ADOPSI XBRL BERPENGARUH SECARA LANGSUNG TERHADAP

CEC PADA PASAR MODAL DI INDONESIA

Stepani Sisca Wulandari1

Program Doktor, Fakultas Ekonomika dan Bisnis, Universitas Gajah Mada 1
Jln. Bulaksumur, Caturtunggal, Kec. Depok, Kab. Sleman. DIY, 55281
e-mail :

Abstract:
Abstrak:

Kata kunci:

1. Pendahuluan
eXtensible business reporting language (XBRL) merupakan teknologi untuk
mengkomunikasikan pelaporan perusahaan dalam sebuah cara terstruktur agar dapat dipahami dan
diterima secara lintas batas (Ilias, 2015). Lintas batas artinya perusahaan melaporkan informasi bisnis
menggunakan internet dan entitas lain menerima informasi bisnis tersebut secara langsung. Buys
(2008), menjelaskan bahwa XBRL adalah teknologi yang memberi label pada informasi keuangan,
tujuannya untuk menyediakan standar pelaporan bank, pasar modal dan perusahaan.
Sebagai turunan dari format XML, XBRL juga dapat memberi label atau “tag” item dalam
laporan keuangan (Troshani & Lymer, 2010). Pelabelan harus berdasarkan standar akuntansi dan
peraturan regulator dan didefinisikan dalam taksonomi XBRL. Taksonomi yang berbeda biasanya
diperlukan untuk tujuan pelaporan yang berbeda. Organisasi yang berbeda, termasuk regulator,
industri tertentu, atau organisasi secara individual membutuhkan taksonomi yang unik untuk dapat
memenuhi kebutuhan pelaporan masing-masing (Buys, 2008).
XBRL bermanfaat untuk memilih ulang format data laporan keuangan (LK) dengan berbagai
cara untuk menghasilkan informasi dan pengetahuan baru. Laporan keuangan berlabel XBRL ini
cenderung meningkatkan transparansi informasi dan memfasilitasi pengguna untuk mengakses data
individual sebagai dasar analisis secara efektif (Janvrin, Pinsker, & Mascha, 2013). Standarisasi
pertukaran informasi keuangan dengan aturan atau prinsip-prinsip yang sama meningkatkan
komparabilitas informasi keuangan (Bonsón, Cortijo, & Escobar, 2009).
Pemrakarsa XBRL adalah Charles Hoffman, seorang akuntan publik bersertifikat dari
Washington yang menyelidiki bagaimana XML (eXtensible Markup Language) dapat digunakan
untuk pelaporan informasi keuangan elektronik (Enachi & Rotilă, 2011). Walaupun teknologi XBRL
diciptakan Charles Hoffman pada tahun 2000, perkembangan teknologi ini lebih lambat dari yang
diestimasikan (Eni & Nǎstase, 2013).
Beberapa regulator di dunia menunda adopsi XBRL karena perlu mempertimbangkan biaya
dan manfaatnya. Para peneliti sudah mempelajari berbagai dampak adopsi XBRL, seperti misalnya
dampak terhadap persepsi pengguna, asimetri informasi, audit laporan keuangan, lingkungan
informasi, biaya modal, dan kinerja perusahaan (Chang & Jarvenpaa, 2005; Chen, 2012; Dong et al.
2016; Eni & Nǎstase, 2013). Namun belum banyak penelitian tentang mekanisme yang mendasari
efektivitas XBRL untuk mencapai manfaat tertentu, sehingga perlu diteliti lebih lanjut. Penelitian ini
berusaha membuktikan secara empiris dampak adopsi XBRL terhadap komparabilitas laporan
keuangan, sebagai mekanisme untuk dapat menurunkan biaya modal ekuitas (Cost of Equity Capital /
CEC). Hasil studi ini dapat menjadi dasar pertimbangan para regulator untuk mengambil keputusan
adopsi XBRL di yurisdiksinyamasing-masing.
Regulator pasar modal di dunia yang sudah mengadopsi XBRL lebih banyak yang
mewajibkan penggunaan XBRL (secara mandatory) dibandingkan yang tidak mewajibkan (bersifat
sukarela atau voluntary) (Sathuragiri, 2018). Selama ini penelitian-penelitian untuk menganalisis
perbedaan dampak antara adopsi wajib dan sukarela dilakukan dengan mempelajari beda dampak
adopsi XBRL yang dilakukan di pasar modal sebuah negara pada periode sukarela, kemudian
dibandingkan dengan dampak adopsi XBRL setelah menjadi kewajiban di pasar modal tersebut (Ra &
Lee, 2018; Hao et al., 2014; Liu et al., 2014).
 Beberapa hasil penelitian menemukan banyak manfaat dapat dicapai pengadopsi sukarela (Ra
& Lee, 2018; Hao et al., 2013; Liu et al., 2014; Enachi & Andone, 2015). Regulator pasar modal yang
belum mengadopsi XBRL perlu bukti untuk memutuskan, apakah manfaat adopsi XBRL pendekatan
wajib lebih banyak dibandingkan pendekatan sukarela. Penelitian ini mempelajari dampak adopsi
XBRL yang dilakukan di berbagai negara yang mengadopsi XBRL secara beragam, untuk
mengidentifikasi beda manfaat adopsi wajib XBRL dan adopsi sukarela XBRL.

