Akibar Feb

GABUNGAN PROKSI INVESTMENT OPPORTUNITY SET DAN
HUBUNGANNYA TERHADAP REALISASI PERTUMBUHAN DENGAN

PENDEKATAN ANALISIS FAKTOR KONFIRMATORI
(Studi Empirik Pada Perusahaan Manufaktur Yang Terdaftar Di BEI)

Oleh
Akibar
NIM : 206081003966

JURUSAN MANAJEMEN KEUANGAN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1432 H / 2011 M

ABSTRAK

Tujuan penelitian ini adalah untuk mengetahui gabungan proksi peluang
investasi set dan hubungannya terhadap realisasi pertumbuhan perusahaan dengan
menggunakan model persamaan struktural (SEM) pada pendekatan analisis faktor
konfirmatori. Metode sampel purposive sampling. Data yang digunakan sebanyak
25 perusahaan dari tahun 2006 sampai 2009 yang terdaftar di Bursa Efek
Indonesia.
Hasil penelitian ini menunjukkan bahwa terdapat hubungan yang
signifikan antara proksi IOS berbasis harga saham terhadap realisasi pertumbuhan
sebesar 0.059. Dan terdapat hubungan yang signifikan antara proksi IOS berbasis
investasi terhadap realisasi pertumbuhan sebesar 0.013.

Kata kunci : Peluang Investasi Set (IOS), Proksi Berbasis Harga Sahamdan
Investasi, Model Persamaan Struktural (SEM), Analisis Faktor Konfirmatori,
Realisasi Pertumbuhan.

ABSTRACT

The purpose of this research is to know the composite proxy Investment
Opportunity Set (IOS) and correlation to realized growth in corporate by using
structural equation model with confirmatory factor analysis approach. The data
analysis method for this research is purposive sampling. The population in
researching manufacturing business which listed in Indonesia Stock Exchange, at
period time 2006 to 2009 amount to 25 company. The result of this research is
significant between price related IOS proxy with realized growth is 0,059 and
investment related IOS proxy with realized growth is 0,013

Keyword : Investment Opportunity Set (IOS) Related Price and Investment
Proxies Related price and investment, Structural Equation Model, Confirmatory
Factor Analysis, Realized Growth.

KATA PENGANTAR

Bismillaahirrahmanirrahiim,
Assalamualakum Wr. Wb

Puji syukur kehadirat Allah SWT atas rahmat serta hidayah-Nya
yang diberikan kepada umatnya. Atas ridha-Nya penyusun dapat
menyelesaikan skripsi dengan judul Gabungan Proksi Invesment
Opportunity Set dan Hubungannya Terhadap Realisasi Pertumbuhan
dengan Pendekatan Analisis Faktor Konfirmatori (Studi Empirik Pada
Perusahaan Manufaktur Yang Terdaftar di BEI) Periode 2006-2009.
Pada kesempatan ini penyusun menyapaikan rasa terima kasih yang
sebesar-besarnya sehingga skripsi dapat diajukan untuk melengkapi gelar
Sarjana Ekonomi Jurusan Manajemen Keuangan pada Universitas Islam
Negeri Jakarta, kepada :
1. Ayanda Sugiman dan Ibunda jauriah, selaku orang tua yang tidak
pernah berhenti memanjatkan doa serta selalu mengiringi langkahku
dengan penuh keikhlasan. Karena restu dari merekalah penyusun
mendapatkan kekuatan menjadi lebih tegar dan kuat dalam
menyelesaikan skripsi ini. Tanpa mereka skripsi ini bukanlah apa-
apa.
2. Prof. Dr. Abdul Hamid, MS selaku Dekan Fakultas Ekonomi dan
Bisnis UIN Syarif Hidayatullah Jakarta yang telah bekerja keras
mengembangkan FEB menjadi lebih baik dan maju.
3. Prof. Dr. Ahmad Rodoni, MM selaku pembimbing I, yang telah
memberikan bimbingan, motivasi, arahan sehingga skripsi ini dapat
terselesaikan dengan baik dan selalu semangat dalam menjalankan
segala tegasnya.
4. Ibu Amalia, SE. M.S.M, selaku pembimbing II, yang telah banyak
membantu dan meluangkan waktu untuk memberikan arahan
dengan ilmi-ilmu baru serta bimbingan sehingga penulis menjadi
lebih termotivasi untuk menjadi lebih baik.
5. Mas Gun dan ayuk Santi, yang telah meneteskan keringat untukku
dan keluarga, atas doa, motivasi dan dana segar yang selalu mas
suntikan dengan mengucur deras pada adikmu ini, sehingga adikmu
ini bisa merasakan bangku perkuliahan, semoga Allah SWT
membalas semua pengorbanan dan kebaikan Mas Gun. Amin.
6. Kakak-kakakku tercinta (mba April, Mas Eka, Mas Tris, Mba
Ningsih, Mas yalid, Mba Sap, Mba Mita) terima kasih atas doa,
motivasi, dan kasih sayangnya yang tak pernah berhenti tercurahkan
kepada adikmu ini sehingga penulis tak pernah merasa terabaikan.
7. Ka Perdy Irmawan, S.Si, dan Ka Khoir, selaku pembimbing non
formal. Terima kasih banyak atas semua waktu luang dan
pengertiannya. Atas ilmu yang diberikan, penulis jadi lebih
berwawasan dan dapat dengan mudah menghadapi segala hambatan
yang selama ini penulis alami.
8. Khania Vissiani Amrullah SE, my Friendship terima kasih atas
waktu, dukungan dan segala pengorbanannya sekaligus selaku
pembimbing non formal, berkat dirimu penulis dapat menyelesaikan
skripsi ini.
9. Ka Herman yang banyak memberikan motivasi untuk cepat-cepat
menyelesaikan kuliah agar bisa membanggakan orang tua, keluarga.
10. Temen temen Manajemen A yang selalu memberikan semangat
dan warna kehidupan, yang menjadi hidup lebih hidup selama 4
tahun kita bersama dan selebihnya kita udah jarang bertemu.
Walaupun begitu kita akan selalu bersama.
Fajriah, terimah kasih atas waktu dan dukungannya selama ini
yang telah banyak membantu sehingga skripsi ini dapat
terselesaikan dengan baik.
Dewi Antika, teman seperjuangan terimah kasih yang dengan
setia menunggu saya untuk menyelesaikan skripsi ini dan
memberikan motivasi serta dukungannya sehingga penulis dapat
menyelesaikan skripsi ini dengan baik
Epi Saputri, berkat saran dan masukan dari nya lah penulis
menjadi lebih bisa menjalani kenyataan pahitnya hidup. Terus
semangat oke
Avri dan Rama, dua sejoli dan sekaligus teman baik, terus
perjuangkan apa yang kalian harus perjuangkan, meskipun dunia
adalah tempat tinggal sementara tapi kita berhak mendapatkan
apa yang harus kita dapatkan, dan selamat atas wisudanya
januari kemaren.
Ade terima kasih atas kebaikannya yang telah bersediah
memberikan pinjaman buku Amosnya sehingga penulis dapat
menyelesaikan skripsinya dengan baik.
Seluruh teman-teman Manajemen Keuangan, teruslah berjuang,
menumbuhkan rasa semangat dan motivasi belajar. Karena akan
sangat bermanfaat baik sekarang maupun dimasa yang akan
datang. Dan dan selalu pertahankan persaingan yang sportif dan
sehat, karena itu adalah kunci kesuksesan yang murni. Karena
kegagalan adalah kesuksesan yang tertunda.
11. Kepada semua pihak-pihak yang banyak membantu dari awal hingga
skripsi ini selesai dengan baik, yang tidak bisa penulis sebutkan satu
per satu. Dan kepada semua pihak penulis meminta maaf atas segala
kekurangan yang penulis miliki dan kelebihan yang sempurnah
hanya-Nya lah milik Allah SWT. Penulis ucapkan banyak terimah
kasih.
Semoga dengan terselesainya penyusunan skripsi ini membawa
banyak manfaat bagi penulis khususnya dan bagi para pembaca
umumnya.
Wassalamualaikumwaramatullahi wabarakatuh
Jakarta, Januari 2011

Penulis
vii

DAFTAR ISI

Halaman
Daftar Riwayat Hidup.. i
Abstrak. ii
Abstract iii
Kata Pengantar. iv
Daftar Isi... vii
Daftar Tabel...... x
Daftar Gambar.. xii
Daftar Lampiran... xiii

BAB I PENDAHULUAN. 1
A. Latar Belakang Penelitian... 1
B. Perumusan Masalah... 12
C. Tujuan dan Manfaat Penelitian. 12

BAB II TINJAUAN PUSTAKA 14
A. Pengertian Investment Opportunity Set (IOS) 14
B. Alternatif Proksi IOS. 17
1. Proksi IOS Berbasis Harga Saham 17
2. Proksi IOS Berbasis Investasi.. 20
C. Realisasi Pertumbuhan (Pertumbuhan Perusahaan).. 23
D. Penelitian Terdahulu.. 26
E. Kerangka Pemikiran....... 28
F. Hipotesis. 31

BAB III METODOLOGI PENELITIAN. 32
A. Ruang Lingkup Penelitian... 32
B. Metode Penentuan Sampel.. 32
C. Metode Pengumpulan Data. 33
viii

D. Metode Analisis.. 34
1. Uji Asumsi .. 35
2. Model Pengukuran. 36
3. Uji Kesesuaian atau kelayakan model ..................... 37
E. Operasional Variabel Penelitian...... 41

BAB IV HASIL DAN PEMBAHASAN
A. Deskriptif Data. 46
B. Analisis Data dengan Menggunakan
Structural Equation Modeling Proksi Berbasis Harga
Saham.............................................................................. 47
C. Menilai Indentifikasi Model Struktural Proksi Berbasis
Harga Saham............................................................... 47
D. Menilai Kriteria Goodness of Fit Proksi Berbasis
Harga Saham................................................................... 51
E. Kelayakan Parameter Estimasi Proksi Berbasis
Harga Saham................................................................... 54
F. Evaluasi Multikolinieritas Proksi Berbasis
Harga Saham................................................................... 56
G. Uji Discriminant Validity Proksi Berbasis
Harga Saham................................................................... 56
H. Analisis Data Investasi Dengan Menggunakan SEM
Proksi Berbasis Investasi................................................. 59
I. Menilai Identifikasi Model Structurak Proksi
Berbasis Investasi 59
J. Menilai Kriteria Goodness of Fit Proksi
Berbasis Investasi............................................................. 63
K. Kelayakan Parameter Estimasi Proksi Berbasis
Investasi............................................................................ 66
L. Evaluasi Multikolinieritas Proksi Berbasis Investasi...... 67

ix

M. Uji Discriminant Validity Proksi Berbasis
Investasi........................................................................... 68
N. Interpretasi ...................................................................... 71

BAB V PENUTUP
A. Kesimpulan..................................................................... 76
B. Saran................................................................................ 77

DAFTAR PUSTAKA 78
Lampiran ... 82
x

DAFTAR TABEL

No. Tabel Halaman
2.1. Penelitian Terdahulu.. 26
3.1. Data Sampel Perusahaan 33
4.1. Parameter Summary Proksi Harga Saham. 48
4.2. Parameter Summary Proksi Harga SahamKonstrain 50
4.3. Nilai Chi-Square (CMIN) Proksi Harga Saham.... 51
4.4. Goodness of Fit Index (GFI) dan Adjusted Goodness of Fit Index
(AGFI) Proksi Harga Saham.. 51
4.5. Root Mean Square Error of Approximation (RMSEA) Proksi
Harga Saham...............................................................................51
4.6. Nilai Modification Indices Proksi Harga SahamTerhadap Realisasi
Pertumbuhan.. 53
4.7. Standarized Regression Weights Proksi Harga Saham.. 55
4.8. Variances Proksi Harga Saham.. 55
4.9. Uji Multikolonieritas Proksi Harga Saham 56
4.10. Hubungan Proksi Harga Saham Terhadap Realisasi
Pertumbuhan.. 58
4.11. Korelasi antar Konstruk dan Akar Kuadrat AVE Proksi
Harga Saham.. 58
4.12. Parameter Summary Proksi Investasi 60
4.13. Parameter Summary Proksi Investasi Konstrain62
4.14. Nilai Chi-Square (CMIN) Proksi Investasi.... 63
4.15. Goodness of Fit Index (GFI) dan Adjusted Goodness of Fit Index
(AGFI) Proksi Investasi. 63
4.16. Root Mean Square Error of Approximation (RMSEA) Proksi
Investasi. 63
4.17. Nilai Modification Indices Proksi Investasi Terhadap Realisasi
Pertumbuhan.. 64
xi

4.18. Standarized Regression Weights Proksi Investasi. 66
4.19. Variances Proksi Investasi terhadap Realisasi Pertumbuhan 67
4.20. Uji Multikolonieritas Proksi Investasi.. 68
4.21. Hubungan Proksi Investasi Terhadap Realisasi Pertumbuhan. 69
4.22. Korelasi antar Kontruk dan Akar Kuadrat AVE Proksi Investasi. 70

xii

DAFTAR GAMBAR

No. Gambar Halaman
2.1. Kerangka Pemikiran.. 28
2.2. Model Gabungan Proksi Individu IOS Berbasis Harga Saham
Dan Hubungannya Terhadap Realisasi Pertumbuhan 29
2.3. Model Gabungan Proksi Individu IOS Berbasis Investasi dan
Hubungannya Terhadap Realisasi Pertumbuhan... 30
4.1. Grafik Data Keseluruhan... 46
4.2. Model SEM Proksi Harga Saham Terhadap Realisasi
Pertumbuhan.. 47
4.3. Model SEM Proksi Harga Saham Terhadap Realisasi
Pertumbuhan Konstrain. 49
4.4. Model SEM Proksi Sahamdengan Modification Indices. 54
4.5. Model SEM Proksi Investasi Terhadap Realisasi Pertumbuhan59
4.6. Model SEM Proksi Investasi Terhadap Realisasi Pertumbuhan
Konstrain 61
4.7. Model SEM Proksi Investasi dengan Modification Indices.. 65

xiii

Daftar Lampiran

Halaman
Lampiran 1 Data Laporan Keuangan dengan Perhitungan EP. 82
Lampiran 2 Data Laporan Keuangan dengan Perhitungan MVEBVE. 86
Lampiran 3 Data Laporan Keuangan dengan Perhitungan EP. 90
Lampiran 4 Data Laporan Keuangan dengan Perhitungan PER.. 94
Lampiran 5 Data Laporan Keuangan dengan Perhitungan IONS98
Lampiran 6 Data Laporan Keuangan dengan Perhitungan CAPBVA.102
Lampiran 7 Data Laporan Keuangan dengan Perhitungan GROWSAL..110
Lampiran 8 Data Laporan Keuangan dengan Perhitungan GROWEAR.114
Lampiran 9 Data Laporan Keuangan dengan Perhitungan GROWEQ118
Lampiran 10 Data Laporan Keuangan dengan Perhitungan GROWAS122
Lampiran 11 Data yang diolah...126
Lampiran 12 Grafik yang dihasilkan dari data laporan keuangan.132

1
BAB I
PENDAHULUAN

A. Latar Belakang Penelitian
Pertumbuhan perusahaan merupakan suatu harapan penting yang di
inginkan oleh pihak internal perusahaan yaitu manajemen secara internal
maupun eksternal perusahaan seperti investor dan kreditur. Pertumbuhan ini
diharapkan dapat memberikan aspek yang positif bagi perusahaan seperti
adanya suatu kesempatan berinvestasi di perusahaan tersebut. Prospek
perusahaan yang bertumbuh bagi investor merupakan suatu prospek yang
menguntungkan, karena investasi yang ditanamkan diharapkan akan
memberikan return yang tinggi. Setiap perusahaan pasti memiliki konsep
going concern dalam menjalankan kegiatan bisnisnya (Nopratiwi, 2004).
Konsep going concern tersebut menuntut perusahaan untuk
menjalankan kegiatan bisnisnya secara berkelanjutan. Dalammenjalankan
keberlanjutan tersebut diharapkan perusahaan akan tumbuh dari tahun ke
tahun. Pertumbuhan perusahaan sangat diharapkan baik oleh kalangan
internal maupun eksternal dari sebuah perusahaan. Perusahaan dengan
pertumbuhan yang tinggi membutuhkan lebih banyak dana karena banyak
kesempatan investasi yang akan mereka lakukan. Dana tersebut dapat
diperoleh perusahaan salah satunya adalah dengan penjualan saham.
Perusahaan di dalammelakukan suatu investasi akan memerlukan pendanaan
2
di mana pendanaan tersebut dapat diperoleh dari pendanaan internal maupun
eksternal.
Pendanaan internal merupakan pendanaan yang berasal dari dalam
perusahaan sendiri yang dapat diperoleh dari modal saham yang disetor
ataupun laba ditahan yang tidak dibagikan sebagai dividen kepada para
pemegang saham, sedangkan pendanaan eksternal berasal dari hutang yang
diperoleh dari pihak kreditor. Karena itu setiap perusahaan akan memiliki
suatu kebijakan tersendiri di dalam menyediakan pendanaan untuk
melaksanakan investasi.
Secara spesifik (Ross, 2005) menyatakan bahwa perencanaan keuangan
memformulasikan metode yang akan menunjukkan tujuan-tujuan dari
pendanaan yang akan dicapai, yang terdiri atas dua dimensi yaitu : rangkaian
waktu (time frame) dan tingkatan dari agregasi (level of aggregation). Di
dalam melaksanakan investasi tersebut, manajemen perusahaan dituntut untuk
dapat memaksimalkan nilai yang didapat dan yang akan diperoleh oleh
perusahaan. Sehingga diperlukannya usaha untuk mengatasi hal tersebut
dengan menetapkan suatu kebijakan yang sesuai dengan kondisi perusahaan.
Kekayaan materi suatu masyarakat pada akhirnya ditentukan oleh kapasitas
produktif ekonomi barang dan jasa yang dapat diberikan kepada anggotanya.
Kapasitas produktif ini merupakan fungsi dari real asset (asset riil)
perekonomian, seperti: tanah, bangunan, pengetahuan dan mesin yang
digunakan untuk memproduksi barang serta para pekerja yang keahliannya
diperlukan untuk memanfaatkan sumber daya tersebut. Secara bersamaan,
3
asset fisik dan sumber daya manusia dapat menghasilkan keseluruhan
spectrum output yang diproduksi dan dapat dikonsumsi oleh masyarakat
Kebalikan dari aset riil adalah aset keuangan (financial asset) seperti
saham atau obligasi. Aset ini secara terpisah, tidak mencerminkan kekayaan
masyarakat. Saham hanya merupakan lembaran kertas atau mungkin jurnal
komputer dan tidak secara langsung memiliki kontribusi terhadap kapasitas
produktif dalamsuatu perekonomian. Sebaliknya, aset keuangan memiliki
kontribusi secara tidak langsung terhadap kapasitas produktif suatu
perekonomian, karena aset ini memisahkan kepemilikan dan manajemen
dalam suatu perusahaan dan memfasilitasi pemindahan dana untuk
perusahaan dengan peluang investasi yang menarik. Aset keuangan memiliki
kontribusi terhadap kekayaan individu dan perusahaan yang memilikinya.
Karena aset keuangan merupakan klaimatas laba yang dihasilkan oleh aset
riil (Bodie,et al, 2006).
Nilai perusahaan menurut (Gaver dan Gaver, 1993) digambarkan
sebagai sebuah kombinasi antara assets in place (aset yang dimiliki) dengan
investment options (pilihan investasi) di masa depan. Dimana nilai investment
options ini tergantung pada discretionary expenditures yang dikeluarkan oleh
manajer di masa depan, sedangkan assets in place tidak memerlukan investasi
semacamitu. Pilihan-pilihan investasi ini kemudian dikenal dengan istilah
Investment Opportunity Set (IOS) Pilihan-pilihan investasi yang diharapkan
akan menghasilkan imbal hasil yang lebih tinggi dan besarannya tergantung
4
pada pengeluaran-pengeluaran yang ditetapkan manajemen di masa yang
akan datang (Saputro, 2003).
Investment Opportunity Set (IOS) menguraikan pengertian perusahaan
yaitu sebagai suatu kombinasi antara aktiva riil (asset in place) dan opsi
investasi masa depan. Opsi investasi masa depan tidak hanya ditunjukkan
dengan adanya proyek proyek yang didukung oleh kegiatan riset dan
pengembangan saja namun juga kemampuan perusahaan dalam
mengekploitasi kesempatan mengambil keuntungan dibanding dengan
perusahaan sejenis dalam kelompok industrinya. Bentuk yang membedakan
pilihan investasi atau pertumbuhan adalah nilai perusahaan itu tergantung
pada kebebasan pemilihan pengeluaran yang ditentukan oleh manajer dimasa
depan. Faktor utama yang menentukan IOS adalah faktor industri seperti
rintangan untuk masuk dan daur hidup produk. Faktor tersebut
memungkinkan perusahaan untuk membuat investasi yang dapat
meningkatkan rintangan untuk masuk (substitusi modal untuk tenaga kerja
yang merupakan hasil dari skala ekonomi). Peluang pertumbuhan tidak hanya
diwujudkan dalam proyek baru yang didukung oleh penelitian dan aktivitas
pengembangan yang luas, tetapi juga mempunyai pilihan yang lebih untuk
melaksanakan proyek baru. (Jefri Riyadi, 2008)
Investment Opportunity Set (IOS) merupakan suatu kombinasi antara
aktiva yang dimiliki (asset in place) dan pilihan investasi di masa yang akan
datang dengan net present value positif. IOS tidak dapat diobservasi
5
secara langsung (laten) sehingga dalam perhitungannya menggunakan
proksi (Kallapur dan Trombley, 1999 dalam Hasnawati, 2005).
Proksi IOS yang banyak digunakan dalam penelitian sebelumnya
adalah: (1) Proksi IOS berbasis harga (price based proxies) mendasarkan
pada perbedaan antara asset dan nilai pasar saham. Jadi proksi ini sangat
tergantung pada harga saham. Proksi ini mendasarkan pada suatu ide yang
menyatakan bahwa prospek pertumbuhan perusahaan secara parsial
dinyatakan dengan harga-harga saham, selanjutnya perusahaan yang
memiliki pertumbuhan tinggi akan memiliki nilai pasar yang lebih tinggi
secara relatif dari aktiva-aktiva yang dimiliki (assets in place). Harga
saham dapat dijadikan proksi sebagai nilai perusahaan apabila pasar telah
memenuhi syarat efisisen secara informasional. Namun harga sahamdi
pasar modal terbentuk berdasarkan kesepakatan antara permintaan dan
penawaran investor, sehingga harga sahammerupakan fair price. (2) Proksi
IOS berbasis investasi (investment based proxies) menunjukkan tingkat
aktivitas investasi yang tinggi secara positif berhubungan dengan IOS
perusahaan (Kallapur dan Trombley, 1999 et al). Perusahaan dengan IOS
tinggi akan memiliki investasi yang tinggi. Selanjutnya ditemukan bahwa
aktivitas investasi modal yang diukur dengan ratio capital expenditures
to assets sebagai proksi IOS mempunyai hubungan positif dengan
realisasi pertumbuhan.
Investment Opportunity Set (IOS) mempunyai korelasi yang berbeda
terhadap semua unsur realisasi pertumbuhan perusahaan baik untuk
6
perusahaan yang tumbuh maupun yang tidak tumbuh. Korelasi positif
signifikan untuk perusahaan yang tumbuh terjadi antara Market to book value
of equity (MVEBVE) terhadap pertumbuhan penjualan dan pertumbuhan
ekuitas, Market to book value of assets (MVABVA) terhadap pertumbuhan
ekuitas, Rasio Capital expenditure to book value of assets (CAPBVA) terhadap
pertumbuhan aset dan VPPE terhadap pertumbuhan penjualan dan ekuitas.
Untuk perusahaan yang tidak tumbuh antara Rasio Capital expenditure to book
value of assets (CAPBVA) terhadap pertumbuhan laba dan Rasio Capital
expenditure to market value of assets (CAPMVA) terhadap pertumbuhan aset.
Korelasi yang negatif signifikan untuk perusahaan yang tumbuh terjadi antara
Rasio Capital expenditure to market value of assets (CAPMVA) terhadap
pertumbuhan ekuitas. Untuk perusahaan yang tidak tumbuh terjadi antara
Price of earning ratio (PER) terhadap pertumbuhan laba dan Rasio Current
assets to net sales (CAONS) terhadap pertumbuhan penjualan dan
pertumbuhan ekuitas.
Secara umum dapat dikatakan bahwa IOS menggambarkan tentang
luasnya kesempatan atau peluang investasi bagi suatu perusahaan, namun
sangat tergantung pada pilihan expenditure perusahaan untuk kepentingan di
masa yang akan datang. Dengan demikian IOS bersifat tidak dapat
diobservasi, sehingga perlu dipilih suatu proksi yang dapat dihubungkan
dengan variabel lain dalam perusahaan, misalnya variabel pertumbuhan,
variabel kebijakan dan lain-lain. Dari berbagai penelitian tentang IOS dapat
dibuktikan bahwa IOS dijadikan sebagai dasar untuk mengklasifikasikan
7
perusahaan sebagai kategori perusahaan bertumbuh dan tidak bertumbuh, dan
IOS memiliki hubungan dengan berbagai variabel kebijakan perusahaan
(Nopratiwi, 2004).
Kesempatan investasi memainkan peranan penting dalam teori
keuangan perusahaan. Kesempatan bertumbuh yang diukur dengan
Investment Opportunity Set (IOS) dipengaruhi oleh keunggulan perusahaan
dalam bentuk reputasi perusahaan, jenis perusahaan multinasional, size dan
profitabilitas perusahaan, sedangkan keterbatasan dalam bentuk leverage dan
risiko sistematis. Hartono (2002) menunjukkan bahwa perusahaan yang
bertumbuh akan direspon positif oleh pasar pertumbuhan yang selalu
meningkat serta bertambahnya nilai asset perusahaan diharapkan tercapai
sesuai dengan ekspektasi atau peramalan perusahaan.
Fijrijanti dan Hartono (2002) menyatakan kesempatan investasi atau
pilihan-pilihan pertumbuhan (growth aptions) suatu perusahaan merupakan
suatu yang melekat dan bersifat tidak dapat diobservasi (Inherenfly
unobservable) oleh karena itu, Invesment 0pportunity Set (IOS) memerlukan
sebuah proksi.
Proksi IOS digunakan untuk menilai apakah perusahaan itu
dikategorikan perusahaan bertumbuh atau tidak bertumbuh. Proksi IOS
dinyatakan sebagai proksi yang valid sebagai proksi pertumbuhan, jika proksi
tersebut dapat digunakan sebagai sinyal kondisi perusahaan emiten. Berbagai
penelitian tentang IOS menunjukkan bahwa IOS merupakan proksi realisasi
pertumbuhan perusahaan yang berhubungan dengan berbagai variabel
8
kebijakan perusahaan. Sami et al, (2000) menunjukkan bahwa teori IOS
memiliki explanatory power yang lebih tinggi dalam hal kebijakan
pendanaan dan kompensasi dari pada aspek dividen.
Purwanto (2001) menyatakan bahwa perlu dilakukan pertimbangan
untuk melakukan penyederhanaan data dengan menggabungkan variabel-
variabel terukur (observed variabel). Penggabungan variabel-variabel terukur
menjadi variabel gabungan dapat membantu peneliti dalam memahami
fenomena yang sedang diteliti dan dapat digunakan sebagai deskripsi atau
dapat pula digunakan dalam analisis lebih lanjut sebagai variabel dalam
analisis regresi.
Iswahyuni dan Suryanto (2000) menganalisa perbedaan perusahaan dan
tidak tumbuh dengan kebijakan pendanaan, deviden, perubahan harga saham
dan volume perdagangan pada Bursa Efek Jakarta, dengan proksi Invesment
Opportunity Set (IOS), yang terdiri dari book value of plant property and
equitment to assets ratio (PPE/BVA), Price to earning (P/E), Market to book
value of equity (MVE/BE), Market to book value of assets (MVA/BVA), Rasio
Capital expenditure to market value of assets (CAP/MVA) dan VAR. hasil
penelitiannya menunjukan bahwa tidak ada perbedaan yang signifikan antara
perusahaan yang tumbuh dan tidak bertumbuh dalam hal pengambilan
kebijakan pendanaan (book debt/equity), deviden, respon perubahan harga
dan volume perdagangan, sedangkan dalam hal pengambilan kebijakan
pendanaan terdapat perbedaan yang signifikan antara perusahaan yang
tumbuh dan tidak bertumbuh (market debt/equity).
9
Prasetyo (2000) menyatakan bahwa penelitian pasar modal yang
diasosiasikan dengan struktur modal perusahaan, terutama dengan set peluang
investasi atau Investment Opportunity Set (IOS) masih sedikit sekali.
Subekti dan Kusuma (2000) melakukan penelitian Asosiasi antara Set
Kesempatan Investasi dengan kebijakan Deviden perusahaan, serta
implikasinya pada perusahaan Harga Saham. Proksi IOS digunakan dalam
penelitian ini adalah book value of plant property and equitment to assets
ratio (PPE/BVA), Market to book value of assets (MVE/BVA), Price to
Earning (P/E). Market to book value of assets (MVA/BVA), dan Market to
book value of assets (CAP/BVA). Hasil penelitian menunjukkan bahwa IOS
berpengaruh signifikan terhadap pertumbuhan perusahaan dan harga saham
yang tercerminkan pada perbedaan reaksi pasar terhadap growth firms dan
nongrwth firms.
Menurut Nopratiwi (2001) menguji korelasi antara IOS terhadap Return
Sahamdengan menggunakan proksi Rasio Market Value to Book of Asset
(MKTBKASS), Rasio Market Value to Book of Equity (MKTBKEQ), Market
to book value of assets (CAPBVA), dan Earning to Share/Price (EP). Hasil
penelitian menunjukkan bahwa hanya Market Value to Book of Asset
(MKTBKASS), Rasio Market Value to Book of Equity (MKTBKEQ), dan
Market to book value of assets (CAPBVA) mempunyai hubungan signifikan
terhadap Commulative Abnormal Return (CAR), sedangkan Earning to
Share/Price (EP) tidak.
10
Nilai IOS dapat dihitung dengan kombinasi berbagai jenis proksi yang
mengimplikasikan nilai aktiva di tempat yaitu berupa nilai buku aktiva
maupun ekuitas dan nilai kesempatan untuk bertumbuh bagi suatu perusahaan
dimasa depan. Berbagai penelitian tentang IOS telah berhasil membuktikan
bahwa IOS merupakan proksi realisi pertumbuhan perusahaan dan
berhubungan dengan berbagai variabel kebijakan perusahaan, yaitu antara
lain kebijakan pendanaan atau struktur utang, kebijakan dividen, kebijakan
leasing kebijakan kompensasi.
Penelitian ini akan melakukan penggabungan variabel-variabel terukur
dari proksi IOS individual menjadi satu variabel laten menggunakan
structural equation models dengan pendekatan confirmatory factor analysis,
yaitu membangun model dengan mendasarkan pada teori yang mendasari
variabel-variabel terukur itu dalam variabel latennya. Gabungan proksi IOS
ini akan dikorelasikan dengan realisasi pertumbuhan untuk melihat
kemampuan dan konsistensi proksi IOS dalam memprediksi pertumbuhan
perusahaan.
Berdasarkan uraian diatas, peneliti akan meneliti bagaimana Hubungan
Gabungan Proksi Investment Opportunity Set dan Hubungannya Terhadap
Realisasi Pertumbuhan Dengan Pendekatan Analisis Faktor Konfirmatori
yang terdaftar di Bursa Efek Indonesia 2006-2009.
Masalah yang diteliti tidak terlalu luas pembahasannya maka penulis
membatasi masalah pada laporan keuangan yang digunakan untuk
menganalisa laporan keuangan tahunan perusahaan-perusahaan manufaktur
11
yang laporan keuangannya dipublikasikan di BEI, bukan lembaga keuangan,
perbankan maupun perusahaan pemerintah, hal ini dilakukan untuk
mengantisipasi adanya pengaruh regulasi dan industri yang dapat
mempengaruhi variabel dalam penelitian ini. Penelitian ini memiliki
perbedaan dengan penelitian sebelumnya, yang membedakan dengan
penelitian sebelumnya adalah jumlah sampel yang digunakan tahunnya lebih
sedikit, yaitu tahun yang diambil dari tahun 2006 sampai dengan tahun 2009.
Tahun ini diambil sebagai sampel karena tahun-tahun yang diperkirakan
masih terjadinya krisis moneter di Indonesia (1997 sampai 2000) tidak
dimasukkan pada sampel ini karena dapat mengganggu analisis confirmatory
factor, sehingga peneliti memutuskan untuk mengambil sampel 2006 sampai
2009 yang dapat dinilai tidak ada masalah krisis. sedangkan jenis sampel
yang digunakan adalah manufaktur, Populasi target dalam penelitian ini
adalah seluruh perusahaan public kecuali bank dan lembaga keuangan bukan
bank (asuransi, kredit agensi, perusahaan sekuritas). Alasan ini didukung oleh
Jensen dan Meckling (1976) dalam (Hasnawati, 2005:120) menyatakan
bahwa : highly regulatedindustries such as public utilities orbank will have
higher debt equity ratios forequivalent level of risk than the average
nonregulated firm.

