METODE PANEL PADA HEDGING PERUSAHAAN PERTANIAN...
Transcript of METODE PANEL PADA HEDGING PERUSAHAAN PERTANIAN...
METODE PANEL PADA HEDGING PERUSAHAAN
PERTANIAN INDONESIA
SKRIPSI
Diajukan Kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Persyaratan Meraih Gelar Sarjana Ekonomi
Oleh
Risma Nadya Utami
NIM: 11160810000024
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1441 H/2020 M
ii
Metode Panel Pada Hedging Perusahaan Pertanian Indonesia
Skripsi
Diajukan Kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat-syarat untuk Meraih Gelar Sarjana Ekonomi
Oleh
Risma Nadya Utami
NIM: 11160810000024
Di Bawah Bimbingan
Faizul Mubarok, MM
NIDN. 2014058801
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1441 H/ 2020 M
iii
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF
Hari ini Kamis Tanggal 12 Bulan Maret Tahun Dua Ribu Dua Puluh telah
dilakukan Ujian Komprehensif atas mahasiswa:
1. Nama : Risma Nadya Utami
2. NIM : 11160810000024
3. Jurusan : Manajemen
4. Judul Skripsi : Metode Panel Pada Hedging Perusahaan Pertanian
Indonesia
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang
bersangkutan selama proses ujian komprehensif, maka diputuskan bahwa
mahasiswa tersebut di atas dinyatakan LULUS dan diberi kesempatan untuk
melanjutkan ke tahap Ujian Skripsi sebagai salah satu syarat untuk
memperoleh gelar Sarjana Ekonomi pada Jurusan Manajemen Fakultas
Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 12 Maret 2020
1. Dr. Indo Yama, S.E., M.A.B. ( )
NIP. 19741127 200112 1 002 Penguji I
2. Faizul Mubarok, MM ( )
NIDN. 2014058801 Penguji II
iv
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari ini Selasa, 21 Juli 2020 telah dilakukan Ujian Skripsi atas mahasiswa:
1. Nama : Risma Nadya Utami
2. NIM : 11160810000024
3. Jurusan : Manajemen
4. Judul Skripsi : Metode Panel Pada Hedging Perusahaan Pertanian
Indonesia
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang
bersangkutan selama ujian Skripsi, maka diputuskan bahwa mahasiswa
tersebut di atas dinyatakan LULUS dan skripsi ini diterima sebagai salah
satu syarat untuk memperoleh gerlar Sarjana Ekonomi pada Fakultas
Ekonomi Hidayatullah Jakarta.
Jakarta, 21 Juli 2020.
1. Murdiyah Hayati, S.Kom.,MM ( )
NIP. 19741003 200312 2 001 Ketua
2. Faizul Mubarok, MM ( )
NIDN. 2014058801 Pembimbing
3. Dr. Indo Yama Nasarudin, SE., MAB ( )
NIP. 19741127 200112 1 002 Penguji Ahli
v
LEMBAR PERNYATAAN
KEASLIAN KARYA ILMIAH
Yang bertanda tangan di bawah ini
Nama : Risma Nadya Utami
NIM : 11160810000024
Jurusan : Manajemen
Fakultas : Ekonomi dan Bisnis
Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:
1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan
dan mempertanggungjawabkan.
2. Tidak melakukan plagiasi terhadap naskah karya orang lain.
3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber
asli atau tanpa izin pemilik karya.
4. Tidak melakukan pemanipulasian dan pemalsuan data.
5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab
atas karya ini.
Jikalau di kemudian hari ada tuntutan dari pihak lain atas karya saya, dan
telah melalui pembuktian yang dapat dipertanggung jawabkan, ternyata
memang ditemukan bukti bahwa saya telah melanggar pernyataan ini, maka
saya siap dikenai sanksi berdasarkan aturan yang berlaku di Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
Demikian pernyataan ini saya buat dengan sesungguhnya.