2. Metode
2.1. Populasi, sampel, dan sumber data
Data penelitian ini diperoleh menggunakan basis data, dilakukan dengan pengumpulan data
dari annual report perusahaan, situs resmi dan penanggungjawab data XBRL di Bursa Efek Indonesia
basis data OSIRIS, dan basis data Thomson Reuters yang disediakan oleh FEB UGM. Penentuan
sampel dalam penelitian ini dilakukan dengan penggunaan metode purposive sampling. Metode ini
menjadikan sampel penelitian berasal dari kriteria tertentu yang dikehendaki oleh peneliti. Penentuan
kriteria sampel diperlukan untuk menghindari timbulnya kesalahan spesifik dalampenentuan sampel
penelitian yang selanjutnya berpengaruh terhadap hasil analisis. Sampel dipilih berdasarkan kategori
sektor industri GICS, kecuali sektor keuangan, karena struktur laporan keuangan sektor keuangan
yang berbeda dengan struktur laporan keuangan pada sektor yanglainnya.
Metode Penelitian

H1a (-)
CEC Adopsi XBRL INA

Gambar 3.1. Model Hipotesis 1a

Keterangan gambar:
Gambar 2.1. menjelaskan hubungan antara adopsi XBRL di pasar modal Indonesia dan biaya
modal ekuitas (cost of equity capital/CEC).
2.2. Definisi Operasional Variabel
2.2.1. Variabel Independen
XBRL
XBRL adalah variabel independen yang pengukurannya menggunakan dummy (Dhole et al.,
2015; Imhof et al., 2017), bernilai 1 apabila perusahaan mengadopsi XBRL baik pendekatan wajib
maupun sukarela, atau bernilai 0 apabila perusahaan tidak/belum mengadopsi XBRL selama periode
tertentu(2016-2018).
Post
Post adalah variabel independen yang pengukurannya menggunakan dummy (Dhole et al.,
2015; Imhof et al., 2017), bernilai 1 apabila perusahaan mengadopsi XBRL pada periode pendekatan
wajib, atau bernilai 0 sebelum periode adopsi XBRL wajib.
XBRL_Co
Post adalah variabel independen yang pengukurannya menggunakan dummy, bernilai 1
apabila perusahaan mengadopsi XBRL pendekatan sukarela, atau bernilai 0 apabila perusahaan
tidak/belum mengadopsi XBRL selama periode 2011-2018.
2.2.2. Variabel Dependen
Cost of Equity Capital (CEC)
CEC diukur menggunakan model Capital Asset Pricing Model (CAPM) sebagai proksi.
Penggunaan model CAPM ini karena data estimasi belum tersedia secara publik.
CAPM : Cost of Equity Capital perusahaan;
rf : return bebas risiko di Indonesia menggunakan proksi suku bunga BI7- day rate
β : betapasar;
rm : return pasar yang diperoleh menggunakan return IHSG/STI/ASX200.
Comparability
Menggunakan pengukuran komparabilitas De Franco et al. (2011). Earnings adalah laba bersih
sebelum pos luar biasa, yang diskala dengan nilai pasar ekuitas awal perioda dan Ret adalah
pengembalian saham triwulanan. Komparabilitas diukur dengan “kedekatan” fungsi di atas untuk
setiap pasangan perusahaan dalam suatu industri. E(Earnings) iit adalah prediksi laba dari perusahaan i
dengan return saham perusahaan i dalam periode t, dan E(Earnings) ijt adalah prediksi laba dari
perusahaan j dengan return saham perusahaan i dalam periode t. Dengan menggunakan return saham
perusahaan i pada kedua prediksi, akan diukur komparabilitas dari pemetaan antara perusahaan i dan
perusahaan j untuk peristiwa yangsama.
Pada langkah selanjutnya, akan dihitung komparabilitas diantara perusahaan i dan perusahaan
j selama periode estimasi 12 kuartal dari persamaan (5) dan (6) sebagai nilai negatif dari perbedaan
absolut rata-rata diantara prediksi laba menggunakan fungsi laba perusahaan i dan perusahaan j. Nilai
Comparability yang lebih besar menunjukkan komparabilitas yang lebih besar. Mengikuti De Franco
et al. (2011), penelitian ini menggunakan nilai rata-rata dari semua pasangan perusahaan i-j dalam
setiapindustri.
Variabel Kontrol
BIGN
BIGN adalah variabel kontrol yang pengukurannya menggunakan dummy, bernilai 1 apabila
perusahaan diaudit oleh KAP Big 4, atau bernilai 0 apabila diaudit oleh KAP lainnya (Ragothaman,
2012; Chen et al., 2011; Francis et al., 2014).
Size
Ukuran perusahaan dapat menjadi tolok ukur atas tingkat risiko yang dimiliki perusahaan dari
perspektif ketersediaan informasi perusahaan. Perusahaan dengan kapitalisasi pasar yang besar
cenderung mengungkapkan informasi lebih luas dibandingkan perusahaan kecil. Studi ini
menggunakan Size sebagai variabel kontrol penelitian karena keberagaman tingkat ukuran perusahaan.
Pada penelitian ini, ukuran perusahaan diukur menggunakan logaritma natural atas jumlah aset akhir
