Artikel Indonesia
Artikel Indonesia
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
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.
Keterangan tabel:
Tabel ini menjelaskan analisis deskriptif variabel dummy XBRL di Bursa Efek
Indonesia.
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
Model Pengujian
R-Square 0,0085
Adj R-square 0,0085
Observasi 2.320.569
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.