900 20.324.330.000.000 11.661.908.000 1.742,80 5,11
2014 315 263.451.000.000 972.204.500 270,98 1,16
2015 224 310.464.000.000 972.204.500 319,34 0,7
33 IGAR
2016 520 373.749.000.000 972.204.500 384,43 1,35
2017 378 441.947.000.000 972.204.500 454,58 0,83
2014 59 178.657.000.000 8.230.391.374 21,71 2,72
2015 57 -269.033.000.000 8.230.391.374 -32,69 -1,74
34 IKAI
2016 36 -354.785.000.000 8.230.391.374 -43,11 -0,83
2017 37 -105.427.000.000 8.230.391.374 -12,81 -2,89
2014 4.000 6.727.023.000.000 2.765.278.412 2.432,67 1,64
2015 2.365 6.697.092.000.000 2.765.278.412 2.421,85 0,98
35 IMAS
2016 1.310 6.709.818.000.000 2.765.278.412 2.426,45 0,54
2017 840 9.281.252.000.000 2.765.278.412 3.356,35 0,25
2014 510 984.942.000.000 4.833.500.000 203,77 2,5
2015 925 1.096.880.000.000 4.833.500.000 226,93 4,08
36 IMPC
2016 1.025 1.225.645.000.000 4.833.500.000 253,57 4,04
2017 1.090 1.289.021.000.000 4.833.500.000 266,68 4,09
2014 355 591.963.000.000 3.099.267.500 191,00 1,86
2015 168 592.709.000.000 3.099.267.500 191,24 0,88
37 INAF
2016 468 575.757.000.000 3.099.267.500 185,77 2,51
2017 590 526.410.000.000 3.099.267.500 169,85 3,47
38 INAI 2014 175 145.842.000.000 633.600.000 230,18 0,76
 2015 203 239.821.000.000 633.600.000 378,51 0,54
2016 323 258.017.000.000 633.600.000 407,22 0,79
2017 378 277.405.000.000 633.600.000 437,82 0,86
2014 220 137.120.000.000 196.121.237 699,16 0,31
2015 282 154.051.000.000 196.121.237 785,49 0,36
39 INCI
2016 282 242.826.000.000 196.121.237 1.238,14 0,23
2017 377 268.380.000.000 196.121.237 1.368,44 0,28
2014 6.750 41.228.376.000.000 8.780.426.500 4.695,49 1,44
2015 5.175 43.121.593.000.000 8.780.426.500 4.911,10 1,05
40 INDF
2016 7.925 43.941.423.000.000 8.780.426.500 5.004,47 1,58
2017 7.625 46.756.724.000.000 8.780.426.500 5.325,11 1,43
2014 1.600 1.828.319.000.000 656.249.710 2.786,01 0,57
2015 350 1.919.039.000.000 656.249.710 2.924,25 0,12
41 INDS
2016 810 2.068.064.000.000 656.249.710 3.151,34 0,26
2017 1.260 2.144.819.000.000 656.249.710 3.268,30 0,39
2014 238 2.304.834.000.000 7.185.992.035 320,74 0,74
2015 188 2.553.475.000.000 7.185.992.035 355,34 0,53
42 ISSP
2016 210 2.645.057.000.000 7.185.992.035 368,09 0,57
2017 115 2.840.941.000.000 7.185.992.035 395,34 0,29
2014 2.350 171.355.000.000 151.200.000 1.133,30 2,07
2015 1.350 367.756.000.000 151.200.000 2.432,25 0,56
43 JECC
2016 3.500 470.338.000.000 151.200.000 3.110,70 1,13
2017 4.700 547.361.000.000 151.200.000 3.620,11 1,3
2014 68 -417.436.000.000 150.000.000 -2.782,91 -0,02
2015 68 -440.533.000.000 150.000.000 -2.936,89 -0,02
44 JKSW
2016 75 -441.754.000.000 150.000.000 -2.945,03 -0,03
2017 97 -445.772.000.000 150.000.000 -2.971,81 -0,03
2014 950 5.289.994.000.000 11.726.575.201 451,11 2,11
2015 635 6.109.692.000.000 11.726.575.201 521,01 1,22
45 JPFA
2016 1.455 9.372.964.000.000 11.726.575.201 799,29 1,82
2017 1.300 9.795.628.000.000 11.726.575.201 835,34 1,56
2014 1.040 3.201.931.000.000 13.750.000.000 232,87 4,47