tahun (Dhole et al., 2015; Imhof et al., 2017).
Leverage
Leverage digunakan karena ketika ada penambahan utang pada struktur modal perusahaan,
maka akan berpengaruh terhadap risiko perusahaan sehingga dapat memengaruhi keputusan investor
terhadap perusahaan. Semakin tinggi leverage CEC juga semakin tinggi. Pada penelitian ini, leverage
diukur menggunakan jumlah utang jangka panjang yang dibagi dengan jumlah aset (Chen et al., 2015).
BTM
Variabel BTM adalah variabel book to market yang dihitung menggunakan perbandingan rasio
nilai buku terhadap harga pasar (Imhof et al., 2017).
ROA
Profitabilitas diproksikan dengan return on assets (ROA) yang diukur via cara menghitung
rasio laba bersih tahun berjalan terhadap jumlah aset total tahun sebelumnya (Hao et al., 2014).
2.3. Teknik AnalisisData
2.3.1. StatistikDeskriptif
Statistik deskriptif merupakan statistik yang menggambarkan fenomena atau karakteristik dari
data (Hartono, 2017). Statistik deskriptif menggunakan metode numerik dan grafik untuk mencari pola
dalam suatu kumpulan data dan meringkas informasi yang terungkap dalam suatu kumpulan data
(McClave et al., 2010). Data yang telah diklasifikasi kemudian ditabulasi dan disajikan sehingga dapat
diinterpretasikan menjadi suatukesimpulan.
2.3.2. Model AnalisisData
Model analisis data yang digunakan pada penelitian ini adalah model analisis regresi data
panel. Data panel merupakan bentuk kombinasi antara data time series dan data cross section
(Sujarweni, 2015). Regresi data panel merupakan teknik analisis regresi yang dilakukan terhadap data
panel. Menurut Gujarati dan Porter (2009), data panel memberikan beberapa keuntungan dibandingkan
data time series dan data cross section sebagaiberikut:
1. Heterogenitas dapatdiatasi.
2. Informasi, variasi, degree of freedom dapat diberikan lebih banyak oleh teknik estimasi data
panel. Teknik estimasi data panel juga lebih efisien dan dapat menurunkan kolinearitas
antarvariabel.
3. Dinamika perubahan dapatdipelajari.
4. Dampak yang sederhana dapat dideteksi dan diukur. Cross section ataupun time series
terkadang tidak mampu mengidentifikasi dampak secara sederhana.
5. Model perilaku yang rumit dapatdipelajari.
6. Bias dalam penelitian dapatdiminimumkan.
Menurut Widarjono (2016), terdapat tiga teknik estimasi dalam regresi data panel yaitu
common effect, fixed effect, dan random effect.
2.2.3. Uji AsumsiKlasik
Ujinormalitas
Uji normalitas bertujuan untuk menguji data yang digunakan dalam model regresi, baik pada
variabel independen, variabel dependen, ataupun variabel kontrol, untuk menentukan data telah
mempunyai distribusi normal atau tidak. Menurut Wooldridge (2013), uji normalitas tidak perlu
dilakukan karena adanya asumsi bahwa penggunaan sampel yang besar mengakibatkan data
terdistribusi secara normal dan diperlukan minimal tiga puluh sampel untuk memenuhi kriteria
tersebut. Dalam penelitian ini, sampel yang digunakan sudah lebih dari tiga puluh sehingga tidak perlu
dilakukan ujinormalitas.
Uji multikolinearitas
Uji multikolinearitas bertujuan untuk menguji ada atau tidak adanya korelasi antar variabel
independen pada model regresi. Menurut Ghozali (2005), model regresi yang baik adalah model
regresi yang tidak terdapat korelasi antara variabel independen yang menyebabkan koefisien regresi
menjadi tidak dapat ditentukan dan kesalahan standarnya tidak terhingga sehingga dapat menimbulkan
bias dalam spesifikasi. Ada atau tidak adanya multikolinearitas dapat dilihat dari tolerance value dan
variance inflanation factor (VIF). Jika tolerance value > 0,1 atau nilai VIF < 10, tidak terjadi
multikolinearitas pada penelitian.
Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji ada atau tidak adanya varian residual
pengamatan satu ke pengamatan lainnya pada model regresi. Model regresi yang baik adalah model
regresi yang tidak terdapat heteroskedastisitas. Metode yang digunakan untuk menguji
heteroskedastisitas pada penelitian ini adalah dengan metode Breusch Pagan. Terjadi atau tidak
terjadinya heteroskedastisitas dapat dilihat dari nilai probability chi2 pada tabel hasil uji. Jika nilai
probability chi2 lebih besar dari nilai signifikan (probability chi2 > 0,05) heteroskedastisitas tidak
terjadi. Sebaliknya, apabila nilai probability chi2 lebih kecil dari nilai signifikan (probability chi2 <
0,05), heteroskedastisitas terjadi pada modelregresi.