12
B. PERUMUSAN MASALAH
Berdasarkan latar belakang di atas, maka masalah yang akan diteliti
dapat dirumuskan sebagai berikut:
1. Apakah model gabungan proksi IOS dengan klasifikasi IOS memiliki
kesesuaian dengan data sesungguhnya?
2. Apakah gabungan proksi individual IOS berbasis harga memiliki korelasi
positif dengan realisasi pertumbuhan?
3. Apakah gabungan proksi individual IOS berbasis investasi memiliki
korelasi positif dengan realisasi pertumbuhan?

C. TUJUAN PENELITIAN
1. Tujuan penelitian
Berdasarkan rumusan masalah di atas maka tujuan penelitian ini
adalah:
1. Untuk menganalisis model gabungan proksi IOS dengan klasifikasi
IOS memiliki kesesuaian dengan data sesungguhnya.
2. Untuk menganalisis proksi individual IOS berbasis harga memiliki
korelasi positif dengan realisasi pertumbuhan.
3. Untuk menganalisis proksi individual IOS berbasis investasi memiliki

13
2. Manfaat penelitian
Berdasarkan tujuan di atas, maka penelitian ini diharapkan dapat
bermanfaat bagi semua pihak, diantaranya yaitu:
a. Bagi investor, penelitian ini dapat digunakan sebagai masukan untuk
meningkatkan eksistensi dan konsistensi proksi IOS sebagai proksi
prediksi pertumbuhan perusahaan.
b. Bagi akademis, hasil penelitian ini daharapkan menjadi literatur dan
dapat digunakan sebagai bahan rujukan untuk penelitian lebih lanjut.
c. Bagi peneliti, penelitian ini akan menambah pengetahuan penulis
tentang gabungan proksi investment opportunity set dan hubungan
terhadap realisasi pertumbuhan dengan pendekatan analisis faktor
konfirmatori.

14
BAB II
TINJAUAN PUSTAKA

A. Pengertian Invesment Opportunity Set (IOS)
IOS adalah set peluang investasi yang berfungsi sebagai prediktor
pertumbuhan perusahaan. Subekti dan Kusuma (2002) mengurai set peluang
investasi tersebut berupa: plant, property and aquipment to book value of
asset ratio (PPE/BVA), market to book of equity ratio, (MVE/BE), price to
earning (P/E), market to book asset ratio (MVA/BVA), dan capital addition
to book of assets ratio (CAP/BVA),
Julianto dan Jogianto (2002) IOS (Invesment Opportunity Set)
digunakan sebagai proksi keputusan investasi, karena keputusan investasi
tidak dapat diamati secara langsung. Karena IOS sebagai variabel laten yang
tidak dapat diukur secara langsung, maka perlu dibentuk atau dikonfirmasi
dengan berbagai variabel terukur.
Adam dan Goyal (2003) menyatakan bahwa Invesment Opportunity
memainkan paranan yang penting didalam keuangan perusahaan dalam
kaitannya dengan pencapaian tujuan perusahaan.
Myers et al yang dikutip dari Subekti dan Kusuma (2000),
menyatakan bahwa perusahaan dalam kombinasi antara nilai aktiva riil (asset
in place) dengan pilihan investasi dimasa yang akan datang, opsi masa depan
tidak sematamata hanya ditunjukkan dengan adanya proyek-proyek yang
didukung oleh kegiatan riset dan pengembangan saja, tetapi juga dengan
15
kemampuan perusahaan yang lebih dalam mengeksploitasi kesempatan
mengambil keuntungan dibandingkan dengan perusahaan lain yang setara
dalam suatu kelompok industrinya. Kemampuan perusahaan yang lebih tinggi
ini bersifat tidak dapat diobservasi (unobservable). Berdasarkan pengertian
tersebut para peneliti telah mengembangkan proksi pertumbuhan perusahaan
menjadi IOS sesuai dengan tujuan dan jenis data yang tersedia dalam
penelitiannya. Investment Opportunity Set (IOS) dapat dijadikan sebagai
dasar untuk menentukan klasifikasi pertumbuhan dimasa depan.
Karekteristik perusahaan yang mengalami pertumbuhan dapat diukur
antara lain dengan peningkatan penjualan, pembuatan produk baru atau
diversifikasi produk, perluasan pasar, ekspansi atau peningkatan kapasitas,
penambahan asset, pengakuisisi perusahaan lain, investasi jangka panjang,
dan lain-lain. Pagalung (2000) menyatakan bahwa pilihan pertumbuhan
memiliki pengertian yang fleksibel dan tidak hanya berupa projek baru.
Perusahaan yang bertumbuh tidak selalu merupakan perusahaan kecil atau
aktif melakukan penelitian dan pengembangan. Perusahaan kecil seringkali
menghadapi keterbatasan atau kesulitan pilihan dalam menentukan dan
menjalankan projek baru, atau kesulitan dalammerestrukturisasi asset yang
ada, sementara perusahaan besar cenderung mendominasi posisi pasar dalam
industrinya (Mueller dalam Gaver dan Gaver di kutip oleh Nugroho dan
Hartono,2002). Bahkan perusahaan besar lebih memiliki keunggulan
kompetitif dalam mengeksplorasikan kesempatan yang muncul.
16
Nilai pilihan investasi sangat tergantung pada nilai asset yang dimiliki
oleh perusahaan. Kesempatan investasi tidak selalu berwujud fisik tetapi
dapat berupa suatu kesempatan yang bersifat intangible namun memiliki
peluang yang memberikan keuntungan bagi perusahaan. Sebagai contoh
apabila perusahaan memiliki kesempatan untuk melakukan pembelian suatu
brand name, maka perusahaan harus dapat memanfaatkan setiap celah
keunggulan dan kelemahan brand name tersebut untuk menghasilkan
keuntungan yang lebih besar dimasa yang akan datang.
Smith dan Watts dank Ester dalamGaver & Gaver yang dikutip J ati
(2003), menyatakan bahwa dalam membuat keputusan investasi dan
employment setiap perusahaan dapat menginvestasikan dalambentuk modal
fisik dan sumber daya manusia secara khas. Investasi spesifik perusahaan
tersebut mengakibatkan adanya variasi dalam ksempatan investasi yang
prosfektif serta ekspektasi distribusi hasil dari kesempatan investasi tersebut.
Perbedaan keputusan investasi yang diambil oleh perusahaan dalam rangka
mengahadapi perusahaan pesaing yang hendak memasuki pasar serta variasi
pilihan-pilihan strategi perusahaan dalam rangka memperoleh keunggulan
kompetitif mengakibatkan IOS sangat bervariasi secara cross-section antar
perusahaan (Gaver& Gaver dalamNugroho dan Hartono, 2002).
Secara umum dapat dikatakan bahwa IOS menggambarkan tentang
luasnya kesempatan atau peluang investasi bagi suatu perusahaan, namun
sangat tergantung pada pilihan expenditure perusahaan untuk kepentingan
dimasa yang akan datang.
17
B. Alternatif Proksi IOS
Berbagai proksi IOS telah digunakan dalambidang keuangan untuk
memahami pemikiran IOS. Kallapur dan Trombley yang dikutip prasetyo
(2000), menyatakan bahwa proksi-proksi tersebut dapat digolongkan menjadi
tiga jenis yaitu:
1. Proksi IOS berbasis pada Harga Saham,
Merupakan proksi yang menyatakan bahwa prospek pertumbuhan
perusahaan sebagian dinyatakan dalam harga pasar. Proksi ini didasari
pada anggapan yang menyatakan bahwa prospek pertumbuhan
perusahaan secara persial dinyatakan dalam harga-harga saham,dan
perusahaan yang tumbuh akan memiliki nilai pasar yang lebih tinggi
secara relatif untuk aktiva-aktiva yang dimiliki (asset in place)
dibandingkan perusahaan yang tidak tumbuh. IOS yang didasari pada
harga sahamakan berbentuk suatu rasio sebagai suatu ukuran aktiva yang
dimiliki dan nilai pasar perusahaan. Pendekatan ini dimaksudkan untuk
membandingkan antara nilai buku perusahaan dengan nilai pasar yang
terefleksi dalamharga saham.
a. Faktor-faktor yang mempengaruhi harga saham
Dalam melakukan investasi pada pasar modal khususnya
saham, perubahan harga saham menjadi perhatian penting bagi
investor selain kondisi emiten dan keadaan perekonomiannya. Harga
sahamyang digunakan dalammelakukan transaksi dipasar modal
adalah harga yang terbentuk dari mekanisme pasar yaitu permintaan
18
dan penawaran pasar. Jadi harga saham yang digunakan bukanlah
harga nominal dari saham tersebut. Menurut Agus Sartono (2000;41)
harga sahamadalah: Sebesar nilai sekarang atau present value dari
aliran kas yang diterima. Sedangkan menurut Ridwan S. Sundjaja
(2003;349) adalah: Saham yang dinilai per lembarnya telah
tercantumdalamakta pendirian perusahaan.
Harga saham dibursa dipengaruhi oleh faktor, baik yang
bersifat kuantitatif maupun kualitatif antara lain adalah: pengaruh
peraturan saham, ketat tidaknya pengawasan atas pelanggaran oleh
pelaku bursa, psikologi, pemodal, dan sebagainya. Berikut ini adalah
faktor yang mempengaruhi harga saham di pasar modal:
1. Penawaran dan Permintaan
Harga sahamakan terbentuk melalui jumlah penawaran dan
permintaan akan mencerminkan kekuatan pasar. J ika jumlah
penawaran lebih besar daripada jumlah permintaan, pada
umumnya kurs harga akan turun sebaliknya jika permintaan
lebih besar dari pada jumlah penawaran maka harga saham
akan cenderung naik.
2. Perilaku Investor,
Pasar investor yang masuk kepasar modal berasal dari
bermacam-macam kalangan masyarakat dan berbagai tujuan.
Jika ditinjau dari tujuannya, maka investor dapat dibagi
kedalam empat kelompok :
19
a. Kelompok investor yang bertujuan memperoleh dividen.
b. Kelompok investor yang bertujuan berdagang.
c. Kelompok investor yang berkepentingan dalampemilihan
sahamperusahaan. d. kelompok spekulator.
3. Kondisi ekonomi dan politik pada umumnya,
Faktor ini akan mempengaruhi supply dan demand akan
saham. Keadaan ekonomi yang stabil dan situasi politik yang
aman akan menarik minat investor (terutama investor asing)
untuk berinvestasi.
b. Rasio-rasio perusahaan yang telah digunakan dalam beberapa
penelitian yang berkaitan dengan proksi pasar adalah sebagai
berikut:
1. Market to book value equity, MKTBKEQ (Collins dan Kothari,
1989; Lewellwn et al., 1987; Chung dan Charoenwong, 1991)
2. Tobins Q (Skinner,1993; Kallapur dan Trombley 1999; dan
Denis 1994)
3. Ratio of proferty,plan, and aquipment to firm valie, PPE (Skinner
1993; Ho, et al 1999; Subekti dan Kusuma 2001; J ones dan
Sharma,2001)
4. Ratio of depreciatiaon to firm value, VDEP (Amith dan Watts
1992; Kallapur dan Tombley 1999; Ho, Lam, dan Sami 1999, dan
Jones dan Sharma,2001)
20
5. Market to book value of assets, MKTBKASS (Belkaouli dan
picur 1998, smith dan Watts 1992; Cahan danHossain 1996;
Baber, Janakiraman, dan Hyon Kang 1996; Ho, Lam, dan Sami
1999; Kallapur dan Trombley 1999; Gul dan Kealey 1999;
Hartono 1999: Adamdan goyal 2000; Subekti dan Kusuma 2001,
alnajjar dan Belkaouli 2001; Belkaouli dan Picur 2001, About
2001; Jones dan Sharma 2001)
6. Earnings to price ratio EP (Kester 1984; Belkaouli dan Picur
1998; Chung dan Charoenwong,1991, Baber, Janakiraman, dan
Hyon Kang 1996, Cahan dan Hossein 1996, Ho, Lam, dan Sami
1999; Kallapur dan Trombley 1999; Gul dan Kealey 1999;
Hartono 1999, Adamdab Goyal 2000; Subekti dan Kusuma 2001;
Alnajjar dan Belkaouli 2001; Bekaouli dan Picur 2001; Jones dan
Sharma 2001)

2. Proksi IOS Berbasis pada Investasi,
Merupakan proksi yang percaya pada gagasan bahwa suatu level
kegiatan investasi yang tinggi berkaitan secara positif dengan nilai IOS
suatu perusahaan. Rasio-rasio yang sering digunakan oleh penelitian
antara lain: Rasio Investment to net sales IONS. (Hartono 1999), Rasio
capital expenditure to book assets CAPBVA. (Jones dan Sharma 2001),
Rasio Capital expenditure to market value of assts ( CAPMVA)
21
Definisi Investasi, pada dasarnya investasi berkaitan dengan pasar
modal dan pasar uang. Aktiva keuangan dapat pula menunjukan mata
uang. Tabungan dibank-bank atau asset lainnya seperti saham-saham dan
obligasi yang sering disebut sekuritas. Jogiyanto (2003;5) mendefinisikan
investasi sebagai berikut : Investasi adalah penundaan konsumsi sekarang
untuk digunakan di dalam produksi yang efisien selama periode waktu
yang tertentu. Dari definisi diatas, penulis menyimpulkan bahwa
investasi itu adalah suatu komitmen keuangan yang diharapkan tingkat
pengembaliannya atas investasi tersebut secara positif. Hal ini diperjelas
lagi dengan pengertian investasi menurut Kamaruddin (2004;3) yang
menjelaskan bahwa: investasi adalah menempatkan uang atau dana
dengan harapan untuk memperoleh tambahan atau keuntungan tertentu
atas uang atau dana tersebut.
a. Tujuan investasi
Ada beberapa alasan mengapa seseorang melakukan investasi,
diantaranya yaitu :
1. Untuk mendapatkan kehidupan yang lebih layak dimasa yang
akan datang. Seseorang yang bijaksana akan berpikir bagaimana
cara meningkatkan taraf hidupnya dari waktu ke waktu atau
setidaknya bagaimana berusaha untuk mempertahankan tingkat
pendapatannya agar tidak berkurang dimasa yang akan datang.
2. Mengurangi tekanan inflasi. Dengan melakukan investasi dalam
memilih perusahaan atau objek lain, seseorang dapat
22
menghindarkan diri agar kekayaan atau harta miliknya tidak
merosot nilainya karena digerogoti oleh inflasi.
3. Dorongan untuk menghemat pajak. Beberapa negara di dunia
banyak melakukan kebijakan yang sifatnya mendorong
tumbuhnya investasi di masyarakat melalui fasilitas perpajakan
yang diberikan kepada masyarakat yang melakukan investasi
pada bidang-bidang tertentu.
b. Strategi Investasi
1. Strategi investasi pasif
Strategi investasi pasif mendasarkan diri pada asumsi bahwa (a)
pasar modal tidak melakukan mispricing, dan (b) meskipun
terjadi mispricing, para pemodal berpendapat mereka tidak bisa
mengidentifikasikan dan memanfaatkannya. Tujuan
dilakukannya strategi ini, untuk menyusun portofolio yang
sesuai dengan preferensi resiko, atau pola arus kas yang mereka
inginkan. Sebagau misal, kalau pemodal tidak ingin
menanggung risiko yang tinggi, mereka akan membentuk dari
portofolio yang terdiri dari saham-saham yang mempunyai
harga rendah. Mereka yang ingin memperoleh arus kas tertentu,
mungkin memilih saham-saham yang membagikan dividen
secara teratur. Mereka yang mempunyai tarif pajak tinggi, akan
cenderung membentuk portofolio yang tidak membagikan
dividen yang terlalu tinggi. Dengan strategi pasif maka biaya
23
transaksi akan diminimumkan. Para pemodal dapat menganut
strategi investasi sesuai dengan indeks pasar.
2. Strategi investasi aktif
Strategi ini mendasarkan diri pada asumsi bahwa (a) pasar
modal melakukan kesalahan dalampenentuan harga (mispriced),
dan (b) para pemodal berpendapat bisa mengidentifikasikan
mispriced ini dan memanfaatkannya. Dalam strategi ini,
digunakan tiga analisis yaitu, technical analysis, fundamental,
dan market timing. Market timing pada dasarnya menentukan
kapan seharusnya pemodal membeli atau menjual. Dengan
demikian analisis ini merupakan variasi dari analisis teknikal.

C. Realisasi Perusahaan (Pertumbuhan Perusahaan)
Kallapur dan Trombley (2001) dalam Riyadi (2008:19) memberi
penjelasan bahwa untuk membedakan antara IOS dengan growth, kata growth
pada umumnya merujuk kepada kemampuan perusahan untuk meningkat
dalam ukuran (size), sedangkan IOS adalah pilihan untuk berinvestasi pada
proyek-proyek yang memiliki net present value positif. Disebutkan pula
bahwa investment opportunities juga menghasilkan peningkatan dalan ukuran
perusahaan, namun tidak semua growth opportunities memiliki net present
value positif.
Dalam hampir setiap studi, ukuran perusahan dinyatakan sebagai
determinan dari struktur keuangan perusahaan. Ukuran perushaan dapat
24
menentukan tingkat kemudahan perusahaan memperoleh dana dari pasar
modal (Sawir, 2004). Perusahaan yang sedang tumbuh akan membutuhkan
dana yang besar sehingga cenderung untuk menahan sebagian besar
pendapatannya. Semakin cepat tingkat pertumbuhan suatu perusahaan
semakin besar pula kebutuhan akan dana untuk membiayai pertumbuhan
perusahaan tersebut. Dan semakin besar kebutuhan dana untuk waktu
mendatang untuk membiayai pertumbuhannya, perusahaan tersebut biasanya
lebih senang untuk menahan earning nya daripada dibayarkan sebagai
dividen kepada para pemegang saham. Dengan demikian dapatlah dikatakan
bahwa makin cepat tingkat pertumbuhan perusahaan makin besar dana yang
dibutuhkan, makin besar kesempatan untuk memperoleh keuntungan, makin
besar bagian pendapatan yang ditahan dalamperusahaan, yang ini berarti
makin rendah dividen payout ratio.
Apabila perusahaan telah mencapai tingkat pertumbuhan sedemikian
rupa sehingga perusahaan telah "well establish" dimana kebutuhan dananya
dapat dipenuhi dengan dana yang berasal dari pasar modal atau sumber dana
eksternal lainnya maka keadaan adalah berbeda. Dalam hal yang demikian
perusahaan dapat menetapkan dividen payout ratio yang tinggi.
Tingkat pertumbuhan yang tinggi mengindikasikan bahwa perusahaan
sedang mengadakan ekspansi. Semakin tinggi tingkat ekspansi perusahaan,
semakin besar kebutuhan akan dana untuk mendanai ekspansi tersebut.
Semakin besar kebutuhan dana masa depan semakin besar kemungkinan
perusahaan menahan labanya. Memang bisa saja kebutuhan dana dipenuhi
25
dengan emisi saham baru, tetapi bila pendapatan semuanya dibayarkan
sebagai dividen (yang juga merupakan subyek pajak pendapatan yang tinggi)
hanya sebagian kecil yang dapat di investasikan kembali. Dengan demikian
perusahaan yang sedang berkembang cenderung menahan laba disamping
menerbitkan emisi baru.
Pertumbuhan suatu perusahaan diharapkan dapat memberikan aspek
yang positif bagi perusahaan seperti dapat menarik minat para investor untuk
melakukan investasi diperusahaan tersebut. Investor dapat memilih akan
melakukan investasi dalam bidang apa saja. Prospek perusahaan yang
bertumbuh bagi investor merupakan suatu prospek yang menguntungkan,
karena investor yang ditanamkan diharapkan akan memberikan return yang
tinggi. Penelitian Vogt (1997) menunjukan bahwa perusahaan yang
bertumbuh akan direspon positif oleh pasar. Pertumbuhan perusahaan dapat
diketahui dengan cara mengetahui nialai buku dan nilai pasar. Menurut
Hartono (2003) nilai buku merupakan nilai saham menurut pembukuan
perusahaan emiten dan nilai pasar merupakan nilai sahamdi pasar saham.
Pertumbuhan perusahaan menunjukan Investment Opportunity Set (IOS) atau
Set Kesempatan Investasi dimasa datang.