2015 745 4.140.931.000.000 13.750.000.000 301,16 2,47
46 JRPT
2016 875 4.906.399.000.000 13.750.000.000 356,83 2,45
2017 900 5.976.496.000.000 13.750.000.000 434,65 2,07
2014 1.465 1.811.144.000.000 5.554.000.000 326,10 4,49
2015 870 1.862.097.000.000 5.554.000.000 335,27 2,59
47 KAEF
2016 2.750 2.271.407.000.000 5.554.000.000 408,97 6,72
2017 2.700 2.572.521.000.000 5.554.000.000 463,18 5,83
 2014 139 940.757.000.000 4.007.235.107 234,76 0,59
2015 119 1.027.362.000.000 4.007.235.107 256,38 0,46
48 KBLI
2016 276 1.321.346.000.000 4.007.235.107 329,74 0,84
2017 426 1.786.746.000.000 4.007.235.107 445,88 0.96
2014 155 290.288.000.000 1.120.000.000 259,19 0,6
2015 132 296.475.000.000 1.120.000.000 264,71 0,5
49 KBLM
2016 240 320.655.000.000 1.120.000.000 286,30 0,84
2017 282 791.429.000.000 1.120.000.000 706,63 0,4
2014 364 396.498.000.000 405.000.000 979,01 0,37
2015 191 378.921.000.000 405.000.000 935,61 0,2
50 KDSI
2016 350 419.784.000.000 405.000.000 1.036,50 0,34
2017 550 485.540.000.000 405.000.000 1.198,86 0,46
2014 147 2.116.797.000.000 14.929.100.000 141,79 1,04
2015 90 1.813.485.000.000 14.929.100.000 121,47 0,74
51 KIAS
2016 80 1.520.030.000.000 14.929.100.000 101,82 0,79
2017 100 1.426.730.000.000 14.929.100.000 95,57 1,05
2014 134 78.680.000.000 276.000.000 285,07 0,47
2015 125 93.372.000.000 276.000.000 338,30 0,37
52 KICI
2016 120 89.010.000.000 276.000.000 322,50 0,37
2017 171 91.498.000.000 276.000.000 331,51 0,52
2014 287 4.661.836.000.000 20.824.888.369 223,86 1,28
2015 245 4.977.754.000.000 20.824.888.369 239,03 1,02
53 KIJA
2016 290 5.638.491.000.000 20.824.888.369 270,76 1,07
2017 286 5.900.240.000.000 20.824.888.369 283,33 1,01
2014 1.830 9.817.476.000.000 46.875.122.110 209,44 8,74
2015 1.320 10.938.286.000.000 46.875.122.110 233,35 5,66
54 KLBF
2016 1.515 12.463.847.000.000 46.875.122.110 265,89 5,7
2017 1.690 13.894.032.000.000 46.875.122.110 296,41 5,7
2014 930 443.979.000.000 520.160.000 853,54 1,09
2015 1.050 454.805.000.000 520.160.000 874,36 1,2
55 LION
2016 1.050 470.603.000.000 520.160.000 904,73 1,16
2017 765 452.307.000.000 520.160.000 869,55 0,88
2014 175 399.131.000.000 1.008.517.669 395,76 0,44
2015 113 401.212.000.000 1.008.517.669 397,82 0,28
56 LMPI
2016 135 408.172.000.000 1.008.517.669 404,72 0,33
2017 167 376.256.000.000 1.008.517.669 373,08 0,45
2014 645 115.951.000.000 96.000.000 1.207,82 0,53
57 LMSH 2015 575 112.441.000.000 96.000.000 1.171,26 0,49
2016 590 117.316.000.000 96.000.000 1.222,04 0,48
 2017 640 129.622.000.000 96.000.000 1.350,23 0,47
2014 2.130 1.077.885.000.000 2.238.750.000 481,47 4,42
2015 1.525 1.548.585.000.000 2.238.750.000 691,72 2,2
58 MAIN
2016 1.300 1.837.575.000.000 2.238.750.000 820,80 1,58
2017 740 1.701.153.000.000 2.238.750.000 759,87 0,97
2014 8.000 553.691.000.000 448.000.000 1.235,92 6,47
2015 6.775 473.543.000.000 448.000.000 1.057,02 6,41
59 MEREK
2016 9.200 582.672.000.000 448.000.000 1.300,61 7,07
2017 8.500 615.437.000.000 448.000.000 1.373,74 6,19