Uji autokorelasi
Uji autokorelasi bertujuan untuk menguji ada atau tidak adanya korelasi antara kesalahan
pengganggu dalam suatu model regresi pada periode sekarang dengan periode sebelumnya (Ghozali,
2005). Autokorelasi sering terjadi pada data yang bersifat timeseries. Autokorelasi dapat terjadi karena
adanya keterkaitan antar observasi yang berurutan sepanjang waktu. Model regresi yang baik adalah
model regresi yang tidak terdapat autokorelasi. Metode pengujian autokorelasi adalah uji Wooldridge.
Terjadi atau tidak terjadinya autokorelasi dilihat dari nilai probabilitas F pada tabel hasil uji. Jika nilai
probabilitas F lebih besar dari nilai signifikan (prob F > 0,05) autokorelasi tidak terjadi. Sebaliknya,
jika nilai probabilitas F lebih kecil dari nilai signifikan (prob F < 0,05) autokorelasi terjadi pada
modelregresi.
2.2.4. Uji Hipotesis
Dampak langsung terhadap CEC
Model pertama digunakan untuk menguji apakah adopsi XBRL berpengaruh secara langsung
terhadap CEC pada pasar modal di Indonesia (H1a). Periode pengambilan sampel mulai tahun 2016
sampai tahun 2018, dengan pertimbangan bahwa ketiga negara tersebut secara bersama-sama sudah
mengadopsi XBRL. Menggunakan model 1, H1a terdukung jika koefisien α1 < 0.
CEC = α0 + α1XBRLit + α2BIGNit + α3Sizeit + α4Leverageit + α5BTMit + α6ROAit + εit (1)
Variabel independen utama dalam model 1 adalah variabel dummy XBRL, bernilai 1 apabila
perusahaan mengadopsi XBRL baik pendekatan wajib maupun sukarela, atau bernilai 0 apabila
perusahaan tidak/belum mengadopsi XBRL selama periode tertentu(2016-2018).
Model 1 menggunakan variabel kontrol BIGN (Kantor Akuntan Publik Big 4), yang
merupakan variabel dummy, bernilai 1 apabila perusahaan diaudit oleh Kantor Akuntan Publik Big 4,
atau bernilai 0 jika sebaliknya. Kantor Akuntan Publik Big 4 dinilai dapat menciptakan praktik terbaik
pelaporan XBRL. Oleh karena itu, auditor Big 4 dapat memfasilitasi adopsi pelaporan XBRL
(Ragothaman, 2012). Selain itu, Khurana dan Raman (2004) dan Chen et al. (2011) dalam hasil
penelitiannya melaporkan CEC yang lebih rendah untuk klien Big 4 dibandingkan dengan klien kantor
audit non-Big4.
Mengikuti studi-studi sebelumnya (Chen et al., 2015; Habib, Hasan, & Al-Hadi, 2018; Hao et
al., 2014; Imhof, Seavey, & Smith, 2017; Liu, Luo, et al., 2014), dalam penelitian ini menggunakan
beberapa variabel kontrol level perusahaan yang mempengaruhi asosiasi antara adopsi XBRL dan
CEC, yaitu kontrol untuk ukuran perusahaan (size), rasio pengungkit (leverage), rasio nilai buku
terhadap harga pasar (book-to-market ratio), rasio pengembalian atas aset (return on assets).
2.2.5. Uji koefisien determinasi (R2)
Uji koefisien determinasi (R2) adalah uji yang digunakan untuk mengetahui seberapa baik
variasi variabel dependen dapat dijelaskan oleh variasi variabel independen dalam suatu model regresi
(Lind et al., 2012). Nilai R2 berkisar 0 sampai dengan 1 (0  R2  1). Semakin angkanya mendekati
1, maka semakin baik variasi variabel independen menjelaskan pengaruhnya terhadap variasi variabel
dependen. Sebaliknya, jika angka mendekati 0, maka semakin rendah kemampuan variabel independen
dalam menjelaskan variabel dependennya.
2.2.6. Uji F
Uji F digunakan untuk menguji goodness of fit dari model regresi berdasarkan nilai residual,
sum of squared errors (SSE). Pengujian ini menjadi penanda bahwa variansi variabel independen
mampu terjelaskan dalam model. Pengujian ini menggunakan ANOVA untuk menguji apakah
kesalahan variansi berdistribusi yang homogen, sekaligus menunjukkan bahwa data berasal dari
populasi yang berdistribusi normal. Berikut ini adalah hubungan nilai signifikansi pada pengujian
goodness of fit model regresi:
1. Jika F hitung > F tabel atau p < 0,05 hipotesisditerima.
2. Jika F hitung < F tabel atau p > 0,05 hipotesisditolak.
2.2.7. Uji t
Uji t adalah uji yang digunakan untuk menganalisis pengaruh variabel independen terhadap
variabel dependen yang berarah. Pengambilan keputusan dilakukan sebagai berikut:
1. Jika t hitung > t tabel atau sig < 0,05 ada pengaruh variabel independen terhadap
variabeldependen dan hipotesis terdukung. Selain nilai signifikannya, penentuan hipotesis
diterima juga mempertimbangkan arah koefisiennya.
2. Jika t hitung < t tabel atau sig > 0,05 tidak ada pengaruh variabel independen terhadap variabel
dependen dan hipotesis ditolak.

