PENGARUH MANAJEMEN LABA TERHADAP NILAI

PERUSAHAAN
(Studi Empiris Pada Perusahaan Manufaktur Yang Terdaftar
BEI Periode 2014-2018)

SKRIPSI

Diajukan Guna Memenuhi Salah Satu Syarat Memperoleh

Gelar Sarjana Akuntansi Pada Fakultas Ekonomi dan Bisnis
Universitas Muhammadiyah Magelang
HALAMAN JUDUL

Disusun Oleh:
Citra Agis Fitriana
16.0102.0151

PROGRAM STUDI AKUNTANSI FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS MUHAMMADIYAH MAGELANG
TAHUN 2020

1
 LEMBAR PENGESAHAN

Skripsi dengan judul:

PENGARUH MANAJEMEN LABA TERHADAP NILAI PERUSAHAAN

(Studi Empiris Pada Perusahaan Manufaktur Yang Terdaftar
BEI Periode 2014-2018)

Yang disusun oleh :

Nama : Citra Agis Fitriana

NIM : 16.0102.0151
Fakultas : Ekonomi dan Bisnis
Progam Studi : Akuntansi

Disetujui untuk digunakan dalam ujian komprehensif.

Magelang, 01 Februari 2020

Dosen Pembimbing

Barkah Susanto, SE, M.Sc, Ak

NIK. 060886021

2
 SURAT PERNYATAAN KEASLIAN

Yang bertanda tangan dibawah ini:

Nama : Citra Agis Fitriana
NIM : 16.0102.0151
Fakultas : Ekonomi dan Bisnis
Progam Studi : Akuntansi

Dengan ini menyatakan bahwa skripsi yang saya susun dengan judul:

PENGARUH MANAJEMEN LABA TERHADAP NILAI PERUSAHAAN

(Studi Empiris Pada Perusahaan Manufaktur Yang Terdaftar
BEI Periode 2014-2018)

adalah benar-benar hasil karya saya sendiri dan bukan merupakan plagiat dari
skripsi orang lain. Apabila kemudian hari pernyataan saya tidak benar, maka saya
bersedia menerima sanksi akademis yang berlaku (dicabut predikat kelulusan dan
gelar kesarjanaannya).

Demikian pernyataan ini saya buat dengan sebenar-benarnya, untuk dapat

dipergunakan bilamana diperlukan.

Magelang, 01 Februari 2020

Pembuat Pernyataan,

Citra Agis Fitriana

NIM. 16.0102.0151

3
 DAFTAR RIWAYAT HIDUP

Nama : Citra Agis Fitriana

Jenis Kelamin : Perempuan
Tempat, Tanggal Lahir : Gunung Kidul, 1 Februari 1998
Agama : Islam
Status : Belum Menikah
Alamat Rumah : Pule Wonosari RT 01 / RW 23
Gunungpring Muntilan Magelang
Alamat Email : citraagis87@gmail.com
Pendidikan formal :
Sekolah Dasar (2004-2010) : SD Negeri 2 Muntilan
SMP (2010-2013) : SMP Negeri 1 Salam
SMA (2013-2016) : SMA Negeri 1 Dukun
Perguruan Tinggi (2016-2020) : S1 Program Studi Akuntansi
Fakultas Ekonomi dan Bisnis
Universitas Muhammadiyah
Magelang

Magelang, 01 Februari 2020

Peneliti

Citra Agis Fitriana

NIM 16.0102.0151

4
 MOTTO

Ubah pikiranmu dan kau dapat mengubah duniamu.

Norman Vincent Pale

Jika kau tak suka sesuatu, ubahlah. Jika tidak bisa, maka ubahlah cara pandangmu
tentangnya.
Maya Angelou

Kesempatan bukanlah hal yang kebetulan. Kamu harus menciptakannya.

Chris Grosser

5
 KATA PENGANTAR

Puji syukur kepada Allah SWT atas rahmat dan karunia-Nya sehingga
penulis dapat menyelesaikan penelitian dan skripsi yang berjudul “PENGARUH
MANAJEMEN LABA TERHADAP NILAI PERUSAHAAN (Studi Empiris
Pada Perusahaan Manufaktur Yang Terdaftar BEI Periode 2014-2018)”.
Skipsi ini adalah untuk memenuhi salah satu syarat kelulusan dalam
meraih derajat Sarjana Akuntansi program Strata Satu (S-1) Fakultas Ekonomi
dan Bisnis Universitas Muhammadiyah Magelang. Selama penelitian dan
penyusunan laporan penelitian dalam skripsi ini, penulis tidak luput dari kendala.
Kendala tersebut dapat diatasi penulis berkat adanya bantuan, bimbingan dan
dukungan dari berbagai berbagai pihak, oleh karena itu penulis ingin
menyampaikan rasa terima kasih kepada:
1. Bapak Barkah Susanto, S.E., M.Sc, Ak selaku Dosen Pembimbing 1 (satu)
yang telah mengorbankan waktu, tenaga, dan pikiran untuk memberikan
bimbingan dalam menyelesaikan skripsi ini.
2. Ibu Yulinda Devi Pramita, S.E, M.Sc, Ak selaku Dosen Pembimbing 2 (dua)
yang telah mengorbankan waktu, tenaga, dan pikiran untuk memberikan
bimbingan dalam menyelesaikan skripsi ini.
3. Dr. Wawan Sadtyo Nugroho, S.E., M.Si selaku Ketua Program Studi
Akuntansi.
4. Muji Mranani, S.E., M.Si., Ak., CA selaku dosen penguji 1 (satu) yang sudah
membantu memberikan saran terhadap perbaikan skripsi ini.
5. Veni Soraya Dewi, S.E., M.Si selaku dosen penguji 2 (dua) yang sudah
membantu memberikan saran terhadap perbaikan skripsi ini.
6. Seluruh Dosen Pengajar yang telah memberikan bekal ilmu yang tak ternilai
harganya dan telah membantu kelancaran selama menjalankan studi di
Universitas Muhammadiyah Magelang.
7. Bapak Tri Mulyanto, Ibu Siti Sari Fatul Janah, dan keluarga terimakasih atas
do’a dan kasih sayang yang tak terhingga dan selalu memberikan yang terbaik.
8. Teman-teman akuntansi angkatan 2016 dan semua pihak yang tidak dapat
penulis sebutkan satu per satu, yang telah memberikan dukungan.
Semoga Allah SWT melimpahkan rahmat dan karunia-Nya kepada semua
pihak atas bantuan yang diberikan kepada penulis. Akhirnya penulis hanya dapat
mengharapkan semoga skripsi ini dapat bermanfaat bagi penulis pada khususnya
dan pembaca pada umunya.

Magelang, 01 Februari
2020
Peneliti
Citra Agis Fitriana
NIM. 16.0102.0151

6
 DAFTAR ISI

HALAMAN JUDUL...............................................................................................i
LEMBAR PENGESAHAN...................................................................................ii
PENGARUH MANAJEMEN LABA TERHADAP NILAI PERUSAHAAN. .ii
SURAT PERNYATAAN KEASLIAN................................................................iii
PENGARUH MANAJEMEN LABA TERHADAP NILAI PERUSAHAAN. iii
DAFTAR RIWAYAT HIDUP.............................................................................iv
MOTTO..................................................................................................................v
KATA PENGANTAR...........................................................................................vi
DAFTAR ISI........................................................................................................vii
DAFTAR TABEL.................................................................................................ix
DAFTAR GAMBAR..............................................................................................x
DAFTAR LAMPIRAN.........................................................................................xi
ABSTRAK............................................................................................................xii
BAB 1......................................................................................................................1
PENDAHULUAN...................................................................................................1
A. Latar Belakang Masalah............................................................................1
B. Rumusan Masalah.......................................................................................6
C. Tujuan Penelitian........................................................................................7
D. Kontribusi Penelitian..................................................................................7
1. Teoritis.......................................................................................................7
2. Praktis........................................................................................................7
E. Sistematika Pembahasan............................................................................8
BAB II.....................................................................................................................9
Tinjauan Pustaka dan Perumusan Hipotesis......................................................9
A. Telaah Teori...................................................................................................9
a. Teori Keagenan.............................................................................................9
b. Manajemen Laba........................................................................................11
c. Nilai Perusahaan.........................................................................................19
B. Telaah Penelitian Sebelumnya.......................................................................21
C. Perumusan Hipotesis.....................................................................................24

7
 D. Model Penelitian............................................................................................27
BAB III..................................................................................................................28
METODA PENELITIAN....................................................................................28
A. Populasi Dan Sampel...................................................................................28
a. Populasi......................................................................................................28
b. Sampel.......................................................................................................28
B. Data Penelitian............................................................................................29
a. Jenis dan Sumber Data...............................................................................29
b. Teknik Pengumpulan Data.........................................................................29
C. Variabel Penelitian dan Pengukuran Variabel.........................................29
1. Manajemen Laba Riil..............................................................................29
2. Manajemen Laba Akrual.........................................................................30
3. Nilai Perusahaan......................................................................................31
D. Metode Analisis Data..................................................................................32
1. Statistik Deskriptif......................................................................................32
2. Uji Asumsi Klasik.......................................................................................33
3. Analisis Regresi Linear Berganda..............................................................36
E. Pengujian Hipotesis.....................................................................................37
BAB IV..................................................................................................................40
HASIL DAN PEMBAHASAN............................................................................40
A. Sampel Penelitian......................................................................................40
B. Statistik Deskripstif...................................................................................40
C. Uji Asumsi Klasik......................................................................................42
D. Analisis Regresi Berganda........................................................................46
E. Pengujian Hipotesis.....................................................................................47
F. Pembahasan..................................................................................................51
BAB V....................................................................................................................54
KESIMPULAN.....................................................................................................54
A. Kesimpulan................................................................................................54
B. Keterbatasan Penelitian...........................................................................55
C. Saran..........................................................................................................55
DAFTAR PUSTAKA...........................................................................................57
LAMPIRAN..........................................................................................................74

8
 DAFTAR TABEL
Tabel 2.1 Telaah Penelitian Sebelumnya..............................................................21
Tabel 3.1 Pengambilan keputusan ada tidaknya autokorelasi..............................35
Tabel 4.1 Metode Pengambilan Sampel Penelitian...............................................40
Tabel 4.2 Hasil Uji Statistik Deskriptif.................................................................41
Tabel 4.3 Hasil Uji Normalitas..............................................................................43
Tabel 4.4 Hasil Uji Multikolonieritas....................................................................43
Tabel 4.5 Hasil Uji Autokorelasi...........................................................................44
Tabel 4.6 Hasil Uji Heteroskedastisitas.................................................................45
Tabel 4.7 Hasil Analisis Regresi Berganda...........................................................46
Tabel 4.8 Hasil Uji Koefisien Determinasi (R2)....................................................47
Tabel 4.9 Hasil Uji F.............................................................................................48
Tabel 4.10 Hasil Uji Statistik t..............................................................................50

9
 DAFTAR GAMBAR
Gambar 2.1 Model Penelitian................................................................................27
Gambar 3.1 Penerimaan Uji F...............................................................................38
Gambar 3.2 Penerimaan Hipotesis Positif Uji t.....................................................39
Gambar 4.1 Nilai Uji F..........................................................................................49
Gambar 4.2 Nilai Uji t manajemen laba riil..........................................................50
Gambar 4.3 Nilai Uji t manajemen laba akrual.....................................................51

10
 DAFTAR LAMPIRAN

Lampiran 1. Data Perusahaan...............................................................................60

Lampiran 2. Data Variabel...................................................................................61
Lampiran 3. Data Perhitungan Variabel Manajemen Laba Riil..........................64
Lampiran 4. Data Perhitungan Variabel Manajemen Laba Akrual.....................82
Lampiran 5. Data Perhitungan Variabel Nilai Perusahaan................................100
Lampiran 6. Hasil Output Statistik Deskriptif....................................................106
Lampiran 7. Hasil Output Uji Normalitas..........................................................106
Lampiran 8. Hasil Output Uji Multikolonieritas................................................107
Lampiran 9. Hasil Output Uji Heteroskedastisitas.............................................107
Lampiran 10. Hasil Output Uji Autokorelasi.....................................................107
Lampiran 11. Hasil Output Analisis Regresi Berganda.....................................108
Lampiran 12. Hasil Output Koefisien Regresi...................................................108
Lampiran 13. Hasil Output Uji F.......................................................................108
Lampiran 14. Hasil Output Uji t........................................................................109
Lampiran 15. Tabel t.........................................................................................110
Lampiran 16. Tabel F........................................................................................111
Lampiran 17. Tabel DW....................................................................................112

11
 ABSTRAK

PENGARUH MANAJEMEN LABA TERHADAP NILAI PERUSAHAAN

(Studi Empiris Pada Perusahaan Manufaktur Yang

Terdaftar BEI Periode 2014-2018)

Oleh :
Citra Agis Fitriana

Penelitian ini bertujuan untuk menguji secara empiris mengenai pengaruh

manajemen laba terhadap nilai perusahaan. Variabel independen dalam penelitian
ini adalah manajemen laba yang diukur menggunakan manajemen laba riil dan
manajemen laba akrual. Sedangkan variabel dependen dalam penelitian ini adalah
Nilai Perusahaan. Sampel yang digunakan dalam penelitian ini adalah perusahaan
sektor manufaktur yang terdaftar di Bursa Efek Indonesia tahun 2014 sampai
2018. Jumlah sampel dalam penelitian ini adalah 115 perusahaan, dari jumlah
perusahaan sebanyak 23 perusahaan. Penentuan sampel diperoleh dengan
menggunakan purposive sampling. Uji hipotesis dilakukan dengan menggunakan
analisis regresi linear berganda. Hasil penelitian ini menunjukan bahwa
Manajemen Laba Riil berpengaruh positif terhadap Nilai Perusahaan dan
Manajemen Laba Akrual berpengaruh positif terhadap Nilai Perusahaan.

Kata kunci : Nilai Perusahaan, Manajemen Laba Riil, Manajemen Laba

Akrual.

12
 BAB 1

PENDAHULUAN

A. Latar Belakang Masalah

Perkembangan dunia bisnis dan situasi ekonomi semakin bersaing. Hal ini

dapat dilihat dari semakin banyaknya muncul perusahaan pesaing yang memiliki

keunggulan kompetitif yang baik. Banyaknya kompetitor-kompetitor bisnis yang

muncul mengakibatkan terjadinya dinamika bisnis yang berubah-ubah. Dinamika

bisnis yang berbah-ubah tersebut menyebabkan banyak perusahaan membutuhkan

tambahan pendanaan untuk lebih mengembangkan usahanya agar mampu

bertahan hidup. Sumber pendanaan tersebut dapat diperoleh dengan berbagai cara

diantaranya adalah dengan investasi dan pembiayan dari owner dan liabilitas

sehingga kegiatan operasional dapat berjalan dengan baik. Dibutuhkan laporan

keuangan untuk pengambilan keputusan investasi karena angka-angka pada

laporan keuangan mampu mencerminkan kinerja suatu perusahaan.

Perusahaaan didirikan dengan tujuan utama yaitu memaksimalkan nilai

perusahaan. Nilai perusahaan akan tercermin dalam harga saham perusahaan.

Semakin tinggi harga saham, semakin tinggi nilai perusahaan. Nilai perusahaan

merupakan konsep penting bagi investor, kreditor dan stakeholders dalam

menentukan investasi guna untuk mendapatkan capital gain dan mengantisipasi

resiko yang akan terjadi. Nilai perusahaan sangat berguna karena mampu menarik

minat sumber-sumber dana potensial yang ada. Faktor yang mempengaruhi tinggi

1
 2

rendahnya nilai perusahaan adalah kinerja keuangan. Faktor kinerja keuangan

merupakan kunci utama yang akan mempengaruhi nilai perusahaan karena

merupakan faktor yang berbicara tentang bagaimana perusahaan mengelola

keuangan perusahaan agar efisien dalam penggunaannya.

Nilai perusahaan merupakan nilai pasar perusahaan yang dapat

mencerminkan kemakmuran pemegang saham. Proses memaksimalkan nilai

perusahaan selalu terganggu akibat adanya masalah keagenan antara pemegang

saham dengan manajer. Permasalahan keagenan muncul karena manajer selalu

memiliki lebih banyak informasi mengenai perusahaan daripada pemegang saham.

Keterbatasan informasi yang dimiliki pemegang saham memotivasi manajer

melakukan kecurangan untuk memaksimalkan kepentingan pribadinya. Dari 19

saham emiten tekstil dan garmen yang terdaftar di Bursa Efek Indonesia (BEI)

pada periode 2 Januari hingga 30 September 2019, terdapat 9 saham yang

menorehkan imbal hasil negatif. Bahkan ada yang anjlok hingga lebih dari 50%.

Data pergerakan harga pasar menunjukkan saham PT Asia Pasific Fibers Tbk

(POLY) amblas 54,42%, PT Indo-Rama Synthetics Tbk (INDR) anjlok 38,97%,

PT Tifico Fiber Indonesia Tbk (TFCO) turun 36,54%, PT Asia Pasific Investama

Tbk (MYTX) melemah 35,84%, dan PT Nusantara Inti Corpora Tbk (UNIT)

melemah 25,58%. Saham-saham industri tekstil dan garmen terpapar aksi jual

oleh pekaku pasar didorong oleh tertekannya kinerja fundamental perusahaan

karena dilanda arus impor (www.cnbcindonesia.com).

 3

Proses untuk mencapai nilai perusahaan yang optimal akan tercapai

apabila ada kesinambungan tujuan maupun kepentingan antara manajer dan

stakeholder (khususnya pemegang saham). Namun, pada kenyataannya proses

optimalisasi nilai perusahaan selalu terganggu oleh adanya konflik antara manajer

dengan pemegang saham Tanjung, dkk (2015). Konflik tersebut sering disebut

dengan konflik keagenan. Dalam teori keagenan dijelaskan bahwa konflik

keagenan akan muncul apabila adanya asimetri informasi antara manajer dengan

pemegang saham. Manajer yang pada kenyataannya lebih dekat dengan kegiatan

operasional perusahaan akan memiliki seluruh informasi berkaitan dengan

perusahaan. Masalah akan timbul apabila manajer tidak merefleksikan seluruh

informasi yang dimilikinya di dalam laporan keuangan. Laporan keuangan

merupakan media manajer untuk mempertanggungjawabkan hasil kinerjanya dan

untuk pemegang saham dalam menilai kinerja perusahaan.

Manajer yang tidak merefleksikan seluruh informasi yang dimilikinya

mengindikasikan adanya tujuan dan kepentingan pribadi dalam menjalankan

tugasnya. Hal tersebut tentu tidak sesuai dengan tujuan perusahaan yaitu

mensejahterakan seluruh pihak dalam perusahaan. Pihak pemegang saham akan

sangat dirugikan oleh adanya kepentingan pribadi manajer tersebut. Dalam

keadaan tersebut akan timbul biaya-biaya untuk memastikan bahwa manajer akan

bertindak untuk tidak merugikan pemegang saham Jensen dan Meckling (1976).

Ketimpangan informasi yang dimiliki manajer dan pemegang saham membuat

manajer dapat leluasa untuk melakukan manajemen laba. Manajemen laba

 4

dilakukan oleh manajer didasarkan pada berbagai macam motivasi. Misalnya saja

adalah untuk motivasi mendapatkan bonus, manajemen akan berusaha membuat

seolah-olah laba mencapai target yang ditentukan untuk memaksimalkan bonus

yang akan diterima Healy (1985). Selain itu, motivasi manajemen melakukan

manajemen laba adalah untuk mengurangi kemungkinan perusahaan mengalami

pelanggaran kontrak utang, untuk memperoleh kemudahan fasilitas dari

pemerintah, untuk penghindaran pajak yang tinggi, untuk melindungi diri dari

pemecatan, dan untuk memengaruhi keputusan investor saat penawaran saham

perdana.

Berbagai motivasi manajemen melakukan manajemen laba menjelaskan

bahwa manajemen dapat menaikkan atau menurunkan laba yang dilaporkan untuk

tujuan tertentu. Dutta dan Gigler (2002) menyatakan bahwa manajemen laba

dilakukan adalah sebagai usaha manajer untuk berkomunikasi atau menyampaikan

informasi tertentu kepada pemegang saham. Namun, masih belum jelas tujuan

dari manajemen laba apakah untuk memenuhi kepentingan pribadi manajer

ataukah untuk efisiensi perusahaan. Akhir-akhir ini marak dengan laporan

keuangan yang janggal mengenai laba yang tidak semestinya. Pada tahun 2019,

PT Champion Pacific Indonesia, Tbk (IGAR) membukukan kenaikan pendapatan

di tahun 2018. Keuntungan yang diperoleh belum bertumbuh terkendala harga

produk yang sulit naik berkaca pada laporan keuangan tahun 2018, revenue yang

tercatat tumbuh kecil 2,1% year on year (yoy) menjadi Rp 777 miliar. Sedangkan

beban pokok penjualan melonjak 6.9% dai Rp 632 miliar di tahun 2017 menjadi
 5

Rp 676 miliar di tahun 2018. Alhasil, laba kotor IGAR tergerus 21% dari Rp 128

miliar di 2017 menjadi Rp 101 miliar di 2018. Serta laba bersih yang dapat

dikumpulkan perseroan hanya Rp 44 miliar sepanjang tahun 2018. Turun 38%

dibandingkan perolehan tahun sebelumnya Rp 72 miliar(www.kontan.co.id).

Penelitian yang dilakukan oleh Jiraporn et al (2008), Wardani dan

Hermuningsih (2012), Hwang et al. (2014), Susanto dan Christiawan (2016)

menyatakan bahwa manajemen laba berpengaruh positif pada nilai perusahaan.

Sementara itu penelitian yang dilakukan oleh Assih, dkk. (2005), Herawaty

(2008), Anggraini (2011), Gill et al. (2013), Tangjitprom (2013), dan Febriani

(2014) menyatakan bahwa manajemen laba berpengaruh negatif pada nilai

perusahaan. Sedangkan penelitian yang dilakukan oleh Etemadi dan Sepasi

(2007), Darwis (2012), dan Mukhtaruddin, dkk. (2014) menemukan hasil bahwa

manajemen laba tidak berpengaruh pada nilai perusahaan. Penelitian Deva dan

Mandira (2016) menyatakan bahwa manajemen laba riil tidak berpengaruh

terhadap nilai perusahaan. Penelitian Putri (2018) menyatakan bahwa manajemen

laba riil berpengaruh positif terhadap perusahaan. Penelitian Deva dan Mandira

(2016), Heni Yusnita (2017), dan Putri (2018) menyatakan bahwa manajemen

laba akrual berpengaruh negatif terhadap perusahaan. Hasil dari penelitian

sebelumnya yang menemukan belum adanya konsistensi pengaruh manajemen

laba pada nilai perusahaan menjadi motivasi peneliti untuk melakukan penelitian

kembali. Penelitian ini dilakukan untuk mengetahui hubungan manajemen laba

pada nilai perusahaan.

 6

Penelitian ini merupakan pengembangan dari penelitian Putri (2018).

Persamaan penelitian ini dengan penelitian sebelumnya adalah menggunakan

variabel independen manajemen laba riil. Sedangkan perbedaan dengan penelitian

sebelumnya yaitu yang pertama, menambah variabel manajemen laba akrual.

Alasan penelitian ini menambah manajemen laba akrual sesuai dengan penelitian

Whelan dan McNamara (2004) bahwa manajemen laba akrual ditujukan untuk

lebih mengurangi masalah timing dan matching. Manajemen laba akrual juga

cenderung menggunakan pola menurunkan angka laba dengan cara

mempengaruhi komponen-komponen aktiva lancar. Kedua, yaitu sampel dari

penelitian ini adalah perusahaan manufaktur yang terdaftar di BEI pada tahun

2014-2018. Alasan menggunakan sampel perusahaan manufaktur tahun 2014-

2018 dikarenakan banyak terjadi kasus yang berkaitan dengan nilai perusahaan

pada perusahaan manufaktur dan terjadi pada tahun 2014-2018. Selain itu juga

untuk kebaruan penelitian.

B. Rumusan Masalah

1. Bagaimana pengaruh manajemen laba riil terhadap nilai perusahaan

manufaktur yang terdaftar di Bursa Efek Indonesia?