26
D. Penelitian Terdahulu
Tabel 2.1
Penelitian Terdahulu

Penelitian Variabel yang digunakan Metode yang digunakan Hasil Penelitian
Analisis Korelasi
Invesment
Opportunity Set
Terhadap Return
Saham. Agustina
M. V Nopratiwi
(2001)
Variabel devenden(Y)
Commulative abnormal
return.Variabel
indevendennya(X) adalah
MKTBKASS, MKTBKEQ,
CAPBVA,EP RASIO.
Pengujian penelitian
menggunakan
Nonparametric correlatioan
Kendalls Tau-b. Data
pusposive sampling,
dengan menggunakan
laporan keuangan dari
tahun 2001-2003 yang
dipublikasikan di BEJ
Hasil pengujian penelitian ini
ditunjikan bahwa terdapat
korelasi yang signifikan antara
proksi IOS dengan return saham.
Analisis Hubungan
Invesment
Opportunity Set
(IOS) dengan
Realisasi
Pertumbuhan Serta
Perbedaan
Perusahaan yang
Tumbuh dan tidak
Timbuh Terhadap
kebijakan
Pendanaan dan
Dividen. Isnaeni
Rokhayati (2005)
Variabel variabel utama
dalampenelitian ini adalah
Dependen IOS, dan
Variabel Indevenden adalah
MVEBVE, MVABVA
,PER, CAPBVA,
CAPMVA, VPPE, COANS
Teknik analisa yang
digunakan adalah Data
sekunder dan laporan
keuangan tahunan yang
terdiri dari neraca dan
laporan laba/rugi, dari
tahun 1999-2002 yang
diperoleh dari BEI
Hasil pengujian penelitian IOS
mempunyai korelasi terhadap
semua unsur realisasi
pertumbuhan perusahaan, baik
untuk perusahaan yang tumbuh
maupun yang tidak tumbuh
.korelasi positif signifikan untuk
perusahaan yang tumbuh terjadi
antara MVEBVE, terhadap
pertumbuhan penjualan dan
pertumbuhan ekuitas, MVABVA,
terhadap pertumbuhan ekuitas,
CAPMVA terhadap pertumbuhan
asset dan VPPE terhadap
pertumbuhan penjualan dan
ekuitas, untuk perusahaan yang
tidak tumbuh antara CAPBVA
terhadap pertumbuhan laba dan
CAPMVA terhadap pertumbuhan
asset. Korelasi yang negatif
signifikan untuk perusahaan yang
tumbuh terjadi antara CAPMVA,
terhadap pertumbuhan ekuitas,
untuk perusahaan yang tidak
tumbuh terjadi antara PER
terhadap laba dan CAONS
terhadap pertumbuhan penjualan
dan pertumbuhan ekuitas. Rasio
market debt to equity tidak
signifikan terhadap kebijakan
pendanaan perusahaan Rasio
deviden payout mempunyai
korelasi yang tidak signifikan
terhadap kebijakan deviden
perusahaan.

Pengaruh
Invesment
opportunity set
(IOS) dengan
Tingkat
Pertumbuhan
(Sustainable
Growth) RM.
Riadi, Ngadlan
Variabel Devenden (Y)
adalah IOS dan Variabel
Indevenden adalah
MVEBVE, MVEBVA,
PER, CAPBVA,
CAPMVA, VPPE, COANS.
Penguijian penelitian
menggunakan program
Mikrosof Excell dan SPSS
versi 13.00. Data sekunder
yang difublikasikan dari
tahun 2004-2005. yang
terdaptar di BEI
Hasil pengujian penelitian
menunjukan pada korelasi antara
variable bebas yakni berupa
marjin laba, kebijakan deviden,
kebijakan keuangan, dan
perputaran aktiva, hanya
kebijakan keuangan dan
perputaran aktiva saja yang
mempunyai hubungan yang kuat
yakni sebesar 0,642 akan tetapi
tidak terlalu signifikan,
sedangkan factor lainnya
berkorelasi lemah dan tidak
mempunyai hubungan yang
signifikan.
27

Penelitian Variabel yang digunakan Metode yang digunakan Hasil Penelitian
Dampak Set
Peluang Invesment
Terhadap Nilai
Perusahaan Publik
di Bursa Efek
J akarta Sri
Hasnawati (2005)
Variabel yang digunakan
adalah data yang realisasi
pertumbuhan investasi. Alas
an menggunakan data
realisasi kerena keputusan
investasi perusahaan public
pada umumnya sehingga
sulit diobservasi dan apabila
keputusan investasi
diumumkan hal tersebut
merupakan resolusi
Analisa yang digunakan
adalah model Struktural
Equation Modeling (SEM),
populasi target yang
dijadikan unit penelitian ini
sebanyak 256 perusahaan
dari kelompok industri
yang tedaptar di BEI tahun
2002.
Hasilnya nilai loadingi factor
indicator keputusan investasi
menunjukan nilai diatas nilai
kritis sebesar 0.30 (Bachurudin
dan Tobing, 2003) dengan
demikian semua indicator
bermakna sebagai indicator yang
membentuk variable keputusan
investasi. Keputusan investasi
berpengaruh positif terhadap nilai
perusahaan sebesar 12,25%,
sisanya dipengaruhi oleh factor
lain seperti: keputusan
pendanaan, kebijakn deviden,
factior eksternal perusahaan
seperti: tingkat inflasi, kurs mata
uang, pertumbuhan ekonomi,
politik, dan psychology pasar,
Searcing Proxies
Of Invesment
Opportunity Set
and Identifying
Information
Content.
Hermeindito Kaaro
(2002)
Variabel tidak terukur :
IOS, variabel laten : proksi
IOS berdasarkan harga,
investasi, & varian.
Penelitian ini
menggunakan structural
equation models (SEM)
dengan pendekatan
confirmatory model.
Universitas Kristen Petra
Hasil penelitian menunjukkan
bahwa IOS tidak dapat dilakukan
observasi langsung harus melalui
proksi-proksi sesuai dengan
laporan keuangan perusahaan
yang ada.
Invesment
Opportunity Set,
Corporate
Governance
Practices and Firm
Performance.
Marion Hutchinson
dan Ferdinant A.
Gul
(2004)
Variabel independen : IOS
dengan menggunakan tiga
variabel proksi yaitu :
MBVA, MBVE, &
PPEMVA. Variabel
dependen : ROE (Return on
Equity). Variabel kontrol :
ukuran perusahaan
termasuk pada variabel
kontrol dalam analisis
karena untuk menentukan
hubungan dari karakteristik
variasi perusahaan
Penelitian ini
menggunakan analisis
cross-sectional dari 500
perusahaan yang terdaftar
di Bursa Efek Australia.
Sampel yang digunakan
dari tahun 1998-1999.
Hasil penelitian ini menunjukkan
bahwa penelitian mendukung
hipotesis yaitu hipotesis ini
berdasarkan pada perusahaan
yang negatif dan diramalkan pada
perusahaan yang negatif tersebut
menunjukkan lemahnya
perusahaan.

28
E. Kerangka pemikiran

Gambar 2.1
Kerangka Pemikiran
Data Laporan Keuangan Perusahaan yang Terdaftar
di BEI Periode 2006 - 2009
IOS Realisasi Pertumbuhan
Proksi Berbasis Harga Saham Proksi Berbasis Investasi
MVABVA MVEBVE PER EP
IONS CAPBVA CAPMVA
GROWSAL GROWEAR GROWEQ GROWAS
Uji Structural Equation Model
Uji Asumsi
Identifikasi Model
Model Pengukuran
(Confirmatory Factor Analysis)
Uji Kesesuaian Model
Uji Kelayakan Parameter Estimasi
Interpretasi
Kesimpulan
29

Gambar 2.2
Model Gabungan Proksi Individual IOS Berbasis Harga Saham dan
Hubungannya terhadap Realisasi Pertumbuhan

Model gabungan proksi IOS berbasis harga saham dan realisasi
pertumbuhan pada gambar 2.2 menunjukkan berbagai variabel yang
digunakan yaitu variabel terukur (dalam bentuk empat persegi panjang) dan
variabel laten (bentuk lingkaran). Variabel terukur endogenous (observed
endogenous) adalah MVEBVA, MVEBVE, EPR, PER, GROWSAL,
GROWEAR, GROWEQ, dan GROWAS, yang merupakan variabel tidak
terukur exogenous (unobserved exogenous) adalah Err1, Err2, Err3, Err4,
Err5, Err6, Err7, Err8, IOS Berbasis Harga Saham dan Realisasi
Pertumbuhan. Parameter yang diestimasi berjumlah 17, yaitu variance dari
error (Err) berjumlah 8 (ditunjukkan dengan garis lurus dengan satu anak
panah), variance dari variabel terukur berjumlah 8 (ditunjukkan dengan garis
lurus dengan satu anak panah), dan korelasi dari variabel laten berjumlah 1
(ditunjukkan dengan garis lengkung dengan dua anak panah).
30

Gambar 2.3
Model Gabungan Proksi Individual IOS Berbasis Investasi dan
Hubungannya terhadap Realisasi Pertumbuhan

Model gabungan proksi IOS berbasis investasi dan realisasi
pertumbuhan pada gambar 2.3 menunjukkan berbagai variabel yang
digunakan yaitu variabel terukur dan variabel laten. Variabel terukur
endogenous adalah IONS, CAPBVA, CAMPVA, GROWSAL, GROWEAR,
GROWEQ, dan GROWAS. Variabel tidak terukur exogenous adalah Err1,
Err2, Err3, Err4, Err5, Err6, Err7, IOS Berbasis Investasi dan Realisasi
Pertumbuhan. Parameter yang diestimasi berjumlah 15, yaitu variance dari
error (Err) berjumlah 7, variance dari variabel terukur berjumlah 7, dan
korelasi dari variabel laten berjumlah 1.

31
F. Hipotesis
H
0
: Model gabungan proksi IOS dengan klasifikasi IOS tidak memiliki
kesesuaian dengan data sesungguhnya.
Ha : Model gabungan proksi IOS dengan klasifikasi IOS memiliki
kesesuaian dengan data sesungguhnya
H
0
: Gabungan proksi individual IOS berbasis harga sahamtidak memiliki
Ha : Gabungan proksi individual IOS berbasis harga saham memiliki
H
0
: Gabungan proksi individual IOS berbasis investasi tidak memiliki
Ha : Gabungan proksi individual IOS berbasis investasi memiliki korelasi
positif dengan realisasi pertumbuhan

32
BAB III
METODOLOGI PENELITIAN

A. Ruang Lingkup Penelitian
Adapun ruang lingkup penelitian yang akan diamati dalam penelitian
ini adalah perusahaan manufaktur yang telah terdaftar di Bursa Efek
Indonesia (BEI) dari tahun 2006 hingga Desember 2009.

B. Metode Penentuan Sampel
Sampel digunakan dengan metode purposive sampling, dengan tujuan
untuk mendapatkan sampel yang representatif sesuai dengan kriteria yang
telah ditentukan sebelumnya. Perusahaan yang menjadi sampel penelitian ini
harus memenuhi ketentuan-ketentuan sebagai berikut : (1) Perusahaan
Manufaktur yang terdaftar di BEI sejak tahun 2006; (2) Mempublikasikan
datanya berupa laporan keuangan, harga penutupan saham, dan jumlah saham
yang beredar yang diperoleh dari Indonesia Capital Market Directory; (3)
Tidak memiliki laba dan total ekuitas negatif pada tahun 2006 sampai tahun
2009.
Berdasarkan kriteria tersebut di atas maka diperoleh sampel penelitian
sebanyak 25 (dua puluh lima) perusahaan, sebagaimana diuraikan di bawah
ini:

33
Tabel 3.1
Daftar Sampel Perusahaan

No Kode Nama Perusahaan Tanggal Pencatatan
1 KBLM PT. Kabelindo Murni Tbk 1 Januari 1992
2 KBLI PT. GT Kabel Indonesia Tbk 6 Juli 1992
3 BATA PT. Sepatu Bata Tbk 24 Maret 1982
4 BUDI PT. Budi Acid Jaya Tbk 8 Mei 1995
5 CLPI PT. Colorpak Indonesia Tbk 30 Nopember 1991
6 UNTR PT. United Tractor Tbk 19 September 1989
7 SMGR PT. Semen Gresik Persero Tbk 8 Juli 1991
8 MRAT PT. Mustika Ratu Tbk 27 Juli 1995
9 SMSM PT. Selamet Sempurna Tbk 9 September 1996
10 AUTO PT. Astra Otoparts Tbk 15 Juni 1998
11 LTLS PT. Lautan Luas Tbk 21 Juli 1997
12 AKRA PT. AKR Corporindo Tbk 3 Oktober 1994
13 SCCO PT. Supreme Cable Manufacturing & Commerce Tbk 20 Juli 1982
14 ASII PT. Astra International Tbk 4 April 1990
15 BRAM PT. Branta Mulia Tbk 5 September 1990
16 SRSN PT. Indo Acidatama Tbk 11 Januari 1993
17 INTA PT. Intraco Penta Tbk 23 Agustus 1993
18 IKBI PT. Sumi Indo Kabel Tbk 21 Januari 1991
19 JECC PT. Jembo Cable Company Tbk 18 Nopember 1992
20 TURI PT. Tunas Ridean Tbk 6 Mei 1995
21 TOTO PT. Surya Toto Indonesia Tbk 30 Oktober 1990
22 MERK PT. Merk Tbk 23 Juli 1991
23 UNVR PT. Unilever Indonesia Tbk 11 Januari 1982
24 MYOR PT. Mayora Indah Tbk 4 Juli 1990
25 AQUA PT. Aqua Golden Mississippi Tbk 1 Maret 1990

C. Metode Penentuan Data
Data yang dipakai dalampenelitian ini adalah data sekunder, meliputi
laporan keuangan tahunan perusahaan-perusahaan yang dimuat dalam
Indonesia Capital Market Directory. Sumber data yang digunakan untuk
menghitung variabel-variabel dalampenelitian ini diperoleh dari Bursa Efek
Indonesia periode 2006 sampai 2009.

34
D. Metode Analisis
Penelitian ini menggunakan structural equation models dengan
pendekatan confirmatory factor analysis. Pendekatan ini digunakan karena
model yang dibuat menggunakan variabel-variabel terukur yang
mendefinisikan sebuah variabel laten yang tidak dapat diukur secara langsung
atau dengan kata lain mengkonfirmasi berbagai variabel terukur untuk sebuah
variabel laten yang didasarkan pada berbagai teori. Selain itu pendekatan ini
digunakan untuk menguji kesesuaian model berdasarkan data empiris yang
diteliti. Karena penelitian ini juga akan menguji korelasi antara gabungan
proksi IOS dengan realisasi pertumbuhan, maka confirmatory factor analysis
yang dilakukan menggunakan multidimensional model yang ditunjukkan
dengan garis lengkung dengan dua anak panah pada masing-masing
ujungnya. Metode estimasi yang digunakan pada pendekatan confirmatory
factor analysis adalah dengan maximum likelihood. Analisis ini dilakukan
dengan bantuan programAMOS 16.0 student version.
Analisis yang akan dilakukan uji asumsi, yang meliputi ukuran sampel,
normalitas, multivariate outliers, dan multikolonieritas. Adapun model
pengukuran dilakukan untuk menyelidiki variabel-variabel terukur yang
menjelaskan sebuah variabel laten. Uji kesesuaian dilakukan dengan melihat
ukuran indeks kesesuaian. Indeks kesesuaian yang digunakan dalam
penelitian ini adalah Chi-Square (X
2
), CMIN/DF (the minimum sample
discrepancy function dibagi dengan degree of freedom), goodness of fit index
(GFI), adjusted goodness of fit index (AGFI), normed fit index (NFI) dan
35
Tucker-Lewis Index (TLI). Uji yang terakhir adalah uji hipotesis untuk
menguji apakah hipotesis pada penelitian ini diterima atau ditolak.
1. Uji Asumsi
a. Ukuran Sampel
Ukuran sampel yang digunakan sebaiknya berjumlah minimum
100 atau menggunakan perbandingan 5 observasi untuk setiap
parameter yang diestimasi (Hair, 1995).
b. Normalitas Data
Asumsi data terdistribusi normal didasarkan pada central limit
theorem, yang mengatakan bahwa selama ukuran sampel yang diambil
relatif besar, maka distribusi penyampelan dari rata-rata sampel akan
mendekati normal (Nester,dkk, 1993; Dillon, 1984; Dielman, 1991).
Ukuran sampel dapat dikatakan cukup besar jika mempunyai ukuran
30 atau lebih (Dielman, 1991), dengan demikian maka asumsi bahwa
data terdistribusi normal telah terpenuhi karena jumlah sampel lebih
dari 30.
c. Uji Multivariate Outliers
Uji multivariate outliers dilakukan dengan menggunakan
Mahalanobis distance (Hair, 1995; Arbuckle, 1997). Anggota sampel
dengan nilai Mahalanobis distance terbesar dianggap outlier dan tidak
digunakan sebagai anggota sampel.

36
d. Uji Multikolonieritas
Uji multikolinieritas dilakukan dengan dasar nilai variance
inflation factor (VIF) dan tolerance, yang menunjukkan tidak adanya
indikasi multikolonieritas pada semua variabel yang digunakan pada
penelitian ini. Multikolonieritas bisa dideteksi dengan melihat korelasi
linear antara variabel independen di dalan regresi. J ika korelasi cukup
tinggi yaitu di atas 0.85 maka dapat diduga terdapat multikolonieritas
dalam model. Sebaliknya jika koefisien korelasi kurang dari 0.85
maka diduga model tidak mengandung unsur multikolonieritas.
(Widarjono, 2010:77).

2. Model Pengukuran
Metode pengukuran variabel laten ini menggunakan metode analisis
faktor konfirmatori. Analisis faktor konfirmatori merupakan model
pengukuran di mana variabel indikator membentuk variabel laten. Model
pengukuran mendefinisikan atau membentuk baik variabel independen
laten maupun variabel dependen laten. Pada gambar 2.1 dan 2.2
menunjukkan model pengukuran dengan menggunakan analisis faktor
konfirmatori. Yang menggambarkan dua variabel independen laten yang
berubah berkorelasi di mana setiap variabel independen laten dibentuk
oleh beberapa variabel indikator. Korelasi antara variabel independen
laten ini ditunjukkan oleh anak panah dua arah (Widarjono, 2010:306).
37
Analisis faktor merupakan cara untuk mencari atau mendapatkan
sejumlah variabel indikator yang mampu memaksimumkan korelasi
antara variabel indikator. Ada dua jenis analisis faktor yaitu: analisis
faktor eksploratori (Exploratory Factor Analysis/EFA) dan analisis faktor
konfirmatori (Confirmatory Factor Analysis/CFA). Pada analisis faktor
eksplanatori, mencari sejumlah indikator untuk membentuk faktor umum
(common factor) tanpa ada landasan teori sebelumnya. Dengan kata lain
analisis faktor eksplanatori merupakan sebuah metode untuk membangun
sebuah teori (theory building). Sedangkan pada analisis faktor
konfirmatori, mencari sejumlah variabel indikator yang membentuk
variabel yang tidak terukur langsung tersebut didasarkan pada landasan
teori yang ada. (Widarjono, 2010:275)

3. Uji Kesesuaian/Kelayakan Model
Setelah melakukan estimasi analisis faktor konfirmatori, maka
langkah pertama dalam menginterpretasikan hasil dari analisis faktor
konfirmatori adalah mengevaluasi kebaikan sesuai model secara
menyeluruh (overall model fit) atau uji kelayakan model. Ada beberapa
metode untuk melihat kebaikan sesuai model secara menyeluruh yaitu: (1)
uji statistika Chi Square; (2) Goodness of Fit Index (GFI); (3) Adjusted
Goodness of Fit Index (AGFI); dan Root Mean Squares Residual (RMSR).
Dari beberapa uji kelayakan model tersebut, model dikatakan layak jika
paling tidak salah satu model uji kelayakan model terpenuhi. Bila uji
38
kelayakan model bisa memenuhi lebih dari satu kriteria kelayakan model,
model analisis konfirmatori akan jauh lebih baik daripada hanya satu yang
terpenuhi.
a. Chi-Square (X
2
)
Uji statistika Chi Square (X
2
) digunakan untuk menguji
kelayakan model analisis faktor konfirmatori. Hipotesis nol dalam uji
Chi Squares ini adalah perbedaan antara sampel dan matriks kovarian
yang diestimasi adalah nol sedangkan hipotesis alternatifnya
menyatakan ada perbedaan antara sampel dan matriks kovarian yang
diestimasi. Nilai df untuk uji Chi Squares ini besarnya sama dengan
jumlah elemen kovarian matriks yang tidak sama dikurangi dengan
jumlah parameter yang diestimasi. J ika nilai Chi Squares lebih besar
dari Chi Squares kritis maka menolak hipotesis nol dan sebaliknya
jika nilai Chi Squares lebih kecil dari Chi Squares kritisnya maka
menerima hipotesis nol. Atau bisa menerima maupun menolak
hipotesis nol dengan membandingkan antarap-value dengan besarnya
yaitu derajat kepercayaan yang dipilih. Jika nilai p-value lebih kecil
dari maka kita menolak hipotesis nol dan sebaliknya jika p-value
lebih besar dari maka menerima hipotesis nol. Jika menerima
hipotes nol atau menolak hipotesis alternatif berarti dapat disimpulkan
bahwa tidak ada perbedaan antara sampel dan matriks kovarian.
Artinya model yang kita pilih adalah layak. Sedangkan bila menolak
39
hipotesis nol atau menerima hipotesis alternatif maka model tidak
layak (Widarjono, 2010:282).
b. Goodness of fit index (GFI)
Uji kelayakan model analisis faktor konfirmatori juga dapat
dievaluasi dengan menggunakan Goodness of Fit Index (GFI). GFI
dihitung dengan menggunakan formula sebagai berikut :

di mana : tr =trace matriks
S =kovarian matriks awal
S =kovarian matriks model
I =identitas matriks
Uji kelayakan GFI seperti nilai koefisien determinasi (R
2
) di
dalamuji kelayakan atau kebaikan hasil regresi, nilainya 0 GFI 1.
Semakin tinggi nilai GFI atau mendekati 1 maka semakin layak model
sedangkan nilai GFI semakin mendekati model maka semakin tidak
layak model. Sebagai rule of thumb biasanya model dianggap layak
bila nilai GFI 0.90 sebagai cut off value-nya (Widarjono, 2010:283).
c. Adjusted goodness of fit index (AGFI)
Uji kelayakan Adjusted Goodness of Fit Index (AGFI)
merupakan uji kelayakan GFI yang disesuaikan. AGFI, analog dengan
koefisien determinasi yang disesuaikan (adjusted R
2
) dalamregresi

tr (
- 1
S I )
2
GFI = 1
tr (
- 1
S )
2

^
^
40
berganda. AGFI merupakan GFI yang disesuaikan dengan derajat
kebebasan (degree of freedom). Adapun formula untuk AGFI sebagai
berikut :

di mana : P =Jumlah indikator
df =degree of freedom

Nilainya terletak antara 0 GFI 1. Sebagaimana uji kelayakan
GFI, semakin nilainya mendekati 1 maka semakin baik model dan
sebaliknya semakin mendekati angka 0 maka semakin tidak layak
model. Namun, tidak ada nilai yang pasti AGFI untuk menentukan
apakah model layak. Sebagai rule of tumb, cut off value adalah bila
AGFI 0.80 sebagai model yang layak (goodness of fit) (Widarjono,
2010:284).
d. Root Mean Squares Error of Approximiation (RMSEA)
Kelemahan uji Chi Squares adalah sangat sensitif terhadap jumlah
sampel. Sebagai alternatif dan pembanding uji Chi Squares para telah
mengembangkan uji kelayakan analisis faktor konfirmatori. Salah
satunya adalah Root Mean Squares Error of Approximiation
(RMSEA). Sebagai rule of tumb untuk melihat kelayakan model, cut
off value adalah bila RMSEA 0.08. jika nilai RMSEA besarnya 0.08
p ( p + 1 )
AGFI =1 - 1 GFI
2df

41
atau lebih kecil maka model dianggap layak. Sebaliknya jika nilainya
di atas 0.08 maka model dianggap tidak layak
e. Tucker-Lewis Index (TLI)
Tucker-Lewis Index atau dikenal dengan nonnormed fit index (NNFI)
pertama kali diusulkan sebagai alat untuk mengevaluasi analisis
faktor, tetapi sekarang dikembangkan oleh SEM. Ukuran ini
menggabungkan ukuran parsimony kedalam indek komparasi antara
proposed model dengan null model dan nilai TLI berkisar dari 0
sampai 1.0. nilai TLI yang direkomendasikan adalah 0.90.
f. Normed Fit Index (NFI)
Normed Fit Index merupakan ukuran perbandingan antara proposed
model dan null model. Nilai NFI akan bervariasi dari 0 (no fit all)
sampai 1 (perfect fit). Seperti halnya TLI tidak ada nilai absolut yang
dapat digunakan sebagai standar, tetapi umumnya direkomendasikan
sama atau >0.90.