3. Hasil dan Pembahasan

3.1. Pemilihan Data
Tabel 3.1. Prosedur Pemilihan Sampel di Bursa Efek Indonesia
Kriteria Jumlah

Perusahaan yang terdaftar di Bursa Efek Indonesia yang masuk dalam

sektor Communication Service, Consumer Discretionary, Consumer 484
Staples, Energy, Health Care, Industrial, Material, Real Estate, Utilities,
dan IT periode 2015-2018
Perusahaan yang terdaftar di Bursa Efek Indonesia yang tidak memiliki (96)
elemen laporan keuangan yang lengkap selama periode 2015-2018

Jumlah Perusahaan di Bursa Efek Indonesia Sesuai Kriteria 388

Tahun Pengamatan Bursa Efek Indonesia 4
Total Observasi Bursa Efek Indonesia 1.547
Keterangan tabel:
Tabel ini menjelaskan prosedur pemilihan sampel berdasarkan kelengkapan data
laporan keuangan di Bursa Efek Indonesia.
3.2. Analisis Statistik Deskriptif
Tabel 3.2. Statistik Deskriptif Variabel di Bursa Efek Indonesia
Variabel Observasi Mean Deviasi Minimum Maksimum
Standar
CEC 1.547 730,32 405,50 1 1.435
Size 1.547 19,06 1,70 12,71 23,89

Leverag 1.547 0,63 1,35 0,00 22,61

e
 BTM 1.545 772,82 445,84 1 1.522

ROA 1.546 0,03 0,17 - 2,87 2,75

Keterangan tabel:
Tabel ini menjelaskan statistik deskriptif variabel CEC (Cost of Equity Capital), Size,
Leverage, BTM (Book to Market), dan ROA (Return on Assets) di Bursa EfekIndonesia.