2. Bagaimana pengaruh manajemen laba akrual terhadap nilai perusahaan

manufaktur yang terdaftar di Bursa Efek Indonesia?

 7

C. Tujuan Penelitian

1. Menguji secara empiris dan menganalis pengaruh manajemen laba riil

terhadap nilai perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia.

2. Menguji secara empiris dan menganalisis pengaruh manajemen laba akrual

terhadap nilai perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia.

D. Kontribusi Penelitian

1. Teoritis

Penelitian ini merupakan penelitian kuantitatif yang menyajikan pengaruh

manajemen laba riil dan manajemen laba akrual terhadap nilai perusahaan

pada perusahaan perbankan yang terdaftar di BEI tahun 2014-2018 yang

nantinya dapat memberi wawasan kepada para pembaca dan dapat

digunakan sebagaimana mestinya.

2. Praktis

a. Bagi Perusahaan

Diharapkan hasil penelitian ini dapat memberikan masukan positif agar

dapat melaporkan informasi dengan benar tanpa melakukan

kecurangan kepada para pengguna.

 8

b. Bagi Investor

Penelitian ini bermanfaat bagi investor untuk lebih mempertimbangkan

keputusan untuk menanamkan modalnya terutama terkait laba yang

dilaporkan.

c. Bagi Peneliti

Penelitian ini diharapkan akan membuka wawasan yang luas dan

sebagai informasi untuk melakukan penelitian yang berkaitan sebagai

penelitian lanjutan, melengkapi, maupun menyempurnakan.

E. Sistematika Pembahasan

Secara garis besar sistematika penulisan skripsi ini terdiri atas 5 bab, yaitu:

BAB I PENDAHULUAN

Berisi alasan memilih judul penelitian berupa latar

belakang masalah, rumusan masalah, tujuan penelitian, kontribusi

penelitian dan sistematika pembahasan.

BAB II TINJAUAN PUSTAKA DAN PERUMUSAN HIPOTESIS

Berisi teori sebagai dasar untuk menganalisa pokok-pokok

masalah dalam penelitian berupa telaah teori, hasil penelitian

terdahulu, hipotesis dan model penelitian.

BAB III METODA PENELITIAN

Berisi gambaran dan tahapan penelitian yang menjelaskan

tentang populasi, sampel, metode pengambilan sampel, definisi

operasional, pengukuran variabel dan metode analisis data.

 9

BAB IV HASIL DAN PEMBAHASAN

Berisi analisis data dan pembahasan. Bagian ini menjadi

titik perhatian karena dilakukan pengolahan dan analisis data

menggunakan bantuan program SPSS berupa analisis deskriptif,

uji validitas dan reliabilitas data, analisis regresi dan pengujian

hipotesis.

BAB V KESIMPULAN

Bab ini merupakan bagian akhir dari penyusunan skripsi

yang berisi kesimpulan, keterbatasan penelitian dan saran.

 BAB II

Tinjauan Pustaka dan Perumusan Hipotesis

A. Telaah Teori

a. Teori Keagenan

Menurut Jensen dan Meckling (1976), teori keagenan membahas

hubungan antara principal (pemegang saham dan pemilik perusahaan) dengan

agent (manajer pengelola perusahaan). Kedua belah pihak diikat oleh kontrak

yang menyatakan hak dan kewajiban masing-masing. Principal menyediakan

fasilitas dan dana untuk menjalankan perusahaan, sedangkan manajemen

mempunyai kewajiban untuk mengelola apa yang dimanfaatkan oleh para

pemegang saham kepadanya.

Jensen dan Meckling (1976) juga menyatakan bahwa masalah keagenan

muncul sebagai akibat dari adanya pemisahan pengelolaan dan kepemilikan.

Masalah keagenan timbul karena para pengambil keputusan tidak perlu

menanggung risiko sebagai akibat adanya kesalahan dalam pengambilan

keputusan tidak perlu menanggung risiko sebagai akibat adanya kesalahan dalam

pengambilan keputusan bisnsi sehingga tidak dapat meningkatkan nilai

perusahaan. Asimetri informasi adalah informasi yang tifak seimbang yang

disebabkan adanya distribusi informasi yang tidak sama antara principal ddana

gen yang ebrkaibat pada timbulnya dua permasalahan yang menimbulkan

kesulitan prinsipal untuk memonitor dan melakukan kontrol terhadap tindakan-

tindakan agen. Menurut Jensen dan Meckling (1976), adanya asimetri informasi

tersebut menimbulkan dua permasalahan antara lain adalah:

9
 10

a. Moral Hazard, yaitu permasalahan yang muncul apabila agen tidak

melaksanakan mengenai hal-hal yang telah disepakati bersama dalam

kontrak kerja.

b. Adverse Selection, yaitu suatu keadaan dimana principal tidak dapat

mengetahui apakah suatu keputusan yang diambil oleh agen benar-benar

didasarkan atas informasi yang telah diperolehnya, atau apakah terjadi

sebuah kelainan dalam tugas.

Teori Agensi menekankan pada pentingnya pendelegasian wewenang dari

principal kepada agen, dimana principal memberikan kewajiban kepada agen

untuk mengelola perusahaan sesuai dengan kepentingan dari prinsipal. Adanya

pendelegasian wewenang tersebut, berati agen memiliki kekuasaan dan pemegang

kendali suatu perusahaan sehingga agen dituntut agar selalu transparan dalam

kegiatan pengelolaannya atas suatu perusahaan. Maka dari itu, melalui laporan

keuangan agen dapat menunjukkan salah satu bentuk pertanggungjawabannya atas

kinerja yang telah dilakukannya terhadap perusahaan. Terdapat dua kepentingan

dalam perusahan dimana para amanjer akan berusaha meningkatkan prestasinya

dengan meningkatkan kinerjanya sedangkan untuk pemegang saham akan

melakukan pengawasan agar tidak terjadi penipuan yang dilakukan manajer.

Semakin baik pelaksanaan dan penagwasan ini tentunya diharapkan semakin

meningkatkan daya saing perusahaan menghadapi persaingan global sehingga

dapat meningkakan nilai perusahaan. Manajer apabila mampu mengelola dan

memaksimalkan perusahaan sehingga perusahaan menjadi besar, maka tentu saja

 11

ini akan menarik minat investor. Ketertarikan investor pada perusahaan yang

dikelola dengan baik akan meningkatkan nilai suatu perusahaan.

Menurut Hasnawati & Sawir (2015) teori keagenan secara prinsip

menggunakan asumsi utama bahwa pemilihan kebijakan perusahaan bertujuan

untuk memaksimalkan nilai perusahaan. Ketika pihak prinsipal dan agen memiliki

tujuan yang sama untuk memaksimumkan nilai perusahaan, maka diyakini agen

akan bertindak dengan cara yang sesuai dengan kepentingan prinsipal. Agar agen

bertindak sesuai dengan kepentingan pemegang saham maka diperlukan

pengawasan yang dapat dilakukan melalui cara-cara seperti pengikatan agen,

pemeriksaan laporan keuangan, dan pembatasan terhadap pengambilan keputusan

oleh manajemen Utomo, Andini & Raharjo (2016).

b. Manajemen Laba

Scott (2006) mendefinisikan manajemen laba sebagai suatu cara penyajian

laba yang bertujuan untuk memaksimalkan utilitas manajemen dan atau

meningkatkan nilai pasar melalui pemilihan set kebijakan prosedur akuntansi oleh

manajemen.Terdapat dua cara pandang dalam memahami manajemen laba yang

dilakukan manajer perusahaan: pertama, bertujuan untuk memaksimalkan utilitas

manajemen (opportunistic behavior). Kedua, bertujuan untuk memberikan

keuntungan kepada semua pihak yang terkait dalam kontrak (efficient

contracting).
 12

Manajemen laba dapat terjadi karena adanya kepentingan yang berbeda

antara prinsipal (pemilik perusahaan) dengan agen (pengelola perusahaan). Hal ini

terjadi karena pengelola (manajer) mempunyai informasi mengenai perusahaan

yang tidak dimiliki oleh pemegang saham dan dipergunakannya untuk

meningkatkan utilitasnya. Menurut Healy dan Wahlen (1999) menyatakan

manajemen laba terjadi ketika manajer menggunakan penilaian dalam pelaporan

keuangan dan dalam penataan transaksi untuk mengubah laporan keuangan baik

menyesatkan beberapa stakeholder tentang kinerja ekonomi yang mendasari

perusahaan atau untuk mempengaruhi hasil kontraktual yang bergantung pada

angka akuntansi yang dilaporkan.

Manajemen laba dapat digolongkan menjadi dua kategori, yaitu

manajemen laba akrual dan manajemen laba riil Roychowdhury (2006:336); Li

(2009:1); Gunny (2010:855). Manajemen laba secara akrual dilakukan pada akhir

periode untuk meningkatkan atau menurunkan laba agar memenuhi target laba

yang ingin dicapai. Disisi lain, manajemen laba riil dapat dilakukan selama

periode berjalan. Manajemen laba riil sebagai tindakan dari manajemen yang

menyimpang dari praktik bisnis yang umumnya terjadi, karena manajemen

memiliki tanggungjawab untuk memenuhi target laba yang ditentukan

Roychowdhury (2006:336).

Adanya tindakan manajemen laba yang dilakukan akan mempengaruhi

nilai perusahaan saat ini, meskipun manajemen memiliki tujuan dan alasan atas

tindakannya tersebut. Nilai perusahaan yang tercermin dalam harga saham

 13

perusahaan diperlukan investor untuk mengetahui bagaimana prospek perusahaan

dimasa mendatang. Manajer tentunya akan memaksimalkan target laba yang telah

ditentukan, ini dilakukan untuk menghindari terjadinya reaksi harga saham yang

negatif Scott (2012:422). Adanya penurunan harga saham akan menurunkan

kepercayaan investor atas investasi yang ditanamkan pada perusahaan, yang

mendorong menurunnya nilai perusahaan, dan memberikan persepsi bahwa

perusahaan tidak mampu meningkatkan kemakmuran pemegang saham

Junchristianti 2015:5). Disisi lain, penyalahgunaan manajemen laba dapat

membawa perusahaan ke dalam keadaan yang merugikan berbagai pihak, hal ini

akan menurunkan tingkat kepercayaan investor terhadap perusahaan karena

investor menganggap ‘telah dibohongi’ oleh perusahaan tersebut. Untuk itu,

diperlukan penentuan batas penggunaan manajemen laba yang diharapkan dapat

diperlemah dengan adanya pelaksanaan good corporate governance yang efektif

Scott (2012:424).

Menurut Scott (2009:403) mendefinisikan earnings management sebagai

“the choice by a manager of accounting policies or actions affecting earnings so

as to achieve some specific reported earnings objective”. Dari definisi diatas

maka earning management merupakan adanya pilihan yang dilakukan oleh

manajer dalam menentukan kebijakan akuntansi yang dilakukan agar

mempengaruhi laporan untuk mencapai beberapa tujuan tertentu. kebijakan

dilakukan seperti pemilihan metode akuntansi dalam penyajian laporan keuangan,

seperti menaikkan atau menurunkan angka laba yang dihasilkan perusahaan.

 14

Menurut Sri Sulistyanto (2012:177) pola manajemen laba antara lain:

1. “Penaikan laba (income increasing)

Pola penaikkan laba (income increasing), merupakan upaya perusahaan untuk

mengatur agar laba periode berjalan menjadi lebih tinggi daripada laba

sesungguhnya. Upaya ini dilakukan dengan mempermainkan pendapatan periode

berjalan menjadi lebih tinggi daripada pendapatan yang sesungguhnya dan atau

biaya periode berjalan menjadi lebih rendah dari biaya sesungguhnya.

2. Penurunan laba (income descreasing)

Pola penurunan laba (income descreasing), merupakan upaya perusahaan

mengatur agar laba periode berjalan menjadi lebih rendah daripada laba

sesungguhnya. Upaya ini dilakukan dengan mempermainkan pendapatan periode

berjalan menjadi lebih rendah daripada pendapatan sesungguhnya dan atau biaya

periode berjalan menjadi lebih tinggi dari biaya sesungguhnya.

3. Perataan laba (income smoothing)

Pola perataan laba (income smoothing), merupakan upaya perusahaan mengatur

agar labanya relatif sama selama beberapa periode. Upaya ini dilakukan dengan

mempermainkan pendapatan dan biaya periode berjalan menjadi lebih tinggi atau

lebih rendah daripada pendapatan atau biaya sesungguhnya.”

Watts, Zimmerman (1986) dan Pramudji, Trihartati, (2010) menyatakan

bahwa motivasi manajemen laba antara lain: Bonus plan hypothesis, Debt (equity)

hypothesis, dan Political cost hypothesis. Praktik Manajemen Laba (earnings

management) yang sering kali dilakukan perusahaan. Menurut Scott (2007)

 15

terdapat empat pola manajemen laba yaitu: a) Taking a bath adalah pola

manajemen laba yang dilakukan dengan cara menjadikan laba perusahaan pada

periode berjalan menjadi sangat ekstrim rendah (bahkan rugi) atau sangat ekstrim

tinggi dibandingkan dengan laba pada periode sebelumnya atau sesudahnya. b)

Income minimization adalah pola manajemen laba yang dilakukan dengan cara

menjadikan laba pada laporan keuangan periode berjalan lebih rendah daripada

laba sesungguhnya. c) Maksimisasi laba (income maximization) adalah pola

manajemen laba yang dilakukan dengan cara menjadikan laba pada laporan

keuangan periode berjalan lebih tinggi daripada laba sesungguhnya d) Income

smoothing atau perataan laba merupakan salah satu bentuk manajemen laba yang

dilakukan dengan cara membuat laba akuntansi relative konsisten (rata atau

smooth) dari periode ke periode.

Dalam penelitian ini, indikator manajemen laba yang digunakan adalah

Manajemen Laba Riil dan Manajemen Laba Akrual.

1) Manajemen Laba Riil

Teknik manajemen laba dengan memanipulasi aktivitas aktivitas riil

(manajemen laba riil) diperkenalkan oleh Roychowdhury (2006) mendefinisikan

manajemen laba riil sebagai berikut “management actions that deviate from

normal business practice, undertaken with the primary objective of meetings

certain earnings thresholds.”. Hal ini berarti manajemen laba riil adalah tindakan-

tindakan manajemen yang menyimpang dari praktek bisnis yang normal yang

dilakukan dengan tujuan utama untuk mencapai target laba. Manipulasi aktivitas
 16

riil seperti memberi diskon harga, penurunan beban diskresioner serta prosuksi

dalam jumlah yang besar.

Roychowdhury (2006), Graham, et al (2005) menemukan bahwa (a)

eksekutif keuangan memberikan perhatian yang besar terhadap target laba seperti

laba nol (zero earning), laba periode sebelumnya dan ramalan analis; (b) mereka

akan melakkan manipulasi aktivitas riil untuk mencapai target ini, meskipun

tindakan pengelolaan ini secara potensial mengurangi nilai perusahaan. Dalam

mendeteksi manajemen laba riil yang dilakukan oleh perusahaan, Roychowdhury

(2006); Cohen dan Zarowin (2010). manajemen laba riil dapat dilakukan dengan 3

(tiga) cara yaitu:

1. Manipulasi Penjualan

Manipulasi penjualan merupakan usaha manajemen dalam meningkatkan

penjualan secara temporer dalam periode tertentu dengan menawarkan

diskon harga, produk secara berlebihan atau memberikan persyaratan

kredit yang lebih lunak. Strategi ini dapat meningkatkan volume penjualan

dan secara tidak langsung akan meningkatkan laba dan aliran kas periode

saat ini.

2. Mengurangi beban-beban diskresionari (dicretionary expenditures)

Perusahaan dapat menurunkan discretionary expenditures seperti beban

penelitian dan pengembangan, iklan, penjualan, adminstrasi dan umum

terutama dalam periode dimana pengeluaran tersebut tidak langsung

menyebabkan pendapatan dan laba. Strategi ini dapat meningkatkan laba

 17

dan arus kas periode saat ini namun memiliki efek positif terhadap arus

kas.

3. Produksi yang berlebihan (overproduction)

Untuk meningkatkan laba, manajer perusahaan dapat memproduksi lebih

banyak daripada yang diperlukan karena tingkat produksi yang lebih tinggi

akan menyebabkan biaya tetap per unit produk lebih rendah. Strategi ini

dapat menurunkan kos barang terjual (cost of goods sold) dan

meningkatkan laba.

Dengan ketiga cara di atas perusahaan-perusahaan yang diduga (suspect)

melakukan manipulasi aktivitas riil akan mempunyai abnormal cash flow

operations (CFO) dan abnormal production cost yang lebih besar dibandingkan

perusahaan-perusahaan lain serta abnormal discretionary expenses yang lebih

kecil.

2) Manajemen Laba Akrual

Manajemen laba akrual adalah salah satu teknik pengelolaan laba yang

biasa digunakan. Manajemen laba akrual ditunjukkan dengan adanya

discretionary accrual (diskresioner akrual). Penggunaan diskresioner akrual

digunakan untuk menjadikan laporan keuangan lebih informatif yaitu laporan

keuangan yang dapat mencerminkan keadaan yang sesungguhnya.

Pemisahan discretionary accrual menjadi short term dan long term

discretionary accrual dilakukan oleh Whelan dan McNamara (2004) berdasarkan

model Jones (1991). Penggunaan short term accruals ditujukan untuk lebih
 18

mengurangi masalah timing dan matching. Sementara itu, tidak terdapat kejelasan

alasan penggunaan long term accruals untuk mengakomodasi tujuan tersebut. Hal

ini dikarenakan penggunaan long term accruas dipengaruhi oleh proses politis

(Watts dan Zimmerman, 1989). Selanjutnya Whelan dan McNamara (2004)

menyatakan bahwa pasar mungkin akan menganggap penggunaan long term

discretionary accruals adalah usaha manajer untuk membodohi pelaku pasar,

karena sifat dari akrual tersebut yang memberikan kesempatan bagi manajer untuk

melakukan manipulasi.

Menurut Sri Sulistyanto (2012:161) untuk menentukan seberapa besar

kecilnya aktivitas manajemen laba yang direkayasa dapat dilakukan dengan cara

sebagai berikut :

1. “Discretionary accrual merupakan komponen akrual hasil rekayasa

manajerial dengan memanfaatkan kebebasan dan keleluasaan dalam

estimasi dan pemakaian standar akuntansi. Ada beberapa metode yang bisa

dipakai manajer perusahaan untuk merekayasa besar kecilnya

discretionary accrual ini sesuai dengan tujuan yang ingin dicapainya,

misalnya kebebasan menentukan estimasi presentase jumlah piutang tak

tertagih, memilih metode penentuan jumlah persediaan, dan sebagainya.

2. Nondiscretionary accrual merupakan komponen akrual yang diperoleh

secara alamiah dari dasar pencatatan akrual dengan mengikuti standar

akuntansi yang diterima secara umum, misalnya metode depresiasi dan

 19

penentuan persediaan yang dipilih harus mengikuti metode yang diakui

dalam prinsip akuntansi.

c. Nilai Perusahaan

Nilai perusahaan merupakan kondisi tertentu yang telah dicapai oleh suatu

perusahaan sebagai gambaran dari kepercayaan masyarakat terhadap perusahaan

setelah melalui suatu proses kegiatan selama beberapa tahun, yaitu sejak

perusahaan tersebut didirikian samapi saat ini. Menurut Fahmi (2014), nilai

perusahaan diperoleh dari hasil kualitas kinerja suatu perusahaan khususnya

kinerja keuangan, tentunya tidak bisa dikesampingkan dengan adanya dukungan

dari kinerja non keuangan juga, sebagai sebuah sinergi yang saling mendukung

pembentukan nilai perusahaan.

Menurut Gitosudarmo, et al (2000) pengertian nilai perusahaan adalah:

nilai perusahan saat ini dan nilai pada waktu dan uang yang akan datang, oleh

karenanya perlu pertimbangan nilai wkatu dan uang. Pertimbangan waktu dan

uang dipergunakan untuk menilai pengeluaran atau pemasukan yang akan

diterima di aktu yang akan datang, sedangkan evaluasi dan keputusan harus

dilakukan sekarang.

Nilai perusahaan sangat penting karena dengan nilai perusahaan yang

tinggi akan diikuti oleh tingginya kemakmuran pemegang saham. Kekayaan

pemegang saham dan perusahaan dipresentasikan oleh harga pasar dari saham

yang merupakan cerminan dari keputusan investasi, pendanaan, ukuran

perusahaan, profitabilitas, dan kebijakan dividen.

 20

Fama (1978) dalam Wahyudi dan Pawestri (2006) menyatakan nilai

perusahaan akan tercermin dari harga pasar sahamnya. Nilai perusahaan tercermin

dalam nilai pasar dari suatu ekuitas perusahaan dan nilai pasar utang. Peluang

investasi di masa mendatang juga akan mendorong kenaikan nilai perusahaan.

Peluang investasi membutuhkan tambahan dana, sehingga keputusan perusahaan

untuk menambah modal dalam bentuk saham baru dan atau utang akan

meningkatkan nilai perusahaan. Fakta empiris di pasar modal Indonesia

menunjukkan bahwa keputusan pendanaan, kebijakan deviden, keputusan

investasi, pertumbuhan perusahaan, dan ukuran perusahaan memiliki pengaruh

terhadap pergerakan nilai perusahan.

Semakin tinggi harga ekuitas dan utang maka semakin tinggi nilai

perusahaan, demikian juga sebaliknya. Tidak ada nilai perusahaan yang sama,

setiap investor mempunyai cara pandang yang berbeda dalam merespon

informasi-informasi terkait dengan kinerja perusahaan ataupun perubahan kondisi

perekonomian. Banyak cara yang dapat digunakan untuk menilai perusahaan,

salah satunya adalah Price to Book Value (PBV). Price to Book Value (PBV)

menggambarkan seberapa besar pasar menghargai nilai buku saham suatu

perusahaan. Makin tinggi rasio ini, berarti pasar percaya akan prospek perusahaan

tersebut. PBV juga menunjukkan seberapa jauh suatu perusahaan mampu

menciptakan nilai perusahaan yang relatif terhadap jumlah modal yang

diinvestasikan.
 21

B. Telaah Penelitian Sebelumnya

1Tabel 2.1
Telaah Penelitian Sebelumnya

Peneliti Judul Sampel Hasil

Suffah dan Profitabilitas, Sampel 23 1.Profitabilitas, leverage, dan

Riduan Leverage, Ukuran perusahaan LQ kebijakan dividen berpengaruh
(2016) Perusahaan, dan 45 tahun 2010- positif pada nilai perusahaan
Kebijakan 2013. 2.Ukuran perusahaan tidak
Dividen terhadap berpengaruh pada nilai
nilai perusahaan perusahaan
Widyanti Pengaruh Sampel 1. Profitabilitas dan Dividend
(2014) Profitabilitas, sebanyak 15 Payout Ratio berpengaruh
Dividend Payout perusahaan terhadap nilai perusahaan
Ratio, dan manufaktur 2. Corporate Social
Corporate Social yang terdaftar Responsibility tidak
Responsibility di BEI berpengaruh terhadap nilai
terhadap nilai perusahaan
perusahaan
Suarnawa Kebijakan Sampel 1. Profitabilitas berpengaruh
dan Dividen sebanyak 9 positif signifikan terhadap
Abundanti Profitabilitas, dan perusahaan Kebijakan Dividen
(2016) Likuiditas manufaktur di 2. Likuiditas berpengaruh
terhadap BEI periode positif signifikan terhadap
Kebijakan 2010-2014 Kebijakan Dividen
Dividen dan Nilai 3. Profitabilitas berpengaruh
Perusahaan positif signifikan terhadap
Nilai Perusahaan
4. Likuiditas berpengaruh
positif dan signifikan terhadap
Nilai Perusahaan
 22

Hasibuan, Pengaruh Sampel 1.Secara bersama-sama DER,

Zulkirom, Leverage dan sebanyak 18 DR, ROE, dan EPS
Endang Profitabilitas Perusahaan berpengaruh signifikan
terhadap nilai Property dan terhadap nilai perusahaan.
(2016) perusahaan Real Estate 2.Secara parsial DER, DR, dan
yang Terdaftar ROE berpengaruh terhadap
di BEI Periode nilai perusahaan sedangkan
Tahun 2012- EPS tidak berpengaruh
2015 terhadap nilai perusahaan.