2014 11.950 953.797.000.000 2.107.000.000 452,68 26,4
2015 8.200 766.480.000.000 2.107.000.000 363,78 22,54
60 MLBI
2016 11.750 1.020.640.000.000 2.107.000.000 484,40 24,26
2017 13.675 1.054.905.000.000 2.107.000.000 500,67 27,31
2014 525 1.321.572.000.000 1.323.000.000 998,92 0,53
2015 515 1.115.119.000.000 1.323.000.000 842,87 0,61
61 MLIA
2016 550 1.613.100.000.000 1.323.000.000 1.219,27 0,45
2017 590 1.754.295.000.000 1.323.000.000 1.326,00 0,44
2014 350 383.945.000.000 428.000.000 897,07 0,39
2015 208 377.026.000.000 428.000.000 880,90 0,24
62 MRAT
2016 210 369.089.000.000 428.000.000 862,36 0,24
2017 206 366.731.000.000 428.000.000 856,85 0,24
2014 836 4.100.555.000.000 22.358.699.725 183,40 4,56
2015 1.220 5.194.460.000.000 22.358.699.725 232,32 5,25
63 MYOR
2016 1.645 6.565.256.000.000 22.358.699.725 293,63 5,6
2017 2.020 7.354.346.000.000 22.358.699.725 328,93 6,14
2014 340 645.280.000.000 1.745.000.000 369,79 0,92
2015 300 649.976.000.000 1.745.000.000 372,48 0,81
64 OMRE
2016 216 4.118.022.000.000 1.745.000.000 2.359,90 0,09
2017 880 4.014.037.000.000 1.745.000.000 2.300,31 0,38
2014 160 231.101.000.000 568.375.000 406,60 0,39
2015 128 247.091.000.000 568.375.000 434,73 0,29
65 PICO
2016 222 259.189.000.000 568.375.000 456,02 0,49
2017 228 279.684.000.000 568.375.000 492,08 0,46
2014 204 685.822.000.000 701.043.478 978,29 0,21
2015 125 720.564.000.000 701.043.478 1.027,84 0,12
66 PRAS
2016 170 693.002.000.000 701.043.478 988,53 0,17
2017 220 676.405.303.408 701.043.478 964,85 0,23
2014 143 378.575.000.000 1.440.000.000 262,90 0,54
67 PSDN
2015 122 324.319.000.000 1.440.000.000 225,22 0,54
 2016 134 280.285.000.000 1.440.000.000 194,64 0,67
2017 256 299.485.000.000 1.440.000.000 207,98 1,23
2014 135 96.559.000.000 535.080.000 180,46 0,75
2015 112 101.222.000.000 535.080.000 189,17 0,59
68 PYFA
2016 200 105.509.000.000 535.080.000 197,18 1,01
2017 183 108.856.000.000 535.080.000 203,44 0,9
2014 174 396.313.000.000 641.717.510 617,58 0,28
2015 159 400.079.000.000 641.717.510 623,45 0,26
69 RICY
2016 154 412.499.000.000 641.717.510 642,80 0,24
2017 150 430.265.000.000 641.717.510 670,49 0,22
2014 1.385 960.122.000.000 6.186.488.888 155,20 8,92
2015 1.265 1.188.535.000.000 6.186.488.888 192,12 6,58
70 ROTI
2016 1.600 1.442.752.000.000 6.186.488.888 233,21 6,86
2017 1.275 2.820.106.000.000 6.186.488.888 455,85 2,8
2014 3.950 814.393.000.000 205.583.400 3.961,38 1
2015 3.725 922.353.000.000 205.583.400 4.486,51 0,83
71 SCCO
2016 3.725 1.220.421.000.000 205.583.400 5.936,38 0,63
2017 9.000 2.728.227.000.000 205.583.400 13.270,66 0,68
2014 465 4.758.019.000.000 24.000.000.000 198,25 2,35
2015 83 2.024.214.000.000 24.000.000.000 84,34 0,98
72 SIAP
2016 83 -710.021.000.000 24.000.000.000 -29,58 -2,81
2017 83 -815.457.000.000 24.000.000.000 -33,98 -2,44
2014 610 2.634.659.000.000 15.000.000.000 175,64 3,47
2015 550 2.598.314.000.000 15.000.000.000 173,22 3,18
73 SIDO
2016 520 2.757.885.000.000 15.000.000.000 183,86 2,83