Tabel 3.3. Frekuensi Variabel XBRL di Bursa Efek Indonesia

XBR Frekuensi Persentase
L
0 98 6,33
1 1.449 93,67

Total 1.547 100,00

Keterangan tabel:
Tabel ini menjelaskan analisis deskriptif variabel dummy XBRL di Bursa Efek
Indonesia.

Tabel 3.4. Frekuensi Variabel BIGN di Bursa Efek Indonesia

BIG Frekuensi Persentase
N
0 964 62,31
1 583 37,69

Total 1.547 100,00

Keterangan tabel:
Tabel ini menjelaskan analisis deskriptif variabel dummy BIGN di Bursa Efek
Indonesia.

Tabel 3.2 memberikan gambaran mengenai perbedaan kondisi tendensi sentral, distribusi data
dan penyebaran data. Sementara itu Tabel 3.3 memperlihatkan frekuensi variabel dummy XBRL di
Bursa Efek Indonesia. Tabel 3.4 memperlihatkan perusahaan-perusahaan di Bursa Efek Indonesia.
3.3. Uji Hipotesis
Dampak Adopsi XBRL Terhadap Cost Equity Capital (CEC)
Regresi Data Panel Model Pertama di Pasar Modal Indonesia
Model pertama digunakan untuk menguji apakah adopsi XBRL mempengaruhi CEC pada
pasar modal di Indonesia. Periode pengambilan sampel mulai tahun 2016 sampai tahun 2018, dengan
pertimbangan bahwa ketiga negara tersebut secara bersama-sama sudah mengadopsi XBRL.
Penggunaan model 1, H1a terdukung jika koefisien α1 < 0.
Penentuan terbaik pendekatan regresi data panel dilakukan menggunakan tiga uji statistik,
yaitu Uji Chow, Uji Hausman, dan Uji Lagrange Multiplier. Hasil pengujian ini dan pengujian asumsi
klasik, yaitu uji multikolinearitas, uji homoskedastisitas, dan uji autokorelasi, dapat dilihat pada
Lampiran I. Ada beberapa hasil uji asumsi klasik yang tidak terpenuhi. Cara mengatasinya yaitu
membobot data dengan metode weighted least square. Pengujian hipotesis dilakukan setelah
penyesuaian data dengan metode pembobotan.
Tabel 3.5. menjelaskan hasil pengujian Hipotesis 1a di pasar modal Indonesia. Variabel
independen: XBRL (serta variabel kontrol ukuran perusahaan, tingkat pengembalian aset, leverage,
kantor akuntan, rasio harga pasar terhadap nilai buku); variabel dependen: variabel CEC (cost of equity
capital) untuk pasar modal di Indonesia.
Tabel 3.5. Hasil Pengujian Hipotesis 1a Pasar Modal Indonesia
dengan Pembobotan Pendekatan CEM (Persamaan 1)
 Model Pengujian

CEC = α0 + α1XBRLit + α2BIGNit+ α3Sizeit+ α4Leverageit + α5BTMit + α6ROAit + εit

Variabel Variabel Dependen (CEC)

Independen Koefisien t P-Value

XBRL - 115,928 - 68,67 0,000***

BIGN - 47,626 - 34,05 0,000***

Size - 27,444 - 72,97 0,000***

Leverage 6,998 14,74 0,000***

BTM - 0,056 - 79,67 0,000***

ROA 0,007 11,07 0,000***

Model Pengujian

CEC = α0 + α1XBRLit + α2BIGNit+ α3Sizeit+ α4Leverageit + α5BTMit + α6ROAit + εit

Variabel Variabel Dependen (CEC)