Kurnia Pengaruh Sampel 1. Leverage berpengaruh

(2017) Leverage dan sebanyak 30 terhadap nilai perusahaan
kebijakan dividen perusahaan 2. Kebijkan dividen
terhadap nilai manufaktur berpengaruh terhadap nilai
perusahaan keramik, perusahaan.
porselen dan
kaca yang
terdaftar di
BEI 2005-
2015
Rahmawati, Pengaruh Ukuran Sampel 1.Secara simultan Ukuran
Topowijono, sebanyak 25 perusahaan, Profitabilitas,
dan Perusahaan, perusahaan Struktur modal, dan Keputusan
Sulasmiyati Profitabilitas, Sektor investasi berpengaruh terhadap
(2015) Struktur Modal, properti, Real Nilai Perusahaan
dan keputusan Estate, dan 2. Secara Parsial, Profitabilitas
investasi terhadap Building dan Keputusan Investasi
nilai perusahaan Construction berpengaruh negatif, dan
yang terdaftar Ukuran perusahaan tidak
di BEI Periode berpengaruh terhadan Nilai
2010-2013 Perusahaan.

Rompas Pengaruh Sampel Likuiditas,solvabilitas yang

(2013) Likuiditas dan sebanyak 10 diukur dengan Debt to Asset
Rentabilitas perusahaan Ratio, Debt to Equity ratio,
terhadap nilai BUMN yang Rentabilitas yang diukur
perusahaan terdaftar di dengan Gross Profit
BEI periode Margin,dan Net Profit Margin
2007010 secara bersama berpengaruh
terhadap Nilai Perusahaan.
 23

Bela Deva, Pengaruh sampel 99 1.Manjemen Laba Riil tidak

Nera Manajemen Laba perusahaan berpengaruh terhadap nilai
Mandira Akrual dan manufaktur perusahaan. 2.Manajemen
(2016) Manajemen Laba yang terdaftar Laba Akrual berpengaruh
Riil Terhadap di BEI tahun negatif terhadap nilai
Nilai Perusahaan 2010-2015 perusahaan. 3.Variabel
dengan Good kontrol return on equity tidak
Corporate dapat mempengaruhi nilai
Governance perusahaan. 4.Peran
Sebagai Variabel corporate governance yang
Moderating diproksi melalui dewan
komisaris independen dan
kepemilikan institusional tidak
mampu memoderasi pengaruh
manajemen laba akrual
terhadap nilai perusahaan.
5. Peran corporate governance
yang diproksi melalui dewan
komisaris independen dan
kepemilikan institusional tidak
mampu memoderasi pengaruh
manajemen laba riil
Heni Yusnita Pengaruh Sampel 1.Manajemen Laba Akrual
(2017) Manajemen Laba perusahaan secara pasial berpengaruh
Akrual dengan manufaktur signifikan terhadap nilai
Pendekatan yang terdaftar perusahaan. 2.Manajemen
Revenue di BEI tahun Laba Riil secara pasrial
Discretionary 2015-2016 berpengaruh signifikan
Model dan terhadap nilai perusahaan.
Manajemen Laba
Riil Terhadap
Nilai Perusahan
Hana Tamara Pengaruh Sampel 34 Manajemen Laba Riil
Putri (2018) Manajemen Laba perusahaan berpengaruh positif dan
Terhadap Nilai manufaktur signifikan terhadap nilai
Perusahan yang terdaftar perusahaan
di BEI tahun
2015-2017
 24

C. Perumusan Hipotesis

a. Manajemen Laba Riil terhadap Nilai Perusahaan

Tindakan manajemen laba melalui memanipulasi aktivitas riil yang ada

dapat dilakukan selama periode berjalan, yang artinya hal ini dapat mengubah

kegiatan perusahaan. Roychowdhury (2006:335) memberikan bukti penelitian

adanya tindakan manajemen yang berbeda dari praktik bisnis perusahaan yang

biasanya terjadi, seperti adanya kelonggaran atas pengajuan kredit (piutang) dan

pemberian harga diskon untuk meningkatkan penjualan (secara sementara) pada

periode tertentu, kegiatan produksi yang dilakukan secara berlebihan untuk

memperoleh harga pokok penjualan yang lebih rendah dibandingkan dengan harga

pokok penjualan pada kegiatan produksi normal, serta adanya penurunan atau

pengurangan discretionary expenditure yang akan berdampak pada penurunan

atau pengurangan discretionary expense terkait biaya-biaya pengeluaran yang

berasal dari biaya iklan, penelitian dan pengembangan, biaya penjualan,

administrasi dan umum pada periode tersebut.

Dalam teori agensi, masalah keagenan timbul karena para pengambil

keputusan tidak perlu menanggung risiko sebagai akibat adanya kesalahan dalam

pengambilan keputusan bisnis sehingga tidak dapat meningkatkan nilai

perusahaan. Meskipun manipulasi yang dilakukan untuk memenuhi tingkat laba

yang diharapkan atau mencegah kerugian penurunan harga saham yang mungkin

terjadi Scott (2012:422), tetapi ini akan mempengaruhi nilai perusahaan pada

periode tersebut dan ekspetasi dimasa mendatang, dengan anggapan semakin

 25

tinggi nilai perusahaan tersebut maka dapat dikatakan perusahaan memiliki

kinerja yang semakin baik, namun pemegang saham dan penyedia modal lainnya

tidak dapat mengetahui kinerja perusahaan yang sesungguhnya dan manfaat dari

informasi yang diberikan akan berkurang, karena adanya kekhawatiran pihak-

pihak tersebut akan mengambil keputusan diluar perkiraan perusahaan Scott

(2012:423).

Beberapa penelitian terdahulu telah membuktikan bahwa adanya pengaruh

manajemen laba riil melalui abnormal cash flow operation, terhadap nilai

perusahaan, seperti penelitian Hana (2018) membuktikan bahwa manajemen laba

riil melalui abnormal cash flow operation memberikan pengaruh positif dan

signifikan terhadap nilsi perusahaan, dimana disimpulkan bahwa semakin tinggi

penggunaan manajemen laba riil maka semakin tinggi nilai perusahaan. Ferdawati

(20019) membuktikan bahwa manajemen laba riil memberikan pengaruh positif

terhadap nilai perusahaan.

Berdasarkan penjelasan tersebut, hipotesis pertama dalam penelitian ini adalah:

H1 : Manajemen laba riil berpengaruh positif terhadap nilai perusahaan.

b. Manajemen Laba Akrual terhadap Nilai Perusahaan

Adanya ketidaksimetrisan informasi yang diterima antara manajer dengan

pemegang saham, memungkinkan manajer mengambil keputusan untuk

mendahulukan kepentingan manajer itu sendiri, yang mungkin tidak sesuai

dengan kepentingan investor, dimana investor hanya memiliki informasi yang

 26

diterima dalam hasil laporan yang dibuat oleh manajemen (Scott, 2012:21-22). Ini

memungkinkan manajer memiliki motivasi yang kuat untuk mencapai tujuannya,

seperti pemilihan kebijakan akuntansi yang dapat memaksimalkan laba yang

diperoleh atau ke arah laba yang lebih menguntungkan, sehingga terlihat seolah

perusahaan mampu menyejahterahkan para pemegang saham dan penyedia dana

lainnya.

Menurut teori agensi, manajer dapat menggunakan manajemen laba akrual

sebagai tindakan manajemen laba yang akan berdampak pada kepercayaan

investor yang berdampak pada harga saham perusahaan dan meningkatnya nilai

perusahaan. Peningkatan nilai perusahaan memberikan gambaran kinerja

perusahan yang baik, yang dianggap akan mempengaruhi pihak pengguna

berkepentingan dalam pengambilan keputusan dimasa sekarang maupun masa

mendatang (Scott, 2012:423). Hal ini dikarenakan para pengambil keputusan tidak

perlu menanggung risiko sebagai akibat adanya kesalahan dalam pengambilan

keputusan bisnis sehingga tidak dapat meningkatkan nilai perusahaan.

Penelitian yang telah dilakukan terdahulu membuktikan bahwa adanya

pengaruh antara hubungan manajemen laba akrual dengan nilai perusahaan,

seperti penelitian yang dilakukan oleh Jiraporn et al (2008), Wardani dan

Hermuningsih (2012), Hwang et al (2014), Susanto dan Christiawan (2016)

menyatakan bahwa manajemen laba akrual berpengaruh positif terhadap nilai

perusahaan, yang berarti semakin tinggi penggunaan manajemen laba akrual,

maka semakin tinggi nilai perusahaan.

 27

Berdasarkan penjelasan tersebut, hipotesis kedua dalam penelitian ini adalah:

H2 : Manajemen laba akrual berpengaruh positif terhadap nilai

perusahaan.

D. Model Penelitian

Manajemen Laba
Riil (MLR)
H1(+)

Nilai Perusahaan (PBV)

Manajemen Laba H2(+)

Akrual (MLA)
Gambar 2.1
Metode Penelitian
 BAB III

METODA PENELITIAN

A. Populasi Dan Sampel

a. Populasi

Populasi adalah wilayah generalisasi yang terdiri atas objek atau subjek

yang mempunyai kualitas dan karakteristik tertentu yang diterapkan oleh peneliti

untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2012). Populasi

dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di BEI tahun

2014-2018.

b. Sampel

Sampel menurut Sekaran (2006 : 123) adalah bagian yang terdiri dari

jumlah dan karakteristik yang dimiliki oleh populasi.

Populasi dalam penelitian ini adalah Perusahaan Mafufaktur yang terdaftar di

BEI tahun 2014-2018. Kriteria sampel:

1) Perusahaan manufaktur yang terdaftar di BEI periode 2014-2018.

2) Perusahaan manufaktur yang konsisten mempublikasi laporan keuangan secara

lengkap di Bursa Efek Indonesia (BEI) selama periode tahun 2014-2018.

3) Perusahaan manufaktur yang tidak mengalami kerugian selama periode tahun

2014-2018.

28
 29

4) Perusahaan manufaktur yang memiliki kelengkapan data terkait manajemen

laba dan nilai perusahaan yang dibutuhkan dalam penelitian selama periode 2014-

2018.

B. Data Penelitian

a. Jenis dan Sumber Data

Penelitian ini menggunakan jenis data kuamtitatif berupa laporan keuangan

perusahaan manufaktur yang terdaftar di BEI yang diambil dari idx tahun 2014-

2018. Sumber data yang digunakan dalam penelitian ini adalah data sekunder.

Data penelitian ini diperoleh dari website www.idx.com.

b. Teknik Pengumpulan Data

Metode yang dilakukan untuk mendapatkan data yang diperlukan yaitu

dengan menggunakan metode dokumentasi. Dokumen dokumentasi dilakukan

dengan cara mengumpulkan sumber-sumber data dari sumber dokumen yang

tersedia. Peneliti mengumpulkan data berupa data sekunder yang berupa laporan

keuangan perusahan manufaktur yang terdaftar di BEI periode 2014-2018.

C. Variabel Penelitian dan Pengukuran Variabel

1. Manajemen Laba Riil

Konsep pengukuran manajemen laba riil menggunakan 3 proksi

yaitu abnormal cash flow operations, abnormal production costs, dan

abnormal discretionary expenses (Roychowdhury;2006). Dalam penelitian

 30

ini mengunakan proksi Abnormal cash flow operations (Abnormal CFO) /

Arus kas operasi abnormal.

Abnormal CFO adalah manipulasi laba yang dilakukan perusahaan melalui

aliran operasi kas yang akan memiliki aliran kas lebih rendah daripada

level normalnya. Alasan menggunakan abnormal cash flow operation

karena manajemen laba riil merupakan manajemen melalui aktivitas

perusahaan sehari-hari selama periode akuntansi. Kegiatan manajemen

laba riil dimulai dari praktek operasi normal, yang dimotivasi oleh manajer

yang berkeinginan untuk mengelabuhi bahkan menyesatkan stakeholder

yang berkeinginan mengetahui kinerja perusahaannya. Persamaan

abnormal cash flow operation adalah sebagai berikut:

CFOt/At-1 =α 0-α 1(1/log.At-1) +β 1(St/At-1) + β 2(∆St/At-1)+ε t

Keterangan:
CFOt = Arus kas operasi perusahaan i pada tahun t
At-1 = Total aset perusahaan pada akhir tahun t-1
St = Penjualan perusahaan pada akhir tahun t
ΔSt = Perubahan penjualan perusahaan pada tahun t dibandingkan dengan
penjualan pada akhir tahun t-1
ΔSt-1= Perubahan penjualan perusahaan pada tahun t-1 dibandingkan
dengan penjualan pada akhir tahun t-2

2. Manajemen Laba Akrual

Pengukuran manajemen laba akrual mengacu pada Kothari et al

(2005) dimana pengukuran proksi adalah Short term discretionary accrual

(STDA). STDA adalah penyimpangan antara akrual jangka pendek dan

akrual diskresioner yang diharapkan jangka pendek. Alasan menggunakan

 31

akrual jangka pendek dikarenakan manajemen laba akrual menggunakan

akrual jangka pendek mengurangi maslaah timing dan matching.

Manajemen laba akrual merupakan usaha manajer untuk membodohi

pelaku pasar, karena sifat dari akrual tersebut yang memberikan

kesempatan bagi manajer untuk melakukan manipulasi. Persamaan dari

short term discresionary accrual adalah sebagai berikut:

STACCi , t 1 ∆ REVi, t−∆ RECi , t INCi ,t

STDA=
TAi , t−1 { (
− β1
log TAi ,t−1 ) (
+β 2
TAi , t−1 ) (
+β 3
TAi , t−1 )}

Menggunakan data:

STDAi,t = Jangka pendek akrual diskresioner

STACCi,t =Jangka pendek akrual untuk perusahaan I dalam tahun t
TAi,t-1 = Total aset untuk perusahaan i pada akhir tahun t-1
Log.TAi,t-1 = Logaritma dari jumlah aktiva untuk perusahaan i pada akhir
tahun t-1
ΔREVi,t = Pendapatan tahun t pendapatan kurang dalam tahun t-1 untuk
perusahaan i
ΔRECi,t = Jumlah piutang usaha dalam tahun t piutang kurang dalam tahun
t-1 untuk perusahaan i
INCi,t= Laba Bersih pada tahun t untuk perusahaan i

3. Nilai Perusahaan

Menurut Gitosudarmo, et al (2000) pengertian nilai perusahaan

adalah: nilai perusahan saat ini dan nilai pada waktu dan uang yang akan

datang, oleh karenanya perlu pertimbangan nilai wkatu dan uang.

Pertimbangan waktu dan uang dipergunakan untuk menilai pengeluaran

 32

atau pemasukan yang akan diterima di aktu yang akan datang, sedangkan

evaluasi dan keputusan harus dilakukan sekarang.

Price to Book Value (PBV) menggambarkan seberapa besar pasar

menghargai nilai buku saham suatu perusahaan. Makin tinggi rasio ini,

berarti pasar percaya akan prospek perusahaan tersebut. PBV juga

menunjukkan seberapa jauh suatu perusahaan mampu menciptakan nilai

perusahaan yang relatif terhadap jumlah modal yang diinvestasikan.

Market Price per Share

PBV =
Book Value per Share

Keterangan:
Market Price per Share : Harga per lembar saham
Book Value per Share : Nilai buku per lembar saham

D. Metode Analisis Data

1. Statistik Deskriptif

Statistik deskriptif memberikan gambaran atau deskripsi suatu data

sehingga menjadikan sebuah informasi yang lebih jelas dan mudah untuk

dipahami. Statistic deskriptif dapat dilihat dari nilai rata-rata (mean), median

modus, standar deviasi, nilai maksimum, dan nilai minimum (Ghozali,

2016:123). Mean digunakan untuk mengetahui rata-rata data yang bersangkutan

bervariasi rata-rata. Maksimum digunakan untuk mengetahui jumlah terbesar

data yang bersangkitan. Minimum digunakan untuk mengetahui jumlah terkecil

data yang bersangkutan.

 33

2. Uji Asumsi Klasik

a. Uji Normalitas

Menurut Ghozali (2018:160) menyatakan bahwa “uji normalitas

dilakukan untuk mengetahui apakah dalam model regresi variabel

pengganggu atau residual memiliki distribusi normal”. Dalam uji t dan

F diasumsikan bahwa resedual mengikuti distribusi normal.

Untuk mengetahui bahwa residual terdistribusi secara normal atau

tidak yaitu dengan analisis grafik dan uji statistik.

a) Analisis Grafik, yaitu normalitas dilihat dari penyebaran data

(titik) pada sumbu diagonal dari grafik atau dengan melihat

histogram dari residualnya. Dasar pengambilan keputusan

menurut (Ghozali, 2018) yaitu :

1) Jika data menyebar disekitar garis diagonal dan mengikuti

arah garis diagonal atau grafik histogramnya menunjukkan

pola distribusi normal, maka model regresi memenuhi

asumsi normalitas.

2) Jika data menyebar jauh dari diagonal dan tidak mengikuti

arah garis diagonal atau grafik histogram tidak

menunjukkan pola distribusi normal, maka model regresi

tidak memenuhi asumsi normalitas.

 34

b) Analisis Statistik, yaitu dengan menggunakan uji Kolmogorov-

Smirnov (K-S) menurut Ghozali (2018) menyatakan bahwa

dasar pengambilan keputusannya sebagai berikut:

1) Jika nilai Kolmogorov-Smirnov Z ≤ Ztabel, atau nilai

signifikansi variabel residual ¿ α, maka data residual

terdistribusi normal.

2) Jika nilai Kolmogorov-Smirnov Z > Ztabel, atau nilai

signifikansi variabel residual ¿ α, maka data residual

terdistribusi tidak normal.

b. Uji Multikolonieritas

Menurut Ghozali (2018:105) “uji multikolieniritas bertujuan untuk

menguji apakah model regresi ditemukan adanya korelasi antar

variabel bebas (independent)”. Model regresi yang baik seharusnya

tidak terjadi korelasi diantara variabel independen. (Ghozali, 2018)

menyatakan bahwa untuk mendeteksi adanya multikolinieritas dapat

dilihat dari “ (1) nilai tolerance dan lawannya (2) Variance Infraction

Factor (VIF)”. Model regresi dinyatakan bebas multikolinieritas jika

nilai VIF < 10 dan nilai toleransinya > 0,1.

c. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model

regresi linear ada korelasi antara kesalhan pengganggu pada periode t

dengan eksalahan pengganggu pada periode t-1 (sebelumnya).

 35

Menurut Ghozali (2013), autokorelasi didefinisikan sebagai korelasi

antara anggota observasi dalam kurun waktu untuk data (time series)

atau dalam satu ruang untuk data (cross section). Deteksi atas

penyimpangan autokorelasi dapat dilakukan dengan menggunakan

Durbin Watson Test. Model regresi yang baik adalah model regresi

yang tidak mempunyai autokorelasi.

Tabel 3.1
Pengambilan keputusan ada tidaknya autokorelasi
Hipotesis nol Keputusan Jika
Tidak ada autokorelasi positif Tolak 0 < d < dl
Tidak ada autokorelasi positif No decision dl ≤ d ≤ du
Tidak ada korelasi negatif Tolak 4-dl < d < 4
Tidak ada korelasi negatif No decision 4-du ≤ d ≤ 4-dl
Tidak ada autokorelasi, positif atau Tidak ditolak du < d < 4-du
negatif

d. Uji Heteroskedastisitas

Ghozali (2018:139) menjelaskan bahwa tujuan dari pengujian ini

adalah untuk menguji apakah dalam model regresi terjadi ketidaksamaan

variance dari residual satu pengamat ke pengamat lainnya. Jika variance

dari residual satu ke pengamat lain tetap, maka disebut homokedastisitas

dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik

adalah yang homoskesdastisitas atau tidak terjadi heteroskedastisitas.

Menurut Ghozali (2018:142-143) salah satu cara untuk mendeteksi

ada tidaknya heteroskedastisitas adalah dengan melakukan uji Glejser. Uji

 36

Glejser mengusulkan untuk meregresi nilai absolut residual terhadap

variabel independen. Hasil probabilitas dikatakan signifikan jika nilai

signifikasinya di atas tingkat kepercayaan 5%.

3. Analisis Regresi Linear Berganda

Regresi berganda untuk pengujian hipotesis dalam penelitian ini

adalah sebagai berikut:

PBV = α + β1MLR + β2MLA + ε

Keterangan:

PBV = Nilai Perusahaan

β1 = Koefisien Regresi Manajemen Laba Riil

MLR = Manajemen Laba Riil

β2 = Koefisien Regresi Manajemen Laba Akrual

MLA = Manajemen Laba Akrual

α = Konstanta

ε = Error

E. Pengujian Hipotesis

1. Koefisien Determinasi (R2)

Koefisien determinasi (R2) pada intinya mengukur seberapa jauh

kemampuan model dalam menerangkan variasi variabel dependent

(Ghozali, 2018:97). Dalam kenyataannya nilai adjusted R2 dapat bernilai

 37

negatif, walaupun yang dikehendaki harus bernilai positif. Nilai

determinasi memberikan informasi seberapa besar peranan variabel-

variabel bebas dalam menentukan variabel terikat. Nilai determinasi

anatara 0% sampai dengan 100%. Semakin mendekati 100% semakin baik

determinasi dari persamaan regresi.

Menurut Gujarati (2003:97) jika dalam uji empiris didapat nilai

adjusted R2 negatif, maka nilai adjusted R2 dianggap bernilai nol. Secara

matematis jika nilai R2 = 1, maka adjusted R2 = 1 sedangkan nilai R2 = 0,

maka adjusted R2 = (1 - k) / (n – k). Jika k > 1, maka adjusted R 2 akan

bernilai negatif. Perhitungan koefisien determinasi secara simultan yang

dilakukan dengan SPSS for Windows Release 25 dapat dilihat dari

besarnya R square.

2. Uji F

Ghozali (2018:98) menjelaskan bahwa “uji statistik F pada

dasarnya digunakan untuk mengukur ketepatan fungsi regresi sampel

dalam menaksir nilai aktual (goodness of fit). Uji statistik F menguji

apakah variabel independen mampu menjelaskan variabel dependen secara

baik atau menguji apakah model yang digunakan fit atau tidak”. Pengujian

dilakukan dengan menggunakan signifikan level 0,05 (α=5%). Kriteria

pengambilan keputusan untuk menguji hipotesis yaitu menggunakan

statistik F sebagai berikut:

 38

a. Nilai signifikansi F < 0,05 atau koefisien hitung signifikan pada

taraf kurang dari 5% maka H0 ditolak.

b. Nilai signifikansi F > 0,05 atau koefisien F hitung signifikan

pada taraf lebih dari 5% maka H0 diterima.

Gambar 3.1
Uji F
3. Uji t

Ghozali (2018:98-99) menjelaskan bahwa “Uji t pada dasarnya

menunjukkan seberapa jauh pengaruh satu variabel penjelas atau

independen secara individual dalam menerangkan variasi variabel

dependen”. Pengujian dilakukan dengan menggunakan signifikan level

0,05 (α=5%). Kriteria pengambilan keputusan untuk menguji hipotesis

yaitu menggunakan statistik t sebagai berikut :

a) Ho ditolak jika t hitung > t tabel, atau p value < α = 0,05,

artinya terdapat pengaruh antara variabel independen terhadap

variabel dependen.
 39

b) Ho diterima jika t hitung < t tabel, atau p value > α = 0,05,

artinya tidak terdapat pengaruh antara variabel independen

terhadap variabel dependen.