E. Operasional Variabel Penelitian
1. Proksi IOS
a. Proksi berbasis pada harga saham
1. Market to Book Value of Asset Ratio

Aset Total Ekuitas +(Lembar SahamBeredar x Harga Penutupan Saham)
MVABVA =
Total Asset
42
Rasio Market to book value of asset (MVABVA) dengan
dasar pemikiran bahwa prospek pertumbuhan perusahaan
terefleksi dalam harga saham. Pasar penilai perusahaan yang
sedang tumbuh lebih besar dari nilai bukunya ( Isnaeni Rokhayati,
2005).
2. Market to Book Value of Equity Ratio

Rasio Market to book value of equity (MVEBVE) dengan
dasar pemikiran bahwa pasar menilai return dari investasi
perusahaan dimasa yang akan depan lebih besar dari pada return
yang diharapkan dari ekuitasnya (Isnaeni Rokhayari, 2005).
3. Earnings to Price ratio

Houston and Brigham(2001) berpendapat, laba per lembar
saham atau EPS adalah kemampuan perusahaan untuk
mendistribusikan pendapatan yang diperoleh kepada pemegang
sahamnya. Semakin tinggi kemampuan perusahaan untuk
mendistribusikan pendapatan kepada pemegang saham,
mencerminkan semakin besar keberhasilan usaha yang
dilakukannya.
J umlah Lembar SahamBeredar x Harga Penutupan Saham
MVEBVE =
Total Ekuitas
Laba per lembar saham
EP / Price =
Harga sahamakhir periode
43
4. Price to Earnings Ratio

Rasio price to earning ratio (PER) dengan dasar pemikiran
bahwa nilai ekuitas merupakan jumlah nilai kapitalisasi laba yang
dihasilkan dari pengelolaan asset plus nilai sekarang neto (NPV)
dari pilihan investasi dimasa datang. Semakin besar rasio PER
maka semakin besar pula perusahaan kemungkinan untuk tumbuh
( Isnaeni Rokhayati, 2005).

b. Proksi berbasis pada investasi
1. Rasio Investment to net sales

Rasio invesment to net sales (IONS) menggunakan investasi
modal sesungguhnya sebagai suatu ukuran nilai buku gross
property, plant dan equipment ( Hartono,1999).
2. Rasio capital expenditure to book value asset

Rasio Capital expenditure to book of assets (CAPBVA)
menunjukan adanya aliran tambahan modal sahamperusahaan
Harga Penutupan Saham
PER =
Laba per lembar sahamberedar
Investasi
IONS =
Penjualan bersih
Nilai Buku Aktiva Tetap
t
Nilai Buku Aktiva Tetap
t-1

CAPBVA =
Total Asset
44
yang dapat digunakan untuk tambahan investasi aktiva
produktifnya ( Isnaeni Rokhayati, 2005).
3. Rasio capital expenditure to market value of assets
Rasio Capital expenditure to market value of asset
(CAVMVA) dengan dasar pemikiran bahwa perusahaan yang
tumbuh memiliki level aktivitas investasi yang lebih tinggi
dibanding dengan perusahaan yang tidak tumbuh ( Isnaeni
Rokhayati, 2005).

2. Realisasi Pertumbuhan
a. Pertumbuhan penjualan
Menurut Basu Swasta (1990: 9) dalamAbdul Azis (2005) , penjualan
adalah bagian dari promosi, dan promosi adalah bagian dari
keseluruhan. Dalam perekonomian kita (ekonomi uang) seseorang
yang menjual sesuatu akan mendapatkan imbalan berupa uang. Jadi
dengan adanya penjualan dapat tercipta suatu pertukaran barang atau
jasa antara penjual dan pembeli.
Rumus :

Nilai Buku Aktiva Tetapt Nilai Buku Aktiva Tetapt-1
CAPMVA =
Total asset Total Ekuitas +(Lembar SahamBeredar x Harga Penutupan Saham
Total Penjualan Bersih
t
t-1

GRWOSAL =
t-1

45
b. Pertumbuhan laba
Menurut Simamora (2000), laba suatu perusahaan dari tahun ke tahun
dapat meningkat atau mengalami penurunan. Peningkatan laba yang
stabil dari suatu perusahaan menunjukkan bahwa pertumbuhan laba
perusahaan baik. Demikian juga sebaliknya, penurunan laba dari
tahun ke tahun menunjukkan bahwa pertumbuhan laba perusahaan
kurang baik.
Rumus :

c. Pertumbuhan nilai buku ekuitas
Pertumbuhan nilai buku ekuitas dapat dicari dengan rumus sebagai
berikut :

d. Pertumbuhan aset
Pertumbuhan aset dapat dicari dengan rumus sebagai berikut :

Laba
t
Laba
t-1

GROWEAR =
Laba
t-1

Total Ekuitas
t
Total Ekuitas
t-1

GROWEQ =
Total Ekuitas
-1

Total Aset
t
Total Aset
t-1

GROWAS =
Total Aset
t-1

46
BAB IV
HASIL DAN PEMBAHASAN

A. Deskriptif Data
Pada skripsi ini, data permasalahan terdiri dari variabel laten (tidak
terukur) dan variabel eksogen (terukur). Adapun variabel latennya adalah
proksi berbasis harga saham, proksi berbasis investasi, dan realisasi
pertumbuhan sedangkan variabel eksogennya adalah MVEBVA,
MVEBVE, EPR, PER, IONS, CAPBVA, CAMPVA, GROWSAL,
GROWEAR, GROWEQ, dan GROWAS. Variabel-variabel ini didapat
dari data perusahaan yang terdaftar di Bursa Efek Indonesia 2006-2009.
Grafik 4.1
Data Keseluruhan
Data Seluruh
-5000000
0
5000000
10000000
15000000
20000000
25000000
30000000
35000000
40000000
1 11 21 31 41 51 61 71 81 91
Perusahaan
N
i
l
a
i
MVABVA
MVEBVE
EP
PER
IONS
CAPBVA
CAPMVA
GROWSAL
GROWEAR
GROWEQ
GROWAS

Sumber : data diolah

47

B. Analisis Data dengan Menggunakan Structural Equation Modeling

Gambar 4.2
Model SEM Proksi Harga Saham Terhadap Realisasi Pertumbuhan

C. Menilai Identifikasi Model Structural Proksi Berbasis Harga Saham
Pengujian pertama untuk model persamaan structural adalah
mengindentifikasi model. Ada tiga kemungkinan yang dapat terjadi
terhadap model SEM, yaitu :
1. model unidentified, jika nilai
2
s
t >
2. model just identified, jika nilai
2
s
t =
3. model overidentified, jika nilai
2
s
t <
dimana : t = jumlah parameter yang diestimasi
48

s =jumlah varian dan kovarian antara variable manifest
yang merupakan ( q p + )( 1 + + q p )
p =jumlah variable y (indicator variable laten endogen)
q =jumlah variable x (indicator variable laten exogen)
Pengujian tersebut dapat dilakukan dengan menghitung jumlah data
kovarian dan varian dibanding dengan jumlah parameter yang akan
diestimasi. Output model summary (table variable counts dan table
parameter summary) dapat digunakan untuk menghitung hal tersebut.
Tabel 4.1
Parameter Summary Proksi Harga Saham

Weights Covariances Variances Means Intercepts Total
Fixed 10 0 0 0 0 10
Labeled 0 0 0 0 0 0
Unlabeled 6 1 10 0 0 17
Total 16 1 10 0 0 27
Pada tabel 4.1 menampilkan ringkasan parameter dalam model.
Dapat dilihat terdapat 16 regression weight dimana 10 dengan nilai tetap
(fixed) dan 6 yang diestimasi. 10 fixed regression weight meliputi loading
pertama dari 2 faktor dan 8 error term. Ada 1 kovarian dan 10 variansi
yang diestimasi. Secara total ada 27 parameter dan 17 yang diestimasi.
Untuk menilai apakah model just-identified, overidentified, atau
unidentified dapat dilakukan dengan menghitung jumlah data kovarian dan
varian dibandingkan dengan jumlah parameter yang akan diestimasi, yaitu
(p +q)(p +q +1)/2 =(0 +8)(0 +8 +1)/2 =36 sampel moment sedangkan
jumlah parameter yang akan diestimasi 17, sehingga nilai degree of
49

freedomnya adalah 19 (36 17 =19). Jadi dapat disimpulkan bahwa
model yang diteliti adalah overidentified (
2
s
t < ) berdasarkan perhitungan
yang dilakukan. Namun berdasarkan hasil output bahwa model tersebut
unidentified. Hal ini bisa dilihat dari hasil output di bawah ini.
Berdasarkan hasil output ini, maka kita akan mengkonstrain
(memberi nilai kecil pada eror, yaitu 0.005) 1 nilai eror pada model
persamaan structural ini. Di bawah ini adalah gambar setelah model
dikonstrain.

Gambar 4.3
Model SEM Sahamterhadap Realisasi Pertumbuhan Konstrain
Setelah mengkonstrain model tersebut, maka kita akan melihat
hasil perhitungan untuk mengindentifikasi model persamaan structural
50

tersebut dengan menggunakan nilai-nilai yang ada di table variable counts
dan parameter summary di bawah ini.
Tabel 4.2
Parameter Summary Proksi Harga SahamKonstrain

Fixed 10 0 1 0 0 11
Labeled 0 0 0 0 0 0
Unlabeled 6 1 9 0 0 16
Total 16 1 10 0 0 27
Pada tabel 4.2 menampilkan ringkasan parameter dalammodel.
pertama dari 2 faktor dan 8 error term. Ada 1 kovarian dan 9 variansi yang
diestimasi. Secara total ada 27 parameter dan 16 yang diestimasi.
(p +q)(p +q +1)/2 =(0 +8)(0 +8+1)/2 =36 sampel moment sedangkan
setelah dikonstrain model yang diteliti tetap overidentified (
2
s
t < )
berdasarkan perhitungan yang dilakukan. Dan berdasarkan hasil output
bahwa model juga overidentified. Hal ini terlihat dari tidak adanya notes
pada model.
51

D. Menilai Kriteria Goodness of Fit Proksi Berbasis Harga Saham
Menilai goodness of fit merupakan tujuan utama dalampersamaan
structural, yaitu ingin mengetahui sampai seberapa jauh model yang
dihipotesis fit atau cocok dengan sample data.
Tabel 4.3
Nilai Chi-Square (CMIN) Proksi Harga Saham

Model NPAR CMIN DF P CMIN/DF
Default model 16 220.849 20 .000 11.042
Saturated model 36 .000 0
Independence model 8 398.508 28 .000 14.232

Tabel 4.4
Goodness of Fit Index & Adjusted Goodness of Fit Index
(GFI dan AGFI) Proksi Harga Saham

Model RMR GFI AGFI PGFI
Default model 457263043.647 .810 .657 .450
Saturated model .000 1.000
Independence model 470177940647.952 .729 .652 .567

Tabel 4.5
Root Mean Square Error of Approximation (RMSEA)
Proksi Harga Saham

Model RMSEA LO 90 HI 90 PCLOSE
Default model .318 .281 .357 .000
Independence model .366 .334 .398 .000

Berdasarkan hasil goodness of fit seperti terlihat pada output diatas
bahwa nilai Chi-Square 220.849 dan nilai probabilitas 0.000. Hasil ini
menunjukkan bahwa hipotesis nol yang menyatakan model sama dengan
data empiris ditolak yang berarti model tidak fit. Model yang baik harus
52

tidak menolak hipotesis nol yang berarti harus tidak signifikan secara
statistik. Namun demikian perlu diketahui bahwa Chi-Square sangat
sensitive terhadap jumlah sampel. Semakin besar sampel semakin
signifikan.
Oleh karena itu, dicari ukuran model fit yang lain, yaitu GFI,
AGFI, RMSEA. Output grafik memberikan nilai GFI =0.810 AGFI =
0.657 keduanya belum memenuhi criteria model fit yaitu di atas 0.90 dan
nilai RMSEA =0.385 di atas 0.080. Secara keseluruhan model ini belum
dapat diterima dan belumbisa melakukan langkah selanjutnya. Karena
model belummemenuhi criteria model fit, maka dapat dilihat ketidak fit
nya model.
Untuk memperbaiki nilai goodness of fit dapat dilihat nilai
Modification Indices. Nilai Modification Indices ini adalah suatu indikasi
adanya model mis fit, sehingga Modification Indices ini dapat
memperbaiki nilai goodness of fit menjadi lebih baik. Nilai Modification
Indices yang dipilih adalah nilai Modification Indices yang tertinggi,
sehingga kita dapat mengkorelasikan antar eror yang memiliki nilai
Modification Indices tertinggi. Nilai Modification Indices yang dianjurkan
adalah lebih besar dari 3.58. Di bawah ini adalah nilai Modification
Indices.

53

Table 4.6
Nilai Modification Indices Proksi Harga Saham terhadap Realisasi
Pertumbuhan

M.I. Par Change
e7 <-->e6 28.022 2413.006
e8 <-->e6 87.443 -3778.306
e8 <-->e7 15.339 1895.717

Berdasarkan tabel 4.6, terlihat bahwa nilai Modification Indices
yang tertinggi adalah hubungan e8 dengan e6 yaitu 87.443 yang artinya
nilai Chi-Square berkurang apabila eror 8 dan eror 6 dikorelasikan. Di
bawah ini adalah perbaikan nilai goodness of fit setelah mengkorelasikan
e8 dengan e6.

Gambar 4.4
Model SEM Proksi Harga Sahamdengan Modification Indices

Berdasarkan hasil output di atas terlihat bahwa seluruh nilai
goodness of fit semakin membaik. Hal tersebut terlihat dari nilai Chi-
54

Square yang turun menjadi 8.214 serta nilai probabilitasnya naik menjadi
0.984 nilai GFI dan AGFI naik masing-masing menjadi 0.980 dan 0.962 ,
dan RMSEA turun menjadi 0.000. Begitu juga dengan nilai TLI dan NFI
yang juga naik masing-masing menjadi 1.043 dan 0.979. Hasil ini
menunjukkan bahwa semua nilai dari goodness of fit nya sudah semuanya
memenuhi syarat yang dianjurkan, sehingga dapat dilanjutkan ke langkah
berikutnya.

E. Kelayakan Parameter Estimasi Proksi Berbasis Harga Saham
Langkah selanjutnya adalah menilai apakah parameter individual
dalam model fit atau tidak adalah melihat bahwa estimasi parameter
memberikan tanda dan besaran yang benar sesuai dengan teori. J ika nilai
estimasi sangat jauh berbeda dengan yang diharapkan, maka merupakan
indikasi adanya kesalahan model atau input matriks tidak cukup
memberikan informasi. Beberapa indikasi kesalahan model adalah adanya
nilai estimasi korelasi >1.000 yang dapat dilihat pada table standardized
regression weight dan adanya nilai variansi yang negative yang dapat
dilihat pada table variances. Dan kesalahan model tersebut dinamakan
Heywood Case.

55

Tabel 4.7
Standardized Regression Weights Proksi Harga Saham Terhadap Realisasi
Pertumbuhan

Estimate
EP <--- Proksi berbasis_harga saham .199
PER <--- Proksi berbasis_harga saham -.227
MVEBVE <--- Proksi berbasis_harga saham -.807
MVABVA <--- Proksi berbasis_harga saham -.711
GROWAS <--- Realisasi_pertumbuhan .735
GROWEQ <--- Realisasi_pertumbuhan 1.000
GROWEAR <--- Realisasi_pertumbuhan .644
GROWSAL <--- Realisasi_pertumbuhan -.103

Tabel 4.8
Variances Proksi Harga Saham terhadap Realisasi Pertumbuhan

Estimate S.E. C.R. P Label
Proksi berbasis_harga
saham
1.460 1.718 .850 .395 par_9
Realisasi_pertumbuhan 5339.598 1246.957 4.282 *** par_10
e7 .050
e4 35.488 5.124 6.926 *** par_11
e3 9524.806 1379.360 6.905 *** par_12
e2 61931.594 46184.895 1.341 .180 par_13
e1 6735.124 2860.600 2.354 .019 par_14
e8 4537.438 644.925 7.036 *** par_15
e6 3561.965 506.277 7.036 *** par_16
e5 .048 .007 7.036 *** par_17

Berdasarkan tabel 4.7 terlihat bahwa nilai standardized regression
weight untuk setiap variabel indikator tidak lebih besar dari 1.000,
sehingga nilai variansi pada tabel 4.8 tidak ada yang bernilai negative. Hal
tersebut menandakan tidak adanya Heywood case pada model. Sehingga
model dapat digunakan untuk pengujian selanjutnya.
56

F. Evaluasi Multikolinieritas Proksi Berbasis Harga Saham
Multikolinieritas dapat dilihat melalui determinan matriks
kovarians. Nilai determinan yang sangat kecil menunjukan indikasi
terdapatnya masalah Multikolinieritas atau singularitas, sehingga data
tersebut tidak dapat digunakan untuk penelitian.

Tabel 4.9
Sample Covariances (Uji Multikolonieritas)

GROWSAL GROWEAR GROWEQ GROWAS MVABVA MVEBVE PER EP
GROWSAL .049
GROWEAR -2.332 6086.042
GROWEQ -3.299 7251.454 20832.851
GROWAS -1.095 -107.127 10546.980 9877.04
MVABVA 1.013 -321.796 -775.610 -470.98 13611.616
MVEBVE 4.839 -675.282 -2907.583 -1675.40 28210.676 177440.35
PER 4.339 -201.672 -412.366 -211.43 1714.227 7913.111 10040.86
EP .053 -23.007 -33.229 -9.940 -106.816 -387.099 -55.114 36.95
Condition number =4042397.832
Eigenvalues
182624.179 28865.748 9814.041 8730.368 7680.153 175.688 35.538 .045
Determinant of sample covariance matrix =978459627486742000000000.000

Berdasarkan tabel 4.9 hasil output AMOS memberikan nilai
determinan of sample covariance matrix sebesar
978459627486742000000000.000. Nilai tersebut jauh dari angka nol
sehingga dapat disimpulkan bahwa tidak terdapat masalah
multikolinieritas dan singularitas pada data yang dianalisis.

G. Uji Discriminant Validity Proksi Berbasis Harga Saham
Uji Discriminant validity merupakan uji yang digunakan untuk
mengukur sampai seberapa jauh suatu konstruk benar-benar berbeda dari
konstruk yang lainnya. Nilai discriminant validity yang tinggi memberikan
57

bukti bahwa suatu konstruk adalah unik dan mampu menangkap fenomena
yang diukur. Cara pengujiannya adalah membandingkan nilai akar kuadrat
dari Analysis Variance Extracted (AVE) dengan nilai korelasi antar
konstruk.
Jumlah kuadrat standar loading ( )
2
i didapat dari table 4.7 :
Proksi basis Saham : 0.199
2
+(-0.227)
2
+(-.807)
2
+(-0.711)
2
=1.248
Realisasi : 0.735
2
+1
2
+0.644
2
+(-0.103)
2
=1.966
Jumlah kesalahan pengukuran ( )
2
1 i atau variansi error :
Proksi basis Saham : (1-0.199
2
) +(1-(-0.227)
2
) +(1-(-0.807)
2
) +(1-(-
0.711)
2
) =2.752
Realisasi : (1-0.735
2
) +(1-1
2
) +(1-0.644
2
) +(1-(-0.103)
2
) =
2.034

= =
=
+
|
.
|
\
|
=
n
i
n
i
n
i
i i
i
AVE
1 1
2
1
2
) var(

Jadi untuk setiap variable konstruk adalah sebagai berikut nilai AVE:
Proksi basis Saham : 312 . 0
752 . 2 248 . 1
248 . 1
=
+

Realisasi : 4915 . 0
034 . 2 966 . 1
966 . 1
=
+

Berikut ini adalah nilai akar kuadrat AVE dari setiap variable konstruk :
Proksi basis Saham : 559 . 0 312 . 0 =
Realisasi : 701 . 0 4915 . 0 =
58

Tabel 4.10
(Hubungan Proksi Berbasis Harga Sahamterhadap Realisasi Pertumbuhan)

Estimate
Proksi berbasis_harga saham <--> Realisasi_pertumbuhan .059
e8 <--> e6 -.940

Tabel 4.11
Korelasi antar Konstruk dan Akar Kuadrat AVE Proksi Harga Saham

Saham Realisasi
Saham 0.559
Realisasi 0.059 0.701

Berdasarkan table 4.11 dapat disimpulkan bahwa semua konstruk
laten yang ada pada model memiliki nilai akar kuadrat AVE yang lebih
tinggi dibandingkan dengan nilai korelasi antar konstuk dan ini
menunjukan convergent validity yang baik. Sehingga hal ini sama dengan
pengujian multikolinieritas dengan menggunakan nilai Determinant of
sample covariance matrix yang menyatakan bahwa suatu konstruk benar-
benar berbeda dengan konstruk lainnya (independen).
Berdasarkan tabel 4.10 maka dapat terlihat bahwa nilai korelasi
dari proksi berbasis harga saham terhadap realisasi pertumbuhan bernilai
positif yaitu 0.059. sehingga sama dengan penelitian sebelumnya dan sama
dengan teori yang menyatakan korelasi antara proksi berbasis harga saham
memiliki nilai korelasi yang positif terhadap realisasi pertumbuhan. Dan
hal tersebut baik untuk suatu perusahaan.

59

H. Analisis Data Investasi dengan Menggunakan SEM

Gambar 4.5
Model SEM Proksi Investasi terhadap Realisasi Pertumbuhan

I. Menilai Identifikasi Model Structural Proksi Berbasis Investasi
Pengujian pertama untuk model persamaan structural adalah
mengindentifikasi model. Ada tiga kemungkinan yang dapat terjadi
terhadap model SEM, yaitu :
1. model unidentified, jika nilai
2
s
t >
2. model just identified, jika nilai
2
s
t =
3. model overidentified, jika nilai
2
s
t <
dimana : t = jumlah parameter yang diestimasi
s =jumlah varian dan kovarian antara variable manifest
yang merupakan ( q p + )( 1 + + q p )
60

p =jumlah variable y (indicator variable laten endogen)
q =jumlah variable x (indicator variable laten exogen)
Pengujian tersebut dapat dilakukan dengan menghitung jumlah
data kovarian dan varian dibanding dengan jumlah parameter yang akan
diestimasi. Output model summary (table variable counts dan table
parameter summary) dapat digunakan untuk menghitung hal tersebut.
Tabel 4.12
Parameter Summary Proksi Investasi

Fixed 9 0 0 0 0 9
Labeled 0 0 0 0 0 0
Total 14 1 9 0 0 24

: (p +q)(p +q +1)/2 =(0 +7)(0 +7 +1)/2 =28 sampel moment sedangkan
61

model yang diteliti adalah overidentified (
2
s
t < ) berdasarkan perhitungan
yang dilakukan. Namun berdasarkan hasil output bahwa model tersebut
unidentified. Hal ini bisa dilihat dari hasil output di bawah ini.
Berdasarkan hasil output ini, maka kita akan mengkonstrain
(memberi nilai kecil pada eror, yaitu 0.005) 2 nilai eror pada model
persamaan structural ini. Di bawah ini adalah gambar setelah model
dikonstrain.

Gambar 4.6
Model SEM Investasi terhadap Realisasi Pertumbuhan Konstrain
Setelah mengkonstrain model tersebut, maka kita akan melihat
hasil perhitungan untuk mengindentifikasi model persamaan structural
tersebut dengan menggunakan nilai-nilai yang ada di table variable counts
dan parameter summary di bawah ini.
62

Tabel 4.13
Parameter Summary Proksi Investasi Konstrain

Fixed 9 0 2 0 0 11
Labeled 0 0 0 0 0 0
Total 14 1 9 0 0 24

(p +q)(p +q +1)/2 =(0 +7)(0 +7 +1)/2 =28 sampel moment sedangkan
setelah dikonstrain model yang diteliti tetap overidentified (
2
s
t < )
berdasarkan perhitungan yang dilakukan. Dan berdasarkan hasil output
bahwa model juga overidentified. Hal ini terlihat dari tidak adanya notes
pada model.

63

J. Menilai Kriteria Goodness of Fit Proksi Berbasis Investasi
Menilai goodness of fit merupakan tujuan utama dalampersamaan
structural, yaitu ingin mengetahui sampai seberapa jauh model yang
dihipotesis fit atau cocok dengan sample data.
Tabel 4.14
Nilai Chi-Square (CMIN) Proksi Investasi

Model NPAR CMIN DF P CMIN/DF
Default model 13 220.607 15 .000 14.707
Saturated model 28 .000 0
Independence model 7 443.686 21 .000 21.128
Tabel 4.15
Goodness of Fit Index dan Adjusted Goodness of Fit Index
(GFI dan AGFI) Proksi Investasi

Model RMR GFI AGFI PGFI
Default model 714.036 .789 .605 .422
Saturated model .000 1.000
Independence model 2418.990 .682 .576 .511

Tabel 4.16
Root Mean Square Error of Approximation (RMSEA)
Proksi Investasi

Model RMSEA LO 90 HI 90 PCLOSE
Default model .372 .330 .416 .000
Independence model .451 .415 .488 .000

Berdasarkan hasil goodness of fit seperti terlihat pada output diatas
bahwa nilai Chi-Square 220.607 dan nilai probabilitas 0.000. Hasil ini
menunjukkan bahwa hipotesis nol yang menyatakan model sama dengan
data empiris ditolak yang berarti model tidak fit. Model yang baik harus
tidak menolak hipotesis nol yang berarti harus tidak signifikan secara
64

statistik. Namun demikian perlu diketahui bahwa Chi-Square sangat
sensitive terhadap jumlah sampel. Semakin besar sampel semakin
signifikan.
Oleh karena itu, dicari ukuran model fit yang lain, yaitu GFI,
AGFI, RMSEA. Output grafik memberikan nilai GFI =0.789 AGFI =
0.605 keduanya belum memenuhi criteria model fit yaitu di atas 0.90 dan
nilai RMSEA =0.372 di atas 0.080. Secara keseluruhan model ini belum
dapat diterima dan belumbisa melakukan langkah selanjutnya. Karena
model belum memenuhi kriteria model fit, maka dapat dilihat ketidak fit
nya model.
Untuk memperbaiki nilai goodness of fit dapat dilihat nilai
Modification Indices. Nilai Modification Indices ini adalah suatu indikasi
adanya model mis fit, sehingga Modification Indices ini dapat
memperbaiki nilai goodness of fit menjadi lebih baik. Nilai Modification
Indices yang dipilih adalah nilai Modification Indices yang tertinggi,
sehingga kita dapat mengkorelasikan antar eror yang memiliki nilai
Modification Indices tertinggi. Nilai Modification Indices yang dianjurkan
adalah lebih besar dari 3.58. Di bawah ini adalah nilai Modification
Indices.
Table 4.17
Nilai Modification Indices Proksi Investasi terhadap Realisasi Pertumbuhan

M.I. Par Change
e6 <-->e5 28.016 2413.553
e7 <-->e5 87.443 -3778.306
e7 <-->e6 15.368 1898.082
65

Berdasarkan tabel 4.17, terlihat bahwa nilai Modification Indices
yang tertinggi adalah hubungan e7 dengan e5 yaitu 87.443 yang artinya
nilai Chi-Square berkurang. Di bawah ini adalah perbaikan nilai goodness
of fit setelah menghubungkan e7 dengan e5.