2017 545 2.895.865.000.000 15.000.000.000 193.06 2,82
2014 128 31.398.000.000 442.589.871 70,94 1,8
2015 164 28.742.000.000 442.589.871 64,94 2,53
74 SIMA
2016 164 28.275.000.000 442.589.871 63,89 2,57
2017 186 28.402.292.917 442.589.871 64,17 2,9
2014 530 1.287.006.000.000 1.339.102.579 961,10 0,55
2015 850 9.934.242.000.000 1.339.102.579 7.418,58 0,11
75 SIPD
2016 680 1.142.831.000.000 1.339.102.579 853,43 0,8
2017 930 8.791.312.000.000 1.339.102.579 6.565,08 0,14
2014 970 317.910.000.000 1.726.003.217 184,19 5,27
2015 945 344.087.000.000 1.726.003.217 199,35 4,74
76 SKBM
2016 640 368.389.000.000 1.726.003.217 213,43 3
2017 715 1.023.237.000.000 1.726.003.217 592,84 1,21
77 SKLT 2014 300 153.368.000.000 690.740.500 222,03 1,35
 2015 370 152.045.000.000 690.740.500 220,12 1,68
2016 308 296.151.000.000 690.740.500 428,74 0,72
2017 1.100 307.570.000.000 690.740.500 445,28 2,47
2014 381 2.717.247.000.000 9.932.534.336 273,57 1,39
2015 291 2.949.353.000.000 9.932.534.336 296,94 0,98
78 SMBR
2016 279 3.120.758.000.000 9.932.534.336 314,20 0,89
2017 380 3.412.860.000.000 9.932.534.336 343,60 1,11
2014 2.185 8.758.592.000.000 7.662.900.000 1.142,99 1,91
2015 995 8.449.857.000.000 7.662.900.000 1.102,70 0,9
79 SMCB
2016 900 8.060.595.000.000 7.662.900.000 1.051,90 0,86
2017 835 7.196.951.000.000 7.662.900.000 939,19 0,89
2014 16.200 25.002.452.000.000 5.931.520.000 4.215,18 3,84
2015 11.400 27.440.798.000.000 5.931.520.000 4.626,27 2,46
80 SMGR
2016 9.175 30.574.391.000.000 5.931.520.000 5.154,56 1,78
2017 9.900 30.439.052.000.000 5.931.520.000 5.131,75 1,93
2014 1.188 1.146.837.000.000 5.758.675.440 199,15 5,97
2015 1.190 1.440.248.000.000 5.758.675.440 250,10 4,76
81 SMSM
2016 980 1.580.055.000.000 5.758.675.440 274,38 3,57
2017 1.255 1.828.184.000.000 5.758.675.440 317,47 3,95
2014 197 804.600.000.000 2.114.570.958 380,50 0,52
2015 103 752.677.000.000 2.114.570.958 355,95 0,29
82 SPMA
2016 194 1.079.147.000.000 2.114.570.958 510,34 0,38
2017 212 1.172.195.000.000 2.114.570.958 554,34 0,38
2014 50 328.836.000.000 6.020.000.000 54,62 0,92
2015 50 340.080.000.000 6.020.000.000 56,49 0,89
83 SRSN
2016 50 402.054.000.000 6.020.000.000 66,79 0,75
2017 50 415.506.000.000 6.020.000.000 69,02 0,72
2014 103 258.870.000.000 1.170.909.181 221,08 0,47
2015 52 244.091.000.000 1.170.909.181 208,46 0,25
84 SSTM
2016 360 263.020.000.000 1.170.909.181 224,63 1,6
2017 380 212.466.000.000 1.170.909.181 181,45 2,09
2014 50 490.173.000.000 4.800.000.602 102,12 0,49
2015 50 489.676.000.000 4.800.000.602 102,02 0,49
85 STAR
2016 56 490.026.000.000 4.800.000.602 102,09 0,55
2017 99 490.282.000.000 4.800.000.602 102,14 0,97
2014 520 326.581.000.000 1.353.435.000 241,30 2,16
2015 400 350.202.000.000 1.353.435.000 258,75 1,55
86 TALF
2016 420 751.895.000.000 1.353.435.000 555,55 0,76
2017 418 766.165.000.000 1.353.435.000 566,09 0,74
 2014 444 1.039.826.000.000 10.069.645.750 103,26 4,3
2015 560 1.045.742.000.000 10.069.645.750 103,85 5,39
87 TARA