Independen Koefisien t P-Value

Konstanta 2.254,574 358,91 0,000***

R-Square 0,0085
Adj R-square 0,0085

Root MSE 973,42

Observasi 2.320.569

F(6, 2320562) 3.298,79

Prob F 0,0000

***signifikan pada level 1%, **signifikan pada level 5%, *signifikan pada level 10%.
Uji koefisien determinasi(R2)
Pada tabel di atas, nilai R-square dan adj R-square sebesar 0,0085 yang dapat disimpulkan
bahwa variasi variabel XBRL serta variabel kontrol ukuran perusahaan, tingkat pengembalian aset,
leverage, kantor akuntan, rasio harga pasar terhadap nilai buku, pertumbuhan ekonomi, dan tata kelola
publik dapat menjelaskan 0,85% dari variabel dependen CEC . Walaupun nilai R-square adj R- Square
model regresi ini cukup rendah, bukan berarti model regresi ini tidak layak. Studi ini mengambil
teorema Bernoulli untuk menjelaskan bahwa studi ini berfrekuensi data yang tinggi sejumlah sejumlah
2.320.569. Konsekuensinya, semakin tinggi tingkat konvergensi data yang selanjutnya mengisyaratkan
nilai ekspektasian CEC semakin mendekati kenyataan nilai mean-nya, sehinggaterjadi asymptotic
yang mendekati nol. Rendahnya nilai R-square dan adj R-square, maka analisis harus mengacu
kesesuaian model telah mempertimbangkan SSE sebesar973,42.
Uji F
 Penarikan kesimpulan dalam uji F dilakukan atas dasar nilai F sebesar 3.298,79 dengan prob F
bernilai sebesar 0,00 < 0.01. Berdasarkan nilai tersebut, penelitian ini menyimpulkan bahwa model
layak untuk menguji hipotesis.
Uji t
Penarikan kesimpulan dalam uji t dilakukan atas dasar nilai p-value pada Tabel 3.5. Tabel 3.5
menunjukkan variabel XBRL bernilai t sebesar 68,67 dengan p- value sebesar 0,000 < 0,01. Artinya
hipotesis H1a terdukung bahwa adopsi XBRL (serta variabel kontrol ukuran perusahaan, tingkat
pengembalian aset, leverage, kantor akuntan, rasio harga pasar terhadap nilai buku) mempengaruhi
CEC pada pasar modal di Indonesia.
3.4. Pembahasan Hipotesis dan Temuan Penelitian
Hasil pengujian model 1 membuktikan bahwa XBRL mempengaruhi CEC (p- value < 0,01) di
pasar modal Indonesia. Selanjutnya, adopsi XBRL menurunkan CEC sebesar -115,928, di ketiga pasar
modal tersebut pada tahun 2016 sampai tahun 2018. Pasar modal Indonesia baru
mengimplementasikan XBRL pada tahun 2016. Hasil pengujian ini mendukung penelitian Li, Ni, dan
Lin (2012) dan Dong et al. (2016) untuk adopsi wajib XBRL, serta hasil penelitian Ra dan Lee (2018),
Hao et al. (2014) dan Zhang et al. (2013) untuk adopsi sukarela XBRL.
Temuan penelitian ini mengindikasikan, bahwa adopsi XBRL secara wajib di suatu negara
menurunkan CEC. Adopsi XBRL mereduksi asimetri informasi perusahaan dan pasar serta asimetri
informasi perusahaan dengan pelaku pasar. Dengan kata lain, adopsi XBRL meningkatkan
kemampuan penyampaian informasi yang lebih cepat dan akurat ini yang merupakan wujud dari
penurunan time linessa simetris.Dengan kemampuanini, investor berani mengambil keputusan
berinvestasi. Keputusan ini meningkatkan nilai trading perusahaan yang juga meningkatkan nilai
saham perusahaan, yang akhirnya menurunkan CEC.