Gambar 4.7
Model SEM Proksi Investasi dengan MI

Berdasarkan hasil output di atas terlihat bahwa seluruh nilai
goodness of fit semakin membaik. Hal tersebut terlihat dari nilai Chi-
Square yang turun menjadi 7.972 serta nilai probabilitasnya naik menjadi
0.891 nilai GFI dan AGFI naik masing-masing menjadi 0.979 dan 0.958 ,
dan RMSEA turun menjadi 0.000. begitu juga dengan nilai TLI dan NFI
yang juga naik masing-masing menjadi 1.021 dan 0.982. Hasil ini
menunjukkan bahwa semua nilai dari goodness of fit nya sudah semuanya
memenuhi syarat yang dianjurkan.
66

K. Kelayakan Parameter Estimasi Proksi Berbasis Investasi
Langkah selanjutnya adalah menilai apakah parameter individual
dalam model fit atau tidak adalah melihat bahwa estimasi parameter
memberikan tanda dan besaran yang benar sesuai dengan teori. J ika nilai
estimasi sangat jauh berbeda dengan yang diharapkan, maka merupakan
indikasi adanya kesalahan model atau input matriks tidak cukup
memberikan informasi. Beberapa indikasi kesalahan model adalah adanya
nilai estimasi korelasi >1.000 yang dapat dilihat pada table standardized
regression weight dan adanya nilai variansi yang negative yang dapat
dilihat pada table variances. Dan kesalahan model tersebut dinamakan
Heywood Case.
Tabel 4.18
Standardized Regression Weights Proksi Investasi terhadap Realisasi
Pertumbuhan

Estimate
CAPBVA <--- Proksi berbasis Investasi 1.000
CAPMVA <--- Proksi berbasis Investasi .777
IONS <--- Proksi berbasis Investasi .056
GROWAS <--- Realisasi_pertumbuhan .735
GROWEQ <--- Realisasi_pertumbuhan 1.000
GROWEAR <--- Realisasi_pertumbuhan .644
GROWSAL <--- Realisasi_pertumbuhan -.103

67

Tabel 4.19
Variances Proksi Investasi terhadap Realisasi Pertumbuhan

Estimate S.E. C.R. P Label
Proksi berbasis Investasi 1502.228 213.525 7.035 *** par_8
Realisasi_pertumbuhan 5339.600 1246.957 4.282 *** par_9
e3 .050
e6 .050
e2 .000 .000 7.035 *** par_10
e1 .058 .008 7.036 *** par_11
e7 4537.438 644.925 7.036 *** par_12
e5 3561.965 506.276 7.036 *** par_13
e4 .048 .007 7.036 *** par_14

Berdasarkan tabel 4.22 terlihat bahwa nilai standardized regression
weight untuk setiap variabel indicator tidak lebih besar dari 1.000,
sehingga nilai variansi pada tabel 4.23 tidak ada yang bernilai negative.
Hal tersebut menandakan tidak adanya Heywood case pada model.
Sehingga model dapat digunakan untuk pengujian selanjutnya.

L. Evaluasi Multikolinieritas
Multikolinieritas dapat dilihat melalui determinan matriks
kovarians. Nilai determinan yang sangat kecil menunjukan indikasi
terdapatnya masalah Multikolinieritas atau singularitas, sehingga data
tersebut tidak dapat digunakan untuk penelitian.

68

Tabel 4.20
Sample Covariances (Uji Multikolonieritas)

GROWSAL GROWEAR GROWEQ GROWAS IONS CAPMVA CAPBVA
GROWSAL .049
GROWEAR -2.332 6086.042
GROWEQ -3.299 7251.454 20832.851
GROWAS -1.095 -107.127 10546.980 9877.037
IONS -.010 -.405 -1.785 -1.471 .058
CAPMVA .000 .001 .000 .000 .000 .000
CAPBVA .073 41.406 73.474 36.159 .523 .051 1502.278
Condition number =25635963147.552
Eigenvalues
28934.338 7685.162 1502.007 176.704 .064 .041 .000
Determinant of sample covariance matrix =172715.995
Berdasarkan tabel 4.20 hasil output AMOS memberikan nilai
determinan of sample covariance matrix sebesar 172715.995. Nilai
tersebut jauh dari angka nol sehingga dapat disimpulkan bahwa tidak
terdapat masalah multikolinieritas dan singularitas pada data yang
dianalisis.

M. Uji Discriminant Validity Proksi Berbasis Investasi
Uji Discriminant validity merupakan uji yang digunakan untuk
mengukur sampai seberapa jauh suatu konstruk benar-benar berbeda dari
konstruk yang lainnya. Nilai discriminant validity yang tinggi memberikan
bukti bahwa suatu konstruk adalah unik dan mampu menangkap fenomena
yang diukur. Cara pengujiannya adalah membandingkan nilai akar kuadrat
dari Analysis Variance Extracted (AVE) dengan nilai korelasi antar
konstruk.

69

Jumlah kuadrat standar loading ( )
2
i didapat dari table 4.22 :
Proksi basis Investasi : 1
2
+(0.777)
2
+(0.056)
2
=1.607
Realisasi : 0.735
2
+1
2
+0.644
2
+(-0.103)
2
=1.966
Jumlah kesalahan pengukuran ( )
2
1 i atau variansi error :
Proksi basis Investasi : (1-1
2
) +(1-(0.777)
2
) +(1-(0.056)
2
) =1.393
Realisasi : (1-0.735
2
) +(1-1
2
) +(1-0.644
2
) +(1-(-0.103)
2
) =
2.034

= =
=
+
|
.
|
\
|
=
n
i
n
i
n
i
i i
i
AVE
1 1
2
1
2
) var(

Jadi untuk setiap variable konstruk adalah sebagai berikut nilai AVE:
Proksi basis Investasi : 536 . 0
393 . 1 607 . 1
607 . 1
=
+

Realisasi : 4915 . 0
034 . 2 966 . 1
966 . 1
=
+

Berikut ini adalah nilai akar kuadrat AVE dari setiap variable konstruk :
Proksi basis Investasi : 732 . 0 536 . 0 =
Realisasi : 701 . 0 4915 . 0 =
Tabel 4.21
(Hubungan Proksi Berbasis Investasi terhadap Realisasi Pertumbuhan)

Estimate
Investasi <--> Realisasi_pertumbuhan .013
e7 <--> e5 -.940

70

Tabel 4.22
Korelasi antar Konstruk dan Akar Kuadrat AVE Proksi Investasi

Investasi Realisasi
Investasi 0.732
Realisasi 0.013 0.701

Pada tabel 4.22 dapat disimpulkan bahwa semua konstruk laten
yang ada pada model memiliki nilai akar kuadrat AVE yang lebih tinggi
dibandingkan dengan nilai korelasi antar konstuk dan ini menunjukan
convergent validity yang baik. Sehingga hal ini sama dengan pengujian
multikolinieritas dengan menggunakan nilai Determinant of sample
covariance matrix yang menyatakan bahwa suatu konstruk benar-benar
berbeda dengan konstruk lainnya (independen).
Pada tabel 4.21 maka dapat terlihat bahwa nilai korelasi dari proksi
berbasis harga saham terhadap realisasi pertumbuhan bernilai positif yaitu
0.013. sehingga sama dengan penelitian sebelumnya yang dilakukan oleh
Isnaeni Rokhayati pada tahun 2005 dan sama dengan teori yang
menyatakan korelasi antara proksi berbasis Investasi memiliki nilai
korelasi yang positif terhadap realisasi pertumbuhan. Dan hal tersebut baik
untuk suatu perusahaan karena akan banyak investor menanamkan
modelnya ke perusahaan tersebut karena investasi yang ditanamkan
diharapkan akan memberikan return yang tinggi.

71

N. Interpretasi
1. Proksi IOS Berbasis Harga SahamTerhadap Realisasi Pertumbuhan
Hasil uji kesesuaian Chi Square atau (X
2
) sebesar 8.214 dengan
probabilitas P =0.984 nilai (Goodness of Fit Index) GFI sebesar 0.980
dan (Adjusted Goodness of Fit Index) AGFI sebesar 0.962 dan (Root
Mean Squares Error of Approximation) RMSEA sebesar 0.000. Begitu
juga dengan nilai (Tucker-Lewis Index) TLI sebesar 1.043 dan (Normed
Fit Index) sebesar 0.979. Hasil ini menunjukkan bahwa semua nilai dari
goodness of fitnya sedah semuanya memenuhi kriteria.
Uji Discriminant Validity merupakan uji yang digunakan untuk
mengukur sampai seberapa jauh susatu konstruk benar-benar berbeda
dari konstruk yang lainnya. Bukti bahwa suatu konstruk adalah unik dan
mampu menangkap fenomena yang diukur. Cara pengujiannya adalah
dengan membandingkan nilai akar kuadrat dari analisis variance
extracted (AVE) dengan nilai korelasi antar konstruk. Dilihat dari
jumlah proksi berbasis saham sebesar 1.248 dan realisasi pertumbuhan
sebesar 1.966 sedangkan jumlah kesalahan pengukuran atau variansi
error proksi berbasis saham sebesar 2.752 dan realisasi pertumbuhan
sebesar 2.034. Jadi untuk setiap variabel konstruk nilai AVE dari proksi
berbasis saham sebesar 0.312 dan realisasi pertumbuhan sebesar 0.4915.
Kemudian nilai tersebut dikuadratkan dari setiap variabel konstruk
proksi berbasis saham sebesar 0.559 dan realisasi pertumbuhan sebesar
0.701. Dapat disimpulkan bahwa semua konstruk laten yang ada pada
72

model memiliki nilai akar kuadrat AVE yang lebih tinggi dibandingkan
dengan nilai korelasi antar konstruk dan ini menunjukkan convergent
validity yang baik.
2. Proksi IOS Berbasis Investasi Terhadap Realisasi Pertumbuhan
Hasil uji kesesuaian Chi Square atau (X
2
) sebesar 7.972 dengan
probabilitas P =0.891 nilai (Goodness of Fit Index) GFI sebesar 0.979
dan (Adjusted Goodness of Fit Index) AGFI sebesar 0.958 dan (Root
Mean Squares Error of Approximation) RMSEA sebesar 0.000. Begitu
juga dengan nilai (Tucker-Lewis Index) TLI sebesar 1,021 dan (Normed
Fit Index) sebesar 0.982. Hasil ini menunjukkan bahwa semua nilai dari
goodness of fitnya sedah semuanya memenuhi kriteria.
Uji Discriminant Validity merupakan uji yang digunakan untuk
mengukur sampai seberapa jauh susatu konstruk benar-benar berbeda
dari konstruk yang lainnya. Bukti bahwa suatu konstruk adalah unik dan
mampu menangkap fenomena yang diukur. Cara pengujiannya adalah
dengan membandingkan nilai akar kuadrat dari analisis variance
extracted (AVE) dengan nilai korelasi antar konstruk. Dilihat dari
jumlah proksi berbasis saham sebesar 1.607 dan realisasi pertumbuhan
sebesar 1.966 sedangkan jumlah kesalahan pengukuran atau variansi
error proksi berbasis saham sebesar 1.393 dan realisasi pertumbuhan
sebesar 2.034. Jadi untuk setiap variabel konstruk nilai AVE dari proksi
berbasis saham sebesar 0.536 dan realisasi pertumbuhan sebesar 0.4915.
Kemudian nilai tersebut dikuadratkan dari setiap variabel konstruk
73

proksi berbasis saham sebesar 0.732 dan realisasi pertumbuhan sebesar
0.701. Dapat disimpulkan bahwa semua konstruk laten yang ada pada
model memiliki nilai akar kuadrat AVE yang lebih tinggi dibandingkan
dengan nilai korelasi antar konstruk dan ini menunjukkan convergent
validity yang baik.
Penelitian ini sejalan dengan penelitian terdahulu yang dilakukan
oleh Isnaeni Rokhayati (2005) dengan hasil pengujian penelitian IOS
mempunyai korelasi terhadap semua unsur realisasi pertumbuhan
perusahaan baik untuk perusahaan yang tumbuh maupun yang tidak
tumbuh.
Dilihat dari penelitian terdahulu yang dilakukan oleh Hartono
(2002), Confirmatory factor analysis dilakukan dengan mengevaluasi
koefisien yang disebut dengan construct loadings atau factor loadings atau
lambda value. Construct loadings digunakan untuk menilai kecocokan dan
kesesuaian variabel terukur dalammembentuk sebuah variabel laten. Hasil
Confirmatory factor analysis terhadap semua variabel terukur yang
membentuk variabel laten pada setiap model t+1 sampai dengan t+4
menunjukkan bahwa ada kecocokan hubungan yang signifikan. Ini berarti
pengklasifikasian variabel terukur yang membentuk variabel laten telah
benar dilakukan dan sesuai dengan berbagai penelitian proksi IOS yang
telah dilakukan. Khusus untuk model gabungan proksi IOS berbasis varian
dengan realisasi pertumbuhan pada t+3 dan t+4 menunjukkan hasil
constract loadings yang tidak signifikan untuk variabel terukurnya. Hasil
74

ini kemungkinan disebabkan karena jumlah variabel terukur yang
membentuk variabel laten hanya sedikit.
Hasil uji kesesuaian dari semua model yang dikembangkan pada
penelitian tersebut, yaitu model gabungan proksi IOS berbasis harga,
investasi dan varian dengan realisasi pertumbuhan menujukkan hasil yang
fit. Ini berarti ada kesesuaian antara data sesungguhnya dengan model
yang dikembangkan. Dengan demikian model-model ini dapat digunakan
dalam penelitian yang berkaitan dengan proksi IOS, terutama sebagai
alternatif penggabungan proksi IOS sebagai upaya untuk mengurangi
measurement error.
Hasil uji korelasi pada semua model tersebut menunjukkan hasil
yang konsisten dengan penelitian-penelitian sebelumnya Fijriyanti, 2000,
yaitu berkorelasi positif dengan realisasi pertumbuhan. Gabungan proksi
IOS berbasis varian menunjukkan korelasi positif yang relatif kuat dan
signifikan pada tahun realisasi pertumbuhan t+1 dan t+2. Gabungan proksi
IOS berbasis harga dan investasi juga menunjukkan korelasi positif dan
memiliki signifikansi dengan realisasi pertumbuhan yaitu sejak t+1 sampai
dengan t+4.
Hasil penelitian yang dilakukan oleh peneliti sejalan dengan hasil
penelitian yang dilakukan oleh Hartono. Hasil penelitian yang dilakukan
oleh peneliti menunjukkan bahwa uji kesesuaian model gabungan proksi
IOS dengan klasifikasi IOS memiliki kesesuaian dengan data
sesungguhnya yang dilihat dari nilai goodness of fit. Kemudian dari hasil
75

uji korelasi, gabungan proksi individual IOS berbasis harga sahamdan
investasi memiliki korelasi positif dengan realisasi pertumbuhan.
76
BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Hasil dari pembahasan yang dituangkan pada bab 4, dapat
disimpulkan sebagai berikut :
1. Model gabungan proksi IOS dengan klasifikasi IOS memiliki
kesesuaian dengan data sesungguhnya yang dapat dilihat dari nilai
goodness of fit yang telah memenuhi syarat yang dianjurkan. Hal ini
sesuai dengan yang diharapkan berdasarkan teori, bahwa setiap model
pada structural equation models harus sesuai dengan data sesunguhnya
dan kesesuaian tersebut dapat dilihat dari nilai goodness of fit nya.
2. Gabungan proksi individual IOS berbasis harga saham memiliki korelasi
positif dengan realisasi pertumbuhan, yaitu memiliki nilai korelasi 0.059.
Hal tersebut sesuai dengan teori yang menyatakan bahwa Proksi ini
didasari pada anggapan yang menyatakan bahwa prospek pertumbuhan
perusahaan secara parsial dinyatakan dalam harga-harga saham, dan
perusahaan yang tumbuh akan memiliki nilai pasar yang lebih tinggi
secara relative untuk aktiva-aktiva yang dimiliki (asset in place)
dibandingkan perusahaan yang tidak tumbuh.
3. Gabungan proksi individual IOS berbasis investasi memiliki korelasi
positif dengan realisasi pertumbuhan, yaitu memiliki nilai korelasi 0.013.
Hal tersebut juga sama dengan penelitian terdahulu yang dilakukan oleh
77

Isnaeni Rokhayati (2005) yang juga menyatakan bahwa proksi IOS
berbasis Investasi memiliki korelasi yang positif. Dan hal ini juga sesuai
dengan teori yang menyatakan bahwa bila proksi IOS berbasis investasi
memiliki nilai korelasi yang positif terhadap realisasi pertumbuhan,
maka banyak investor yang ingin menanamkan modalnya ke perusahaan
tersebut karena investasi yang ditanamkan diharapkan akan memberikan
return yang tinggi.

5.2 Saran
1. Pada penelitian berikutnya dapat dikembangakan model dengan
memasukkan variabel proksi IOS yang belum digunakan pada
penelitian ini seperti rasio R&D expense to firm value, rasio R&D
expense total assets, rasio R&D expense to sales dan variance of asset-
deflated sales.
2. Menambah jumlah sampel, yang diharapkan dapat memberikan hasil
kesesuaian yang lebih stabil.
3. Penelitian berikutnya juga dapat menggabungkan dengan variabel-
variabel gabungan proksi IOS yang dibentuk dengan variabel
instrumental dan skor faktor.

78

DAFTAR PUSTAKA
Abdul Azis, Mohamad, Pengaruh Earnings Per Share (Eps) Dan Pertumbuhan
Penjualan Terhadap Perubahan Harga Saham Pada Perusahaan Makanan
Dan Minuman Yang Terdaftar Di Bursa Efek Jakarta (BEJ), Universitas
Negeri Semarang, 2005

Abdul, Hamid, Pedoman Penulisan Skripsi, Fakultas Ekonomi dan Ilmu Sosial,
Universitas Islam Syarif Hidayatullah, Jakarta, 2007.

Adam Tim dan VidhanK, Goyal, The Invesment Opportunity Set and its proxy
variable: Theory and evidence finance workshop hongkong University of
science and Technology. 1-5, 1999.

Adi Prasetyo, 2000.Asosiasi antara Investment Opportunity Set (IOS), dengan
kebijakan Pendanaan, Kebijakan Deviden, Beta dan Perbedaan Reaksi Pasar:
Bukti Empiris dari Bursa Efek Jakarta.Simposium Nasional Akuntansi
III.pp.878-905

Agustina Maria Vianey Nopratiwi, Analisis Korelasi investment Opportunity Set
terhadap Return Saham. Thesis Pasca Sarjana FE UGM, 2001

Bodie, Zvi., Kane, Alex., dan Markus, Alan J, Investments. Sixth Edition. McGraw
Hill, 2005.

Eugene F. Brigham, Manajemen Keuangan, Jakarta, Erlangga, 2001.

Fijrijanti, Tettet dan Hartono, Jogianto. "Analisis Korelasi Pokok IOS dengan Realisasi
Pertumbuhan, Kebijakan Pendanaan dan Dividen." Simposium Nasional
Akuntansi III. pp. 851877, 2000.

Gagaring Pagalung, Pengaruh Kombinasi Keunggulan dan Keterbatasan Perusahaan
terhadap Set Kesempatan Investasi (IOS) Simposium Nasional Akuntansi
5.pp.662-673, 2000.

79

Ghazali Imam, Model Persamaan Struktural Konsep dan Aplikasi Dengan Program
AMOS 16.0, Semarang, UNDIP, 2008.

Hartono, Jogiyanto, Teori Portofolio dan Analisis Investasi. Yogyakarta BEPE, 1998.

Hasnawati Sri, Dampak Set Peluang Investasi Terhadap Nilai Perusahaan Publik di
BEJ Fakultas Ekonomi Lampung, 2005.

Hutchinson Mario, Gul Ferdinand A, Invesment Opportunity Set Corporate
Governance Practices and Firm Performance, Fakulty Of Business and Low,
University Deakin, 2003.

I Ketut Jati, Relevansi Dividen Yield dan Price Earning Ratio dengan moderasi
Investment Opportunity Set (IOS) dalam Penilaian Harga Saham. pp.575-
587.2003

Iswahyuni, Yetti dan L. Suryanto,. Analisis Perbedaan Perusahaan Tumbuh dan Tidak
Tumbuh. Jurnal Bisnis dan Ekonomi, Edisi September, FEKON, Universitas
Diponegoro, Semarang, 2000.

Imam Subekti dan Indra Wijaya Kusuma, Asosiasi antara Set Kesempatan Investasi
dengan Kebijakan Pendanaan dan Dividen Perusahaan, serta Implikasinya
pada Perusahaan Harga Saham, SimposiumNasional Akuntansi III.pp.820-
850, 2000, Thesis Pasca Sarjana FE UGM.

Jones, Stewart dan Rohit Sarma, The Association Between The Investment Opportunity
Set and Corporate Financing and Dividend Decision: Some Australian
Evidence. Managerial Finance,48-64.

Julianto Agung Nugroho dan Jogiyanto Hartono..Confirmatory factor Analysis
Gabungan proksi Investment Opportunity Set dan Hubungannya terhadap
Realisasi Pertumbuhan.pp.192-212, 2002.

Kaaro Hermeindito, Searching Proxies of Investment Opportunity Set and Identifying
Information Content, Universitas Surabaya, vol. 4 No. I Maret 2002.
80

Kusuma, Jefri Riyadi,. Investment Opportunity Set (Ios) Dan Realisasi Pertumbuhan
Perusahaan Dalam Menerapkan Kebijakan Pendanaan Dan Kebijakan Dividen. FE
UI, 2008.

Kallapur, Sanjay dan Mark A. Trombley, The Association Between Investment
Opportunity Set Proxies and Realized Growth. Journal of Business Finance
and Accounting, 505-513, 1999.

Ngadlan, Riadi RM, Pengaruh Investment Opportunity Set (IOS) dengan Tingkat
Pertumbuhan (sustainable growth) di bursa Efek Jakarta (BEJ), Semarang,
Universitas Riau, Pekan Baru. 2005.

Prasetyo, Adi. "Asosiasi antara Investment Opportunity Set (IOS), dengan Kebijakan
Pendanaan, Kebijakan Dividen, Beta dan Perbedaan Reaksi Pasar Bukti
Empiris dari Bursa Efek Jakarta. SimposiumNasional Akuntansi III. pp.
878-905, 2000.

Saputro, Julianto Agung. "Analisa Hubungan Antara Gabungan Proksi Investment
Opportunity Set dan Real Growth dengan Menggunakan Pendekatan
Confimatory Factor Analysis. Jurnal Riset Akuntansi Indonesia. Vol. 6. No.1,
Januari pp. 6992, 2003.

Parwanto, B, M. Variabel laten dalam Riset Sosial dan keperilakuan. kuliah Perdana
ProgramMagister Sains UGM.

Rokhayati, Isnaeni. Analisis Hubungan Investment Opportunity Set (IOS) Dengan
Realisasi Pertumbuhan Serta Perbedaan Perusahaan Yang Tumbuh dan Tidak
Tumbuh Terhadap Kebijakan Pendanaan dan Dividen Di Bursa Efek Jakarta.
SMART. Vol. 1 No. 2 Januari 2005 : p. 41-60, 2005.

Ross, Stephen A., Westerfield, Randolph W., dan Jaffe, Jeffrey F., Corporate Finance
7ed McGraw-Hill International Edition, 2005.

81

Sami, Heibollah, S.M. Simon Ho dan C.K. Kevin Lam, Association Between the
Investment Opportunity Set and Corporate Financing, Dividend, Leasing, and
Compenatioan policies, Some Evidence from the Emerging Market, Working
Paper, 1999.

Simamora, Henry, Akuntansi (Basis Pengambilan Keputusan Bisnis). Edisi 1. Jakarta,
Salemba Empat, 2000.

Skinner, Douglas J. The Investment Opportunity Set and Accounting Procedure
Choice: Prelimenary evidence. Journal of Accounting and Economics, 407-
445. 1993.

Widarjono, Agus, Analisis Statistika Multivariant Terapan, Cetakan I, Edisi Pertama,
Sekolah Tinggi Ilmu Manajemen YKPN, 2010.
DAFTAR RIWAYAT HIDUP

Data Pribadi
Nama : Akibar
Tempat / Tanggal lahir : Rantau Panjang, 05 Januari 1986
Alamat : J l. Prof Hamka Komplek Puri Permata No. A7
Agama : Islam
Jenis Kelamin : Wanita
Suku : Sumatera Selatan
Status : BelumMenikah
No.Telpon. : 081367061062

Pendidikan Formal
Tahun 1993 - 1999 : SDN Al marhamah, Ngulak.
Tahun 2000 - 2003 : Nurul Huda, Kasmaran.
Tahun 2003 - 2006 : SMA PGRI, Babat Toman.
Tahun 2006 - 2011 : SI Universitas IslamNegeri Syarif
Hidayatullah.

Pengalaman Organisasi

>Tahun 2003-2004 : Bendahara OSIS SMA PGRI.Babat Toman.
>Tahun 2004-2005 : Pasukan Gerakan Pencinta Alam Toman.
>Tahun 2008-2009 : Bendahara KKS/KKN di Desa Kopo Bogor.