Jakarta,
Yang menyatakan
(Risma Nadya Utami)
vi
DAFTAR RIWAYAT HIDUP
I. IDENTITAS PRIBADI
1. Nama : Risma Nadya Utami
2. Nama Panggilan : Risma
3. Tempat & Tanggal Lahir : Kebumen, 30 Juli 1998
4. Jenis Kelamin : Perempuan
5. Agama : Islam
6. Alamat : Kp.Cimuning, RT 04 RW 01
Mustika Jaya, Bekasi Timur
7. Status : Belum Menikah
8. Kewarganegaraan : Indonesia
9. Telepon : 083877047738
10. Email : [email protected]
II. PENDIDIKAN
1. SD (2004-2010) : SDN Tridayasakti 01, Bekasi
2. SMP (2010-2013) : SMPN 1 Kuwarasan,
Kebumen
3. SMA (2013-2016) : SMAN 1 Karanganyar,
Kebumen
4. S1 (2016-2020) : Universitas Islam Negeri
Syarif Hidayatullah Jakarta
III. PENGALAMAN ORGANISASI
1. Anggota Ekstrakurikuler PMR SMAN 1 Karangayar, Kebumen
2. Anggota PMII Komfeis UIN Syarif Hidayatullah Jakarta
3. Anggota Departmen Kemahasiswaan HMJ Manajemen UIN Syarif
Hidayatullah Jakarta Periode 2016-2017
4. Anggota Departemen Peningkatan Prestasi Mahasiswa HMJ
Manajemen UIN Syarif Hidayatullah Jakarta Periode 2017-2018
vii
ABSTRACT
Hedging is one of the derivative instruments in the form of actions
used to minimize risks due to fluctuations in foreign currencies, interest
rates, and commodity prices. This study aims to analyze the effect of
independent variables including growth opportunities, financial distress,
debt, leverage, firm size, liquidity, profitability on the use of hedging with
derivative instruments in companies the agricultural sector was listed on the
Indonesia Stock Exchange in the period 2013-2019.
The sample selection method uses purposive sampling with criteria
that fit in full there are 7 companies included in the agricultural sector
companies that are sampled. This study uses panel data regression analysis
techniques because it has a cross section of 7 companies and a long time
series where each company has a research year 2013Q1 to 2019Q4.
The results of this study partially and simultaneously that growth
opportunities, financial distress, debt, leverage, firm size, liquidity,
profitability have a significant effect on the use of hedging. The Agricultural
sector has a large amount of foreign exchange debt and has a relatively
hight export import transaction, so the Agriculture Company is faced with a
high risk of foreign currency fluctuations, so the use of hedging increases.
Keywords: Hedging, Derivative Instruments, Growth Opportunity,
Financial Distress, Debt, Leverage, Firm Size, Liquidity, Profitability
viii
ABSTRAK
Lindung nilai (hedging) adalah salah satu instrumen derivatif berupa
tindakan yang digunakan untuk meminimalisir risiko akibat fluktuasi mata
uang asing, tingkat suku bunga, dan harga komoditas. Penelitian ini
bertujuan untuk menganalisis pengaruh variabel-variabel independen yang
meliputi Kesempatan Tumbuh (growth opportunity), Financial Distress,
Debt, Leverage, Ukuran Perusahaan (firm size), Likuiditas (liquidity),
Profitabilitas (profitability) terhadap penggunaan hedging dengan instrumen
derivatif pada perusahaan sektor pertanian yang terdaftar di Bursa Efek
Indonesia pada periode 2013-2019.
Metode pemilihan sampel menggunakan purposive sampling dengan
kriteria yang sesuai secara lengkap terdapat 7 perusahaan yang termasuk
dalam perusahaan sektor pertanian yang menjadi sampel. Penelitian ini
menggunakan teknik analisis regresi data panel karena memiliki cross
section berupa 7 perusahaan dan time series (runtutan waktu) yang panjang
dimana masing-masing perusahaan memiliki tahun penelitian periode
2013Q1 sampai 2019Q4.
Hasil Penelitian ini memperlihatkan secara parsial dan simultan bahwa
Kesempatan Tumbuh (growth opportunity), Financial Distress, Debt,
Leverage, Ukuran Perusahaan (firm size), Likuiditas (liquidity),
Profitabilitas (profitability) berpengaruh signifikan terhadap penggunaan
hedging. Sektor pertanian memiliki jumlah utang dengan valuta asing dalam
jumlah yang besar dan memiliki transaksi ekspor impor yang relatif tinggi,
sehingga Perusahaan Pertanian dihadapkan dengan risiko fluktuasi mata
uang asing yang tinggi, maka penggunaan hedging meningkat.