α = 5%

H0diterima H0ditolak

t tabel

Gambar 3.2
Kurva Uji t Kriteria
Negatif
 BAB IV

HASIL DAN PEMBAHASAN

A. Sampel Penelitian

Sampel dalam penelitian ini adalah perusahaan manufaktur yang terdaftar

di Bursa Efek Indonesia tahun 2014-2018. Teknik pengambilan sampel

menggunakan metode purposive sampling dan diperoleh sampel sebanyak 23

perusahaan selama periode 5 tahun, maka jumlah sampel yang diperoleh

adalah 115 sampel. Penjelasan pengambilan sampel:

Tabel 4.1
Pengambilan Sampel
Keterangan Jumlah
Perusahaan manufaktur yang terdaftar di BEI secara (162)
berturut-turut pada periode 2014-2018
Perusahaan manufaktur yang tidak menerbitkan laporan (58)
keuangan periode 2014-2018
Perusahaan mengalami kerugian periode 2014-2018 (53)
Perusahaan manufaktur yang tidak memiliki kelengkapan (28)
data terkait manajemen laba dan nilai perusahaan yang
dibutuhkan dalam penelitian selama periode 2014-2018
Jumlah sampel perusahaan 23
Jumlah sampel selama 5 tahun x 27 115
Sumber: data sekunder diolah, 2020

B. Statistik Deskripstif

Analisis statistik deskriptif digunakan untuk memberikan gambaran atau

deskripsi suatu data. Dalam penelitian ini analisis statistik deskriptif dilihat

menggunakan nilai minimum, nilai maksimum, rata-rata dan standar deviasi.

40
 41

Hasil analisis statistik deskriptif dalam penelitian ini dapat dilihat dalam tabel 4.2

di bawah ini:

Tabel 4.2
Statistik Deskriptif
N Minimum Maksimum Mean Std.
Deviation
MLR 115 0.017 0.063 0.378 0.00788
MLA 115 -0,104 0.133 0.170 0.03738
PBV 115 0.198 1.997 0,788 0.44474

Sumber: Data sekunder yang diolah, 2020

Berdasarkan tabel dapat diperoleh informasi bahwa jumlah n atau sampel

sebanyak 115 yang terdiri dari 23 perusahaan selama periode 5 tahun 2014-

2018. Karakteristik sampel mencakup nama dan tahun yang dijadikan rentang

penelitian, sedangkan karakteristik data yaitu manajemen laba riil dan

manajemen laba akrual. Penggunaan standar eror untuk memperkirakan besar

rata-rata sampel dengan tingkat kepercayaan 95%.

1. Variabel manajemen laba riil mempunyai nilai terendah 0.017 dan nilai

tertinggi 0.063. Nilai rata-rata hitung 0.378 sedangkan standar

deviasinya atau luas penyimpanan nilai data tersebut dari nilai rata-

ratanya sebesar 0.00788. Kondisi ini menunjukkan bahwa kebijakan

manajemen laba riil yang diterapkan perusahaan cukup baik, karena nilai

rata-rata jauh dari nilai minimum.

2. Variabel manajemen laba akrual mempunyai nilai terendah -0,104 dan

nilai tertinggi 0.133. Nilai rata-rata hitung 0.170, sedangkan standar

 42

deviasinya atau luas penyimpangan nilai data tersebut dari nilai rata-

ratanya sebesar 0.03738. Kondisi ini menunjukkan bahwa manajemen

laba akrual yang diterapkan perusahaan cukup baik, karena nilai rata-rata

jauh dari nilai minimum.

3. Variabel nilai perusahaan mempunyai nilai terendah 0.198 dan nilai

tertinggi 1.997. Nilai rata-rata hitung 0,788, sedangkan standar

deviasinya atau luas penyimpangan nilai data tersebut dari nilai rata-

ratanya sebesar 0.44474. Kondisi ini menunjukkan bahwa niali

perusahaan yang diterapkan perusahaan cukup baik, karena nilai rata-

rata jauh dari nilai minimum.

C. Uji Asumsi Klasik

Uji asumsi klasik dalam penelitian ini mencakup uji normalitas, uji

multikolonieritas, uji autokorelasi dan uji heteroskedastisitas.

1. Uji Normalitas Data

Uji normalitas yang dilakukan adalah dengan menguji seluruh

variabel yang digunakan dalam penelitian ini. Untuk menguji apakah

suatu data terdistribusi secara normal menggunakan One Sample

Kolmogorov-Smirnov dimana data dikatakan memiliki distribusi normal

jika nilai Asymp. Sig. (2-tailed)> 5% atau 0,05. Pengujian ini

menggunakan transform pada variabel asimetri informasi dan arus kas

operasi karena pada data asimetri dan arus kas operasi tidak normal,
 43

sehingga dilakukan transformasi pada data-data tersebut. Hasil pengujian

normalitas untuk seluruh variabel disajikan pada Tabel 4.3 berikut ini:

Tabel 4.3
Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
Asymp. Sig. (2-tailed) 0,659
Sumber: Data Sekunder yang diolah, 2020

Berdasarkan hasil pengujian diatas didapatkan nilai Sig. Sebesar

0,659 yang berarti diatas 0,05, sehingga dapat disimpulkan bahwa data

tersebut berdistribusi normal.

2. Uji Multikolonieritas

Pengujian multikolinearitas yang digunakan dalam penelitian ini

bertujuan untuk mendeteksi ada tidaknya gejala multikolinearitas.

Masalah multikolinearitas terjadi jika ada hubungan yang erat diantara

variabel independen yang digunakan. Model regresi yang baik seharusnya

tidak terjadi korelasi signifikan antara dua variabel bebas. Suatu model

regresi dikatakan bebas dari masalah multikolinearitas jika memiliki nilai

tolerance> 0,1 dan nilai variance inflation factor (VIF) < 10. Hasil uji

multikolinearitas disajikan pada Tabel 4.4 di bawah ini:

Tabel 4.4
Hasil Uji Multikolinearitas
Coefficientsa
Variabel Tolerance VIF Keterangan
MLR 0,866 1,155 Tidak terjadi Multikolonieritas
 44

MLA 0,866 1,155 Tidak terjadi Multikolonieritas

Sumber: Data Sekunder yang diolah, 2020

Tabel 4.4 menunjukkan bahwa variabel MLR (Manajemen Laba

Riil) memiliki nilai VIF 1,155, variabel MLA (Manajemen Laba Akrual)

memiliki nilai VIF 1,155. Semua variabel memiliki tolerance > 0,1 atau

VIF<10 sehingga dapat disimpulkan bahwa pada model regresi tidak

terdapat multikolonieritas.

3. Uji Autokorelasi

Uji autokorelasi dilakukan untuk mengetahui apakah terjadi

korelasi antara kesalahan pengganggu pada periode t dengan kesalahan

pada periode t-1. Pengujian ini dilakukan dengan melihat nilai dari

Durbin-Watson (DW-Test). Hasil pengujian autokorelasi disajikan pada

Tabel 4.5, sebagai berikut:

Tabel 4.5
Hasil Uji Autokorelasi
Durbin-Watson
Model R R Square Adjusted Std. Error of Durbin-
R Square the Estimate Watson
1 0,339a 0,159 0.144 0.411446 0.995
Sumber: Data Sekunder yang diolah, 2020

Dari Tabel 4.5 diketahui bahwa nilai Durbin Watson (DW) adalah 0.995.

Melalui pembacaan pada tabel Durbin Watson dengan k=2 dan n=115

diperoleh nilai dU = 1,7313 dan nilai dL = 1,6606. Karena hasil yang

diperoleh yaitu DW 0.995 berada di bawah dL 1,6606 dan diatas 0 maka

dapat disimpulkan disimpulkan bahwa tidak ada autokorelasi positif .

 45

4. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam

model regresi terjadi ketidaksamaan variance dari residual satu observasi

ke observasi yang lain. Dalam penelitian ini untuk menguji

heteroskedastisitas dari masing-masing persamaan digunakan Uji Glejser

yang dilakukan dengan meregresikan variabel-variabel bebas terhadap

nilai absolut residualnyadengan ketentuan jika koefisien korelasi semua

variabel terhadap residual > 0,05 dapat disimpulkan bahwa model regresi

tidak terjadi heteroskedastisitas. Hasil dari pengujian heteroskedastisitas

disajikan pada Tabel 4.6 sebagai berikut:

Tabel 4.6
Uji Heteroskedastisitas
Uji Glejser

Variabel T Sig. Keterangan

MLR 1.908 0,060 Tidak terjadi
Heteroskedastisitas
MLA -0.05 0.996 Tidak terjadi
Heteroskedastisitas

Sumber: Data Sekunder yang diolah, 2020

Dasar pengambilan keputusan yaitu jika nilai signifikasi lebih

besar dari 0,05 maka tidak terjadi heteroskedasitas, sedangkan jika kurang

dari 0,05 berarti terjadi heteroskedasitas. Dari Tabel 4.6 menunjukkan

bahwa variabel-variabel telah lolos uji glejser dengan nilai signifikasi

lebih dari 0,05.

 46

D. Analisis Regresi Berganda

1. Analisis Regresi

Analisis ini bertujuan untuk mengetahui perubahan nilai yang ada

pada variabel terikat (Y) yaitu nilai perusahaan yang disebabkan

kontribusi nilai dari variabel bebas (X) berupa manajemen laba riil dan

manajemen laba akrual. Didasarkan pada hasil analisis yang dilakukan,

maka telah diperoleh nilai-nilai koefisien regresi sebagaimana disajikan

pada Tabel 4.7.

Tabel 4.7
Hasil Analisis Regresi Linier Berganda
Model Unstandardize Standardize T Sig.
d coefficient d
Coefficient
B Std. Beta
Error
(constan) -0.022 0.553 - 0.916
0.106
MLR 19.457 5.251 0.345 3.706 0,000
MLA 4.322 1.108 0.363 3.901 0,000

a. Dependent Variable: Manajemen Laba

Sumber: data sekunder yang diolah, 2020

Berdasarkan hasil analisis yang ditunjukkan oleh output SPSS pada

Tabel 4.7 maka persamaan regresi dapat dirumuskan sebagai berikut:

PBV = α + β1MLR + β2MLA + ε

PBV = -0.002 + 19.457 MLR + 4.322 MLA + ε

Berdasarkan persamaan regresi, dapat dijelaskan bahwa nilai-nilai

yang ada sebagai berikut:

 47

1. Nilai konstanta sebesar -0.002 menyatakan bahwa jika manajemen

laba riil (MLR) dan manajemen laba akrual (MLA) dianggap

konstanta, maka nilai manajemen laba secara konstan bebas yang

diteliti, maka nilai perusahaan akan memiliki nilai.

2. Koefisien regresi manajemen laba riil (MLR) adalah sebesar 19.457

mengindikasikan bahwa setiap peningkatan variabel manajemen laba

riil (MLR) sebesar satu satuan, maka variabel nilai perusahaan (NP)

akan mengalami peningkatan sebesar 19.457.

3. Koefisien regresi manajemen laba akrual (MLA) adalah sebesar 4.322

mengindikasikan bahwa setiap peningkatan manajemen laba akrual

(MLA) sebesar satu satuan, maka variabel niali perusahaan (NP) akan

mengalami peningkatan sebesar 4.322.

E. Pengujian Hipotesis
1. Koefisien Determinasi (Uji R2)

Koefisien determinasi R2 digunakan untuk mengetahui seberapa

jauh kemampuan model penelitian dalam menerangkan variasi variabel

dependen (Ghozali, 2018:95). Hasil uji koefisien determinasi (R2) dapat

dilihat pada tabel 4.8berikut:

Tabel 4.8
Hasil Uji Koefisien Determinasi (R2)
R R Adjusted R Square Std. Error of the
Square Estimate
0,399a 0,159 0.144 0.411446
Sumber: data sekunder yang diolah, 2020
 48

Berdasarkan hasil output SPSS pada tabel 4.8 dapat diketahui

bahwa besarnya Adjusted R Squareadalah 0,144. Hal ini berarti

manajemen laba riil dan manajemen laba akrual berpengaruh terhadap

manajemen laba sebesar 0,144 atau 14,4%. Sedangkan sisanya 85,6%

(100%-14,4%) dijelaskan oleh sebab-sebab lain diluar model regresi yang

diteliti saat ini.

2. Uji F (Goodness of Fit)

Uji F digunakan untuk menunjukkan apakah variabel independen

mampu menjelaskan variabel dependen secara baik atau menguji apakah

model yang digunakan telah fit atau tidak (Ghozali, 2018:98). Hasil Uji

satistik F dapat dilihat pada tabel4.9 sebagai berikut:

Tabel 4.9
Hasil Uji Statistik F
Model F Sig.
Regression 10.600 0.000b
Residual
Total
Sumber: Data sekunder yang diolah, 2020

Berdasarkan Tabel 4.9 menunjukkan bahwa signifikansi sebesar

0,000 lebih kecil dari tingkat signifikansi 0,05 (0,000<0,05) dan F hitung

sebesar 10.600. Berdasarkan jumlah sampel 115 (n) dan jumlah variabel

independen 2 (k=2), maka df untuk pembilang yaitu N = 2 dan df untuk

penyebut (n – k – 1) = 112 diperoleh nilai F tabel sebesar 3,93. Hasil

menunjukkan bahwa nilai F hitung (10,600) > F tabel (3,93) menunjukkan

bahwa Ha dierima dan Ho ditolak. Artinya variabel manajemen laba riil

 49

(MLR) dan manajemen laba akrual (MLA) mampu menjelaskan variabel

dependen nilai perusahaan (NP) secara baik dan model yang digunakan

fit.

F tabel F hitung
3,93 10,600

Gambar 4.1
Gambar Uji Statistik F

3. Uji t

Pengujian ini dilakukan untuk mengetahui pengaruh dari variabel-

variabel independen terhadap variabel dependen. Tingkat signifikasi yang

digunakan yaitu 5%. Dasar pengambilan keputusan yaitu jika nilai t hitung

> t tabel maka variabel bebas berpengaruh terhadap variabel terikat,

sehingga jika t hitung < t tabel maka variabel bebas tidak berpengaruh

terhadap variabel terikat. Selain menggunakan t tabel, dasar pengambilan

keputusan dapat memperhatikan nilai signifikan. Jika nilai signifikan <

0,05 maka variabel bebas berpengaruh signifikan terhadap variabel terikat,

sedangkan jika nilai signifikan > 0,05 maka variabel bebas tidak

berpengaruh signifikan terhadap variabel terikat. Asumsi sementara untuk

 50

uji t adalah H0: variabel bebas tidak berpengaruh signifikan terhadap

variabel terikat, dan H1: variabel bebas berpengaruh signifikan terhadap

variabel terikat. Hasil statistik uji t dapat dilihat pada tabel 4.10 berikut:

Tabel 4.10
Hasil Uji Statistik t
Variabel t Hitung Sig. t Tabel Keterangan
MLR 3.706 0.000 1,6857 H1 diterima
MLA 3,901 0.000 1,6857 H2 diterima

Sumber: data sekunder di olah, 2020

Menghitung nilai t tabel dengan menggunakan rumus (α/2,n-1), t

tabel 1.65857 dimana α adalah nilai signifikasi, n adalah jumlah sampel,

dan k adalah jumlah variabel independen.

a. Pengaruh manajemen laba riil terhadap nilai perusahaan

Hasil analisis uji t menunjukkan t hitung = 3,706 > t tabel =

1,6857 dan p value = 0,000 < α = 0,05. Hasil tingkat signifikansi (sig)

0,000 dan nilai t hitung sebesar 3.706 berarti bahwa variabel

independen manajemen laba riil berpengaruh positif terhadap variabel

dependen yaitu nilai perusahaan. Hasil pengujian terhadap manajemen

laba riil dapat dilihat pada Gambar 4.2

Ho ditolak
α = 5%
Ho tidak
dapat
tolak

0 1,6857 3,706
0
 51

Gambar 4.2
Nilai Uji t manajemen laba riil terhadap nilai perusahaan
b. Pengaruh manajemen laba akrual terhadap nilai perusahaan

Hasil analisis uji t menunjukkan t hitung 3,901 > t tabel =

1,6857 dan p value = 0,000 < α = 0,05.Hasil analisis uji t menunjukkan

hasil tingkat signifikansi (sig) 0,000 dan nilai t hitung sebesar 3.901,

berarti bahwa variabel independen manajemen laba akrual berpengaruh

positif terhadap variabel dependen yaitu nilai perusahaan. Hasil

pengujian terhadap asimetri informasi dapat dilihat pada Gambar 4.3

Ho ditolak
α = 5%
Ho tidak
dapat
tolak
0 1,6857 3,901
0
Gambar 4.3
Nilai uji t manajemen laba akrual terhadap manajemen laba

F. Pembahasan

1. Pengaruh manajemen laba riil terhadap nilai perusahaan

Penelitian ini menguji adanya pengaruh positif manajemen laba riil

terhadap nilai perusahaan. Hasil pengujian menunjukkan bahwa

manajemen laba riil berpengaruh positif terhadap nilai perusahaan. Hal ini

menunjukkan bahwa terdapat kaitan antara manajemen laba riil terhadap

nilai perusahaan. Artinya semakin tinggi manajemen laba riil yang

dilakukan perusahaan maka nilai perusahaan semakin meningkat.

 52

Penelitian ini sesuai dengan teori agensi yang diungkapkan oleh

Jansen dan Mackling (1976) bahwa masalah keagenan timbul karena para

pengambil keputusan tidak perlu menanggung risiko sebagai akibat adanya

kesalahan dalam pengambilan keputusan bisnis sehingga tidak dapat

meningkatkan nilai perusahaan. Manajemen laba muncul sebagai dampak

permasalahan keagenan yaitu adanya ketidakselarasan antara pemilik

(principal) dan manajemen (agent). Manajemen (agent) memiliki lebih

banyak informasi dibandingkan principal karena agent merupakan pihak

pengelola perusahaan.

Hasil ini konsisten dengan penelitian yang dilakukan oleh Putri

(2015) yang menunjukkan bahwa manajemen laba riil berpengaruh positif

terhadap nilai perusahaan. Namun penelitian ini tidak konsisten dengan

penelitian yang dilakukan oleh Heni Yusnita (2017) yang menunjukkan

bahwa manajemen laba riil berpengaruh negatif terhadap nilai perusahaan.

Penelitian ini juga tidak sesuai dengan penelitian yang dilakukan Deva dan

Mandira (2016) yang menunjukkan bahwa manajemen laba riil tidak

berpengaruh terhadap nilai perusahaan.

2. Pengaruh manajemen laba akrual terhadap nilai perusahaan

Penelitian ini menguji adanya pengaruh positif manajemen laba

akrual terhadap nilai perusahaan. Hasil pengujian menunjukkan bahwa

manajemen laba akrual berpengaruh positif terhadap nilai perusahaan. Hal

ini menunjukkan bahwa terdapat kaitan antara manajemen laba akrual

 53

terhadap nilai perusahaan. Artinya semakin tinggi manajemen laba akrual

yang dilakukan perusahaan maka nilai perusahaan semakin meningkat.

Penelitian ini sesuai dengan teori agensi yang diungkapkan oleh

Jansen dan Mackling (1976) bahwa manajemen laba muncul sebagai

dampak permasalahan keagenan yaitu adanya ketidakselarasan antara

pemilik (principal) dan manajemen (agent). Manajemen (agent) memiliki

lebih banyak informasi dibandingkan principal karena agent merupakan

pihak pengelola perusahaan. Masalah keagenan timbul karena para

pengambil keputusan tidak perlu menanggung risiko sebagai akibat adanya

kesalahan dalam pengambilan keputusan bisnis sehingga tidak dapat

meningkatkan nilai perusahaan.

Hasil penelitian ini konsisten dengan penelitian yang dilakukan

oleh Jiraporn et al (2008), Wardani dan Hermuningsih (2012), Hwang et al

(2014), Susanto dan Christiawan (2016) menyatakan bahwa manajemen

laba akrual berpengaruh positif terhadap nilai perusahaan, yang berarti

semakin tinggi penggunaan manajemen laba akrual, maka semakin tinggi

nilai perusahaan. Namun, penelitian ini tidak konsisten dengan penelitian

Heni Yusnita (2017) dan penelitian yang dilakukan Bela dan Nera (2016),

dalam penelitian tersebut menyatakan bahwa manajemen laba akrual

berpengaruh negatif terhadap nilai perusahaan.

 54

BAB V

KESIMPULAN

A. Kesimpulan

Penelitian ini bertujuan untuk menguji secara empiris dan menganalisis

pengaruh manajemen laba riil dan manajemen laba akrual terhadap nilai

perusahaan. Berdasarkan hasil pengujian dan analisis disimpulkan bahwa:

1. Manajemen laba riil berpengaruh positif terhadap nilai perusahaan.

Artinya, semakin tinggi manajemen laba riil yang dilakukan perusahaan

maka nilai perusahaan semakin meningkat.

2. Manajemen laba akrual berpengaruh positif terhadap nilai perusahaan.

Artinya, semakin tinggi manajemen laba akrual yang dilakukan

perusahaan maka nilai perusahaan semakin meningkat.

B. Keterbatasan Penelitian

Didasarkan pada hasil yang dicapai, penelitian ini juga masih terdapat

beberapa keterbatasan, diantaranya adalah :

1. Variabel yang diteliti masih relatif sedikit, khususnya pada beberapa

variabel mengenai manajemen laba sehingga belum mendapatkan hasil

yang optimal dalam mempengaruhi nilai perusahaan.

2. Terdapat beberapa perusahaan yang tidak melaporkan laporan keuangan

sehingga penelitian hanya mendapatkan sedikit sampel.

 55

C. Saran

Penelitian mengenai nlai perusahaan selanjutnya dimasa yang akan datang

diharapkan mampu menghasilkan hasil yang lebih baik dan nyata yang benar-

benar mencerminkan keadaan yang sebenarnya dengan mempertimbangkan

beberapa saran berikut :

1. Peneliti selanjutnya disarankan untuk meneliti lebih dalam mengenai

faktor-faktor yang dapat mempengaruhi nilai perusahaan dengan

menggunakan variabel independen yang berbeda.

2. Penelitian selanjutnya diharapkan dapat menggunakan proksi lain yang

dianggap lebih baik dalam mendeteksi nilai perusahaan.

3. Penelitian selanjutnya diharapkan dapat memperluas penggunaan sampel

agar sampel penelitian dapat digeneralisasi dan menggunakan rentang

waktu yang lebih panjang.

 56

DAFTAR PUSTAKA

Allayannis, G., & Simko, P. J. (n.d.). Earnings Smoothing, Analyst Following,

and Firm Value, Social Science Research Network.
http://ssrnn.com/abstract=1261228.

Anggraini, D. (2013). Pengaruh Good Corporate Governance Terhadap Nilai

Perusahaan Pada Perusahaan Textile, Garment yang Terdaftar di Bursa
Efek Indonesia (BEI) Periode 2009-2012. Jurnal AKuntansi Fakultas
Ekonomi Universitas Maritim Raja Ali Haji, Tanjungpinang.

Assih, P., & M, G. (2000). Hubungan Tindakan Perataan Laba dengan Reaksi
Pasar atas Pengumuman Informasi Laba Perusahaan yang Terdaftar di
Bursa Efek Jakarta. Jurnal Riset Akuntansi Indoneisa, vol.3(1), hal. 35-53.

Chen, C., & Lu, H. S. (n.d.). Managerial Empire Building, Corporate Governance,
an the Asymmetrical Behavior of Selling. General and Administrative
Costs. Working Paper University of Illinois at Urbana-Champaign.

Cohen, D., & Paul Zarowin. (n.d.). Accrual-Based and Real Earnings
Management Activities Around Seasoned Eqyuit Offerings. Journal of
Accounting & Economics Vol. 50 No.1: 2-19.

Fama, E. (n.d.). The Effect of a Firm’s Investment and Financial Decisions on the
Welfare of Its Security Holders. American Economic Review, 68 (2), 272-
284. Welfare of Its Security Holders. American Economic Review, 68 (2),
272-284. Welfare of Its Security Holders. American Economic Review, 68
(2), 27.

Ghozali, I. (2006). Apliaksi Analisis Multivariate dengan Program SPSS, Edisi

ke-4. Semarang: Badan Penerbit Universitas Diponegoro.

Graham, J. R., C, R. H., & S, R. (2005). The Economic Implications of Corporate

Financial Reporting. Journal of Accounting and Economics, 40, 3–73.

Gunny, K. (2005). What Are the Consequences of Real Earnings Management?.

Working paper. Haas School of Busnisess, University of California,
Berkeley.
 57

Hasibuan, V., Dzulkirom, M., & Endang, N. G. (2016). Pengaruh Leverage dan
Profitabilitas Terhadap Nilai Perusahaan. Jurnal Administrasi Bisnis,
Vol.39 No.1: 139-147.