82

Lampiran 1

PROKSI HARGA SAHAM
Data Laporan Keuangan dengan Perhitungan
Market to Book Value of Asset
(dalamjutaan rupiah)

Market to book value of Asset
Tahun Kode
Aset Total Ekuitas
Lembar Saham
beredar
Harga
Penutupan
Saham
Total Aset
TURI 2,857,847 673,853 1,395,000,000 100 2,857,847
UNTR 11,247,846 4,594,437 2,851,609,100 250 11,247,846
IKBI 590,296 373,293 306,000,000 1,000 590,296
SMGR 7,496,419 5,499,614 593,152,000 2,184 7,496,419
SMSM 716,686 451,062 1,439,668,860 100 716,686
MRAT 291,769 264,313 428,000,000 125 291,769
BATA 271,460,708 190,086,894 13,000,000 1,000 271,460,708
LTLS 1,830,516 506,603 780,000,000 250 1,830,516
CLPI 133,360 64,979 306,338,500 100 133,360
BRAM 1,530,173 833,625 450,000,000 500 1,530,173
BUDI 931,614 228,784 1,231,500,000 125 931,614
AKRA 2,377,340 1,039,093 624,000,000 500 2,377,340
INTA 831,846 350,000 432,005,844 250 831,846
AUTO 2,452,446 1,864,461 771,157,280 500 2,452,446
ASII 25,770,641 22,375,766 4,048,355,314 500 25,770,641
SRSN 330,445 160,550 6,020,000,000 50 330,445
SCCO 673,668 311,668 205,583,400 1,000 673,668
KBLM 459,111 152,353 1,120,000,000 185 459,111
KBLI 441,085 63,803 3,075,000,000 500 441,085
J ECC 362,648 63,593 151,200,000 500 362,648
AQUA 795,244 447,226 13,162,473 1,000 795,244
TOTO 908,168 280,679 49,536,000 1,000 908,168
MERK 2,826,999 235,539 22,400,000 1,000 2,826,999
UNVR 4,626,000 2,368,527 7,630,000,000 10 4,626,000
2006
MYOR 1,553,377 969,476 766,584,000 500 1,553,377

83

Tahun Kode
Aset Total Ekuitas
Lembar Saham
beredar
Harga
Penutupan
Saham
Total Aset
TURI 3,345,245 856,276 1,395,000,000 100 3,345,245
UNTR 13,002,619 5,733,335 2,851,609,100 250 13,002,619
IKBI 589,322 440,049 306,000,000 1,000 589,322
SMGR 7,496,419 5,499,614 593,152,000 1,000 7,496,419
SMSM 830,050 482,204 1,439,668,860 100 830,050
MRAT 315,998 279,559 428,000,000 125 315,998
BATA 332,080 207,700 13,000,000 1,000 332,080
LTLS 2,135,084 596,140 780,000,000 250 2,135,084
CLPI 167,583 73,206 14,161,974,339 100 167,583
BRAM 1,554,863 894,006 450,000,000 500 1,554,863
BUDI 1,485,651 625,962 1,231,500,000 125 1,485,651
AKRA 3,497,591 1,277,619 3,120,000,000 100 3,497,591
INTA 863,818 320,090 432,005,844 250 863,818
AUTO 2,919,970 2,261,414 771,157,280 500 2,919,970
ASII 30,388,037 26,962,594 4,048,355,314 500 30,388,037
SRSN 334,128 186,249 6,020,000,000 50 334,128
SCCO 1,293,677 350,955 205,583,400 1,000 1,293,677
KBLM 432,681 217,547 1,120,000,000 1,000 432,681
KBLI 499,368 182,527 3,997,235,107 500 499,368
J ECC 470,475 87,265 151,200,000 500 470,475
AQUA 891,530 507,270 13,162,473 1,000 891,530
TOTO 913,995 317,241 49,536,000 1,000 913,995
MERK 331,062 280,224 22,400,000 1,000 331,062
UNVR 5,333,406 2,692,141 7,630,000,000 10 5,333,406
2007
MYOR 1,893,175 1,081,795 766,584,000 500 1,893,175

84

Tahun Kode
Aset Total Ekuitas
Lembar Saham
beredar
Harga
Penutupan
Saham
Total Aset
TURI 3,583,328 1,024,630 1,395,000,000 100 3,583,328
UNTR 15,662,318 11,131,607 3,326,877,283 250 15,662,318
IKBI 636,409 507,136 306,000,000 1,000 636,409
SMGR 10,602,964 8,069,586 5,998,330,500 100 10,602,964
SMSM 929,753 546,222 1,439,668,860 100 929,753
MRAT 354,781 303,623 428,000,000 125 354,781
BATA 4,019,001 273,118 13,000,000 1,000 4,019,001
LTLS 3,494,853 799,390 780,000,000 250 3,494,853
CLPI 258,898 90,404 306,338,500 100 258,898
BRAM 1,672,766 998,025 450,000,000 500 1,672,766
BUDI 1,698,750 618,850 3,812,510,833 125 1,698,750
AKRA 4,874,851 1,608,244 3,125,400,000 100 4,874,851
INTA 1,137,218 328,623 432,005,844 250 1,137,218
AUTO 3,981,316 2,652,969 771,157,280 500 3,981,316
ASII 37,777,000 33,080,000 4,048,355,314 500 37,777,000
SRSN 392,937 193,041 6,020,000,000 50 392,937
SCCO 1,126,782 356,007 205,583,400 1,000 1,126,782
KBLM 354,781 221,535 1,120,000,000 963 354,781
KBLI 607,232 208,135 4,007,235,107 500 607,232
J ECC 673,397 90,000 151,200,000 500 673,396
AQUA 1,003,488 581,580 13,162,473 1,000 1,003,488
TOTO 1,031,131 363,190 49,536,000 1,000 1,031,131
MERK 375,064 327,324 22,400,000 1,000 375,364
UNVR 6,504,736 3,100,312 7,630,000,000 10 6,504,736
2008
MYOR 2,922,998 1,245,109 766,584,000 500 2,922,998

85

Tahun Kode
Aset Total Ekuitas
Lembar Saham
beredar
Harga
Penutupan
Saham
Total Aset
TURI 1,770,692 1,000,217 1,395,000,000 100 1,770,692
UNTR 17,586,061 13,843,710 3,326,877,283 250 17,586,061
IKBI 561,949 492,104 306,000,000 1,000 561,949
SMGR 12,591,308 10,197,679 5,931,520,000 100 12,591,308
SMSM 941,651 497,822 1,439,668,860 100 941,651
MRAT 365,636 316,412 428,000,000 125 365,636
BATA 401,901 301,344 13,000,000 1,000 401,901
LTLS 3,081,130 763,343 780,000,000 250 3,081,130
CLPI 219,199 115,308 306,338,500 100 219,199
BRAM 1,349,631 981,988 450,000,000 500 1,349,631
BUDI 1,598,824 744,040 3,815,837,331 125 1,598,824
AKRA 6,059,070 1,741,060 3,138,292,500 100 6,059,070
INTA 1,039,511 357,457 432,005,844 250 1,039,511
AUTO 4,054,652 3,208,778 771,157,280 500 4,054,652
ASII 44,387,000 39,894,000 4,048,355,314 500 44,387,000
SRSN 413,777 218,423 6,020,000,000 50 413,777
SCCO 1,042,755 375,074 205,583,400 1,000 1,042,755
KBLM 354,781 223,230 1,120,000,000 963 354,781
KBLI 490,722 229,634 4,007,235,107 500 490,722
J ECC 587,381 102,510 151,200,000 500 587,381
AQUA 1,147,206 656,915 13,162,473 1,000 1,147,206
TOTO 1,010,892 528,673 49,536,000 1,000 1,010,892
MERK 433,971 354,194 22,400,000 1,000 433,971
UNVR 7,484,990 3,702,819 7,630,000,000 10 7,484,990
2009
MYOR 3,246,499 1,581,755 766,584,000 500 3,246,499

86

Lampiran 2
Market to Book Value of Equity

Market to book value of equity
Tahun Kode
J umlah Lembar Saham
Beredar
Harga Penutupan
Saham
Total Ekuitas
TURI 250,000,000 100 673,853
UNTR 6,000,000,000 250 4,594,437
IKBI 321,000,000 1,000 373,293
SMGR 2,000,000,000 2,184 5,499,614
SMSM 2,000,000,000 100 451,062
MRAT 800,000,000 125 264,313
BATA 20,000,000 1,000 190,086,894
LTLS 2,400,000 250 506,603
CLPI 1,000,000,000 100 64,979
BRAM 700,000,000 500 833,625
BUDI 4,200,000,000 125 228,784
AKRA 832,000,000 500 1,039,093
INTA 696,000,000 250 350,000
AUTO 2,000,000,000 500 1,864,461
ASII 6,000,000,000 500 22,375,766
SRSN 12,000,000,000 50 160,550
SCCO 500,000,000 1,000 311,668
KBLM 1,374,918,822 185 152,353
KBLI 4,560,000,000 500 63,803
J ECC 600,000,000 500 63,593
AQUA 45,000,000 1,000 447,226
TOTO 150,000,000 1,000 280,679
MERK 22,400,000 1,000 235,539
UNVR 7,630,000,000 10 2,368,527
2006
MYOR 3,000,000,000 500 696,476

87

Tahun Kode
J umlah lembar saham
beredar
harga penutupan
saham
total ekuitas
TURI 2,500,000,000 100 856,276
UNTR 6,000,000,000 250 5,733,335
IKBI 321,000,000 1,000 440,049
SMGR 2,000,000,000 1,000 5,499,614
SMSM 2,000,000,000 100 482,204
MRAT 800,000,000 125 279,559
BATA 20,000,000 1,000 207,700
LTLS 2,400,000,000 250 596,140
CLPI 1,000,000,000 100 73,206
BRAM 700,000,000 500 894,006
BUDI 4,200,000,000 125 625,962
AKRA 7,500,000,000 100 1,277,619
INTA 696,000,000 250 320,090
AUTO 2,000,000,000 500 2,261,414
ASII 6,000,000,000 500 26,962,594
SRSN 12,000,000,000 50 186,249
SCCO 500,000,000 1,000 350,955
KBLM 1,374,918,822 1,000 217,547
KBLI 4,748,000,000 500 182,526
J ECC 600,000,000 500 87,265
AQUA 45,000,000 1,000 507,270
TOTO 150,000,000 1,000 317,241
MERK 22,400,000 1,000 280,224
UNVR 7,630,000,000 10 2,692,141
2007
MYOR 3,000,000,000 500 1,081,795

88

Tahun Kode
Beredar
Harga Penutupan
Saham
Total Ekuitas
TURI 2,500,000,000 100 1,024,630
UNTR 6,000,000,000 250 11,131,607
IKBI 321,000,000 1,000 507,136
SMGR 20,000,000 100 8,069,586
SMSM 2,000,000,000 100 546,222
MRAT 800,000,000 125 303,623
BATA 20,000,000 1,000 273,118
LTLS 2,400,000,000 250 799,390
CLPI 1,000,000,000 100 90,404
BRAM 700,000,000 500 998,025
BUDI 4,200,000,000 125 618,850
AKRA 7,500,000,000 100 1,608,244
INTA 696,000,000 250 328,623
AUTO 2,000,000,000 500 2,652,969
ASII 6,000,000,000 500 33,080,000
SRSN 12,000,000,000 50 193,041
SCCO 500,000,000 1,000 356,007
KBLM 1,374,918,822 963 221,535
KBLI 5,788,000,000 500 208,135
J ECC 600,000,000 500 90,000
AQUA 45,000,000 1,000 581,580
TOTO 150,000,000 1,000 363,190
MERK 22,400,000 1,000 327,324
UNVR 7,630,000,000 10 3,100,312
2008
MYOR 3,000,000,000 500 1,245,109

89

Tahun Kode
Beredar
Harga Penutupan
Saham
Total Ekuitas
TURI 2,500,000,000 100 1,000,217
UNTR 6,000,000,000 250 13,843,710
IKBI 321,000,000 1,000 492,104
SMGR 20,000,000,000 100 10,197,679
SMSM 2,000,000,000 100 497,822
MRAT 800,000,000 125 316,412
BATA 20,000,000 1,000 301,344
LTLS 2,400,000,000 250 763,343
CLPI 1,000,000,000 100 115,309
BRAM 700,000,000 500 981,988
BUDI 4,200,000,000 125 744,040
AKRA 7,500,000,000 100 1,741,060
INTA 696,000,000 250 357,457
AUTO 2,000,000,000 500 3,208,778
ASII 6,000,000,000 500 39,894,000
SRSN 12,000,000,000 50 218,423
SCCO 500,000,000 1,000 375,074
KBLM 1,374,918,822 963 223,230
KBLI 5,749,000,000 500 229,634
J ECC 600,000,000 500 102,510
AQUA 45,000,000 1,000 656,915
TOTO 150,000,000 1,000 528,673
MERK 22,400,000 1,000 354,184
UNVR 7,630,000,000 10 3,702,819
2009
MYOR 3,000,000,000 500 1,581,755

90

Lampiran 3

Earnings to Price Ratio


Tahun Kode
Laba per lembar
saham
TURI 16 100
UNTR 326 250
IKBI 253 1,000
SMGR 2,184 1,000
SMSM 46 100
MRAT 21 125
BATA 1,551 1,000
LTLS 38 250
CLPI 21 100
BRAM 41 500
BUDI 17 125
AKRA 205 500
INTA 16 250
AUTO 366 500
ASII 917 500
SRSN 4 50
SCCO 251 1,000
KBLM 9 185
KBLI 16 500
J ECC 4 500
AQUA 3,712 1,000
TOTO 1,609 1,000
MERK 3,863 1,000
UNVR 226 10
2006
MYOR 122 500

91


Tahun Kode
Laba per lembar
saham
TURI 136 100
UNTR 524 250
IKBI 253 1000
SMGR 2,184 1,000
SMSM 56 100
MRAT 26 125
BATA 2,660 1000
LTLS 92 250
CLPI 32 100
BRAM 87 500
BUDI 19 125
AKRA 61 100
INTA 22 250
AUTO 590 500
ASII 1,610 500
SRSN 4 50
SCCO 264 1000
KBLM 9 1,000
KBLI 6 500
J ECC 152 500
AQUA 5,008 1,000
TOTO 1,138 1,000
MERK 3,995 1,000
UNVR 257 10
2007
MYOR 185 500

92


Tahun Kode
Laba per lembar
saham
TURI 176 100
UNTR 884 250
IKBI 319 1,000
SMGR 426 100
SMSM 64 100
MRAT 52 125
BATA 12,120 1000
LTLS 187 250
CLPI 65 100
BRAM 211 500
BUDI 9 125
AKRA 67 100
INTA 53 250
AUTO 734 500
ASII 2,270 500
SRSN 1 50
SCCO 55 1000
KBLM 4 963
KBLI 7 500
J ECC 1 500
AQUA 6,255 1,000
TOTO 1,278 1,000
MERK 4,403 1,000
UNVR 315 10
2008
MYOR 256 500

93


Tahun Kode
Laba per lembar
saham
TURI 222 100
UNTR 1,147 250
IKBI 94 1000
SMGR 566 100
SMSM 92 100
MRAT 49 125
BATA 4,075 1000
LTLS 110 250
CLPI 101 100
BRAM 160 500
BUDI 39 125
AKRA 88 100
INTA 87 250
AUTO 996 500
ASII 2,480 500
SRSN 4 50
SCCO 90 1000
KBLM 8 963
KBLI 5 500
J ECC 105 500
AQUA 7,287 1,000
TOTO 3,691 1,000
MERK 6,549 1,000
UNVR 399 10
2009
MYOR 485 500

94

Lampiran 4

Price to Earnings Ratio

Tahun Kode
Harga Penutupan
Saham
Laba Per Lembar Saham
Beredar
TURI 100 16
UNTR 250 326
IKBI 1,000 253
SMGR 2,184 1,000
SMSM 100 46
MRAT 125 21
BATA 1,000 1,551
LTLS 250 38
CLPI 100 21
BRAM 500 41
BUDI 125 17
AKRA 500 205
INTA 250 16
AUTO 500 366
ASII 500 917
SRSN 50 4
SCCO 1,000 251
KBLM 185 9
KBLI 500 16
J ECC 500 4
AQUA 1,000 3,712
TOTO 1,000 1,609
MERK 1,000 3,863
UNVR 10 226
2006
MYOR 500 122

95

Tahun Kode
Harga Penutupan
Saham
Beredar
TURI 100 136
UNTR 250 524
IKBI 1,000 253
SMGR 1,000 2,184
SMSM 100 56
MRAT 125 26
BATA 1,000 2,660
LTLS 250 92
CLPI 100 32
BRAM 500 87
BUDI 125 19
AKRA 100 61
INTA 250 22
AUTO 500 590
ASII 500 1,610
SRSN 50 4
SCCO 1,000 264
KBLM 1,000 9
KBLI 500 6
J ECC 500 152
AQUA 1,000 5,008
TOTO 1,000 1,138
MERK 1,000 3,995
UNVR 10 257
2007
MYOR 500 185

96

Tahun Kode
Harga Penutupan
Saham
Beredar
TURI 100 176
UNTR 250 884
IKBI 1,000 319
SMGR 100 426
SMSM 100 64
MRAT 125 52
BATA 1,000 12,120
LTLS 250 187
CLPI 100 65
BRAM 500 211
BUDI 125 9
AKRA 100 67
INTA 250 53
AUTO 500 734
ASII 500 2,270
SRSN 50 1
SCCO 1,000 55
KBLM 963 4
KBLI 500 7
J ECC 500 1
AQUA 1,000 6,255
TOTO 1,000 1,278
MERK 1,000 4,403
UNVR 10 315
2008
MYOR 500 256

97

Tahun Kode
Harga Penutupan
Saham
Beredar
TURI 100 222
UNTR 250 1,147
IKBI 1,000 94
SMGR 100 566
SMSM 100 92
MRAT 125 49
BATA 1,000 4,075
LTLS 250 110
CLPI 100 101
BRAM 500 160
BUDI 125 39
AKRA 100 88
INTA 250 87
AUTO 500 996
ASII 500 2,480
SRSN 50 4
SCCO 1,000 90
KBLM 963 8
KBLI 500 5
J ECC 500 105
AQUA 1,000 7,287
TOTO 1,000 3,691
MERK 1,000 6,549
UNVR 10 399
2009
MYOR 500 485

98

Lampiran 5
PROKSI INVESTASI
Investment to Net Sales


Tahun Kode
Investasi Penjualan bersih
TURI 139,500 3,874,394
UNTR 712,902 13,719,567
IKBI 306,000 1,914,345
SMGR 593,152 8,727,858
SMSM 259,035 881,116
MRAT 53,500 226,387
BATA 13,000 434,916
LTLS 195,000 2,413,259
CLPI 30,634 291,816
BRAM 225,000 1,500,835
BUDI 153,937 1,072,928
AKRA 312,000 3,970,323
INTA 108,001 552,057
AUTO 385,579 1,930,273
ASII 2,024,178 25,662,434
SRSN 301,000 269,380
SCCO 205,583 1,483,069
KBLM 252,840 285,472
KBLI 732,700 1,130,748
J ECC 75,600 448,021
AQUA 13,162 1,665,615
TOTO 49,536 828,164
MERK 22,400 487,601
UNVR 76,300 11,335,241
2006
MYOR 383,292 1,971,513

99


Tahun Kode
TURI 139,500 4,412,018
UNTR 712,902 18,165,598
IKBI 306,000 1,590,455
SMGR 593,152 9,600,800
SMSM 143,967 1,064,055
MRAT 53,500 252,123
BATA 13,000 493,717
LTLS 195,000 2,712,536
CLPI 30,634 504,661
BRAM 225,000 1,547,112
BUDI 461,812 1,350,298
AKRA 312,000 5,894,751
INTA 108,001 661,782
AUTO 385,579 2,501,530
ASII 2,024,178 32,372,642
SRSN 301,000 300,000
SCCO 205,583 2,501,530
KBLM 211,400 319,611
KBLI 825,924 1,280,446
J ECC 75,600 735,589
AQUA 13,162 1,952,156
TOTO 49,536 895,262
MERK 22,400 547,238
UNVR 76,300 12,544,901
2007
MYOR 383,292 2,828,440

100


Tahun Kode
TURI 139,500 5,541,965
UNTR 831,720 14,617,718
IKBI 306,000 1,645,326
SMGR 593,152 12,209,846
SMSM 143,967 1,353,586
MRAT 53,500 307,804
BATA 13,000 539,762
LTLS 195,000 4,458,094
CLPI 30,634 504,661
BRAM 225,000 1,637,886
BUDI 469,368 1,551,987
AKRA 312,540 9,472,529
INTA 108,001 1,052,270
AUTO 385,579 2,904,838
ASII 2,024 44,933,000
SRSN 301,000 313,919
SCCO 205,583 2,127,032
KBLM 211,400 539,697
KBLI 825,924 1,731,929
J ECC 75,600 1,131,138
AQUA 13,162 2,331,532
TOTO 49,536 1,124,347
MERK 22,400 637,134
UNVR 76,300 15,577,811
2008
MYOR 383,292 3,907,674

101


Tahun Kode
TURI 139,500 4,890,203
UNTR 831,720 14,498,408
IKBI 306,000 862,112
SMGR 593,152 14,387,850
SMSM 143,967 1,374,652
MRAT 53,500 345,576
BATA 13,000 598,466
LTLS 195,000 3,746,865
CLPI 30,634 447,956
BRAM 225,000 1,500,639
BUDI 469,596 1,782,132
AKRA 313,829 8,959,842
INTA 108,001 1,026,888
AUTO 385,579 2,920,440
ASII 2,024 44,083,000
SRSN 301,000 352,543
SCCO 205,583 1,510,071
KBLM 211,400 550,000
KBLI 825,934 822,273
J ECC 75,600 762,976
AQUA 13,162 2,733,713
TOTO 49,536 980,327
MERK 22,400 751,403
UNVR 76,300 18,246,872
2009
MYOR 383,292 4,777,175

102

Lampiran 6
Capital Expenditure to Book Value Asset

Tahun Kode
Nilai buku Aktiva
tetap
Nilai buku aktiva tetap t
sebelum
Total Aset
TURI 213,979 212,035 2,857,847
UNTR 5,191,454 4,307,775 11,247,846
IKBI 146,120 169,853 590,296
SMGR 3,162,919 3,419,589 7,496,419
SMSM 259,035 6,085,542 716,686
MRAT 52,281 53,034 291,769
BATA 68,446 68,222 271,460,708
LTLS 527,490 475,495 1,830,516
CLPI 10,835 10,145 133,360
BRAM 687,877 742,776 1,530,173
BUDI 630,731 575,210 931,614
AKRA 1,002,838 803,553 2,377,340
INTA 42,263 46,850 831,846
AUTO 719,140 798,249 2,452,446
ASII 18,742 13,005 25,770,641
SRSN 165,846 162,439 330,445
SCCO 167,926 154,017 673,668
KBLM 169,852 164,882 459,111
KBLI 950,088 910,002 441,085
J ECC 99,688 95,055 362,648
AQUA 259,410 267,734 795,244
TOTO 449,408 468,248 908,168
MERK 46,284 47,022 2,826,999
UNVR 1,724,663 1,495,659 4,626,000
2006
MYOR 738,125 732,053 1,553,377

103

Tahun Kode
Nilai buku Aktiva
tetap
sebelum
Total Aset
TURI 202,335 213,979 3,345,245
UNTR 5,527,058 5,191,454 13,002,619
IKBI 128,313 146,120 589,322
SMGR 3,089,622 3,162,919 7,496,419
SMSM 318,677 259,035 830,050
MRAT 53,235 52,281 315,998
BATA 66,262 68,446 332,080
LTLS 632,076 527,490 2,135,084
CLPI 18,743 10,835 167,583
BRAM 639,999 687,877 1,554,863
BUDI 796,624 630,731 1,485,651
AKRA 1,324,256 1,002,838 3,497,591
INTA 46,262 42,263 863,818
AUTO 634,717 719,140 2,919,970
ASII 13,005 18,742 30,388,037
SRSN 111,954 165,846 334,128
SCCO 167,613 167,926 1,293,677
KBLM 232,308 169,852 432,681
KBLI 951,000 950,088 499,368
J ECC 93,907 99,688 470,475
AQUA 302,246 259,410 891,530
TOTO 434,970 449,408 913,995
MERK 46,860 46,284 331,062
UNVR 2,199,810 1,724,663 5,333,406
2007
MYOR 774,390 738,125 1,893,175

104

Tahun Kode
Nilai buku Aktiva tetap
sebelum
Total Aset
TURI 204,015 202,335 3,583,328
UNTR 9,505,248 5,527,058 15,662,318
IKBI 122,328 128,313 636,409
SMGR 3,308,878 3,089,622 10,602,964
SMSM 358,495 318,677 929,753
MRAT 58,481 53,235 354,781
BATA 155,768,155 66,262 4,019,001
LTLS 889,072 632,076 3,494,853
CLPI 23,925 18,743 258,898
BRAM 647,075 639,999 1,672,766
BUDI 971,180 796,624 1,698,750
AKRA 2,215,659 1,324,256 4,874,851
INTA 52,783 46,262 1,137,218
AUTO 702,097 634,717 3,981,316
ASII 18,742 13,005 37,777,000
SRSN 108,742 111,954 392,937
SCCO 191,498 167,613 1,126,782
KBLM 240,338 232,308 354,781
KBLI 952,285 951,000 607,232
J ECC 90,129 93,907 673,397
AQUA 332,516 302,246 1,003,488
TOTO 409,195 434,970 1,031,131
MERK 54,795 46,860 375,064
UNVR 2,559,875 2,199,810 6,504,736
2008
MYOR 1,030,735 774,390 2,922,998

105

Tahun Kode
Nilai buku Aktiva tetap
sebelum
Total Aset
TURI 200,285 204,015 1,770,692
UNTR 11,835,726 9,505,248 17,586,061
IKBI 122,526 122,328 561,949
SMGR 4,014,143 3,308,878 12,591,308
SMSM 341,364 358,495 941,651
MRAT 64,861 58,481 365,636
BATA 155,768 155,768,155 401,901
LTLS 879,817 889,072 3,081,130
CLPI 31,727 23,925 219,199
BRAM 645,429 647,075 1,349,631
BUDI 1,054,857 971,180 1,598,824
AKRA 2,859,238 2,215,659 6,059,070
INTA 63,910 52,783 1,039,511
AUTO 696,716 702,097 4,054,652
ASII 21,941 18,742 44,387,000
SRSN 100,335 108,742 413,777
SCCO 195,779 191,498 1,042,755
KBLM 238,057 240,338 354,781
KBLI 953,402 952,285 490,722
J ECC 83,208 90,129 587,381
AQUA 358,792 332,516 1,147,206
TOTO 393,619 409,195 1,010,892
MERK 66,911 54,795 433,971
UNVR 3,035,915 2,559,875 7,484,990
2009
MYOR 1,282,771 1,030,735 3,246,499