2016 655 1.052.265.000.000 10.069.645.750 104,50 6,27
2017 780 1.053.782.000.000 10.069.645.750 104,65 7,45
2014 17.525 1.283.504.000.000 201.066.667 6.383,47 2,75
2015 16.500 1.714.871.000.000 201.066.667 8.528,87 1,93
88 TCID
2016 12.500 1.783.159.000.000 201.066.667 8.868,50 1,41
2017 17.900 1.858.326.000.000 201.066.667 9.242,34 1,94
2014 1.120 799.235.000.000 3.410.000.000 234,38 4,78
2015 615 866.315.000.000 3.410.000.000 254,05 2,42
89 TOTL
2016 765 942.610.000.000 3.410.000.000 276,43 2,77
2017 660 1.010.099.000.000 3.410.000.000 296,22 2,23
2014 396 1.231.192.000.000 10.320.000.000 119,30 3,32
2015 695 1.491.543.000.000 10.320.000.000 144,53 4,81
90 TOTO
2016 498 1.523.875.000.000 10.320.000.000 147,66 3,37
2017 408 1.693.792.000.000 10.320.000.000 164,13 2,49
2014 356 309.510.000.000 1.047.587.802 295,45 1,2
2015 300 329.208.000.000 1.047.587.802 314,25 0,95
91 TRIS
2016 336 346.627.000.000 1.047.587.802 330,88 1,02
2017 308 356.232.000.000 1.047.587.802 340,05 0,91
2014 380 1.761.493.000.000 2.808.000.000 627,31 0,61
2015 310 1.956.921.000.000 2.808.000.000 696,91 0,44
92 TRST
2016 300 1.932.355.000.000 2.808.000.000 688,16 0,44
2017 374 1.975.569.000.000 2.808.000.000 703,55 0,53
2014 2.865 4.132.339.000.000 4.500.000.000 918,30 3,12
2015 1.750 4.337.141.000.000 4.500.000.000 963,81 1,82
93 TSPC
2016 1.970 4.635.273.000.000 4.500.000.000 1.030,06 1,91
2017 1.800 5.082.008.000.000 4.500.000.000 1.129,34 1,59
2014 930 2.265.098.000.000 11.553.528.000 196,05 4,74
2015 986 2.797.506.000.000 11.553.528.000 242,13 4,07
94 ULTJ
2016 1.143 3.489.233.000.000 11.553.528.000 302,01 3,78
2017 1.295 4.208.755.000.000 11.553.528.000 364,28 3,55
2014 318 241.654.000.000 75.442.200 3.203,17 0,1
2015 260 242.974.000.000 75.442.200 3.220,66 0,08
95 UNIT
2016 360 244.022.000.000 75.442.200 3.234,56 0,11
2017 228 245.258.000.000 75.442.200 3.250,94 0,07
2014 32.300 4.598.782.000.000 7.630.000.000 602,72 53,59
96 UNVR 2015 37.000 4.827.360.000.000 7.630.000.000 632,68 58,48
2016 38.800 4.704.258.000.000 7.630.000.000 616,55 62,93
 2017 55.900 5.173.388.000.000 7.630.000.000 678,03 82,44
2014 159 515.855.000.000 4.155.602.595 124,13 1,28
2015 196 509.653.000.000 4.155.602.595 122,64 1,6
97 VOKS
2016 293 669.044.000.000 4.155.602.595 161,00 1,82
2017 312 814.122.000.000 4.155.602.595 195,91 1,59
2014 625 854.425.000.000 2.099.873.760 406,89 1,54
2015 430 943.709.000.000 2.099.873.760 449,41 0,96
98 WIIM
2016 440 991.093.000.000 2.099.873.760 471,98 0,93
2017 290 978.091.000.000 2.099.873.760 465,79 0,62
2014 3.408 4.978.758.000.000 8.969.951.372 555,05 6,14
2015 2.445 5.438.101.000.000 8.969.951.372 606,26 4,03
99 WIKA
2016 2.360 12.737.989.000.000 8.969.951.372 1.420,07 1,66
2017 1.550 14.631.825.000.000 8.969.951.372 1.631,20 0,95
2014 500 161.879.000.000 668.000.089 242,33 2,06
2015 800 150.400.000.000 668.000.089 225,15 3,55
100 YPAS
2016 840 142.001.000.000 668.000.089 212,58 3,95
2017 965 127.093.000.000 668.000.089 190,26 5,07