Hasnawati, S., & Sawir, A. (2015). Keputusan Keuangan, Ukuran Perusahaan,

Struktur Kepemilikan, Dan Nilai Perusahaan Publik di Indonesia. Jurnal
Manajemen dan Kewirausahaan ( Journal Management and
Entrepreneurship, 17.1: 65-75.

Healy, P. M. (1985). The Effect of Bonus Schemes on Accounting Desicions.

Journal of Accounting and Economics, 10, 85-107.

Healy, P. M., & J, M. W. (1999). A Review of the Earnings Management

Literature and Its Implications for Standard Setting. Accounting Horizons,
13 (4), 365-383.

Herawati, V. (2008). Peran Praktek Corporate Governance sebagai Moderating

Variable dari Pengaruh Earnings Management terhadap Nilai Perusahaan.
Jurnal Akuntansi dan Keuangan, 10 (2). 97-108.

Hermuningsih, S., & Wardani, D. K. (2012). Faktor-Faktor Yang Mempengaruhi

Nilai Perusahaan pada Perusahaan yang Terdaftar di Bursa Efek Malaysia
dan Bursa Efek Indonesia.

Huang, C. C., Yen, S. W., Liu, C. Y., & Chang , T. P. (2014). The Relationship
AMong Brand Equity, Customer Satisfaction, and Brand Resonancee to
Repurchase Intention of Cultural and Creative Industries in Taiwan. The
International Journal of Organizational Innovation, 6(3), 106-120.

Jensen, J. M., & Meckling, W. H. (1999). Theory of The Firm: Managerial

Behavior Agency Sosts And Ownership Structure. Journal of Financial
Economics, October 1976, V. 3, No.4, pp. 305-360.

Jiraporn, Pornsit, Gary A, Miller, Soon Yuk Yoon, & Young, S. (2006). Is
Earnings Management Oppoertunistic or Benefecial? An Agency Theory
Perspective. International Review of Financial Analysis, No. 17. 622-634.

Junchristianti, Y. (2015). Pengaruh Mekanisme Corporate Governance Terhadap

Hubungan Antara Manajemen Laba Dengan Nilai Perusahaan. Jurnal
Ilmudan Riset Akuntansi, 4(3), 1-25.

Kothari, S. P., A, L., & C, W. (2005). Performance matched discretionary accrual

measures. Jornal of Accounting and Economics, 39: 163-197.
 58

Li, S. F., McDowell, & Moore, E. A. (2009). Accrual Based earnings Mangement,
Real Transactions Manipulation and Expectations Management: US and
International Evidance. Journal of Global Business Mangement, 1-7.

Putri, H. T. (2018). Pengaruh Manajemen Laba Terhadap Nilai Perusahaan.

Jurnal Manajemen dan Sains, 4(1), 51-55.

Putri, R. H., Z, A. Z., Endnag, N. P., & M, G. W. (2016). Pengaruh Risiko

likuiditas dan Rasio Profitabilitas terhadap Nilai Perusahaan (Studi pada
perusahaan sektor industri barang konsumsi yang terdaftar di BDI tahun
2012-2014. Jurnal Administrasi Nisnis (JAB), 38(2).

Roychowdhury, S. (2006). Earnings management through real activities

manipulation. Journal of Accounting and Economics, 42: 335-370.

Scott, W. R. (2000). Financial Accounting Theory Second edition. Canada:

Prentice Hall.

Suffah, R., & Akhmad, R. (2016). Pengaruh Profitabilitas, Leverage, Ukuran

Perusahaan, Dan Kebijakan Dividen Pada Nilai Perusahaan . Jurnal Ilmu
dan Riset Akuntansi , Volume 5 nomer 2 .

Sugiyono. (2008). Metode Penelitian Bisnis. Bandung: Alfabeta.

Sulistiyanto, S. (2008). Manajemen Laba Teori dan Model Empiris. Jakarta:

Grasindo.

Susanto , S., & Christiawan. (2016). Pengaruh Earnings Management terhadap

Firm Value . Business and Accounting Review, 4 (1), 205-216.

Suwarnawa, I. N., & Abudanti , N. (2016). Profitabilitas dan Likuiditas sebagai

perdictor Kebijakan Deviden dan Nilai Perusahaan pada Perusahaan
Mnaufaktur di Bursa Efek Indonesia. E-JurnalMmanajemen Unud, 5(9).
2302-8912.

Tanjung, G., & Agnes, V. (2015). Corporate Governance, Profitabilitas, Dan Nilai
Perusahaan. Jurnal Bisnis dan Manajemen, Universitas Widyatama.

Utomo, W., Rita Andini, & Kharis Raharjo. (2015). Pengaruh Leberage (DER),
Price Book Value (PBV), Ukuran Perusahaan (SIZE), Return On Equity
(ROE), Deviden Payout Ratio (DPR), Dan Likuiditas (CR) Terhadap Price
Earning Ratio (PER) Pada Perusahaan Manufaktur Yang Listing di BEI
Thaun 2009-2014. Jurnal Ilmiah Akuntansi Universitas Pandanaran.
 59

Wahyudi, U., & H, P. P. (2006). Implikasi Struktur Kepemilikan Terhadap Nilai

Perusahaan : Dengan Keputusan Keuangan Sebagai Variabel Intervening.
Symposium Nasional AKuntansi 9 Padang, 1-25.

Watts, R. L., & Jerold, L. Z. (1986). Positive Accounting Theory. Prentice Hall
1990. Positive Accounting Theory: A Ten Year Perspective. The
Accounting Review, Volume 65. Nomor 1. Halaman 131-156.

Whelan, C. (2004). The Impact of Ernings Management on the Value-Relevance

of earnings and Book Value: A Comparism of Short-term and Long-term
DIscretionary Accruals. Disertasi yang tidak dipublikasikan.
 60

LAMPIRAN
 60

LAMPIRAN 1
DATA PERUSAHAAN

N NAMA PERUSAHAAN KODE

O
1 PT ASAHIMAS FLAT GLASS Tbk AMFG
2 PT LIONMESH PRIMA Tbk LMSH
3 PT PELANGI INDAH CANINDO Tbk PICO
4 PT EKADHARMA INTERNATIONAL Tbk EKAD
5 PT INTANWIJAYA INTERNASIONAL Tbk INCI
6 PT INDO ACIDATAMA Tbk SRSN
7 PT ARGHA KARYA PRIMA INDUSTRY Tbk AKPI
8 PT CHAMPION PACIFIC INDONESIA Tbk IGAR
9 PT TRIAS SENTOSA Tbk TRST
10 PT JAPFA COMFEED INDONESIA Tbk JPFA
11 PT KEDAWUNG SETIA INDUSTRIAL Tbk KDSI
12 PT ASTRA OTOPARTS Tbk AUTO
13 PT. INDO KORDSA Tbk BRAM
14 PT PAN BROTHERS Tb PBRX
15 PT. STAR PETROCHEM Tbk STAR
16 PT TRISULA INTERNATIONAL Tbk TRIS
17 PT KMI WIRE AND CABLE Tbk KBLI
18 PT KABELINDO MURNI Tbk KBLM
19 PT SUPREME CABLE MANUFACTURING 7 COMMERCE Tbk SCCO
20 PT INDOFOOD SUKSES MAKMUR Tbk INDF
21 PT WISMILAK INTI MAKMUR TbK WIIM
22 PT DARYA-VARIA LABORATORIA Tbk DVLA
23 PT IMPACK PRATAMA INDUSTRI Tbk IMPC
 61

LAMPIRAN 2
DATA VARIABEL

NO KODE MLR MLA PBV

1 AMFG 0,044 0,011 1,097
    0,042 0,045 0,838
    0,041 0,034 0,808
    0,037 0,075 0,737
    0,037 0,074 0,580
2 LMSH 0,047 0,004 0,555
    0,039 0,014 0,491
    0,037 0,007 0,483
    0,038 -0,006 0,474
    0,041 0,019 0,296
3 PICO 0,031 0,013 0,393
    0,030 0,015 0,294
    0,032 0,017 0,487
    0,035 0,014 0,463
    0,033 0,020 0,466
4 EKAD 0,041 -0,028 1,318
    0,036 -0,027 0,958
    0,040 -0,088 0,693
    0,030 -0,028 0,733
    0,030 -0,020 0,685
5 INCI 0,029 -0,009 0,290
    0,031 -0,030 0,331
    0,033 -0,001 0,211
    0,032 -0,002 0,254
    0,035 0,002 0,375
6 SRSN 0,039 0,027 0,917
    0,040 0,025 0,885
    0,035 0,029 0,749
    0,032 0,028 0,724
    0,035 0,011 0,832
7 AKPI 0,035 0,033 0,545
    0,034 0,033 0,537
    0,030 0,028 0,546
    0,032 0,034 0,438
    0,033 0,033 0,408
8 IGAR 0,056 -0,051 1,162
    0,050 -0,047 0,701
    0,051 -0,058 1,352
 62

    0,046 -0,055 0,831

    0,041 -0,013 0,808
9 TRST 0,035 0,037 0,388
    0,033 0,042 0,207
    0,032 0,021 0,418
    0,032 0,042 0,379
    0,033 0,035 0,427
10 JPFA 0,027 0,029 0,446
    0,027 0,029 0,445
    0,026 0,026 0,436
    0,026 0,027 0,532
    0,027 0,023 0,502
11 KDSI 0,036 0,037 1,600
    0,040 0,040 0,916
    0,051 -0,013 1,359
    0,052 0,022 1,170
    0,053 -0,002 1,855
12 AUTO 0,048 0,018 0,399
    0,046 0,040 0,204
    0,044 0,023 0,338
    0,049 0,016 0,459
    0,045 0,010 0,835
13 BRAM 0,041 0,044 1,997
    0,038 0,056 0,760
    0,039 0,061 0,938
    0,040 0,056 0,475
    0,042 0,058 0,625
14 PBRX 0,035 0,016 1,013
    0,032 0,022 0,785
    0,033 0,006 1,131
    0,037 0,006 1,128
    0,042 0,009 0,866
15 STAR 0,046 0,035 1,286
    0,039 0,043 1,147
    0,038 0,040 0,974
    0,038 0,060 1,476
    0,038 0,048 1,034
16 TRIS 0,020 0,023 0,490
    0,020 0,025 0,549
    0,018 0,022 0,970
    0,017 0,024 0,842
    0,033 0,025 0,783
 63

17 KBLI 0,042 0,004 1,205

    0,043 0,015 0,955
    0,042 0,031 1,016
    0,037 0,023 0,906
    0,042 0,026 0,883
18 KBLM 0,046 0,012 0,299
    0,049 0,004 0,247
    0,046 -0,058 0,419
    0,044 -0,034 0,200
    0,038 0,036 0,207
19 SCCO 0,040 0,016 0,299
    0,041 0,024 0,249
    0,033 0,015 0,419
    0,047 0,004 0,200
    0,032 0,009 0,198
20 INDF 0,052 -0,020 0,994
    0,063 -0,104 0,828
    0,062 -0,071 1,222
    0,045 -0,028 0,676
    0,036 -0,006 0,683
21 WIIM 0,036 0,031 1,437
    0,034 0,039 1,054
    0,034 0,032 1,584
    0,036 0,031 1,429
    0,036 0,041 1,182
22 DVLA 0,038 -0,016 1,536
    0,038 -0,018 0,957
    0,037 -0,012 0,932
    0,034 0,012 0,623
    0,035 0,007 0,439
23 IMPC 0,035 0,073 1,967
    0,037 0,129 1,496
    0,037 0,131 1,821
    0,036 0,133 1,966
    0,037 0,093 1,792
 64

LAMPIRAN 3
DATA VARIABEL MANAJEMEN LABA RIIL
NO KODE TAHUN ARUS KAS OPERASI TOTAL ASET PENJUALAN PRBHN PNJLN
1 AMFG 2013 551.871 3.561.684 3.216.480
2014 564.250 3.946.125 3.672.186 455.706
2015 366.837 4.270.275 3.665.989 -6.197
2016 333.042 5.504.890 3.724.075 58.086
2017 299.081 6.267.816 3.885.791 161.716
2018 216.818 8.432.632 4.443.262 557.471
2 LMSH 2013 13.814.790.256 141.697.598.705 256.210.760.822
2014 9.999.770.412 139.915.598.255 249.072.012.369 -7.138.748.453
2015 10.910.801.951 133.782.751.041 174.598.965.938 -74.473.046.431
2016 6.871.373.245 162.828.169.250 157.855.084.036 -16.743.881.902
2017 15.388.660.677 161.163.426.840 224.371.164.551 66.516.080.515
2018 1.984.921.568 160.027.280.153 240.029.648.845 15.658.484.294
3 PICO 2013 -5.967.845.178 684.448.835.916 621.507.483.388
2014 24.408.903.218 694.332.286.638 626.626.507.164 5.119.023.776
2015 59.320.891.249 699.310.599.565 605.788.310.444 -20.838.196.720
2016 5.505.052.088 638.566.761.462 705.730.705.044 99.942.394.600
2017 -42.951.728.636 723.062.823.329 747.064.722.530 41.334.017.486
2018 75.713.565.476 852.932.442.585 776.045.443.574 28.980.721.044
4 EKAD 2013 23.212.236.930 343.601.504.089 418.668.758.095
2014 4.641.305.855 441.348.790.570 526.573.620.057 107.904.861.962
2015 100.935.448.358 389.691.595.500 531.537.606.573 4.963.986.516
2016 84.490.481.400 702.508.630.708 568.638.832.579 37.101.226.006
 65

2017 51.605.876.745 796.767.646.172 643.591.823.505 74.952.990.926

2018 61.219.347.295 853.267.454.400 739.578.860.399 95.987.036.894
5 INCI 2013 10.276.272.893 136.142.063.219 81.244.267.131
2014 -7.581.339.094 147.992.617.351 110.023.088.698 28.778.821.567
2015 25.782.575.358 169.546.066.314 136.668.408.270 26.645.319.572
2016 -8.289.910.044 269.351.381.344 176.067.561.639 39.399.153.369
2017 12.507.667.355 303.788.390.330 269.706.737.385 93.639.175.746
2018 12.092.574.806 391.362.697.956 367.961.600.950 98.254.863.565
6 SRSN 2013 37.888.934 420.782.548 392.315.526
2014 9.622.985 463.347.124 472.834.591 80.519.065
2015 -76.732.542 574.073.315 531.573.325 58.738.734
2016 114.821.748 717.149.704 500.539.668 -31.033.657
2017 85.865.101 652.726.454 521.481.727 20.942.059
2018 31.387.997 686.777.211 600.986.872 79.505.145
7 AKPI 2013 24.262.141 2.048.567.189 1.663.385.190
2014 374.349.492 2.227.042.590 1.945.383.031 281.997.841
2015 -50.796.252 2.883.143.132 2.017.466.511 72.083.480
2016 384.621.003 2.615.909.190 2.047.218.639 29.752.128
2017 145.628.143 2.745.325.833 2.064.857.643 17.639.004
2018 -16.883.236 3.070.410.492 2.387.420.036 322.562.393
8 IGAR 2013 31.571.765.591 314.746.644.499 643.403.327.263
2014 25.762.820.842 349.894.783.575 737.863.227.409 94.459.900.146
2015 80.061.208.533 383.936.040.590 677.331.846.043 -60.531.381.366
2016 63.688.738.725 439.465.673.296 792.794.834.768 115.462.988.725
2017 83.727.069.447 513.022.591.574 761.926.952.217 -30.867.882.551
2018 2.010.760.208 570.197.810.698 777.316.506.801 15.389.554.584
 66

9 IMPC 2013 180.904.469.016 1.644.814.289.797 1.241.626.476.735

2014 97.776.774.013 1.736.709.881.127 1.413.257.059.355 171.630.582.620
2015 117.482.963.139 1.675.232.685.157 1.147.838.378.766 -265.418.680.589
2016 164.657.518.831 2.276.031.922.082 1.135.296.191.546 -12.542.187.220
2017 20.613.985.520 2.294.677.493.483 1.193.054.430.825 57.758.239.279
2018 43.232.569.972 2.370.198.817.803 1.395.298.815.177 202.244.384.352
10 TRST 2013 111.913.265.220 3.260.919.505.192 2.033.149.367.039
2014 236.909.957.713 3.261.285.495.052 2.507.884.797.367 474.735.430.328
2015 135.020.261.491 3.357.359.499.954 2.457.349.444.991 -50.535.352.376
2016 239.192.778.741 3.290.596.224.286 2.249.418.846.803 -207.930.598.188
2017 229.411.066.077 3.332.905.936.010 2.354.938.016.436 105.519.169.633
2018 118.453.889.096 4.284.901.587.126 2.630.918.557.954 275.980.541.518
11 JPFA 2013 173.609 21.412.085 14.917.590
2014 1.570.533 24.458.880 15.730.435 812.845
2015 1.452.924 17.149.466 25.002.913 9.272.478
2016 2.753.605 18.252.742 27.063.310 2.060.397
2017 770.662 19.959.548 29.602.688 2.539.378
2018 1.840.529 23.038.028 34.012.965 4.410.277
12 KDSI 2013 85.343.533.207 850.233.842.186 1.386.314.584.485
2014 -24.155.490.938 952.177.443.047 1.626.232.662.544 239.918.078.059
2015 -41.864.462.623 1.177.093.668.866 1.713.946.192.967 87.713.530.423
2016 85.536.484.701 1.142.273.020.550 1.995.337.146.834 281.390.953.867
2017 -61.261.640.106 1.328.291.727.616 2.245.519.457.754 250.182.310.920
2018 88.557.902.537 1.391.416.464.512 2.327.951.625.610 82.432.167.856
13 AUTO 2013 551.756 12.617.678 10.701.988
2014 264.565 14.387.568 12.255.427 1.553.439
 67

2015 866.768 14.339.110 11.723.787 -531.640

2016 1.059.369 14.612.274 12.806.867 1.083.080
2017 394.229 14.762.309 13.549.857 742.990
2018 678.469 15.889.648 15.356.381 1.806.524
14 BRAM 2013 13.886.278 239.028.396 200.167.829
2014 29.224.893 308.298.067 207.717.046 7.549.217
2015 26.207.503 291.834.622 207.866.547 149.501
2016 48.258.236 296.060.495 220.298.959 12.432.412
2017 24.057.140 241.782.757 304.483.626 84.184.667
2018 41.547.838 264.440.260 296.400.018 -8.083.608
15 PBRX 2013 21.965.679 233.842.506 339.723.836
2014 18.612.890 366.494.477 338.529.242 -1.194.594
2015 -26.865.028 442.841.222 418.575.192 80.045.950
2016 -35.840.726 519.506.767 482.204.159 63.628.967
2017 -21.472.670 573.351.293 549.355.786 67.151.627
2018 -11.397.740 579.066.122 611.371.311 62.015.525
16 STAR 2013 5.562.378.087 749.402.740.231 274.141.734.113
2014 -31.499.865.702 775.917.827.931 228.622.027.943 -45.519.706.170
2015 33.093.380.375 729.020.553.284 258.967.329.940 30.345.301.997
2016 36.390.716.827 690.187.353.961 129.480.611.941 -129.486.717.999
2017 78.783.737.757 131.833.235.355 114.496.159.735 -14.984.452.206
2018 30.736.659.689 615.956.006.710 131.833.235.355 17.337.075.620
17 TRIS 2013 22.118.879.879 475.428.240.024 709.945.585.382
2014 51.371.394 524.822.079.973 746.828.922.732 36.883.337.350
2015 63.376.934.300 577.786.346.557 859.743.472.895 112.914.550.163
2016 13.169.891.854 639.701.164.511 901.909.489.240 42.166.016.345
 68

2017 44.384.663.571 544.968.319.987 773.806.956.330 -128.102.532.910

2018 21.043.441.800 633.014.281.325 860.682.351.001 86.875.394.671
18 KBLI 2013 -27.123.241.057 1.345.309.104.201 2.572.350.000.000
2014 170.079.674.604 1.340.881.252.563 2.384.078.038.239 -188.271.961.761
2015 46.127.980.815 1.551.799.840.976 2.662.038.531.021 277.960.492.782
2016 383.175.671.680 1.871.422.416.044 2.812.196.217.447 150.157.686.426
2017 -65.871.447.329 3.013.760.616.985 3.186.704.707.526 374.508.490.079
1.053.232.682.47
2018 89.354.164.341
3.244.821.647.076 4.239.937.390.001 5
19 KBLM 2013 -105.551.188.963 654.296.000.000 1.032.787.000.000
2014 6.098.895.903 647.249.655.440 919.537.870.594 -113.249.129.406
2015 29.940.416.899 954.385.717.061 967.710.339.797 48.172.469.203
2016 33.243.536.568 639.091.366.917 987.409.109.474 19.698.769.677
2017 -5.645.375.903 1.235.198.847.468 1.215.476.677.995 228.067.568.521
2018 49.396.645.050 1.298.358.478.375 1.243.465.775.218 27.989.097.223
20 SCCO 2013 20.804.645.848 1.761.007.000.000 3.751.041.000.000
2014 61.171.128.817 1.293.776.722.303 3.703.267.949.291 -47.773.050.709
2015 197.980.124.011 1.380.917.436.620 3.533.081.041.052 -170.186.908.239
2016 522.526.834.709 2.449.935.491.586 3.742.637.722.322 209.556.681.270
2017 -70.250.625.762 4.014.244.589.706 4.440.404.595.541 697.766.873.219
2018 -133.493.168.560 4.165.196.478.857 5.160.182.004.111 719.777.408.570
21 INDF 2013 6.928.790 77.611.416 55.623.657
*********
2014 9.269.318
*- 86.077.251 63.594.452 7.970.795
2015 4.213.613 91.831.526 64.061.947 467.495
2016 7.175.603 82.699.635 66.750.317 2.688.370
2017 6.507.806 88.400.877 70.186.618 3.436.301
 69

2018 5.935.829 96.537.796 73.394.728 3.208.110

22 WIIM 2013 -45.910.615.406 1.229.011.260.881 1.588.022.200.150
2014 44.609.246.858 1.334.544.790.387 1.661.533.200.316 73.511.000.166
2015 62.869.126.110 1.342.700.045.391 1.839.419.574.956 177.886.374.640
2016 136.703.864.740 1.353.634.132.275 1.685.795.530.617 -153.624.044.339
2017 194.599.188.956 1.225.712.093.041 1.476.427.090.781 -209.368.439.836
2018 140.978.069.476 1.255.573.914.558 1.405.384.153.405 -71.042.937.376
23 DVLA 2013 106.931.180 1.190.054.288 1.101.684.170
2014 104.436.317 1.236.247.525 1.103.821.775 2.137.605
2015 214.166.823 1.376.278.237 1.306.098.136 202.276.361
2016 187.475.539 1.531.365.558 1.451.356.680 145.258.544
2017 230.738.193 1.640.886.147 1.575.647.308 124.290.628
2018 26.628.428 1.682.821.739 1.699.657.296 124.009.988