106

Capital Expenditure to Market value of assets

Tahun Kode
Nilai buku
aktiva tetap
Nilai buku
aktiva tetap t
sebelum
total aset total ekuitas
lembar saham
beredar
harga
penutupan
saham
TURI 213,979 212,035 2,857,847 673,853 1,395,000,000 100
UNTR 5,191,454 4,307,775 11,247,846 4,594,437 2,851,609,100 250
IKBI 146,120 169,853 590,296 373,293 306,000,000 1,000
SMGR 3,162,919 3,419,589 7,496,419 5,499,614 593,152,000 2,184
SMSM 259,035 6,085,542 716,686 451,062 1,439,668,860 100
MRAT 52,281 53,034 291,769 264,313 428,000,000 125
BATA 68,446 68,222 271,460,708 190,086,894 13,000,000 1,000
LTLS 527,490 475,495 1,830,516 506,603 780,000,000 250
CLPI 10,835 10,145 133,360 64,979 306,338,500 100
BRAM 687,877 742,776 1,530,173 833,625 450,000,000 500
BUDI 630,731 575,210 931,614 228,784 1,231,500,000 125
AKRA 1,002,838 803,553 2,377,340 1,039,093 624,000,000 500
INTA 42,263 46,850 831,846 350,000 432,005,844 250
AUTO 719,140 798,249 2,452,446 1,864,461 771,157,280 500
ASII 18,742 13,005 25,770,641 22,375,766 4,048,355,314 500
SRSN 165,846 162,439 330,445 160,550 6,020,000,000 50
SCCO 167,926 154,017 673,668 311,668 205,583,400 1,000
KBLM 169,852 164,882 459,111 152,353 1,120,000,000 185
KBLI 950,088 910,002 441,085 63,803 3,075,000,000 500
J ECC 99,688 95,055 362,648 63,593 151,200,000 500
AQUA 259,410 267,734 795,244 447,226 13,162,473 1,000
TOTO 449,408 468,248 908,168 280,679 49,536,000 1,000
MERK 46,284 47,022 2,826,999 235,539 22,400,000 1,000
UNVR 1,724,663 1,495,659 4,626,000 2,368,527 7,630,000,000 10
2006
MYOR 738,125 732,053 1,553,377 969,476 766,584,000 500

107


Tahun Kode
Nilai buku
aktiva tetap
Nilai buku
aktiva tetap t
sebelum
lembar saham
beredar
harga
penutupan
saham
TURI 202,335 213,979 3,345,245 856,276 1,395,000,000 100
UNTR 5,527,058 5,191,454 13,002,619 5,733,335 2,851,609,100 250
IKBI 128,313 146,120 589,322 440,049 306,000,000 1,000
SMGR 3,089,622 3,162,919 7,496,419 5,499,614 593,152,000 1,000
SMSM 318,677 259,035 830,050 482,204 1,439,668,860 100
MRAT 53,235 52,281 315,998 279,559 428,000,000 125
BATA 66,262 68,446 332,080 207,700 13,000,000 1,000
LTLS 632,076 527,490 2,135,084 596,140 780,000,000 250
CLPI 18,743 10,835 167,583 73,206 14,161,974,339 100
BRAM 639,999 687,877 1,554,863 894,006 450,000,000 500
BUDI 796,624 630,731 1,485,651 625,962 1,231,500,000 125
AKRA 1,324,256 1,002,838 3,497,591 1,277,619 3,120,000,000 100
INTA 46,262 42,263 863,818 320,090 432,005,844 250
AUTO 634,717 719,140 2,919,970 2,261,414 771,157,280 500
ASII 13,005 18,742 30,388,037 26,962,594 4,048,355,314 500
SRSN 111,954 165,846 334,128 186,249 6,020,000,000 50
SCCO 167,613 167,926 1,293,677 350,955 205,583,400 1,000
KBLM 232,308 169,852 432,681 217,547 1,120,000,000 1,000
KBLI 951,000 950,088 499,368 182,527 3,997,235,107 500
J ECC 93,907 99,688 470,475 87,265 151,200,000 500
AQUA 302,246 259,410 891,530 507,270 13,162,473 1,000
TOTO 434,970 449,408 913,995 317,241 49,536,000 1,000
MERK 46,860 46,284 331,062 280,224 22,400,000 1,000
UNVR 2,199,810 1,724,663 5,333,406 2,692,141 7,630,000,000 10
2007
MYOR 774,390 738,125 1,893,175 1,081,795 766,584,000 500

108


Tahun Kode
Nilai buku
aktiva tetap
Nilai buku
aktiva tetap t
sebelum
lembar saham
beredar
harga
penutupan
saham
TURI 204,015 202,335 3,583,328 1,024,630 1,395,000,000 100
UNTR 9,505,248 5,527,058 15,662,318 11,131,607 3,326,877,283 250
IKBI 122,328 128,313 636,409 507,136 306,000,000 1,000
SMGR 3,308,878 3,089,622 10,602,964 8,069,586 5,998,330,500 100
SMSM 358,495 318,677 929,753 546,222 1,439,668,860 100
MRAT 58,481 53,235 354,781 303,623 428,000,000 125
BATA 155,768,155 66,262 4,019,001 273,118 13,000,000 1,000
LTLS 889,072 632,076 3,494,853 799,390 780,000,000 250
CLPI 23,925 18,743 258,898 90,404 306,338,500 100
BRAM 647,075 639,999 1,672,766 998,025 450,000,000 500
BUDI 971,180 796,624 1,698,750 618,850 3,812,510,833 125
AKRA 2,215,659 1,324,256 4,874,851 1,608,244 3,125,400,000 100
INTA 52,783 46,262 1,137,218 328,623 432,005,844 250
AUTO 702,097 634,717 3,981,316 2,652,969 771,157,280 500
ASII 18,742 13,005 37,777,000 33,080,000 4,048,355,314 500
SRSN 108,742 111,954 392,937 193,041 6,020,000,000 50
SCCO 191,498 167,613 1,126,782 356,007 205,583,400 1,000
KBLM 240,338 232,308 354,781 221,535 1,120,000,000 963
KBLI 952,285 951,000 607,232 208,135 4,007,235,107 500
J ECC 90,129 93,907 673,397 90,000 151,200,000 500
AQUA 332,516 302,246 1,003,488 581,580 13,162,473 1,000
TOTO 409,195 434,970 1,031,131 363,190 49,536,000 1,000
MERK 54,795 46,860 375,064 327,324 22,400,000 1,000
UNVR 2,559,875 2,199,810 6,504,736 3,100,312 7,630,000,000 10
2008
MYOR 1,030,735 774,390 2,922,998 1,245,109 766,584,000 500

109


Tahun Kode
Nilai buku
aktiva tetap
Nilai buku
aktiva tetap t
sebelum
lembar saham
beredar
harga
penutupan
saham
TURI 200,285 204,015 1,770,692 1,000,217 1,395,000,000 100
UNTR 11,835,726 9,505,248 17,586,061 13,843,710 3,326,877,283 250
IKBI 122,526 122,328 561,949 492,104 306,000,000 1,000
SMGR 4,014,143 3,308,878 12,591,308 10,197,679 5,931,520,000 100
SMSM 341,364 358,495 941,651 497,822 1,439,668,860 100
MRAT 64,861 58,481 365,636 316,412 428,000,000 125
BATA 155,768 155,768,155 401,901 301,344 13,000,000 1,000
LTLS 879,817 889,072 3,081,130 763,343 780,000,000 250
CLPI 31,727 23,925 219,199 115,308 306,338,500 100
BRAM 645,429 647,075 1,349,631 981,988 450,000,000 500
BUDI 1,054,857 971,180 1,598,824 744,040 3,815,837,331 125
AKRA 2,859,238 2,215,659 6,059,070 1,741,060 3,138,292,500 100
INTA 63,910 52,783 1,039,511 357,457 432,005,844 250
AUTO 696,716 702,097 4,054,652 3,208,778 771,157,280 500
ASII 21,941 18,742 44,387,000 39,894,000 4,048,355,314 500
SRSN 100,335 108,742 413,777 218,423 6,020,000,000 50
SCCO 195,779 191,498 1,042,755 375,074 205,583,400 1,000
KBLM 238,057 240,338 354,781 223,230 1,120,000,000 963
KBLI 953,402 952,285 490,722 229,634 4,007,235,107 500
J ECC 83,208 90,129 587,381 102,510 151,200,000 500
AQUA 358,792 332,516 1,147,206 656,915 13,162,473 1,000
TOTO 393,619 409,195 1,010,892 528,673 49,536,000 1,000
MERK 66,911 54,795 433,971 354,194 22,400,000 1,000
UNVR 3,035,915 2,559,875 7,484,990 3,702,819 7,630,000,000 10
2009
MYOR 1,282,771 1,030,735 3,246,499 1,581,755 766,584,000 500

110

Lampiran 7
REALISASI PERTUMBUHAN
(Total Penjualan Bersih-Total Penjualan t Sebelumnya)/Total Penjualan Bersih t Sebelumnya
GROWSAL

Tahun Kode
Total penjualan
bersih
Total penjualan bersih
t sebelumnya
total penjualan bersih t
sebelumnya
TURI 3,874,394 4,607,275 4,607,275
UNTR 13,719,567 13,281,246 13,281,246
IKBI 1,914,345 1,423,929 1,423,929
SMGR 8,727,858 7,532,208 7,532,208
SMSM 881,116 861,531 861,531
MRAT 226,387 208,097 208,097
BATA 434,916 428,630 428,630
LTLS 2,413,259 2,166,528 2,166,528
CLPI 291,816 212,185 212,185
BRAM 1,500,835 1,764,996 1,764,996
BUDI 1,072,928 1,024,621 1,024,621
AKRA 3,970,323 2,827,823 2,827,823
INTA 552,057 716,913 716,913
AUTO 1,930,273 1,837,427 1,837,427
ASII 25,662,434 32,907,621 32,907,621
SRSN 269,380 290,002 290,002
SCCO 1,483,069 1,360,229 1,360,229
KBLM 285,472 280,514 280,514
KBLI 1,130,748 863,298 863,298
J ECC 448,021 428,123 428,123
AQUA 1,665,615 1,583,156 1,583,156
TOTO 828,164 713,872 713,872
MERK 487,601 386,346 386,346
UNVR 11,335,241 9,992,135 9,992,135
2006
MYOR 1,971,513 1,706,184 1,706,184

111

Tahun Kode
Total penjualan
bersih
t sebelumnya
sebelumnya
TURI 4,412,018 3,874,394 3,874,394
UNTR 18,165,598 13,719,567 13,719,567
IKBI 1,590,455 1,914,345 1,914,345
SMGR 9,600,800 8,727,858 8,727,858
SMSM 1,064,055 881,116 881,116
MRAT 252,123 226,387 226,387
BATA 493,717 428,630 428,630
LTLS 2,712,536 2,413,259 2,413,259
CLPI 504,661 382,264 382,264
BRAM 1,547,112 1,510,642 1,510,642
BUDI 1,350,298 1,072,908 1,072,908
AKRA 5,894,751 3,970,323 3,970,323
INTA 661,782 552,057 552,057
AUTO 2,501,530 1,930,273 1,930,273
ASII 32,372,642 25,662,434 25,662,434
SRSN 300,000 269,380 269,380
SCCO 2,501,530 1,930,273 1,930,273
KBLM 319,611 285,472 285,472
KBLI 1,280,446 1,130,748 1,130,748
J ECC 735,589 448,021 448,021
AQUA 1,952,156 1,665,615 1,665,615
TOTO 895,262 828,164 828,164
MERK 547,238 487,601 487,601
UNVR 12,544,901 11,335,241 11,335,241
2007
MYOR 2,828,440 1,971,513 1,971,513

112

Tahun Kode
Total penjualan
bersih
t sebelumnya
sebelumnya
TURI 5,541,965 4,412,018 4,412,018
UNTR 14,617,718 18,165,598 18,165,598
IKBI 1,645,326 1,590,455 1,590,455
SMGR 12,209,846 9,600,800 9,600,800
SMSM 1,353,586 1,064,055 1,064,055
MRAT 307,804 252,123 252,123
BATA 539,762 493,717 493,717
LTLS 4,458,094 2,712,536 2,712,536
CLPI 504,661 382,264 382,264
BRAM 1,637,886 1,547,112 1,547,112
BUDI 1,551,987 1,350,298 1,350,298
AKRA 9,472,529 5,894,751 5,894,751
INTA 1,052,270 661,782 661,782
AUTO 2,904,838 2,501,530 2,501,530
ASII 44,933,000 32,372,642 32,372,642
SRSN 313,919 300,000 300,000
SCCO 2,127,032 2,501,530 2,501,530
KBLM 539,697 319,611 319,611
KBLI 1,731,929 1,280,446 1,280,446
J ECC 1,131,138 735,589 735,589
AQUA 2,331,532 1,952,156 1,952,156
TOTO 1,124,347 895,262 895,262
MERK 637,134 547,238 547,238
UNVR 15,577,811 12,544,901 12,544,901
2008
MYOR 3,907,674 2,828,440 2,828,440

113

Tahun Kode
Total penjualan
bersih
t sebelumnya
sebelumnya
TURI 4,890,203 5,541,965 5,541,965
UNTR 14,498,408 14,617,718 14,617,718
IKBI 862,112 1,645,326 1,645,326
SMGR 14,387,850 12,209,846 12,209,846
SMSM 1,374,652 1,353,586 1,353,586
MRAT 345,576 307,804 307,804
BATA 598,466 539,762 539,762
LTLS 3,746,865 4,458,094 4,458,094
CLPI 447,956 504,661 504,661
BRAM 1,500,639 1,637,886 1,637,886
BUDI 1,782,132 1,551,987 1,551,987
AKRA 8,959,842 9,472,529 9,472,529
INTA 1,026,888 1,052,270 1,052,270
AUTO 2,920,440 2,904,838 2,904,838
ASII 44,083,000 44,933,000 44,933,000
SRSN 352,543 313,919 313,919
SCCO 1,510,071 2,127,032 2,127,032
KBLM 550,000 539,697 539,697
KBLI 822,273 1,731,929 1,731,929
J ECC 762,976 1,131,138 1,131,138
AQUA 2,733,713 2,331,532 2,331,532
TOTO 980,327 1,124,347 1,124,347
MERK 751,403 637,134 637,134
UNVR 18,246,872 15,577,811 15,577,811
2009
MYOR 4,777,175 3,907,674 3,907,674

114

Lampiran 8
(Laba-Laba t Sebelumnya)/Laba t Sebelumnya
GROWEAR

Tahun Kode Laba laba t sebelumnya laba t sebelumnya
TURI 142,732 22,211 22,211
UNTR 1,050,729 930,372 930,372
IKBI 44,374 23,749 23,749
SMGR 1,295,520 1,001,772 1,001,772
SMSM 66,175 65,737 65,737
MRAT 9,096 8,510 8,510
BATA 25,086 20,161 20,161
LTLS 29,677 52,425 52,425
CLPI 7,865 7,670 7,670
BRAM 18,314 119,496 119,496
BUDI 20,678 2,281 2,281
AKRA 128,084 119,289 119,289
INTA 7,066 17,998 17,998
AUTO 282,058 279,027 279,027
ASII 3,712,097 5,457,285 5,457,285
SRSN 23,385 22,778 22,778
SCCO 56,798 51,643 51,643
KBLM 10,508 14,127 14,127
KBLI 50,382 25,608 25,608
J ECC 2,044,077 592,901 592,901
AQUA 48,854 64,350 64,350
TOTO 79,705 62,884 62,884
MERK 86,538 57,700 57,700
UNVR 1,721,595 1,440,485 1,440,485
2006
MYOR 93,576 45,730 45,730

115

TURI 189,816 22,211 22,211
UNTR 1,493,037 930,372 930,372
IKBI 77,467 44,374 44,374
SMGR 2,775,408 1,295,520 1,295,520
SMSM 80,325 66,175 66,175
MRAT 11,130 9,096 9,096
BATA 34,578 20,161 20,161
LTLS 71,670 29,677 29,677
CLPI 9,758 7,670 7,670
BRAM 39,149 18,314 18,314
BUDI 46,177 20,678 20,678
AKRA 191,208 128,084 128,084
INTA 9,514 7,066 7,066
AUTO 454,907 282,058 282,058
ASII 6,519,273 3,712,097 3,712,097
SRSN 25,695 23,385 23,385
SCCO 454,907 282,058 282,058
KBLM 5,314 10,508 10,508
KBLI 25,635 50,382 50,382
J ECC 22,922 592 592
AQUA 65,913 48,854 48,854
TOTO 56,377 79,705 79,705
MERK 89,485 86,538 86,538
UNVR 1,964,652 1,721,595 1,721,595
2007
MYOR 141,589 93,576 93,576

116

TURI 245,079 189,816 189,816
UNTR 2,660,741 1,493,037 1,493,037
IKBI 97,687 77,467 77,467
SMGR 2,523,544 2,775,408 2,775,408
SMSM 91,472 80,325 80,325
MRAT 22,290 11,130 11,130
BATA 157,563 34,578 34,578
LTLS 145,846 71,670 71,670
CLPI 20,108 9,758 9,758
BRAM 94,776 39,149 39,149
BUDI 32,981 46,177 46,177
AKRA 210,033 191,208 191,208
INTA 22,944 9,514 9,514
AUTO 566,025 454,907 454,907
ASII 9,191,000 6,519,273 6,519,273
SRSN 6,797 25,695 25,695
SCCO 11,219 454,907 454,907
KBLM 6,000 5,314 5,314
KBLI 26,645 25,635 25,635
J ECC 78 22,922 22,922
AQUA 82,337 65,913 65,913
TOTO 63,287 56,377 56,377
MERK 98,620 89,485 89,485
UNVR 2,407,231 1,964,652 1,964,652
2008
MYOR 196,230 141,589 141,589

117

TURI 310,387 245,079 245,079
UNTR 3,817,541 2,660,741 2,660,741
IKBI 28,719 97,687 97,687
SMGR 3,326,488 2,523,544 2,523,544
SMSM 132,850 91,472 91,472
MRAT 21,017 22,290 22,290
BATA 52,981 157,563 157,563
LTLS 85,925 145,846 145,846
CLPI 30,909 20,108 20,108
BRAM 72,105,574 94,776 94,776
BUDI 146,415 32,981 32,981
AKRA 274,719 210,033 210,033
INTA 37,473 22,944 22,944
AUTO 768,265 566,025 566,025
ASII 10,040,000 9,191,000 9,191,000
SRSN 25,380 6,797 6,797
SCCO 18,467 11,219 11,219
KBLM 7,000 6,000 6,000
KBLI 20,705 26,645 26,645
J ECC 15,842 78 78
AQUA 95,913 82,337 82,337
TOTO 182,821 63,287 63,287
MERK 146,700 98,620 98,620
UNVR 3,044,107 2,407,231 2,407,231
2009
MYOR 372,158 196,230 196,230

118

Lampiran 9

(Total Ekuitas-Total Ekuitas t Sebelumnya)/Total Ekuitas t Sebelumnya
GROWEQ

Tahun Kode total ekuitas
total ekuitas t
sebelumnya
Total Ekuitas t sebelumnya
TURI 673,853 550,000 550,000
UNTR 4,594,437 4,105,713 4,105,713
IKBI 373,293 338,405 338,405
SMGR 5,499,614 4,466,932 4,466,932
SMSM 451,062 410,835 410,835
MRAT 264,313 255,624 255,624
BATA 190,086,894 176,296 176,296
LTLS 506,603 496,240 496,240
CLPI 64,979 58,473 58,473
BRAM 833,625 822,095 822,095
BUDI 228,784 198,036 198,036
AKRA 1,039,093 974,375 974,375
INTA 350,000 310,637 310,637
AUTO 1,864,461 1,636,389 1,636,389
ASII 22,375,766 20,424,345 20,424,345
SRSN 160,550 137,167 137,167
SCCO 311,668 273,884 273,884
KBLM 152,353 141,845 141,845
KBLI 63,803 13,311 13,311
J ECC 63,593 63,090 63,090
AQUA 447,226 405,324 405,324
TOTO 280,679 215,834 215,834
MERK 235,539 180,362 180,362
UNVR 2,368,527 2,173,526 2,173,526
2006
MYOR 969,476 895,021 895,021

119

total ekuitas t
sebelumnya
TURI 856,276 673,853 673,853
UNTR 5,733,335 4,594,437 4,594,437
IKBI 440,049 373,293 373,293
SMGR 5,499,614 5,300,000 5,300,000
SMSM 482,204 451,062 451,062
MRAT 279,559 264,313 264,313
BATA 207,700 190,087 190,087
LTLS 596,140 506,603 506,603
CLPI 73,206 60,000 60,000
BRAM 894,006 833,625 833,625
BUDI 625,962 228,784 228,784
AKRA 1,277,619 1,039,093 1,039,093
INTA 320,090 310,576 310,576
AUTO 2,261,414 1,864,461 1,864,461
ASII 26,962,594 22,375,766 22,375,766
SRSN 186,249 160,550 160,550
SCCO 350,955 1,864,461 1,864,461
KBLM 217,547 152,353 152,353
KBLI 182,527 63,803 63,803
J ECC 87,265 63,593 63,593
AQUA 507,270 447,226 447,226
TOTO 317,241 280,679 280,679
MERK 280,224 235,539 235,539
UNVR 2,692,141 2,368,527 2,368,527
2007
MYOR 1,081,795 969,476 969,476

120

total ekuitas t
sebelumnya
TURI 1,024,630 856,276 856,276
UNTR 11,131,607 5,733,335 5,733,335
IKBI 507,136 440,049 440,049
SMGR 8,069,586 5,499,614 5,499,614
SMSM 546,222 482,204 482,204
MRAT 303,623 279,559 279,559
BATA 273,118 207,700 207,700
LTLS 799,390 596,140 596,140
CLPI 90,404 73,206 73,206
BRAM 998,025 894,006 894,006
BUDI 618,850 625,962 625,962
AKRA 1,608,244 1,277,619 1,277,619
INTA 328,623 320,090 320,090
AUTO 2,652,969 2,261,414 2,261,414
ASII 33,080,000 26,962,594 26,962,594
SRSN 193,041 186,249 186,249
SCCO 356,007 350,955 350,955
KBLM 221,535 217,547 217,547
KBLI 208,135 182,527 182,527
J ECC 90,000 87,265 87,265
AQUA 581,580 507,270 507,270
TOTO 363,190 317,241 317,241
MERK 327,324 280,224 280,224
UNVR 3,100,312 2,692,141 2,692,141
2008
MYOR 1,245,109 1,081,795 1,081,795

121

total ekuitas t
sebelumnya
TURI 1,000,217 1,024,630 1,024,630
UNTR 13,843,710 11,131,607 11,131,607
IKBI 492,104 507,136 507,136
SMGR 10,197,679 8,069,586 8,069,586
SMSM 497,822 546,222 546,222
MRAT 316,412 303,623 303,623
BATA 301,344 273,118 273,118
LTLS 763,343 799,390 799,390
CLPI 115,309 90,404 90,404
BRAM 981,987,623 998,025 998,025
BUDI 744,040 618,850 618,850
AKRA 1,741,060 1,608,244 1,608,244
INTA 357,457 328,623 328,623
AUTO 3,208,778 2,652,969 2,652,969
ASII 39,894,000 33,080,000 33,080,000
SRSN 218,423 193,041 193,041
SCCO 375,074 356,007 356,007
KBLM 223,230 221,535 221,535
KBLI 229,634 208,135 208,135
J ECC 102,510 90,000 87,193
AQUA 656,915 581,580 581,580
TOTO 528,673 363,190 363,190
MERK 354,194 327,324 327,324
UNVR 3,702,819 3,100,312 3,100,312
2009
MYOR 1,581,755 1,245,109 1,245,109

122

Lampiran 10

(Total Aset-Total Aset t Sebelumnya)/Total Aset t Sebelumnya
GROWAS

Tahun Kode Total Aset
total aset t
sebelumnya
total aset t sebelumnya
TURI 2,857,847 3,011,591 3,011,591
UNTR 11,247,846 10,633,839 10,633,839
IKBI 590,296 548,244 548,244
SMGR 7,496,419 7,297,859 7,297,859
SMSM 716,686 663,138 663,138
MRAT 291,769 290,646 290,646
BATA 271,460,708 271,461 271,461
LTLS 1,830,516 1,608,866 1,608,866
CLPI 133,360 107,668 107,668
BRAM 1,530,173 1,709,355 1,709,355
BUDI 931,614 978,597 978,597
AKRA 2,377,340 1,979,763 1,979,763
INTA 831,846 869,208 869,208
AUTO 2,452,446 2,238,883 2,238,883
ASII 25,770,641 23,569,972 23,569,972
SRSN 330,445 338,344 338,344
SCCO 673,668 500,000 500,000
KBLM 279,438 259,791 259,791
KBLI 441,085 489,802 489,802
J ECC 362,648 322,662 322,662
AQUA 795,244 732,354 732,354
TOTO 908,168 848,137 848,137
MERK 2,826,999 218,034 218,034
UNVR 4,626,000 3,842,351 3,842,351
2006
MYOR 1,553,377 1,459,969 1,459,969

123

total aset t
sebelumnya
TURI 3,345,245 2,857,847 2,857,847
UNTR 13,002,619 11,247,846 11,247,846
IKBI 589,322 550,000 550,000
SMGR 7,496,419 7,100,000 7,100,000
SMSM 830,050 716,686 716,686
MRAT 315,998 291,769 291,769
BATA 332,080 271,461 271,461
LTLS 2,135,084 1,830,516 1,830,516
CLPI 167,583 150,000 150,000
BRAM 1,554,863 1,528,904 1,528,904
BUDI 1,485,651 931,614 931,614
AKRA 3,497,591 2,377,340 2,377,340
INTA 863,818 831,846 831,846
AUTO 2,919,970 2,452,446 2,452,446
ASII 30,388,037 25,770,641 25,770,641
SRSN 334,128 330,445 330,445
SCCO 1,293,677 2,452,446 2,452,446
KBLM 432,681 277,384 277,384
KBLI 499,368 441,085 441,085
J ECC 470,475 362,648 362,648
AQUA 891,530 795,244 795,244
TOTO 913,995 908,168 908,168
MERK 331,062 282,699 282,699
UNVR 5,333,406 4,626,000 4,626,000
2007
MYOR 1,893,175 1,553,377 1,553,377