Hasil Deskirptif Statistik Data Penelitian

PBV DA ROA ROE

Mean 0.253334 -0.002639 5.583359 10.25917

Median 0.104360 -0.002000 3.980000 7.580000
Maximum 4.412071 0.370000 32.98000 135.8500
Minimum -2.659260 -0.350000 -13.58000 -24.87000
Std. Dev. 1.139157 0.102425 7.425103 17.80806
Observations 387 387 387 387

Hasil Uji Normalitas

60
Series: Standardized Residuals
Sample 2014 2017
50
Observations 387

40 Mean -5.51e-17
Median 0.007325
Maximum 2.398335
30
Minimum -2.568771
Std. Dev. 0.858489
20 Skewness 0.109591
Kurtosis 3.049951
10
Jarque-Bera 0.814895
Probability 0.665346
0
-2 -1 0 1 2
Hasil Uji Multikolineritas
DA ROA ROE

DA 1.000000 0.081222 0.036048

ROA 0.081222 1.000000 0.705766
ROE 0.036048 0.705766 1.000000

Hasil Uji Heteroskedastisitas

Heteroskedasticity Test: Glejser

Variable Coefficient Std. Error t-Statistic Prob.

C 0.769284 0.032852 23.41644 0.0000

DA 0.028118 0.256310 0.109702 0.9127
ROA -0.011399 0.006126 -1.860712 0.0636
ROE -0.002961 0.002552 -1.160595 0.2465

Hasil Uji Chow

Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 19.043611 (97,286) 0.0000

Cross-section Chi-square 777.638130 97 0.0000

Hasil Uji Hausman

Correlated Random Effects - Hausman Test

Equation: Untitled
Test cross-section random effects

Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.

Cross-section random 23.009416 3 0.0000

H
Hasil Uji Regresi Data Panel dengan Metode Fixed Effects

Variable Coefficient Std. Error t-Statistic Prob.

C -0.261476 0.055021 -4.752274 0.0000

DA -0.430606 0.429270 -1.003114 0.3164
ROA 0.046436 0.010260 4.526042 0.0000
ROE 0.024798 0.004274 5.802538 0.0000

Hasil Uji t-Statistic

Variable Coefficient Std. Error t-Statistic Prob.

C -0.261476 0.055021 -4.752274 0.0000

DA -0.430606 0.429270 -1.003114 0.3164
ROA 0.046436 0.010260 4.526042 0.0000
ROE 0.024798 0.004274 5.802538 0.0000
B

Hasil Uji F-statistik

F-statistic 97.12206 Durbin-Watson stat 0.383293

Prob(F-statistic) 0.000000

Hasil Pengujian Hipotesis Penelitian

No. Pernyataan Signifikan Pembanding Keputusan

Tidak terdapat pengaruh yang
signifikan antara manajemen 0,316 0,05 Ditolak
H1
laba (DA) terhadap nilai
perusahaan
Terdapat pengaruh yang
signifikan antara kinerja 0,000 0,05 Diterima
H2
keuangan dengan rasio ROA
terhadap nilai perusahaan
Terdapat pengaruh yang
signifikan antara kinerja 0,000 0,05 Diterima
H3
keuangan dengan rasio ROE
terhadap nilai perusahaan
 Terdapat pengaruh yang
signifikan antara manajemen
H4 laba (DA) dan kinerja 0,000 0,05 Diterima
keuangan dengan rasio ROA
terhadap nilai perusahaan

Hasil Uji Koefisien Determinasi (R2)

R-squared 0.432059
Adjusted R-squared 0.427611

Struktur Organisasi Bursa Efek Indonesia