NO KODE TAHUN CFO / At-1 1/log at-1 st/at-1 deltast/at-1

1 AMFG 2014 0,15842 0,15263 1,03103 0,12795

2015 0,09296 0,15160 0,92901 -0,00157

2016 0,07799 0,15082 0,87209 0,01360

2017 0,05433 0,14835 0,70588 0,02938

2018 0,03459 0,14712 0,70890 0,08894

2 LMSH 2014 0,07057 0,08968 1,75777 -0,05038

2015 0,07798 0,08972 1,24789 -0,53227

 70

2016 0,05136 0,08988 1,17994 -0,12516

2017 0,09451 0,08919 1,37796 0,40850

2018 0,01232 0,08923 1,48936 0,09716

3 PICO 2014 0,03566 0,08449 0,91552 0,00748

2015 0,08544 0,08445 0,87248 -0,03001

2016 0,00787 0,08443 1,00918 0,14292

2017 -0,06726 0,08471 1,16991 0,06473

2018 0,10471 0,08432 1,07328 0,04008

4 EKAD 2014 0,01351 0,08668 1,53251 0,31404

2015 0,22870 0,08588 1,20435 0,01125

2016 0,21681 0,08628 1,45920 0,09521

2017 0,07346 0,08441 0,91613 0,10669

2018 0,07683 0,08402 0,92822 0,12047

5 INCI 2014 -0,05569 0,08982 0,80815 0,21139

2015 0,17422 0,08952 0,92348 0,18004

2016 -0,04889 0,08905 1,03846 0,23238

2017 0,04644 0,08749 1,00132 0,34765

2018 0,03981 0,08709 1,21124 0,32343

6 SRSN 2014 0,02287 0,11595 1,12370 0,19136

 71

2015 -0,16560 0,11539 1,14725 0,12677

2016 0,20001 0,11417 0,87191 -0,05406

2017 0,11973 0,11292 0,72716 0,02920

2018 0,04809 0,11345 0,92073 0,12180

7 AKPI 2014 0,18274 0,10739 0,94963 0,13766

2015 -0,02281 0,10698 0,90589 0,03237

2016 0,13340 0,10571 0,71006 0,01032

2017 0,05567 0,10618 0,78935 0,00674

2018 -0,00615 0,10595 0,86963 0,11750

8 IGAR 2014 0,08185 0,08697 2,34431 0,30011

2015 0,22882 0,08663 1,93582 -0,17300

2016 0,16588 0,08632 2,06491 0,30073

2017 0,19052 0,08589 1,73376 -0,07024

2018 0,00392 0,08540 1,51517 0,03000

9 IMPC 2014 0,05945 0,08186 0,85922 0,10435

2015 0,06765 0,08170 0,66093 -0,15283

2016 0,09829 0,08181 0,67769 -0,00749

2017 0,00906 0,08092 0,52418 0,02538

2018 0,01884 0,08090 0,60806 0,08814

 72

10 TRST 2014 0,07265 0,07991 0,76907 0,14558

2015 0,04140 0,07991 0,75349 -0,01550

2016 0,07124 0,07983 0,67000 -0,06193

2017 0,06972 0,07989 0,71566 0,03207

2018 0,03554 0,07985 0,78938 0,08280

11 JPFA 2014 0,07335 0,13641 0,73465 0,03796

2015 0,05940 0,13535 1,02224 0,37910

2016 0,16057 0,13823 1,57808 0,12014

2017 0,04222 0,13772 1,62182 0,13912

2018 0,09221 0,13698 1,70409 0,22096

12 KDSI 2014 -0,02841 0,08383 1,91269 0,28218

2015 -0,04397 0,08348 1,80003 0,09212

2016 0,07267 0,08284 1,69514 0,23906

2017 -0,05363 0,08293 1,96583 0,21902

2018 0,06667 0,08249 1,75259 0,06206

13 AUTO 2014 0,02097 0,14083 0,97129 0,12312

2015 0,06024 0,13970 0,81486 -0,03695

2016 0,07388 0,13973 0,89314 0,07553

2017 0,02698 0,13957 0,92729 0,05085

 73

2018 0,04596 0,13949 1,04024 0,12237

14 BRAM 2014 0,12227 0,11935 0,86901 0,03158

2015 0,08501 0,11780 0,67424 0,00048

2016 0,16536 0,11813 0,75488 0,04260

2017 0,08126 0,11804 1,02845 0,28435

2018 0,17184 0,11928 1,22589 -0,03343

15 PBRX 2014 0,07960 0,11949 1,44768 -0,00511

2015 -0,07330 0,11677 1,14211 0,21841

2016 -0,08093 0,11566 1,08889 0,14368

2017 -0,04133 0,11474 1,05746 0,12926

2018 -0,01988 0,11418 1,06631 0,10816

16 STAR 2014 -0,04203 0,08421 0,30507 -0,06074

2015 0,04265 0,08411 0,33376 0,03911

2016 0,04992 0,08430 0,17761 -0,17762

2017 0,11415 0,08447 0,16589 -0,02171

2018 0,23315 0,08993 1,00000 0,13151

17 TRIS 2014 0,00011 0,08564 1,57086 0,07758

2015 0,12076 0,08532 1,63816 0,21515

2016 0,02279 0,08502 1,56097 0,07298

 74

2017 0,06938 0,08470 1,20964 -0,20025

2018 0,03861 0,08521 1,57933 0,15941

18 KBLI 2014 0,12642 0,08245 1,77214 -0,13995

2015 0,03440 0,08246 1,98529 0,20730

2016 0,24692 0,08203 1,81222 0,09676

2017 -0,03520 0,08149 1,70282 0,20012

2018 0,02965 0,08013 1,40686 0,34947

19 KBLM 2014 0,00932 0,08463 1,40539 -0,17309

2015 0,04626 0,08467 1,49511 0,07443

2016 0,03483 0,08347 1,03460 0,02064

2017 -0,00883 0,08471 1,90188 0,35686

2018 0,03999 0,08270 1,00669 0,02266

20 SCCO 2014 0,03474 0,08166 2,10293 -0,02713

2015 0,15302 0,08256 2,73083 -0,13154

2016 0,37839 0,08237 2,71025 0,15175

2017 -0,02867 0,08072 1,81246 0,28481

2018 -0,03325 0,07934 1,28547 0,17931

21 INDF 2014 0,11943 0,12674 0,81940 0,10270

2015 0,04895 0,12603 0,74424 0,00543

 75

2016 0,07814 0,12558 0,72688 0,02928

2017 0,07869 0,12630 0,84869 0,04155

2018 0,06715 0,12584 0,83025 0,03629

22 WIIM 2014 0,03630 0,08272 1,35193 0,05981

2015 0,04711 0,08247 1,37831 0,13329

2016 0,10181 0,08245 1,25553 -0,11441

2017 0,14376 0,08243 1,09071 -0,15467

2018 0,11502 0,08272 1,14659 -0,05796

23 DVLA 2014 0,08776 0,11019 0,92754 0,00180

2015 0,17324 0,10999 1,05650 0,16362

2016 0,13622 0,10942 1,05455 0,10554

2017 0,15067 0,10887 1,02892 0,08116

2018 0,01623 0,10852 1,03582 0,07558

NO KODE TAHUN CFO / At-1  beta 1/log at-1 beta  st/at-1 beta  deltast/at-1 MLR

1  AMFG 2014 0,15842 0,167 0,15263 0,018 1,03103 -0,003 0,12795 1,31161

  2015 0,09296 0,167 0,15160 0,018 0,92901 -0,003 -0,00157 1,07904

  2016 0,07799 0,167 0,15082 0,018 0,87209 -0,003 0,01360 1,03651

 76

  2017 0,05433 0,167 0,14835 0,018 0,70588 -0,003 0,02938 0,88361

  2018 0,03459 0,167 0,14712 0,018 0,70890 -0,003 0,08894 0,94496

2  LMSH 2014 0,07057 0,167 0,08968 0,018 1,75777 -0,003 -0,05038 1,79707

  2015 0,07798 0,167 0,08972 0,018 1,24789 -0,003 -0,53227 0,80534

  2016 0,05136 0,167 0,08988 0,018 1,17994 -0,003 -0,12516 1,14466

  2017 0,09451 0,167 0,08919 0,018 1,37796 -0,003 0,40850 1,87566

  2018 0,01232 0,167 0,08923 0,018 1,48936 -0,003 0,09716 1,67574

3  PICO 2014 0,03566 0,167 0,08449 0,018 0,91552 -0,003 0,00748 1,00749

  2015 0,08544 0,167 0,08445 0,018 0,87248 -0,003 -0,03001 0,92691

  2016 0,00787 0,167 0,08443 0,018 1,00918 -0,003 0,14292 1,23652

  2017 -0,06726 0,167 0,08471 0,018 1,16991 -0,003 0,06473 1,31935

  2018 0,10471 0,167 0,08432 0,018 1,07328 -0,003 0,04008 1,19768

4 EKAD  2014 0,01351 0,167 0,08668 0,018 1,53251 -0,003 0,31404 1,93324

  2015 0,22870 0,167 0,08588 0,018 1,20435 -0,003 0,01125 1,30147

  2016 0,21681 0,167 0,08628 0,018 1,45920 -0,003 0,09521 1,64068

  2017 0,07346 0,167 0,08441 0,018 0,91613 -0,003 0,10669 1,10724

  2018 0,07683 0,167 0,08402 0,018 0,92822 -0,003 0,12047 1,13272

5 INCI  2014 -0,05569 0,167 0,08982 0,018 0,80815 -0,003 0,21139 1,10935
 77

  2015 0,17422 0,167 0,08952 0,018 0,92348 -0,003 0,18004 1,19305

  2016 -0,04889 0,167 0,08905 0,018 1,03846 -0,003 0,23238 1,35990

  2017 0,04644 0,167 0,08749 0,018 1,00132 -0,003 0,34765 1,43645

  2018 0,03981 0,167 0,08709 0,018 1,21124 -0,003 0,32343 1,62176

6  SRSN 2014 0,02287 0,167 0,11595 0,018 1,12370 -0,003 0,19136 1,43101

  2015 -0,16560 0,167 0,11539 0,018 1,14725 -0,003 0,12677 1,38941

  2016 0,20001 0,167 0,11417 0,018 0,87191 -0,003 -0,05406 0,93202

  2017 0,11973 0,167 0,11292 0,018 0,72716 -0,003 0,02920 0,86928

  2018 0,04809 0,167 0,11345 0,018 0,92073 -0,003 0,12180 1,15598

7  AKPI 2014 0,18274 0,167 0,10739 0,018 0,94963 -0,003 0,13766 1,19468

  2015 -0,02281 0,167 0,10698 0,018 0,90589 -0,003 0,03237 1,04524

  2016 0,13340 0,167 0,10571 0,018 0,71006 -0,003 0,01032 0,82609

  2017 0,05567 0,167 0,10618 0,018 0,78935 -0,003 0,00674 0,90227

  2018 -0,00615 0,167 0,10595 0,018 0,86963 -0,003 0,11750 1,09307

8  IGAR 2014 0,08185 0,167 0,08697 0,018 2,34431 -0,003 0,30011 2,73139

  2015 0,22882 0,167 0,08663 0,018 1,93582 -0,003 -0,17300 1,84944

  2016 0,16588 0,167 0,08632 0,018 2,06491 -0,003 0,30073 2,45197

  2017 0,19052 0,167 0,08589 0,018 1,73376 -0,003 -0,07024 1,74941

  2018 0,00392 0,167 0,08540 0,018 1,51517 -0,003 0,03000 1,63056

 78

9 IMPC  2014 0,05945 0,167 0,08186 0,018 0,85922 -0,003 0,10435 1,04543

  2015 0,06765 0,167 0,08170 0,018 0,66093 -0,003 -0,15283 0,58980

  2016 0,09829 0,167 0,08181 0,018 0,67769 -0,003 -0,00749 0,75201

  2017 0,00906 0,167 0,08092 0,018 0,52418 -0,003 0,02538 0,63048

  2018 0,01884 0,167 0,08090 0,018 0,60806 -0,003 0,08814 0,77710

10  TRST 2014 0,07265 0,167 0,07991 0,018 0,76907 -0,003 0,14558 0,99457

  2015 0,04140 0,167 0,07991 0,018 0,75349 -0,003 -0,01550 0,81791

  2016 0,07124 0,167 0,07983 0,018 0,67000 -0,003 -0,06193 0,68790

  2017 0,06972 0,167 0,07989 0,018 0,71566 -0,003 0,03207 0,82761

  2018 0,03554 0,167 0,07985 0,018 0,78938 -0,003 0,08280 0,95204

11  JPFA 2014 0,07335 0,167 0,13641 0,018 0,73465 -0,003 0,03796 0,90903

  2015 0,05940 0,167 0,13535 0,018 1,02224 -0,003 0,37910 1,53669

  2016 0,16057 0,167 0,13823 0,018 1,57808 -0,003 0,12014 1,83646

  2017 0,04222 0,167 0,13772 0,018 1,62182 -0,003 0,13912 1,89866

  2018 0,09221 0,167 0,13698 0,018 1,70409 -0,003 0,22096 2,06204

12 KDSI  2014 -0,02841 0,167 0,08383 0,018 1,91269 -0,003 0,28218 2,27869

  2015 -0,04397 0,167 0,08348 0,018 1,80003 -0,003 0,09212 1,97563

  2016 0,07267 0,167 0,08284 0,018 1,69514 -0,003 0,23906 2,01704

  2017 -0,05363 0,167 0,08293 0,018 1,96583 -0,003 0,21902 2,26779

 79

  2018 0,06667 0,167 0,08249 0,018 1,75259 -0,003 0,06206 1,89714

13  AUTO 2014 0,02097 0,167 0,14083 0,018 0,97129 -0,003 0,12312 1,23523

  2015 0,06024 0,167 0,13970 0,018 0,81486 -0,003 -0,03695 0,91761

  2016 0,07388 0,167 0,13973 0,018 0,89314 -0,003 0,07553 1,10841

  2017 0,02698 0,167 0,13957 0,018 0,92729 -0,003 0,05085 1,11771

  2018 0,04596 0,167 0,13949 0,018 1,04024 -0,003 0,12237 1,30210

14 BRAM  2014 0,12227 0,167 0,11935 0,018 0,86901 -0,003 0,03158 1,01994

  2015 0,08501 0,167 0,11780 0,018 0,67424 -0,003 0,00048 0,79252

  2016 0,16536 0,167 0,11813 0,018 0,75488 -0,003 0,04260 0,91561

  2017 0,08126 0,167 0,11804 0,018 1,02845 -0,003 0,28435 1,43084

  2018 0,17184 0,167 0,11928 0,018 1,22589 -0,003 -0,03343 1,31174

15  PBRX 2014 0,07960 0,167 0,11949 0,018 1,44768 -0,003 -0,00511 1,56206

  2015 -0,07330 0,167 0,11677 0,018 1,14211 -0,003 0,21841 1,47728

  2016 -0,08093 0,167 0,11566 0,018 1,08889 -0,003 0,14368 1,34823

  2017 -0,04133 0,167 0,11474 0,018 1,05746 -0,003 0,12926 1,30145

  2018 -0,01988 0,167 0,11418 0,018 1,06631 -0,003 0,10816 1,28865

16  STAR 2014 -0,04203 0,167 0,08421 0,018 0,30507 -0,003 -0,06074 0,32854

  2015 0,04265 0,167 0,08411 0,018 0,33376 -0,003 0,03911 0,45697

  2016 0,04992 0,167 0,08430 0,018 0,17761 -0,003 -0,17762 0,08429

 80

  2017 0,11415 0,167 0,08447 0,018 0,16589 -0,003 -0,02171 0,22865

  2018 0,23315 0,167 0,08993 0,018 1,00000 -0,003 0,13151 1,22144

17 TRIS  2014 0,00011 0,167 0,08564 0,018 1,57086 -0,003 0,07758 1,73407

  2015 0,12076 0,167 0,08532 0,018 1,63816 -0,003 0,21515 1,93863

  2016 0,02279 0,167 0,08502 0,018 1,56097 -0,003 0,07298 1,71897

  2017 0,06938 0,167 0,08470 0,018 1,20964 -0,003 -0,20025 1,09409

  2018 0,03861 0,167 0,08521 0,018 1,57933 -0,003 0,15941 1,82394

18 KBLI  2014 0,12642 0,167 0,08245 0,018 1,77214 -0,003 -0,13995 1,71464

  2015 0,03440 0,167 0,08246 0,018 1,98529 -0,003 0,20730 2,27505

  2016 0,24692 0,167 0,08203 0,018 1,81222 -0,003 0,09676 1,99101

  2017 -0,03520 0,167 0,08149 0,018 1,70282 -0,003 0,20012 1,98443

  2018 0,02965 0,167 0,08013 0,018 1,40686 -0,003 0,34947 1,83647

19  KBLM 2014 0,00932 0,167 0,08463 0,018 1,40539 -0,003 -0,17309 1,31693

  2015 0,04626 0,167 0,08467 0,018 1,49511 -0,003 0,07443 1,65420

  2016 0,03483 0,167 0,08347 0,018 1,03460 -0,003 0,02064 1,13872

  2017 -0,00883 0,167 0,08471 0,018 1,90188 -0,003 0,35686 2,34345

  2018 0,03999 0,167 0,08270 0,018 1,00669 -0,003 0,02266 1,11205

20 SCCO  2014 0,03474 0,167 0,08166 0,018 2,10293 -0,003 -0,02713 2,15746

  2015 0,15302 0,167 0,08256 0,018 2,73083 -0,003 -0,13154 2,68185

 81

  2016 0,37839 0,167 0,08237 0,018 2,71025 -0,003 0,15175 2,94438

  2017 -0,02867 0,167 0,08072 0,018 1,81246 -0,003 0,28481 2,17798

  2018 -0,03325 0,167 0,07934 0,018 1,28547 -0,003 0,17931 1,54412

21  INDF 2014 0,11943 0,167 0,12674 0,018 0,81940 -0,003 0,10270 1,04884

  2015 0,04895 0,167 0,12603 0,018 0,74424 -0,003 0,00543 0,87569

  2016 0,07814 0,167 0,12558 0,018 0,72688 -0,003 0,02928 0,88173

  2017 0,07869 0,167 0,12630 0,018 0,84869 -0,003 0,04155 1,01655

  2018 0,06715 0,167 0,12584 0,018 0,83025 -0,003 0,03629 0,99238

22  WIIM 2014 0,03630 0,167 0,08272 0,018 1,35193 -0,003 0,05981 1,49446

  2015 0,04711 0,167 0,08247 0,018 1,37831 -0,003 0,13329 1,59408

  2016 0,10181 0,167 0,08245 0,018 1,25553 -0,003 -0,11441 1,22357

  2017 0,14376 0,167 0,08243 0,018 1,09071 -0,003 -0,15467 1,01847

  2018 0,11502 0,167 0,08272 0,018 1,14659 -0,003 -0,05796 1,17135

23 DVLA  2014 0,08776 0,167 0,11019 0,018 0,92754 -0,003 0,00180 1,03952

  2015 0,17324 0,167 0,10999 0,018 1,05650 -0,003 0,16362 1,33011

  2016 0,13622 0,167 0,10942 0,018 1,05455 -0,003 0,10554 1,26952

  2017 0,15067 0,167 0,10887 0,018 1,02892 -0,003 0,08116 1,21895

  2018 0,01623 0,167 0,10852 0,018 1,03582 -0,003 0,07558 1,21991

 82

LAMPIRAN 4
DATA VARIABEL MANAJEMEN LABA AKRUAL

NO KODE TAHUN STACC TOTAL ASET PENDAPATAN JUMLAH AKTIVA PIUTANG USAHA LABA BERSIH
1 AMFG 2013 93.349 3.561.684 3.216.480 1.787.723 1.100.983 338.358
    2014 101.106 3.946.125 3.672.186 2.231.181 354.306 458.635
    2015 138.521 4.270.275 3.665.989 1.787.723 358.377 260.444
    2016 132.432 5.504.890 3.724.075 2.231.181 353.443 341.346
    2017 201.201 6.267.816 3.885.791 2.003.321 367.771 38.569
    2018 202.020 8.432.632 4.443.262 2.208.918 399.595 6.596
2 LMSH 2013 404.493.320 141.697.598.705 256.210.760.822 115.485.009.525 24.299.962.987 14.382.899.194
    2014 727.240.660 139.915.598.255 249.072.012.369 107.779.916.138 24.106.193.844 7.403.115.436
    2015 392.957.807 133.782.751.041 174.598.965.938 89.126.109.044 20.876.982.285 1.944.443.395
    2016 840.013.221 162.828.169.250 157.855.084.036 98.274.709.046 19.348.826.694 6.252.814.811
    2017 507.501.490 161.163.426.840 224.371.164.551 89.570.023.525 17.642.819.503 12.967.113.850
    2018 343.104.162 160.027.280.153 240.029.648.845 91.588.263.964 20.218.412.284 2.886.727.390
3 PICO 2013 2.072.092.438 684.448.835.916 621.507.483.388 458.864.458.682 93.162.013.325 15,439,372,429
    2014 783.434.969 694.332.286.638 626.626.507.164 457.862.103.838 101.192.474.458 16.226.153.752
    2015 1.288.189.454 699.310.599.565 605.788.310.444 449.061.302.609 86.416.820.880 14.975.406.018
    2016 1.280.179.557 638.566.761.462 705.730.705.044 396.400.172.713 88.845.982.857 13.753.451.941
    2017 4.023.594.848 723.062.823.329 747.064.722.530 487.491.234.444 168.420.861.215 20.047.896.799
    2018 5.730.881.740 852.932.442.585 776.045.443.574 508.708.851.191 163.346.993.921 17.649.041.581
4 EKAD 2013 1.196.707.547 343.601.504.089 418.668.758.095 229.041.255.054 62.545.480.155 39.450.652.821
    2014 1.197.533.266 441.348.790.570 526.573.620.057 296.439.331.922 73.793.333.708 40.985.863.205
    2015 606.145.232 389.691.595.500 531.537.606.573 284.055.202.739 70.048.850.011 47.040.256.456
    2016 1.146.928.808 702.508.630.708 568.638.832.579 337.644.083.636 81.737.871.362 90.685.821.530
 83

    2017 752.739.045 796.767.646.172 643.591.823.505 413.617.087.456 91.479.657.638 76.195.665.729

    2018 830.550.650 853.267.454.400 739.578.860.399 461.472.621.715 104.243.059.292 74.045.187.763
5 INCI 2013 1.257.619.999 136.142.063.219 81.244.267.131 84,716,525,404 15.676.727.807 10.331.808.096
    2014 505.440.114 147.992.617.351 110.023.088.698 86,975,126,394 17.177.954.120 11.028.221.012
    2015 0 169.546.066.314 136.668.408.270 107,268,622,816 26.413.647.515 16.960.660.023
    2016 316.093.229 269.351.381.344 176.067.561.639 118,743,367,562 46.741.563.765 9.988.836.259
    2017 268.412.573 303.788.390.330 269.706.737.385 145,540,638,781 68.928.603.979 16.554.272.131
    2018 321.418.777 391.362.697.956 367.961.600.950 191,492,982,970 79.844.551.996 16.675.673.703
6 SRSN 2013 3.023.737 420.782.548 392.315.526 294,789,185 81.304.190 15.994.295
    2014 4.153.839 463.347.124 472.834.591 335,892,148 94.466.094 14.456.260
    2015 3.918.762 574.073.315 531.573.325 440,739,213 117.335.496 15.504.788
    2016 4.470.520 717.149.704 500.539.668 481,542,567 118.257.338 11.056.051
    2017 5.483.713 652.726.454 521.481.727 422.532.126 95.520.907 17.698.567
    2018 4.988.712 686.777.211 600.986.872 448.247.260 128.433.648 38.735.092
7 AKPI 2013 20.696.506 2.048.567.189 1.663.385.190 941.106.909 415.418.127 34.620.336
    2014 20.082.676 2.227.042.590 1.945.383.031 920.178.174 398.815.195 34960704
    2015 20.210.244 2.883.143.132 2.017.466.511 1.015.820.277 467.422.285 27.644.714
    2016 20.046.382 2.615.909.190 2.047.218.639 870.146.141 356.148.507 52.393.857
    2017 25.454.396 2.745.325.833 2.064.857.643 1.003.030.428 975.054.765 13.333.970
    2018 25.196.462 3.070.410.492 2.387.420.036 1.233.718.090 117.335 64.226.271
8 IGAR 2013 2.731.179.162 314.746.644.499 643.403.327.263 262.716.285.534 127.793.506.820 35.030.416.158
    2014 2.490.126.333 349.894.783.575 737.863.227.409 302.146.092.589 147.207.368.613 54.898.874.758
    2015 1.177.463.404 383.936.040.590 677.331.846.043 309,534,956,646 125.281.326.453 51.416.184.307
    2016 1.434.041.480 439.465.673.296 792.794.834.768 363,004,314,204 136.984.654.250 69.305.629.795
    2017 1.879.338.191 513.022.591.574 761.926.952.217 396.252.892.753 138.818.678.276 72.376.683.136
    2018 3.086.982.605 570.197.810.698 777.316.506.801 416.191.470.230 155.930.119.765 44.672.438.405
 84

1.644.814.289.79 1.241.626.476.73 1.156.517.452.92

9 IMPC
2013 20.625.736.822 7 5 0 178.310.667.742 185.668.041.474
1.736.709.881.12 1.413.257.059.35 1.209.092.505.23
   
2014 20.820.073.977 7 5 4 166.250.123.978 289.798.711.811
1.675.232.685.15 1.147.838.378.76
   