124

total aset t
sebelumnya
TURI 3,583,328 3,345,245 3,345,245
UNTR 15,662,318 13,002,619 13,002,619
IKBI 636,409 589,322 589,322
SMGR 10,602,964 7,496,419 7,496,419
SMSM 929,753 830,050 830,050
MRAT 354,781 315,998 315,998
BATA 401,901 332,080 332,080
LTLS 3,494,853 2,135,084 2,135,084
CLPI 258,898 167,583 167,583
BRAM 1,672,766 1,554,863 1,554,863
BUDI 1,698,750 1,485,651 1,485,651
AKRA 4,874,851 3,497,591 3,497,591
INTA 1,137,218 863,818 863,818
AUTO 3,981,316 2,919,970 2,919,970
ASII 37,777,000 30,388,037 30,388,037
SRSN 392,937 334,128 334,128
SCCO 1,126,782 1,293,677 1,293,677
KBLM 459,111 432,681 432,681
KBLI 607,232 499,368 499,368
J ECC 673,397 470,475 470,475
AQUA 1,003,488 891,530 891,530
TOTO 1,031,131 913,995 913,995
MERK 375,064 331,062 331,062
UNVR 6,504,736 5,333,406 5,333,406
2008
MYOR 2,922,998 1,893,175 1,893,175

125

total aset t
sebelumnya
TURI 1,770,692 3,583,328 3,583,328
UNTR 17,586,061 15,662,318 15,662,318
IKBI 561,949 636,409 636,409
SMGR 12,951,308 10,602,964 10,602,964
SMSM 941,651 929,753 929,753
MRAT 365,636 354,781 354,781
BATA 416,679 401,901 401,901
LTLS 3,081,130 3,494,853 3,494,853
CLPI 219,199 258,898 258,898
BRAM 1,349,630 1,672,766 1,672,766
BUDI 1,598,824 1,698,750 1,698,750
AKRA 6,059,070 4,874,851 4,874,851
INTA 1,039,511 1,137,218 1,137,218
AUTO 4,054,652 3,981,316 3,981,316
ASII 44,387,000 37,777,000 37,777,000
SRSN 413,777 392,937 392,937
SCCO 1,042,755 1,126,782 1,126,782
KBLM 354,781 459,111 459,111
KBLI 490,722 607,232 607,232
J ECC 587,381 673,397 673,397
AQUA 1,147,206 1,003,488 1,003,488
TOTO 1,010,892 1,031,131 1,031,131
MERK 433,971 375,064 375,064
UNVR 7,484,990 6,504,736 6,504,736
2009
MYOR 3,246,499 2,922,998 2,922,998

126

MVABVA MVEBVE EP PER GROWSAL GROWEAR GROWEQ GROWAS
2,232,806.970 37,100.080 0.160 6.250 (0.159) 5.426 0.225 (0.051)
6,716,790.227 326,481.787 1.304 0.767 0.033 0.129 0.119 0.058
735,386.997 859,914.330 0.253 3.953 0.344 0.868 0.103 0.077
2,169,613.373 794,237.559 2.184 2.184 0.159 0.293 0.231 0.027
466,502.608 443,398.025 0.460 2.174 0.023 0.007 0.098 0.081
210,820.237 378,339.317 0.168 5.952 0.088 0.069 0.034 0.004
81,373,861.889 105.215 1.551 0.645 0.015 0.244 1,077.226 998.999
1,430,440.340 1,184.359 0.152 6.579 0.114 (0.434) 0.021 0.138
298,088.933 1,538,958.741 0.210 4.762 0.375 0.025 0.111 0.239
843,590.197 419,853.051 0.082 12.195 (0.150) (0.847) 0.014 (0.105)
868,067.427 2,294,740.891 0.136 7.353 0.047 8.065 0.155 (0.048)
1,469,486.116 400,349.151 0.410 2.439 0.404 0.074 0.066 0.201
611,679.480 497,142.857 0.064 15.625 (0.230) (0.607) 0.127 (0.043)
745,207.071 536,348.038 0.732 1.366 0.051 0.011 0.139 0.095
3,473,420.879 134,073.622 1.834 0.545 (0.220) (0.320) 0.096 0.093
1,080,787.887 3,737,153.535 0.078 12.887 (0.071) 0.027 0.170 (0.023)
667,170.203 1,604,271.212 0.251 3.981 0.090 0.100 0.138 0.347
758,064.982 1,669,543.639 0.049 20.556 0.018 (0.256) 0.074 0.076
3,863,004.707 35,734,996.787 0.033 30.525 0.310 0.967 3.793 (0.099)
507,521.612 4,717,500.354 0.008 125.000 0.046 2.448 0.008 0.124
364,569.490 100,620.268 3.712 0.269 0.052 (0.241) 0.103 0.086
682,033.974 534,418.321 1.609 0.622 0.160 0.267 0.300 0.071
2,599,383.597 95,101.024 3.863 0.259 0.262 0.500 0.306 11.966
2,273,966.731 32,214.115 22.600 0.044 0.134 0.195 0.090 0.204
830,648.570 2,153,699.481 0.244 4.098 0.156 1.046 0.083 0.064
2,530,669.982 291,961.938 1.360 0.735 0.139 7.546 0.271 0.171
7,324,111.591 261,627.831 2.096 0.477 0.324 0.605 0.248 0.156
668,513.755 729,464.219 0.253 3.953 (0.169) 0.746 0.179 0.071
2,075,929.713 363,661.886 2.184 0.458 0.100 1.142 0.038 0.056
521,289.631 414,762.217 0.560 1.786 0.208 0.214 0.069 0.158
205,743.869 357,706.244 0.208 4.808 0.114 0.224 0.058 0.083
163,527.193 96,292.730 2.660 0.376 0.152 0.715 0.093 0.223
1,630,275.301 1,006,474.989 0.368 2.717 0.124 1.415 0.177 0.166
8,545,099.531 1,366,008.251 0.320 3.125 0.320 0.272 0.220 0.117
805,564.283 391,496.254 0.174 5.747 0.024 1.138 0.072 0.017
963,305.192 838,709.059 0.152 6.579 0.259 1.233 1.736 0.595
2,309,176.255 587,029.467 0.613 1.632 0.485 0.493 0.230 0.471
668,756.028 543,597.113 0.088 11.364 0.199 0.346 0.031 0.038
790,604.836 442,201.207 1.180 0.847 0.296 0.613 0.213 0.191
3,492,054.004 111,265.259 3.220 0.311 0.261 0.756 0.205 0.179

127

1,048,731.368 3,221,493.807 0.085 11.710 0.114 0.099 0.160 0.011
1,101,636.010 1,424,684.076 0.264 3.792 0.296 0.613 (0.812) (0.472)
2,803,646.091 6,320,100.125 0.009 111.111 0.120 (0.494) 0.428 0.560
4,319,135.007 13,006,366.216 0.013 78.125 0.132 (0.491) 1.861 0.132
543,898.666 3,437,804.389 0.304 3.289 0.642 37.720 0.372 0.297
399,023.915 88,710.154 5.008 0.200 0.172 0.349 0.134 0.121
650,951.233 472,826.652 1.138 0.879 0.081 (0.293) 0.130 0.006
118,499.042 79,936.051 3.995 0.250 0.122 0.034 0.190 0.171
2,655,571.055 28,341.755 25.700 0.039 0.107 0.141 0.137 0.153
1,013,839.889 1,386,584.334 0.370 2.703 0.435 0.513 0.116 0.219
2,597,628.291 243,990.514 1.760 0.568 0.256 0.291 0.197 0.071
4,583,814.207 134,751.433 3.536 0.283 (0.195) 0.782 0.942 0.205
610,095.867 632,966.305 0.319 3.135 0.035 0.261 0.152 0.080
2,589,950.205 247.844 4.260 0.235 0.272 (0.091) 0.467 0.414
538,375.229 366,151.492 0.640 1.563 0.272 0.139 0.133 0.120
201,955.252 329,355.813 0.416 2.404 0.221 1.003 0.086 0.123
3,749,117.635 73,228.421 12.120 0.083 0.093 3.557 0.315 0.210
2,751,259.338 750,572.311 0.748 1.337 0.644 1.035 0.341 0.637
286,818.012 1,106,145.746 0.650 1.538 0.320 1.061 0.235 0.545
809,248.755 350,692.618 0.422 2.370 0.059 1.421 0.116 0.076
1,360,437.957 848,347.742 0.072 13.889 0.149 (0.286) (0.011) 0.143
3,330,719.729 466,347.146 0.672 1.487 0.607 0.098 0.259 0.394
903,564.884 529,482.112 0.212 4.717 0.590 1.412 0.027 0.317
1,425,194.032 376,936.180 1.468 0.681 0.161 0.244 0.173 0.363
4,750,582.276 90,689.238 4.540 0.220 0.388 0.410 0.227 0.243
965,922.106 3,108,148.010 0.023 44.248 0.046 (0.735) 0.036 0.176
953,226.796 1,404,466.766 0.055 18.325 (0.150) (0.975) 0.014 (0.129)
3,173,318.608 5,976,693.640 0.004 240.750 0.689 0.129 0.018 0.061
3,698,688.513 13,904,437.024 0.013 75.188 0.353 0.039 0.140 0.216
695,663.779 3,333,333.333 0.001 961.538 0.538 (0.997) 0.031 0.431
435,024.722 77,375.426 6.255 0.160 0.194 0.249 0.146 0.126
715,981.453 413,006.966 1.278 0.782 0.256 0.123 0.145 0.128
107,415.408 68,433.723 4.403 0.227 0.164 0.102 0.168 0.133
3,416,153.915 24,610.426 31.500 0.032 0.242 0.225 0.152 0.220
1,809,018.751 1,204,713.804 0.512 1.953 0.382 0.386 0.151 0.544
849,257.758 249,945.762 2.220 0.450 (0.118) 0.266 (0.024) (0.506)
3,789,645.236 108,352.458 4.588 0.218 (0.008) 0.435 0.244 0.123
614,378.401 652,301.140 0.094 10.638 (0.476) (0.706) (0.030) (0.117)
2,440,737.053 196,123.059 5.660 0.177 0.178 0.318 0.264 0.221

128

596,716.732 401,750.023 0.920 1.087 0.016 0.452 (0.089) 0.013
195,544.384 316,043.639 0.392 2.551 0.123 (0.057) 0.042 0.031
132,903.274 66,369.332 4.075 0.245 0.109 (0.664) 0.103 0.037
2,381,075.469 786,016.247 0.440 2.273 (0.160) (0.411) (0.045) (0.118)
243,644.603 867,234.995 1.010 0.990 (0.112) 0.537 0.275 (0.153)
534,355.235 356,419.834 0.320 3.125 (0.084) 759.800 982.931 (0.193)
1,153,115.565 705,607.225 0.312 3.205 0.148 3.439 0.202 (0.059)
4,369,804.954 430,772.058 0.878 1.139 (0.054) 0.308 0.083 0.243
785,950.410 486,771.835 0.348 2.874 (0.024) 0.633 0.088 (0.086)
940,969.372 311,645.118 1.992 0.502 0.005 0.357 0.210 0.018
4,538,602.939 75,199.278 4.960 0.202 (0.019) 0.092 0.206 0.175
922,798.976 2,746,963.461 0.084 11.848 0.123 2.734 0.131 0.053
864,835.077 1,333,070.274 0.090 11.111 (0.290) 0.646 0.054 (0.075)
3,171,623.608 5,931,312.214 0.008 120.375 0.019 0.167 0.008 (0.227)
4,344,087.241 12,517,745.630 0.010 96.712 (0.525) (0.223) 0.103 (0.192)
613,577.921 2,926,543.752 0.210 4.772 (0.325) 202.103 0.143 (0.128)
501,764.504 68,502.013 7.287 0.137 0.172 0.165 0.130 0.143
531,221.267 283,729.262 3.691 0.271 (0.128) 1.889 0.456 (0.020)
131,393.352 63,243.964 6.549 0.153 0.179 0.488 0.082 0.157
3,792,364.734 20,605.922 39.900 0.025 0.171 0.265 0.194 0.151
1,782,807.181 948,313.740 0.970 1.031 0.223 0.897 0.270 0.111

129

IONS CAPBVA CAPMVA GROWSAL GROWEAR GROWEQ GROWAS
0.036 0.001 139,500,000,000.001 -0.159070383 5.426185224 0.22518727 -0.0510508
0.052 0.079 712,902,275,000.133 0.033003003 0.129364383 0.11903511 0.05774086
0.160 (0.040) 305,999,999,999.891 0.344410431 0.868457619 0.1030954 0.07670307
0.068 (0.034) 1,295,443,967,999.870 0.158738314 0.293228399 0.23118373 0.02720798
0.294 (8.130) 143,966,885,978.065 0.022732786 0.006662914 0.09791522 0.08074941
0.236 (0.003) 53,499,999,999.973 0.087891704 0.068860165 0.03399133 0.00386381
0.030 0.000 13,000,000,000.000 0.014665329 0.244283518 1077.22579 998.998924
0.081 0.028 195,000,000,000.039 0.113883135 -0.433915117 0.02088304 0.13776784
0.105 0.005 30,633,850,000.010 0.375290431 0.025423729 0.11126503 0.23862243
0.150 (0.036) 224,999,999,999.921 -0.149666628 -0.84673964 0.01402514 -0.1048243
0.143 0.060 153,937,500,000.079 0.047146213 8.065322227 0.1552647 -0.0480106
0.079 0.084 312,000,000,000.149 0.404021044 0.073728508 0.06642001 0.2008205
0.196 (0.006) 108,001,460,999.990 -0.229952588 -0.607400822 0.12671704 -0.042984
0.200 (0.032) 385,578,639,999.865 0.050530443 0.010862748 0.13937517 0.09538819
0.079 0.000 2,024,177,657,000.000 -0.22016745 -0.319790519 0.09554387 0.09336748
1.117 0.010 301,000,000,000.020 -0.071109854 0.026648521 0.17047103 -0.0233461
0.139 0.021 205,583,400,000.038 0.090308323 0.099819918 0.13795622 0.347336
0.886 0.011 207,200,000,000.016 0.017674697 -0.256176117 0.07408086 0.07562618
0.648 0.091 1,537,500,000,000.110 0.309800324 0.967432052 3.7932537 -0.0994626
0.169 0.013 75,600,000,000.016 0.046477297 2.447585685 0.00797274 0.12392535
0.008 (0.010) 13,162,472,999.976 0.052085202 -0.240808081 0.10337903 0.08587377
0.060 (0.021) 49,535,999,999.970 0.160101531 0.267492526 0.30043923 0.07077984
0.046 (0.000) 22,400,000,000.000 0.262083728 0.499792028 0.30592364 11.9658631
0.007 0.050 76,300,000,000.101 0.134416318 0.19514955 0.08971643 0.20395039
0.194 0.004 383,292,000,000.010 0.155510191 1.046271594 0.08318799 0.06397944
0.032 (0.003) 139,499,999,999.995 0.138763378 7.546035748 0.27071631 0.17054727
0.039 0.026 712,902,275,000.046 0.324064965 0.604774219 0.2478863 0.15600969
0.192 (0.030) 305,999,999,999.881 -0.169191029 0.745774553 0.17883003 0.07149455
0.062 (0.010) 593,151,999,999.963 0.100017897 1.142311967 0.03766302 0.05583366
0.135 0.072 143,966,886,000.171 0.207621925 0.213826974 0.06904151 0.15817806
0.212 0.003 53,500,000,000.026 0.113681439 0.223614776 0.05768161 0.08304172
0.026 (0.007) 12,999,999,999.982 0.151848914 0.715093497 0.09265757 0.22330648
0.072 0.049 195,000,000,000.068 0.124013626 1.415001516 0.17673997 0.16638369
0.061 0.047 1,416,197,433,900.080 0.320189712 0.272229465 0.2201 0.11722
0.145 (0.031) 224,999,999,999.928 0.024142054 1.137654254 0.07243185 0.01697883
0.342 0.112 153,937,500,000.193 0.258540341 1.233146339 1.73603923 0.59470661
0.053 0.092 312,000,000,000.145 0.484703134 0.492832828 0.22955212 0.47122036
0.163 0.005 108,001,461,000.007 0.19875665 0.346447778 0.0306334 0.038435
0.154 (0.029) 385,578,639,999.872 0.295946221 0.612813677 0.21290496 0.1906358
0.063 (0.000) 2,024,177,657,000.000 0.261479796 0.756223773 0.20499088 0.17917273

130

1.003 (0.161) 300,999,999,999.636 0.113668424 0.09878127 0.16006851 0.01114558
0.082 (0.000) 205,583,400,000.000 0.295946221 0.612813677 -0.811766 -0.4724952
0.661 0.144 1,120,000,000,000.290 0.119587911 -0.494290065 0.42791412 0.55986286
0.645 0.002 1,998,617,553,500.000 0.132388472 -0.491187329 1.86079024 0.13213553
0.103 (0.012) 75,599,999,999.985 0.64186277 37.71959459 0.37224223 0.2973324
0.007 0.048 13,162,473,000.112 0.172033153 0.349183281 0.13425874 0.1210773
0.055 (0.016) 49,535,999,999.976 0.081020184 -0.292679255 0.13026268 0.00641621
0.041 0.002 22,400,000,000.011 0.122306968 0.034054404 0.18971381 0.17107595
0.006 0.089 76,300,000,000.180 0.106716743 0.141181288 0.13663091 0.15291958
0.136 0.019 383,292,000,000.045 0.434654501 0.513090963 0.11585537 0.21874793
0.025 0.000 139,500,000,000.001 0.256106616 0.291139841 0.19661184 0.07117057
0.057 0.254 831,719,320,750.878 -0.195307636 0.782099841 0.9415588 0.20455102
0.186 (0.009) 305,999,999,999.954 0.03450019 0.261014367 0.15245348 0.07990029
0.049 0.021 599,833,050,000.087 0.271752979 -0.090748459 0.46730043 0.41440386
0.106 0.043 143,966,886,000.104 0.272101536 0.138773732 0.13276124 0.12011686
0.174 0.015 53,500,000,000.103 0.220848554 1.002695418 0.08607843 0.12273179
0.024 38.741 13,000,000,041.566 0.093261929 3.556741281 0.31496389 0.21025355
0.044 0.074 195,000,000,000.095 0.643515146 1.034965816 0.3409434 0.63686909
0.061 0.020 30,633,850,000.031 0.320189712 1.06066817 0.2349261 0.54489417
0.137 0.004 225,000,000,000.010 0.058673192 1.420904749 0.11635157 0.07582855
0.302 0.103 476,563,854,125.162 0.149366288 -0.285769972 -0.0113617 0.14343813
0.033 0.183 312,540,000,000.273 0.606943024 0.098452994 0.25878216 0.39377389
0.103 0.006 108,001,461,000.008 0.590055335 1.411603952 0.02665813 0.31650186
0.133 0.017 385,578,640,000.051 0.161224531 0.244265311 0.17314609 0.36347839
0.000 0.000 2,024,177,657,000.000 0.387992985 0.409819776 0.22688492 0.24315368
0.959 (0.008) 300,999,999,999.984 0.046396667 -0.735473828 0.03646731 0.1760074
0.097 0.021 205,583,400,000.031 -0.149707579 -0.975337816 0.01439501 -0.1290082
0.392 0.023 1,078,560,000,000.060 0.688605836 0.129092962 0.01833167 0.06108426
0.477 0.002 2,003,617,553,500.000 0.352598235 0.039399259 0.14029705 0.21600103
0.067 (0.006) 75,599,999,999.994 0.537730988 -0.996597156 0.03134132 0.43131303
0.006 0.030 13,162,473,000.072 0.194336928 0.249176945 0.14649003 0.12557962
0.044 (0.025) 49,535,999,999.961 0.255885986 0.122567714 0.14483941 0.12815825
0.035 0.021 22,400,000,000.166 0.164272218 0.102084148 0.16807982 0.13291166
0.005 0.055 76,300,000,000.106 0.241764363 0.225270939 0.15161576 0.21962138
0.098 0.088 383,292,000,000.153 0.381565103 0.385912747 0.15096576 0.54396609
0.029 (0.002) 139,499,999,999.995 -0.117604857 0.26647734 -0.0238262 -0.5058527
0.057 0.133 831,719,320,750.623 -0.008162013 0.434766105 0.24363984 0.1228262
0.355 0.000 306,000,000,000.003 -0.476023597 -0.706010012 -0.029641 -0.1170002
0.041 0.056 593,152,000,000.295 0.178380956 0.318181098 0.26371774 0.22147996

131

0.105 (0.018) 143,966,885,999.961 0.015563104 0.452357005 -0.0886087 0.01279695
0.155 0.017 53,500,000,000.130 0.122714455 -0.057110812 0.04212131 0.03059634
0.022 (387.191) 12,999,998,452.496 0.108759046 -0.6637472 0.10334727 0.03677025
0.052 (0.003) 194,999,999,999.996 -0.159536564 -0.410851172 -0.0450931 -0.1183807
0.068 0.036 30,633,850,000.075 -0.112362556 0.537149393 0.2754856 -0.1533384
0.150 (0.001) 224,999,999,999.996 -0.083795209 759.7999283 982.930887 -0.1931747
0.264 0.052 476,979,666,375.098 0.148290546 3.439374185 0.20229458 -0.0588233
0.035 0.106 313,829,250,000.149 -0.054123561 0.307980175 0.08258448 0.24292414
0.105 0.011 108,001,461,000.016 -0.024121186 0.633237448 0.08774188 -0.0859176
0.132 (0.001) 385,578,639,999.994 0.00537104 0.357298706 0.20950452 0.01842004
0.000 0.000 2,024,177,657,000.000 -0.018917054 0.092372974 0.20598549 0.17497419
0.854 (0.020) 300,999,999,999.957 0.123038109 2.734000294 0.13148502 0.05303649
0.136 0.004 205,583,400,000.006 -0.290057225 0.646046885 0.05355794 -0.0745725
0.384 (0.006) 1,078,559,999,999.980 0.019090341 0.166666667 0.00765116 -0.2272435
1.004 0.002 2,003,617,553,500.000 -0.525227073 -0.222931132 0.10329354 -0.1918707
0.099 (0.012) 75,599,999,999.986 -0.325479296 202.1025641 0.14347482 -0.1277345
0.005 0.023 13,162,473,000.054 0.172496453 0.164883345 0.12953506 0.14321845
0.051 (0.015) 49,535,999,999.968 -0.128092128 1.888760725 0.45563755 -0.019628
0.030 0.028 22,400,000,000.152 0.179348457 0.487527885 0.08208992 0.15705853
0.004 0.064 76,300,000,000.126 0.171337359 0.264567879 0.19433754 0.15069851
0.080 0.078 383,292,000,000.151 0.222511141 0.896539775 0.27037472 0.11067438

132

Lampiran 12
Data Seluruh
-5000000
0
5000000
10000000
15000000
20000000
25000000
30000000
35000000
40000000
1 11 21 31 41 51 61 71 81 91
Perusahaan
N
i
l
a
i
MVABVA
MVEBVE
EP
PER
IONS
CAPBVA
CAPMVA
GROWSAL
GROWEAR
GROWEQ
GROWAS

Grafik Data Seluruhnya

Data Proksi Berbasis Harga Saham
0
5000000
10000000
15000000
20000000
25000000
30000000
35000000
40000000
1 11 21 31 41 51 61 71 81 91
Perusahaan
N
i
l
a
i
MVABVA
MVEBVE
EP
PER

Grafik Data Proksi Berbasis Harga Saham

133

Data Proksi Berbasis Investasi
-500
-400
-300
-200
-100
0
100
1 10 19 28 37 46 55 64 73 82 91 100
Perusahaan
N
i
l
a
i
IONS
CAPBVA
CAPMVA

Grafik Data Proksi Berbasis Investasi

Data Realisasi Pertumbuhan
-200
0
200
400
600
800
1000
1200
1 10 19 28 37 46 55 64 73 82 91 100
Perusahaan
N
i
l
a
i
GROWSAL
GROWEAR
GROWEQ
GROWAS

Grafik Data Realisasi Pertumbuhan

134

MVABVA
0
1000000
2000000
3000000
4000000
5000000
6000000
7000000
8000000
9000000
1 10 19 28 37 46 55 64 73 82 91 100
Perusahaan
N
i
l
a
i
MVABVA

Grafik Market to Book Value of Asset Ratio

MVEBVE
0
5000000
10000000
15000000
20000000
25000000
30000000
35000000
40000000
1 11 21 31 41 51 61 71 81 91
Perusahaan
N
i
l
a
i
MVEBVE

Grafik Market to Book Value of Equity Ratio

135

EP
0
5
10
15
20
25
30
35
40
45
1 9 17 25 33 41 49 57 65 73 81 89 97
Perusahaan
N
i
l
a
i
EP

Grafik Earning to Price

PER
0
200
400
600
800
1000
1200
1 9 17 25 33 41 49 57 65 73 81 89 97
Perusahaan
N
i
l
a
i
PER

Grafik Price to Earning Ratio

136

IONS
0
0.2
0.4
0.6
0.8
1
1.2
1 9 17 25 33 41 49 57 65 73 81 89 97
Perusahaan
N
i
l
a
i
IONS

Grafik Investment to Net Sales

CAPBVA
-450
-400
-350
-300
-250
-200
-150
-100
-50
0
50
100
1 10 19 28 37 46 55 64 73 82 91 100
Perusahaan
N
i
l
a
i
CAPBVA

Grafik Capital Expenditure to Book of Asset

137

CAPMVA
-0.015
-0.01
-0.005
0
0.005
0.01
0.015
1 10 19 28 37 46 55 64 73 82 91 100
Perusahaan
N
i
l
a
i
CAPMVA

Grafik Capital Expenditure to Market Value of Asset

GROWSAL
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1 10 19 28 37 46 55 64 73 82 91 100
Perusahaan
N
i
l
a
i
GROWSAL

Grafik Pertumbuhan Penjualan

138

GROWEAR
-100
0
100
200
300
400
500
600
700
800
1 10 19 28 37 46 55 64 73 82 91 100
Perusahaan
N
i
l
a
i
GROWEAR

Grafik Pertumbuhan Laba

GROWEQ
-200
0
200
400
600
800
1000
1200
1 10 19 28 37 46 55 64 73 82 91 100
Perusahaan
N
i
l
a
i
GROWEQ

Grafik Pertumbuhan Nilai Buku Ekuitas

139

GROWAS
-200
0
200
400
600
800
1000
1200
1 10 19 28 37 46 55 64 73 82 91 100
Perusahaan
N
i
l
a
i
GROWAS

Grafik Pertumbuhan Asset

Akibar Feb

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Akibar Feb

Transféré par

Droits d'auteur :

Formats disponibles

GABUNGAN PROKSI INVESTMENT OPPORTUNITY SET DAN

HUBUNGANNYA TERHADAP REALISASI PERTUMBUHAN DENGAN

Vous aimerez peut-être aussi