Kata kunci: Lindung nilai (hedging), Instrumen Derivatif, Growth
Opportunity, Financial Distress, Debt, Leverage, Firm Size, Liquidity,
Profitability
ix
KATA PENGANTAR
Segala puji bagi Allah SWT yang telah memberikan rahmat dan
karunianya kepada penulis, shalawat serta salam semoga selalu tercurahkan
kepada junjungan besar Nabi Muhammad SAW yang telah memberi suri
tauladan, mengantarkan manusia dari zaman kegelapan ke zaman yang
terang benderang ini, sehingga penulis dapat menyelesaikan skripsi ini yang
berjudul “METODE PANEL PADA HEDGING PERUSAHAAN
PERTANIAN INDONESIA. Penyusunan skripsi ini dimaksudkan untuk
memenuhi salah satu syarat untuk mencapai gelar Sarjana Ekonomi di
Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Penulis menyadari bahwa penulisan ini tidak dapat terselesaikan tanpa
dukungan dari berbagai pihak. Oleh karena itu, penulis mengucapkan terima
kasih kepada semua pihak yang telah membantu dan selalu memberi
dukungan baik moril maupun materil, adapun pihak-pihak tersebut antara
lain:
1. Terima kasih dan selalu bersyukur kepada Allah SWT yang telah
memberikan kemudahan dalam rezeki, serta nikmat. Sehingga
penulis dapat menyelesaikan perkuliahan dari awal hingga
terselesaikan skripsi ini.
2. Orang Tua tercinta, bapak Edi Bambang Riyadi dan ibu Dewi
Mulyati yang selalu memberikan dukungan, semangat dan kasih
sayang, dan tidak lupa selalu mendoakan penulis agar dimudahkan
segala urusan termasuk dalam menyelesaikan skripsi ini.
3. Adik ku tercinta, Raihan Rizky dan Ilham Habibi yang memberikan
dukungan dan inspirasi bagi penulis.
4. Saudara sepupu, Fanti Nurul dan Tita yang selalu mendengarkan
keluh kesah penulis, memberi semangat dan dukungan.
5. Bapak Faizul Mubarok, M.M. Selaku dosen pembimbing I yang
telah meluangkan waktunya dengan penuh kesabaran untuk
membimbing penulis dalam penyelesaian skripsi ini dan tak henti
memberikan semangat kepada penulis sejak awal hingga akhirnya
skripsi ini terselesaikan.
x
6. Ibu Ela Patriana, M.M. Selaku dosen pembimbing akademik yang
selalu memberikan arahan dan motivasi bagi penulis dan
memberikan ilmunya kepada penulis. Semoga segala kebaikan ibu
dibalas oleh Allah SWT dan selalu diberi kesehatan.
7. Ibu Murdiyah Hayati, M.M. Selaku Ketua Jurusan Manajemen
Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta yang
selalu memberikan arahan, bimbingan, dan semangat bagi penulis
dan seluruh mahasiswa khususnya prodi Manajemen.
8. Seluruh Bapak/Ibu Dosen Fakultas Ekonomi dan Bisnis UIN Syarif
Hidayatullah Jakarta yang telah sabar memberikan ilmunya dan
mendidik penulis. Semoga ilmu yang telah diberikan bermanfaat.
9. Seluruh Staf pengajar dan karyawan UIN Syarif Hidayatullah
Jakarta yang telah membantu penulis dalam proses menyelesaikan
skripsi.
10. Teman SD, Lenny Agustina yang selalu menjadi teman setia hingga
sekarang, memberi dukungan dan semangat.
11. Brian, Mita, Indriyani, Firli, Wulan, Erni, Endang, Mba Tir, Eni
yang selalu memberikan semangat dan selalu ada dari awal
perkuliahan sampai terselesaikannya skripsi ini.
12. Teman Manajemen Angkatan 2016 yang selalu saling memberikan
dukungan dan mengingatkan tugas serta mengerjakan tugas bersama.
13. Teman penyemangat dari SMA, Salma, Muti dan lainnya yang tidak
dapat disebut satu persatu.
14. Seluruh jajaran pengurus HMJ Manajemen Fakultas Ekonomi dan
Bisnis UIN Syarif Hidayatullah Jakarta periode 2016/2017 dan
periode 2017/2018 yang telah memberikan pengetahuan dan
pengalaman yang berkesan.
15. Teman KKN, Kiki, Halimah, Riana, Ani, Rahmah, Rizka, Nia,
Anggita, Azizah, dan yang lainnya yang tidak bisa disebut satu
persatu yang selalu memberikan semangat, dan selalu ada dari awal
KKN hingga sekarang.
xi
16. Serta seluruh pihak yang telah membantu penulis dan menjadi
motivator yang tidak dapat disebutkan satu persatu. Semoga Allah
SWT membalas semua kebaikan dan diberikan kesehatan.