2015 19.513.733.783 7 6 897.761.062.659 152.118.253.061 129.759.075.975
2.276.031.922.08 1.135.296.191.54 1.261.952.056.09
   
2016 26.912.151.204 2 6 4 186.530.793.550 125.823.130.775
2.294.677.493.48 1.193.054.430.82 1.200.668.597.43
   
2017 28.759.125.976 3 5 8 242.207.650.405 91.303.491.940
2.370.198.817.80 1.395.298.815.17 1.220.137.554.01
   
2018 27.859.861.815 3 7 4 255.118.624.561 105.523.929.164
3.260.919.505.19 2.033.149.367.03 1.194.457.109.01
10 TRST
2013 24.820.728.146 2 9 4 475.666.875.311 32.965.552.359
3.261.285.495.05 2.507.884.797.36 1.182.292.914.59
   
2014 31.681.191.315 2 7 5 484.265.476.751 30.084.477.143
3.357.359.499.95 2.457.349.444.99 1.137.766.718.03
   
2015 33.940.537.294 4 1 1 428.081.416.006 25.314.103.403
3.290.596.224.28 2.249.418.846.80 1.179.999.891.76
   
2016 30.259.345.739 6 3 8 408.872.965.447 33.794.866.940
3.332.905.936.01 2.354.938.016.43 1.189.727.024.90
   
2017 33.138.772.080 0 6 6 430.289.817.684 38.199.681.742
4.284.901.587.12 2.630.918.557.95 1.494.150.559.01
   
2018 31.099.616.246 6 4 8 506.095.944.881 63.193.899.099
11 JPFA 2013 150.402 21.412.085 14.917.590 9.004.667 1.197.356 640.637
    2014 147.736 24.458.880 15.730.435 8.709.315 1.242.642 384.846
    2015 190.831 17.149.466 25.002.913 9.604.154 1.199.675 524.484
    2016 172.685 18.252.742 27.063.310 10.755.503 1.211.728 2.171.608
    2017 181.949 19.959.548 29.602.688 11.189.325 1.540.603 1.043.104
    2018 253.937 23.038.028 34.012.965 12.415.809 1.692.777 2.253.201
 85

1.386.314.584.48
12 KDSI
2013 12.166.869.323 850.233.842.186 5 490.442.425.485 236.586.529.881 36.002.772.194
1.626.232.662.54
   
2014 15.520.646.730 952.177.443.047 4 556.324.706.587 296.104.466.395 44.489.139.365
1.177.093.668.86 1.713.946.192.96
   
2015 20.411.822.535 6 7 731.258.691.057 331.594.826.930 11.470.563.293
1.142.273.020.55 1.995.337.146.83
   
2016 20.585.555.566 0 4 709.583.883.699 366.702.067.522 47.127.349.067
1.328.291.727.61 2.245.519.457.75
   
2017 23.811.677.248 6 4 841.180.577.983 415.080.462.642 68.965.208.549
1.391.416.464.51 2.327.951.625.61
   
2018 19.700.380.707 2 0 824.176.454.137 370.235.456.448 76.761.902.211
13 AUTO 2013 534.248 12.617.678 10.701.988 5.029.517 1527,868 1.058.015
    2014 534.841 14.387.568 12.255.427 5.138.080 1678455 954.086
    2015 402.492 14.339.110 11.723.787 4.796.770 1551614 322.701
    2016 535.455 14.612.274 12.806.867 4.903.902 1638291 483.421
    2017 518.261 14.762.309 13.549.857 5.228.541 1824919 547.781
    2018 595.557 15.889.648 15.356.381 6.013.683 1930118 680.801
14 BRAM 2013 3.052.515 239.028.396 200.167.829 91.543.671 30888462 5.542.270
    2014 3.658.739 308.298.067 207.717.046 1 09.402.632 30029461 15.886.367
    2015 2.850.649 291.834.622 207.866.547 102.097.679 27973781 12.573.606
    2016 3.196.038 296.060.495 220.298.959 112.618.311 35042866 22.299.582
    2017 3.243.659 241.782.757 304.483.626 116.542.599 41281367 24.567.927
    2018 3.904.089 264.440.260 296.400.018 108.415.026 40192319 19.377.050
15 PBRX 2013 2.793.472 233.842.506 339.723.836 170.214.582 45254418 10.449.408
    2014 5.171.119 366.494.477 338.529.242 284.235.425 51.874.076 9.326.612
    2015 7.232.832 442.841.222 418.575.192 310.551.201 65.668.912 8.621.497
    2016 9.172.796 519.506.767 482.204.159 386.571.023 80.462.162 13.286.218
 86

    2017 17.621.875 573.351.293 549.355.786 439,005,319 95941410 7.816.516

    2018 16.660.345 579.066.122 611.371.311 450,990,985 107464411 16.260.183
16 STAR 2013 921.591.675 749.402.740.231 274.141.734.113 4 19.709.950.355 66.356.352.072 569.455.861
    2014 450.573.681 775.917.827.931 228.622.027.943 4 57.148.015.947 92.919.212.334 348.916.778
    2015 203.767.373 729.020.553.284 258.967.329.940 412.696.940.471 49.064.926.881 841.503.923
    2016 674.581.860 690.187.353.961 129.480.611.941 386.235.136.503 40.800.014.603 349.942.437
    2017 298.804.830 131.833.235.355 114.496.159.735 321.284.372.984 37.347.034.900 256.336.228
    2018 374.922.744 615.956.006.710 131.833.235.355 332.865.525.071 45.532.079.304 1.072.289.452
17 TRIS 2013 7.872.148.461 475.428.240.024 709.945.585.382 370.108.336.797 115.296.320.374 49.278.311.471
    2014 7.939.796.919 524.822.079.973 746.828.922.732 388.383.545.153 136.435.897.855 35.439.064.992
    2015 14.950.783.343 577.786.346.557 859.743.472.895 430.421.697.869 131.380.605.039 42.045.216.515
    2016 14.779.724.148 639.701.164.511 901.909.489.240 462.578.104.758 137.088.565.674 21.860.573.613
    2017 8.036.147.623 544.968.319.987 773.806.956.330 356.846.493.425 102.611.537.784 14.198.889.550
    2018 9.811.797.974 633.014.281.325 860.682.351.001 439.825.803.141 113.727.708.764 19.665.074.694
1.345.309.104.20 2.572.350.000.00
18 KBLI
2013 21.232.913.808 1 0 917.080.806.097 478.367.534.978 73.530.280.777
1.340.881.252.56 2.384.078.038.23
   
2014 22.785.053.126 3 9 851.745.555.700 466.155.532.745 72.026.856.790
1.551.799.840.97 2.662.038.531.02
   
2015 29.268.242.943 6 1 961.562.673.606 535.948.929.741 115.371.098.970
1.871.422.416.04 2.812.196.217.44 1.223.453.184.81
   
2016 34.069.726.024 4 7 7 146.801.338.085 334.338.838.592
3.013.760.616.98 3.186.704.707.52 1.843.100.256.80
   
2017 74.514.472.615 5 6 8 728.377.546.685 358.974.051.474
149.768.459.56 3.244.821.647.07 4.239.937.390.00 2.173.538.859.43 1.099.396.259.69
   
2018 4 6 1 5 4 235.651.063.203
1.032.787.000.00
19 KBLM
2013 6.743.003.425 654.296.000.000 0 356.301.386.185 217.551.157.518 7.678.095.389
 87

    2014 6.047.264.939 647.249.655.440 919.537.870.594 362.277.745.626 188.382.157.321 20.498.841.379

    2015 5.665.872.214 954.385.717.061 967.710.339.797 362.277.745.626 188.382.157.321 12.760.365.612
    2016 1.849.802.428 639.091.366.917 987.409.109.474 394.738.153.988 130.020.144.789 21.245.022.916
1.235.198.847.46 1.215.476.677.99
   
2017 7.481.452.434 8 5 548.840.102.130 225.854.420.637 43.994.949.645
1.298.358.478.37 1.243.465.775.21
   
2018 3.613.573.287 5 8 604.353.216.583 292.714.739.183 40.675.096.628
1.761.007.000.00 3.751.041.000.00 1.293.776.722.30
20 SCCO
2013 5.909.716.203 0 0 3 839.963.857.293 137.618.900.727
1.293.776.722.30 3.703.267.949.29 1.380.917.436.62
   
2014 2.460.907.355 3 1 0 712.904.601.474 159.119.646.125
1.380.917.436.62 3.533.081.041.05 2.019.188.845.62
   
2015 5.296.671.686 0 2 1 589.745.189.803 340.593.630.534
2.449.935.491.58 3.742.637.722.32 2.171.012.758.93
   
2016 3.510.011.465 6 2 3 780.650.761.560 269.730.298.809
4.014.244.589.70 4.440.404.595.54 2.171.012.758.93
   
2017 1.829.982.481 6 1 3 780.650.761.560 269.730.298.809
4.165.196.478.85 5.160.182.004.11 2.310.899.967.25
   
2018 6.158.402.232 7 1 3 865.771.846.263 253.995.332.656
21 INDF 2013 1.513.147 77.611.416 55.623.657 41.014.127 3555067 3.416.635
    2014 2.084.729 86.077.251 63.594.452 42.816.745 4255814 5.146.323
    2015 2.137.266 91.831.526 64.061.947 28.985.443 4616846 3.709.501
    2016 2.260.066 82.699.635 66.750.317 29.469.623 4616846 5.266.906
    2017 2.153.449 88.400.877 70.186.618 32.948.131 5039733 5.097.264
    2018 2.289.856 96.537.796 73.394.728 33.272.618 5401971 3.729.640
1.229.011.260.88 1.588.022.200.15
22 WIIM
2013 6.090.650.880 1 0 993.885.657.065 57.371.732.073 132.322.207.861
1.334.544.790.38 1.661.533.200.31
   
2014 7.323.257.007 7 6 999.717.333.649 57.371.732.073 112.673.763.260
 88

1.342.700.045.39 1.839.419.574.95
   
2015 8.001.844.302 1 6 988.814.005.395 62.343.695.804 131.081.111.587
1.353.634.132.27 1.685.795.530.61
   
2016 8.014.856.126 5 7 996.925.071.640 63.044.844.590 106.290.306.868
1.225.712.093.04 1.476.427.090.78
   
2017 8.115.118.646 1 1 861.172.306.233 57.168.038.260 40.589.790.851
1.255.573.914.55 1.405.384.153.40
   
2018 6.329.095.934 8 5 888.979.741.744 61.016.793.283 51.142.850.919
23 DVLA 2013 111.037.561 1.190.054.288 1.101.684.170 913.983.962 377.104.867 125.796.473
    2014 89.647.459 1.236.247.525 1.103.821.775 925.293.721 351.272.822 80.929.476
    2015 171.128.034 1.376.278.237 1.306.098.136 1.043.830.034 398.510.527 104.177.380
    2016 209.579.239 1.531.365.558 1.451.356.680 1.068.967.094 461.789.437 145.119.664
    2017 236.174.055 1.640.886.147 1.575.647.308 1.175.655.601 478.939.527 162.249.293
    2018 202.032.073 1.682.821.739 1.699.657.296 1.203.372.372 566.810.140 200.651.968

NO KODE TAHUN log ta-1 deltarevt-1 deltarect-1 inci/tat-1 stacc/ta-1 1/logta-1 rev-rec/ta-1