4. Simpulan, Implikasi Praktis, Implikasi Kebijakan, Keterbatasan dan Saran

Hasil uji hipotesis terbagi menjadi tiga bagian, yaitu dampak langsung terhadap biaya modal
ekuitas, dampak langsung terhadap komparabilitas, dan dampak tidak langsung terhadap biaya modal
ekuitas. Hasil uji pada regresi data panel model pertama, semua variabel secara signifikan
mempengaruhi biaya modal ekuitas, termasuk variabel XBRL. Artinya, terbukti bahwa adopsi XBRL
dapat menurunkan biaya modal ekuitas di pasar modal Indonesia secara signifikan.
Kebijakan untuk melakukan adopsi XBRL tidak dapat dilepaskan dari peran regulator
setempat. Keputusan untuk adopsi XBRL tersebut ditentukan oleh regulator di Indonesia yang akan
mengadopsi XBRL, apakah akan mengadopsi dengan pendekatan wajib. Penelitian ini juga
memberikan tilikan dan wawasan bagi investor agar memanfaatkan dengan lebih baik laporan
keuangan berbasis XBRL untuk melakukan komparasi sebanyak mungkin laporan keuangan
perusahaan sehingga dapat mencapai keputusan investasi yang tepat. Teknologi XBRL dapat
digunakan investor untuk mendapatkan informasi keuangan yang dibutuhkan dengan lebih efektif dan
efisien. Maka dari hasil penelitian ini menemukan bahwa dengan adopsi XBRL disuatu Negara akan
dapat meningkatkan komparabilitas laporan keuangan yang dapat dimanfaatkan oleh investor di pasar
modal tersebut.
Beberapa regulator di dunia masih menunda adopsi XBRL, salah satu alasannya adalah karena
regulator-regulator tersebut masih mempertimbangkan biaya dan manfaat dari teknologi baru tersebut,
dan ketidak pastian hasilnya (Liu, Yao, Sia, & Wei, 2014). Penelitian ini diperlukan untuk menambah
bukti empiris mengenai adopsi XBRL. Banyak penelitian sebelumnya meneliti efek langsung adopsi
XBRL terhadap biaya modal ekuitas (Chen, Harris, Li, & Wu,2015; Dong, Li, Lin, & Ni, 2016; Hao,
L., Zhang, J. H., & Fang, J. B., 2014; Liu, Luo, Sia, O’Farrell, & Teo, 2014; Ra & Lee, 2018). Hasil
penelitian ini mengonfirmasi temuan penelitian- penelitian tersebut, karena adopsi XBRL di Indonesia
terbukti dapat menurunkan biaya modal ekuitas baik secara langsung maupun tidak langsung melalui
komparabilitas laporan keuangan. Yang harus menjadi catatan dari hasil penelitian ini adalah
mengenai peran penting waktu dilakukannya adopsi XBRL, karena manfaat atau nilai adopsi XBRL
baru dapat dilihat setelah jangka waktu tertentu, dan tidak seketika pada saat awal adopsi dilakukan.
Penelitian ini memiliki beberapa keterbatasan sebagai berikut. Pertama, penelitian ini tidak
menggunakan variabel kontrol adopsi IFRS, karena pengukuran level adopsi IFRS menggunakan
variabel dummy yang bernilai 1 apabila suatu negara sudah mengadopsi IFRS, atau bernilai 0 jika
sebaliknya. Sebaliknya, XBRL dapat meningkatkan kegunaan standar akuntansi seperti IFRS,
merampingkan dan mengintegrasikan arus informasi diantara organisasi-organisasi dengan
memfasilitasi pertukaran data keuangan menggunakan berbagai platform komputer yang berbeda dan
berbagai aplikasi perangkat lunak. Dengan demikian, XBRL dapat menghasilkan efisiensi yang
sangat besar dalam rantai pasokan informasi bisnis sambil menegakkan penerapan standar akuntansi.
Kesempatan penelitian mendatang dapat menggunakan variabel kontrol adopsi IFRS untuk melihat
dampaknya terhadap komparabilitas laporan keuangan dan biaya modal ekuitas. Kedua, penelitian ini
belum memasukkan variabel kontrol untukperbedaan faktor-faktor institusional seperti misalnya
pasar modal, regulasi, country risk,tipe industri, dan pengaturan institusional untuk pelaporan
keuangan. Penelitian mendatang dapat mempelajari lebih lanjut peran faktor-faktor institusional ini
dalam mempengaruhi keberhasilan adopsi XBRL di Indonesia. Ketiga, penelitian ini mengukur biaya
modal ekuitas menggunakan model CAPM. Di Indonesia return bebas risiko menggunakan BI 7-day
rate, yaitu suku bunga acuan dalam kerangka operasi moneter Bank Indonesia, dan bukan suku bunga
yang digunakan sebagai acuan investasi oleh investor. Karena hasil penelitian ini menunjukkan
bahwa adopsi XBRL di Indonesia tidak signifikan mempengaruhi biaya modal ekuitas. Penelitian
mendatang dapat menggunakan suku bunga obligasi pemerintah sebagai proksi return bebas risiko,
karena obligasi pemerintah merupakan sebuah instrumen investasi yang aman dari risiko gagal bayar.