1 AMFG 2014 6,552 455706 -746677 0,129 0,028 0,153 0,338

2015 6,596 -6197 4071 0,066 0,035 0,152 -0,003

2016 6,630 58086 -4934 0,080 0,031 0,151 0,015

2017 6,741 161716 14328 0,007 0,037 0,148 0,027

2018 6,797 557471 31824 0,001 0,032 0,147 0,084

2 LMSH 2014 11,151 -7138748453 -193769143 0,052 0,005 0,090 -0,049

2015 11,146 -74473046431 -3229211559 0,014 0,003 0,090 -0,509

2016 11,126 -16743881902 -1528155591 0,047 0,006 0,090 -0,114

 89

2017 11,212 66516080515 -1706007191 0,080 0,003 0,089 0,419

2018 11,207 15658484294 2575592781 0,018 0,002 0,089 0,081

3 PICO 2014 11,835 5119023776 8030461133 0,024 0,001 0,084 -0,004

2015 11,842 -20838196720 -14775653578 0,022 0,002 0,084 -0,009

2016 11,845 99942394600 2429161977 0,020 0,002 0,084 0,139

2017 11,805 41334017486 79574878358 0,031 0,006 0,085 -0,060

2018 11,859 28980721044 -5073867294 0,024 0,008 0,084 0,047

4 EKAD 2014 11,536 107904861962 11247853553 0,119 0,003 0,087 0,281

2015 11,645 4963986516 -3744483697 0,107 0,001 0,086 0,020

2016 11,591 37101226006 11689021351 0,233 0,003 0,086 0,065

2017 11,847 74952990926 9741786276 0,108 0,001 0,084 0,093

2018 11,901 95987036894 12763401654 0,093 0,001 0,084 0,104

5 INCI 2014 11,134 28778821567 1501226313 0,081 0,004 0,090 0,200

2015 11,170 26645319572 9235693395 0,115 0,000 0,090 0,118

2016 11,229 39399153369 20327916250 0,059 0,002 0,089 0,112

2017 11,430 93639175746 22187040214 0,061 0,001 0,087 0,265

2018 11,483 98254863565 10915948017 0,055 0,001 0,087 0,287

6 SRSN 2014 8,624 80519065 13161904 0,034 0,010 0,116 0,160

 90

2015 8,666 58738734 22869402 0,033 0,008 0,115 0,077

2016 8,759 -31033657 921842 0,019 0,008 0,114 -0,056

2017 8,856 20942059 -22736431 0,025 0,008 0,113 0,061

2018 8,815 79505145 32912741 0,059 0,008 0,113 0,071

7 AKPI 2014 9,311 281997841 -16602932 0,017 0,010 0,107 0,146

2015 9,348 72083480 68607090 0,012 0,009 0,107 0,002

2016 9,460 29752128 -111273778 0,018 0,007 0,106 0,049

2017 9,418 17639004 618906258 0,005 0,010 0,106 -0,230

2018 9,439 322562393 -974937430 0,023 0,009 0,106 0,473

8 IGAR 2014 11,498 94459900146 19413861793 0,174 0,008 0,087 0,238

2015 11,544 -60531381366 -21926042160 0,147 0,003 0,087 -0,110

2016 11,584 115462988725 11703327797 0,181 0,004 0,086 0,270

2017 11,643 -30867882551 1834024026 0,165 0,004 0,086 -0,074

2018 11,710 15389554584 17111441489 0,087 0,006 0,085 -0,003

9 IMPC 2014 12,216 171630582620 -12060543764 0,176 0,013 0,082 0,112

2015 12,240 -265418680589 -14131870917 0,075 0,011 0,082 -0,145

2016 12,224 -12542187220 34412540489 0,075 0,016 0,082 -0,028

2017 12,357 57758239279 55676856855 0,040 0,013 0,081 0,001

2018 12,361 202244384352 12910974156 0,046 0,012 0,081 0,083

 91

10 TRST 2014 12,513 474735430328 8598601440 0,009 0,010 0,080 0,143

2015 12,513 -50535352376 -56184060745 0,008 0,010 0,080 0,002

2016 12,526 -207930598188 -19208450559 0,010 0,009 0,080 -0,056

2017 12,517 105519169633 21416852237 0,012 0,010 0,080 0,026

2018 12,523 275980541518 75806127197 0,019 0,009 0,080 0,060

11 JPFA 2014 7,331 812845 45286 0,018 0,007 0,136 0,036

2015 7,388 9272478 -42967 0,021 0,008 0,135 0,381

2016 7,234 2060397 12053 0,127 0,010 0,138 0,119

2017 7,261 2539378 328875 0,057 0,010 0,138 0,121

2018 7,300 4410277 152174 0,113 0,013 0,137 0,213

12 KDSI 2014 11,930 239918078059 59517936514 0,052 0,018 0,084 0,212

2015 11,979 87713530423 35490360535 0,012 0,021 0,083 0,055

2016 12,071 281390953867 35107240592 0,040 0,017 0,083 0,209

2017 12,058 250182310920 48378395120 0,060 0,021 0,083 0,177

2018 12,123 82432167856 -44845006194 0,058 0,015 0,082 0,096

13 AUTO 2014 7,101 1553439 1676927 0,076 0,042 0,141 -0,010

2015 7,158 -531640 -126841 0,022 0,028 0,140 -0,028

2016 7,157 1083080 86677 0,034 0,037 0,140 0,069

2017 7,165 742990 186628 0,037 0,035 0,140 0,038

 92

2018 7,169 1806524 105199 0,046 0,040 0,139 0,115

14 BRAM 2014 8,378 7549217 -859001 0,066 0,015 0,119 0,035

2015 8,489 149501 -2055680 0,041 0,009 0,118 0,007

2016 8,465 12432412 7069085 0,076 0,011 0,118 0,018

2017 8,471 84184667 6238501 0,083 0,011 0,118 0,263

2018 8,383 -8083608 -1089048 0,080 0,016 0,119 -0,029

15 PBRX 2014 8,369 -1194594 6619658 0,040 0,022 0,119 -0,033

2015 8,564 80045950 13794836 0,024 0,020 0,117 0,181

2016 8,646 63628967 14793250 0,030 0,021 0,116 0,110

2017 8,716 67151627 15479248 0,015 0,034 0,115 0,099

2018 8,758 62015525 11523001 0,028 0,029 0,114 0,088

16 STAR 2014 11,875 -45519706170 26562860262 0,000 0,001 0,084 -0,096

2015 11,890 30345301997 -43854285453 0,001 0,000 0,084 0,096

2016 11,863 -129486717999 -8264912278 0,000 0,001 0,084 -0,166

2017 11,839 -14984452206 -3452979703 0,000 0,000 0,084 -0,017

2018 11,120 17337075620 8185044404 0,008 0,003 0,090 0,069

17 TRIS 2014 11,677 36883337350 21139577481 0,075 0,017 0,086 0,033

2015 11,720 112914550163 -5055292816 0,080 0,028 0,085 0,225

2016 11,762 42166016345 5707960635 0,038 0,026 0,085 0,063

 93

2017 11,806 -128102532910 -34477027890 0,022 0,013 0,085 -0,146

2018 11,736 86875394671 11116170980 0,036 0,018 0,085 0,139

18 KBLI 2014 12,129 -188271961761 -12212002233 0,054 0,017 0,082 -0,131

2015 12,127 277960492782 69793396996 0,086 0,022 0,082 0,155

2016 12,191 150157686426 -389147591656 0,215 0,022 0,082 0,348

2017 12,272 374508490079 581576208600 0,192 0,040 0,081 -0,111

2018 12,479 1053232682475 371018713009 0,078 0,050 0,080 0,226

19 KBLM 2014 11,816 -113249129406 -29169000197 0,031 0,009 0,085 -0,129

2015 11,811 48172469203 0 0,020 0,009 0,085 0,074

2016 11,980 19698769677 -58362012532 0,022 0,002 0,083 0,082

2017 11,806 228067568521 95834275848 0,069 0,012 0,085 0,207

2018 12,092 27989097223 66860318546 0,033 0,003 0,083 -0,031

20 SCCO 2014 12,246 -47773050709 -127059255819 0,090 0,001 0,082 0,045

2015 12,112 -170186908239 -123159411671 0,263 0,004 0,083 -0,036

2016 12,140 209556681270 190905571757 0,195 0,003 0,082 0,014

2017 12,389 697766873219 0 0,110 0,001 0,081 0,285

2018 12,604 719777408570 85121084703 0,063 0,002 0,079 0,158

21 INDF 2014 7,890 7970795 700747 0,066 0,027 0,127 0,094

2015 7,935 467495 361032 0,043 0,025 0,126 0,001

 94

2016 7,963 2688370 0 0,057 0,025 0,126 0,029

2017 7,918 3436301 422887 0,062 0,026 0,126 0,036

2018 7,946 3208110 362238 0,042 0,026 0,126 0,032

22 WIIM 2014 12,090 73511000166 0 0,092 0,006 0,083 0,060

2015 12,125 177886374640 4971963731 0,098 0,006 0,082 0,130

2016 12,128 -153624044339 701148786 0,079 0,006 0,082 -0,115

2017 12,132 -209368439836 -5876806330 0,030 0,006 0,082 -0,150

2018 12,088 -71042937376 3848755023 0,042 0,005 0,083 -0,061

23 DVLA 2014 9,076 2137605 -25832045 0,068 0,075 0,110 0,024

2015 9,092 202276361 47237705 0,084 0,138 0,110 0,125

2016 9,139 145258544 63278910 0,105 0,152 0,109 0,060

2017 9,185 124290628 17150090 0,106 0,154 0,109 0,070

2018 9,215 124009988 87870613 0,122 0,123 0,109 0,022

NO rev-
KODE TAHUN stacc/ta-1 Beta 1/logta-1 Beta Beta inci/tat-1 MLA
rec/ta-1

1 AMFG 2014 0,028 -0,28 0,153 -0,013 0,338 0,498 0,129 0,011

2015 0,035 -0,28 0,152 -0,013 -0,003 0,498 0,066 0,045

2016 0,031 -0,28 0,151 -0,013 0,015 0,498 0,08 0,034

 95

2017 0,037 -0,28 0,148 -0,013 0,027 0,498 0,007 0,075

2018 0,032 -0,28 0,147 -0,013 0,084 0,498 0,001 0,074

2 LMSH 2014 0,005 -0,28 0,09 -0,013 -0,049 0,498 0,052 0,004

2015 0,003 -0,28 0,09 -0,013 -0,509 0,498 0,014 0,014

2016 0,006 -0,28 0,09 -0,013 -0,114 0,498 0,047 0,007

2017 0,003 -0,28 0,089 -0,013 0,419 0,498 0,08 -0,006

2018 0,002 -0,28 0,089 -0,013 0,081 0,498 0,018 0,019

3 PICO 2014 0,001 -0,28 0,084 -0,013 -0,004 0,498 0,024 0,013

2015 0,002 -0,28 0,084 -0,013 -0,009 0,498 0,022 0,015

2016 0,002 -0,28 0,084 -0,013 0,139 0,498 0,02 0,017

2017 0,006 -0,28 0,085 -0,013 -0,06 0,498 0,031 0,014

2018 0,008 -0,28 0,084 -0,013 0,047 0,498 0,024 0,020

4 EKAD 2014 0,003 -0,28 0,087 -0,013 0,281 0,498 0,119 -0,028

2015 0,001 -0,28 0,086 -0,013 0,02 0,498 0,107 -0,027

2016 0,003 -0,28 0,086 -0,013 0,065 0,498 0,233 -0,088

2017 0,001 -0,28 0,084 -0,013 0,093 0,498 0,108 -0,028

2018 0,001 -0,28 0,084 -0,013 0,104 0,498 0,093 -0,020

5 INCI 2014 0,004 -0,28 0,09 -0,013 0,2 0,498 0,081 -0,009

2015 0 -0,28 0,09 -0,013 0,118 0,498 0,115 -0,030

 96

2016 0,002 -0,28 0,089 -0,013 0,112 0,498 0,059 -0,001

2017 0,001 -0,28 0,087 -0,013 0,265 0,498 0,061 -0,002

2018 0,001 -0,28 0,087 -0,013 0,287 0,498 0,055 0,002

6 SRSN 2014 0,01 -0,28 0,116 -0,013 0,16 0,498 0,034 0,027

2015 0,008 -0,28 0,115 -0,013 0,077 0,498 0,033 0,025

2016 0,008 -0,28 0,114 -0,013 -0,056 0,498 0,019 0,029

2017 0,008 -0,28 0,113 -0,013 0,061 0,498 0,025 0,028

2018 0,008 -0,28 0,113 -0,013 0,071 0,498 0,059 0,011

7 AKPI 2014 0,01 -0,28 0,107 -0,013 0,146 0,498 0,017 0,033

2015 0,009 -0,28 0,107 -0,013 0,002 0,498 0,012 0,033

2016 0,007 -0,28 0,106 -0,013 0,049 0,498 0,018 0,028

2017 0,01 -0,28 0,106 -0,013 -0,23 0,498 0,005 0,034

2018 0,009 -0,28 0,106 -0,013 0,473 0,498 0,023 0,033

8 IGAR 2014 0,008 -0,28 0,087 -0,013 0,238 0,498 0,174 -0,051

2015 0,003 -0,28 0,087 -0,013 -0,11 0,498 0,147 -0,047

2016 0,004 -0,28 0,086 -0,013 0,27 0,498 0,181 -0,058

2017 0,004 -0,28 0,086 -0,013 -0,074 0,498 0,165 -0,055

2018 0,006 -0,28 0,085 -0,013 -0,003 0,498 0,087 -0,013

9 IMPC 2014 0,013 -0,28 0,082 -0,013 0,112 0,498 0,176 0,037
 97

2015 0,011 -0,28 0,082 -0,013 -0,145 0,498 0,075 0,042

2016 0,016 -0,28 0,082 -0,013 -0,028 0,498 0,075 0,021

2017 0,013 -0,28 0,081 -0,013 0,001 0,498 0,04 0,042

2018 0,012 -0,28 0,081 -0,013 0,083 0,498 0,046 0,035

10 TRST 2014 0,01 -0,28 0,08 -0,013 0,143 0,498 0,009 0,029

2015 0,01 -0,28 0,08 -0,013 0,002 0,498 0,008 0,029

2016 0,009 -0,28 0,08 -0,013 -0,056 0,498 0,01 0,026

2017 0,01 -0,28 0,08 -0,013 0,026 0,498 0,012 0,027

2018 0,009 -0,28 0,08 -0,013 0,06 0,498 0,019 0,023

11 JPFA 2014 0,007 -0,28 0,136 -0,013 0,036 0,498 0,018 0,037

2015 0,008 -0,28 0,135 -0,013 0,381 0,498 0,021 0,040

2016 0,01 -0,28 0,138 -0,013 0,119 0,498 0,127 -0,013

2017 0,01 -0,28 0,138 -0,013 0,121 0,498 0,057 0,022

2018 0,013 -0,28 0,137 -0,013 0,213 0,498 0,113 -0,002

12 KDSI 2014 0,018 -0,28 0,084 -0,013 0,212 0,498 0,052 0,018

2015 0,021 -0,28 0,083 -0,013 0,055 0,498 0,012 0,040

2016 0,017 -0,28 0,083 -0,013 0,209 0,498 0,04 0,023

2017 0,021 -0,28 0,083 -0,013 0,177 0,498 0,06 0,016

2018 0,015 -0,28 0,082 -0,013 0,096 0,498 0,058 0,010

 98

13 AUTO 2014 0,042 -0,28 0,141 -0,013 -0,01 0,498 0,076 0,044

2015 0,028 -0,28 0,14 -0,013 -0,028 0,498 0,022 0,056

2016 0,037 -0,28 0,14 -0,013 0,069 0,498 0,034 0,061

2017 0,035 -0,28 0,14 -0,013 0,038 0,498 0,037 0,056

2018 0,04 -0,28 0,139 -0,013 0,115 0,498 0,046 0,058

14 BRAM 2014 0,015 -0,28 0,119 -0,013 0,035 0,498 0,066 0,016

2015 0,009 -0,28 0,118 -0,013 0,007 0,498 0,041 0,022

2016 0,011 -0,28 0,118 -0,013 0,018 0,498 0,076 0,006

2017 0,011 -0,28 0,118 -0,013 0,263 0,498 0,083 0,006

2018 0,016 -0,28 0,119 -0,013 -0,029 0,498 0,08 0,009

15 PBRX 2014 0,022 -0,28 0,119 -0,013 -0,033 0,498 0,04 0,035

2015 0,02 -0,28 0,117 -0,013 0,181 0,498 0,024 0,043

2016 0,021 -0,28 0,116 -0,013 0,11 0,498 0,03 0,040

2017 0,034 -0,28 0,115 -0,013 0,099 0,498 0,015 0,060

2018 0,029 -0,28 0,114 -0,013 0,088 0,498 0,028 0,048

16 STAR 2014 0,001 -0,28 0,084 -0,013 -0,096 0,498 0 0,023

2015 0 -0,28 0,084 -0,013 0,096 0,498 0,001 0,025

2016 0,001 -0,28 0,084 -0,013 -0,166 0,498 0 0,022

2017 0 -0,28 0,084 -0,013 -0,017 0,498 0 0,024

 99

2018 0,003 -0,28 0,09 -0,013 0,069 0,498 0,008 0,025

17 TRIS 2014 0,017 -0,28 0,086 -0,013 0,033 0,498 0,075 0,004

2015 0,028 -0,28 0,085 -0,013 0,225 0,498 0,08 0,015

2016 0,026 -0,28 0,085 -0,013 0,063 0,498 0,038 0,031

2017 0,013 -0,28 0,085 -0,013 -0,146 0,498 0,022 0,023

2018 0,018 -0,28 0,085 -0,013 0,139 0,498 0,036 0,026

18 KBLI 2014 0,017 -0,28 0,082 -0,013 -0,131 0,498 0,054 0,012

2015 0,022 -0,28 0,082 -0,013 0,155 0,498 0,086 0,004

2016 0,022 -0,28 0,082 -0,013 0,348 0,498 0,215 -0,058

2017 0,04 -0,28 0,081 -0,013 -0,111 0,498 0,192 -0,034

2018 0,05 -0,28 0,08 -0,013 0,226 0,498 0,078 0,036

19 KBLM 2014 0,009 -0,28 0,085 -0,013 -0,129 0,498 0,031 0,016

2015 0,009 -0,28 0,085 -0,013 0,074 0,498 0,02 0,024

2016 0,002 -0,28 0,083 -0,013 0,082 0,498 0,022 0,015

2017 0,012 -0,28 0,085 -0,013 0,207 0,498 0,069 0,004

2018 0,003 -0,28 0,083 -0,013 -0,031 0,498 0,033 0,009

20 SCCO 2014 0,001 -0,28 0,082 -0,013 0,045 0,498 0,09 -0,020

2015 0,004 -0,28 0,083 -0,013 -0,036 0,498 0,263 -0,104

2016 0,003 -0,28 0,082 -0,013 0,014 0,498 0,195 -0,071

 100

2017 0,001 -0,28 0,081 -0,013 0,285 0,498 0,11 -0,028

2018 0,002 -0,28 0,079 -0,013 0,158 0,498 0,063 -0,006

21 INDF 2014 0,027 -0,28 0,127 -0,013 0,094 0,498 0,066 0,031

2015 0,025 -0,28 0,126 -0,013 0,001 0,498 0,043 0,039

2016 0,025 -0,28 0,126 -0,013 0,029 0,498 0,057 0,032

2017 0,026 -0,28 0,126 -0,013 0,036 0,498 0,062 0,031

2018 0,026 -0,28 0,126 -0,013 0,032 0,498 0,042 0,041

22 WIIM 2014 0,006 -0,28 0,083 -0,013 0,06 0,498 0,092 -0,016

2015 0,006 -0,28 0,082 -0,013 0,13 0,498 0,098 -0,018

2016 0,006 -0,28 0,082 -0,013 -0,115 0,498 0,079 -0,012

2017 0,006 -0,28 0,082 -0,013 -0,15 0,498 0,03 0,012

2018 0,005 -0,28 0,083 -0,013 -0,061 0,498 0,042 0,007

23 DVLA 2014 0,075 -0,28 0,11 -0,013 0,024 0,498 0,068 0,073

2015 0,138 -0,28 0,11 -0,013 0,125 0,498 0,084 0,129

2016 0,152 -0,28 0,109 -0,013 0,06 0,498 0,105 0,131

2017 0,154 -0,28 0,109 -0,013 0,07 0,498 0,106 0,133

2018 0,123 -0,28 0,109 -0,013 0,022 0,498 0,122 0,093

LAMPIRAN 5
 101

DATA VARIABEL NILAI PERUSAHAAN

HARGA TOTAL JML SHM
NO KODE TAHUN
SAHAM EKUITAS BEREDAR PBV
1 AMFG 2014 8050 3184642 434000000 1,0970
    2015 6550 3390223 434000000 0,8385
    2016 6700 3599264 434000000 0,8079
    2017 6025 3548877 434000000 0,7368
    2018 4700 3515837 434000000 0,5802
2 LMSH 2014 645 111591 96 0,5549
    2015 575 112441 96 0,4909
    2016 590 117316 96 0,4828
    2017 640 129662 96 0,4738
    2018 400 129727 96 0,2960
3 PICO 2014 160 231101 568 0,3932
    2015 128 247091 568 0,2942
    2016 222 259189 568 0,4865
    2017 228 279684 568 0,4630
    2018 246 299561 568 0,4664
4 EKAD 2014 515 273199 699 1,3177
    2015 400 291961 699 0,9577
    2016 590 595005 699 0,6931
    2017 695 662818 699 0,7329
    2018 710 724582 699 0,6849
5 INCI 2014 220 137320 181 0,2900
    2015 282 154051 181 0,3313
    2016 282 242286 181 0,2107
 102

    2017 377 268380 181 0,2543

    2018 535 279905 196 0,3746
6 SRSN 2014 50 328386 6020 0,9166
    2015 50 340080 6020 0,8851
    2016 50 402054 6020 0,7487
    2017 50 415506 6020 0,7244
    2018 66 477788 6020 0,8316
7 AKPI 2014 830 1035846 680 1,0633
    2015 875 1107566 680 0,9910
    2016 900 1120035 680 3,1779
    2017 725 1126612 680 1,7963
    2018 720 1198626 680 2,3314
8 IGAR 2014 315 263541 972 0,5449
    2015 224 310464 972 0,5372
    2016 520 373749 972 0,5464
    2017 378 441947 972 0,4376
    2018 390 468916 972 0,4085
9 TRST 2014 510 984982 4833 1,1618
    2015 925 1096880 4833 0,7013
    2016 1025 1225645 4833 1,3524
    2017 1090 1289021 4833 0,8314
    2018 980 1282047 4833 0,8084
10 JPFA 2014 116 1925228 6443379 0,2502
    2015 72 2245265 6443379 0,4076
    2016 136 2095442 6443379 0,4042
    2017 127 2160150 6443379 0,4087
 103

    2018 107 1612822 6443379 0,3694

11 KDSI 2014 3780 1043289 17210606 0,4463
    2015 2600 12561427 17210606 0,4448
    2016 3090 14157243 17210606 0,4359
    2017 3000 15702825 17210606 0,5316
    2018 4520 17210606 17210606 0,5020
12 AUTO 2014 364 369498 405 1,5997
    2015 191 378921 405 0,9162
    2016 350 419784 405 1,3590
    2017 550 485540 405 1,1699
    2018 1145 555171 405 1,8554
13 BRAM 2014 7425 120324000 40484 0,3990
    2015 6000 126533000 40484 0,2041
    2016 8275 139906000 40484 0,3377
    2017 8300 156329000 40484 0,4588
    2018 7150 161880000 40484 0,8353
14 PBRX 2014 5000 2221700 450000 1,9967
    2015 4680 2681260 450000 0,7601
    2016 6675 2656897 450000 0,9376
    2017 7375 2940856 450000 0,4748
    2018 6000 3118957 450000 0,6246
15 STAR 2014 1188 1146837 9525000 1,0127
    2015 1190 1440248 9525000 0,7855
    2016 980 1580055 9525000 1,1305
    2017 1255 1828184 9525000 1,1285
    2018 1260 4069182 9525000 0,8657
 104

16 TRIS 2014 50 490173 4800 1,2856

    2015 56 489676 4800 1,1466
    2016 99 490026 4800 0,9743
    2017 86 490282 4800 1,4761
    2018 80 490422 4800 1,0344
17 KBLI 2014 356 309510 1048 0,4896
    2015 300 329208 1048 0,5489
    2016 336 346627 1048 0,9697
    2017 308 356232 1048 0,8420
    2018 300 356224 1048 0,7830
18 KBLM 2014 318 241654 10775 1,2054
    2015 260 242974 10775 0,9550
    2016 360 244002 10775 1,0159
    2017 228 245258 10775 0,9061
    2018 284 245946 10775 0,8826
19 SCCO 2014 155 290288 56000000 0,2990
    2015 132 296475 56000000 0,2474
    2016 240 320655 56000000 0,4191
    2017 282 791428 56000000 0,1996
    2018 290 821471 56000000 0,2075
20 INDF 2014 3950 814393 205583 0,2990
    2015 3725 922353 205583 0,2493
    2016 7275 1220421 205583 0,4191
    2017 9000 2728227 205583 0,1995
    2018 9700 2910749 205583 0,1977
21 WIIM 2014 6550 15039947 11662 0,9943
 105

    2015 6738 16386911 11662 0,8279

    2016 8575 18500823 11662 1,2220
    2017 8900 20324330 11662 0,6763
    2018 8725 20621666 11662 0,6832
22 DVLA 2014 1385 960122 6187 1,4375
    2015 1265 1188535 6187 1,0537
    2016 1600 1442752 6187 1,5835
    2017 1275 2820106 6187 1,4294
    2018 950 2916901 6187 1,1819
23 IMPC 2014 1690 962431 1120 1,5361
    2015 1300 973517 1120 0,9569
    2016 1755 1079580 1120 0,9323
    2017 1960 1116300 1120 0,6226
    2018 1920 1200261 1120 0,4387
 106

LAMPIRAN 6
HASIL OUTPUT STATISTIK DESKRIPTIF

Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
MLR 115 .017 .063 .03787 .007888
MLA 115 -.104 .133 .01706 .037380
PBV 115 .198 1.997 .78824 .444746
Valid N (listwise) 115

LAMPIRAN 7
HASIL OUTPUT UJI NORMALITAS

One-Sample Kolmogorov-Smirnov Test

Unstandardiz
ed Residual
N 115
Normal Parametersa Mean .0000000
Std. Deviation .40782083
Most Extreme Absolute .068
Differences Positive .068
Negative -.038
Kolmogorov-Smirnov Z .731
Asymp. Sig. (2-tailed) .659
a. Test distribution is Normal.
 107

LAMPIRAN 8
HASIL OUTPUT UJI MULTIKOLONIERITAS
Coefficientsa
Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) -.022 .210 -.106 .916
MLR 19.457 5.251 .345 3.706 .000 .866 1.155
MLA 4.322 1.108 .363 3.901 .000 .866 1.155
a. Dependent Variable: PBV

LAMPIRAN 9
HASIL OUTPUT UJI HETEROSKEDASTISITAS

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 1.444 .553 2.609 .011

MLR .297 .156 .204 1.908 .060

MLA .000 .039 .000 -.005 .996

a. Dependent Variable: AbsUt3

LAMPIRAN 10
HASIL OUTPUT UJI AUTOKORELASI

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .399a .159 .144 .411446 .995
a. Predictors: (Constant), MLA, MLR
b. Dependent Variable: PBV
 108

LAMPIRAN 11
HASIL OUTPUT ANALISIS REGRESI BERGANDA
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -.022 .210 -.106 .916
MLR 19.457 5.251 .345 3.706 .000
MLA 4.322 1.108 .363 3.901 .000
a. Dependent Variable: PBV

LAMPIRAN 12
HASIL OUTPUT KOEFISIEN DETERMINASI
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
a
1 .399 .159 .144 .411446 .995
a. Predictors: (Constant), MLA, MLR
b. Dependent Variable: PBV

LAMPIRAN 13
HASIL OUTPUT UJI F

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 3.589 2 1.794 10.600 .000a

Residual 18.960 112 .169

Total 22.549 114

a. Predictors: (Constant), MLA, MLR

b. Dependent Variable: PBV

 109

LAMPIRAN 14
HASIL OUTPUT UJI t
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -.022 .210 -.106 .916
MLR 19.457 5.251 .345 3.706 .000
MLA 4.322 1.108 .363 3.901 .000
a. Dependent Variable: PBV

LAMPIRAN 15
 110

TABEL t
0.25 0.10 0.05 0.025 0.01 0.005 0.001

df 0.50 0.20 0.10 0.050 0.02 0.010 0.002

96 0.67705 1.29043 1.66088 1.98498 2.36582 2.62802 3.17731

97 0.67703 1.29034 1.66071 1.98472 2.36541 2.62747 3.17639

98 0.67700 1.29025 1.66055 1.98447 2.36500 2.62693 3.17549

99 0.67698 1.29016 1.66039 1.98422 2.36461 2.62641 3.17460

100 0.67695 1.29007 1.66023 1.98397 2.36422 2.62589 3.17374

101 0.67693 1.28999 1.66008 1.98373 2.36384 2.62539 3.17289

102 0.67690 1.28991 1.65993 1.98350 2.36346 2.62489 3.17206

103 0.67688 1.28982 1.65978 1.98326 2.36310 2.62441 3.17125

104 0.67686 1.28974 1.65964 1.98304 2.36274 2.62393 3.17045

105 0.67683 1.28967 1.65950 1.98282 2.36239 2.62347 3.16967

106 0.67681 1.28959 1.65936 1.98260 2.36204 2.62301 3.16890

107 0.67679 1.28951 1.65922 1.98238 2.36170 2.62256 3.16815

108 0.67677 1.28944 1.65909 1.98217 2.36137 2.62212 3.16741

109 0.67675 1.28937 1.65895 1.98197 2.36105 2.62169 3.16669

110 0.67673 1.28930 1.65882 1.98177 2.36073 2.62126 3.16598

111 0.67671 1.28922 1.65870 1.98157 2.36041 2.62085 3.16528

112 0.67669 1.28916 1.65857 1.98137 2.36010 2.62044 3.16460

113 0.67667 1.28909 1.65845 1.98118 2.35980 2.62004 3.16392

114 0.67665 1.28902 1.65833 1.98099 2.35950 2.61964 3.16326

115 0.67663 1.28896 1.65821 1.98081 2.35921 2.61926 3.16262

116 0.67661 1.28889 1.65810 1.98063 2.35892 2.61888 3.16198

117 0.67659 1.28883 1.65798 1.98045 2.35864 2.61850 3.16135

118 0.67657 1.28877 1.65787 1.98027 2.35837 2.61814 3.16074

119 0.67656 1.28871 1.65776 1.98010 2.35809 2.61778 3.16013

120 0.67654 1.28865 1.65765 1.97993 2.35782 2.61742 3.15954

LAMPIRAN 16
 111

TABEL F
df untuk penyebut (N2) df untuk pembilang (N1)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

96 3.94 3.09 2.70 2.47 2.31 2.19 2.11 2.04 1.98 1.93 1.89 1.85 1.82 1.80 1.77

97 3.94 3.09 2.70 2.47 2.31 2.19 2.11 2.04 1.98 1.93 1.89 1.85 1.82 1.80 1.77

98 3.94 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.98 1.93 1.89 1.85 1.82 1.79 1.77

99 3.94 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.98 1.93 1.89 1.85 1.82 1.79 1.77

100 3.94 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.97 1.93 1.89 1.85 1.82 1.79 1.77

101 3.94 3.09 2.69 2.46 2.30 2.19 2.10 2.03 1.97 1.93 1.88 1.85 1.82 1.79 1.77

102 3.93 3.09 2.69 2.46 2.30 2.19 2.10 2.03 1.97 1.92 1.88 1.85 1.82 1.79 1.77

103 3.93 3.08 2.69 2.46 2.30 2.19 2.10 2.03 1.97 1.92 1.88 1.85 1.82 1.79 1.76

104 3.93 3.08 2.69 2.46 2.30 2.19 2.10 2.03 1.97 1.92 1.88 1.85 1.82 1.79 1.76

105 3.93 3.08 2.69 2.46 2.30 2.19 2.10 2.03 1.97 1.92 1.88 1.85 1.81 1.79 1.76

106 3.93 3.08 2.69 2.46 2.30 2.19 2.10 2.03 1.97 1.92 1.88 1.84 1.81 1.79 1.76

107 3.93 3.08 2.69 2.46 2.30 2.18 2.10 2.03 1.97 1.92 1.88 1.84 1.81 1.79 1.76

108 3.93 3.08 2.69 2.46 2.30 2.18 2.10 2.03 1.97 1.92 1.88 1.84 1.81 1.78 1.76

109 3.93 3.08 2.69 2.45 2.30 2.18 2.09 2.02 1.97 1.92 1.88 1.84 1.81 1.78 1.76

110 3.93 3.08 2.69 2.45 2.30 2.18 2.09 2.02 1.97 1.92 1.88 1.84 1.81 1.78 1.76

111 3.93 3.08 2.69 2.45 2.30 2.18 2.09 2.02 1.97 1.92 1.88 1.84 1.81 1.78 1.76

112 3.93 3.08 2.69 2.45 2.30 2.18 2.09 2.02 1.96 1.92 1.88 1.84 1.81 1.78 1.76

113 3.93 3.08 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.92 1.87 1.84 1.81 1.78 1.76

114 3.92 3.08 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.87 1.84 1.81 1.78 1.75

115 3.92 3.08 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.87 1.84 1.81 1.78 1.75

116 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.87 1.84 1.81 1.78 1.75

117 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.87 1.84 1.80 1.78 1.75

118 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.87 1.84 1.80 1.78 1.75

119 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.87 1.83 1.80 1.78 1.75

120 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.87 1.83 1.80 1.78 1.75

LAMPIRAN 17
TABEL DW
 112

**** dL dU dL dU dL dU dL dU dL dU

96 1.6466 1.6887 1.6254 1.7103 1.6039 1.7326 1.5821 1.7553 1.5600 1.7785

97 1.6485 1.6901 1.6275 1.7116 1.6063 1.7335 1.5847 1.7560 1.5628 1.7790

98 1.6504 1.6916 1.6296 1.7128 1.6086 1.7345 1.5872 1.7567 1.5656 1.7795

99 1.6522 1.6930 1.6317 1.7140 1.6108 1.7355 1.5897 1.7575 1.5683 1.7799

100 1.6540 1.6944 1.6337 1.7152 1.6131 1.7364 1.5922 1.7582 1.5710 1.7804

101 1.6558 1.6958 1.6357 1.7163 1.6153 1.7374 1.5946 1.7589 1.5736 1.7809

102 1.6576 1.6971 1.6376 1.7175 1.6174 1.7383 1.5969 1.7596 1.5762 1.7813

103 1.6593 1.6985 1.6396 1.7186 1.6196 1.7392 1.5993 1.7603 1.5788 1.7818

104 1.6610 1.6998 1.6415 1.7198 1.6217 1.7402 1.6016 1.7610 1.5813 1.7823

105 1.6627 1.7011 1.6433 1.7209 1.6237 1.7411 1.6038 1.7617 1.5837 1.7827

106 1.6644 1.7024 1.6452 1.7220 1.6258 1.7420 1.6061 1.7624 1.5861 1.7832

107 1.6660 1.7037 1.6470 1.7231 1.6277 1.7428 1.6083 1.7631 1.5885 1.7837

108 1.6676 1.7050 1.6488 1.7241 1.6297 1.7437 1.6104 1.7637 1.5909 1.7841

109 1.6692 1.7062 1.6505 1.7252 1.6317 1.7446 1.6125 1.7644 1.5932 1.7846

110 1.6708 1.7074 1.6523 1.7262 1.6336 1.7455 1.6146 1.7651 1.5955 1.7851

111 1.6723 1.7086 1.6540 1.7273 1.6355 1.7463 1.6167 1.7657 1.5977 1.7855

112 1.6738 1.7098 1.6557 1.7283 1.6373 1.7472 1.6187 1.7664 1.5999 1.7860

113 1.6753 1.7110 1.6574 1.7293 1.6391 1.7480 1.6207 1.7670 1.6021 1.7864

114 1.6768 1.7122 1.6590 1.7303 1.6410 1.7488 1.6227 1.7677 1.6042 1.7869

115 1.6783 1.7133 1.6606 1.7313 1.6427 1.7496 1.6246 1.7683 1.6063 1.7874

116 1.6797 1.7145 1.6622 1.7323 1.6445 1.7504 1.6265 1.7690 1.6084 1.7878

117 1.6812 1.7156 1.6638 1.7332 1.6462 1.7512 1.6284 1.7696 1.6105 1.7883

118 1.6826 1.7167 1.6653 1.7342 1.6479 1.7520 1.6303 1.7702 1.6125 1.7887

119 1.6839 1.7178 1.6669 1.7352 1.6496 1.7528 1.6321 1.7709 1.6145 1.7892

120 1.6853 1.7189 1.6684 1.7361 1.6513 1.7536 1.6339 1.7715 1.6164 1.7896