Keterbatasan pengetahuan maupun pengalaman, penulis menyadari
sepenuhnya bahwa masih banyak kekurangan dalam skripsi ini, baik dari
segi susunan kalimat maupun tata bahasanya. Oleh karena itu, penulis
sangat mengharapkan kritik dan saran yang membangun agar penulis dapat
menyempurnakan skripsi ini.
Bekasi, 9 Juni 2020
Risma Nadya Utami
xii
DAFTAR ISI
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF .................................. iii
LEMBAR PENGESAHAN UJIAN SKRIPSI ................................................... iv
LEMBAR PERNYATAAN KEASLIAN SKRIPSI ............................................ v
DAFTAR RIWAYAT HIDUP ........................................................................... vi
ABSTRACT ......................................................................................................... vii
ABSTRAK .......................................................................................................... viii
KATA PENGANTAR .......................................................................................... ix
DAFTAR ISI ........................................................................................................ xii
DAFTAR TABEL .............................................................................................. xvi
DAFTAR GAMBAR ........................................................................................ xvii
DAFTAR LAMPIRAN .................................................................................... xviii
BAB 1 PENDAHULUAN ...................................................................................... 1
A. Latar Belakang ............................................................................................ 1
B. Identifikasi Masalah .................................................................................. 12
C. Rumusan Masalah ..................................................................................... 12
D. Tujuan Penelitian ...................................................................................... 13
E. Manfaat Penelitian .................................................................................... 13
BAB II TINJAUAN PUSTAKA .......................................................................... 14
A. Teori Terkait Dengan Penelitian ............................................................... 14
1. Derivatif ................................................................................................ 14
2. Lindung Nilai (hedging) ......................................................................... 14
3. Lindung Nilai Mata Uang dengan Instrumen Derivatif ......................... 15
a. Forward .............................................................................................. 15
xiii
b. Future ................................................................................................. 16
c. Option ................................................................................................. 17
d. Swap ................................................................................................... 18
4. Metode Teoritis Menggunakan Derivatif .............................................. 19
5. Jenis-jenis Eksposur Valuta Asing .......................................................... 19
a. Eksposur Translasi .............................................................................. 20
b. Eksposur Ekonomi atau Operasi ......................................................... 22
c. Eksposur Transaksi.............................................................................. 22
6. Kesempatan Tumbuh (growth opportunity) ............................................... 23
7. Financial Distress ...................................................................................... 24
8. Debt ............................................................................................................ 24
9. Leverage ..................................................................................................... 25
10. Ukuran Perusahaan (firm size) .................................................................. 26
11. Likuiditas (liquidity).................................................................................. 26
12. Profitabilitas (profitability) ....................................................................... 27
B. Penelitian Terdahulu ....................................................................................... 28
C. Kerangka Pemikiran ....................................................................................... 57
D. Keterkaitan antar Variable dan Hipotesis....................................................... 58
. 1. Pengaruh Kesempatan Tumbuh (growth opportunity) Terhadap
Penggunaan Lindung Nilai (hedging) ........................................................ 58
2. Pengaruh Financial Distress Terhadap Penggunaan Lindung Nilai
(hedging) ..................................................................................................... 59
3. Pengaruh Debt Terhadap Penggunaan Lindung nilai (hedging) ................. 59
4. Pengaruh Leverage Terhadap Penggunaan Lindung Nilai (hedging) ......... 60
xiv
5. Pengaruh Ukuran Perusahaan (firm size) Terhadap Penggunaan
Lindung Nilai (hedging) ............................................................................... 61
6. Pengaruh Likuiditas (liquidity) Terhadap Penggunaan Lindung Nilai
(hedging) ...................................................................................................... 62
7. Pengaruh Profitabilitas (profitability) Terhadap Penggunaan Lindung
Nilai (hedging) ........................................................................................... 62
BAB III METODE PENELITIAN .................................................... .................64
A. Populasi dan Sampel .................................................................................... 64
B. Data dan Sumber Data ................................................................................. 66
C. Metode Pengumpulan Data .......................................................................... 66
D. Metode Analisis Data ................................................................................... 67
1. Analisis Statistik Deskriptif ................................................................... 67
2. Analisis Data .......................................................................................... 67
1. Model Ordinary Least Square (OLS) Pooled (Common Efect) ...... 68
2. Model Fixed Effect ........................................................................... 69
3. Model Random Effect ...................................................................... 69
4. Uji Chow Test ................................................................................... 70
5. Uji Hausman .................................................................................... 70
6. Uji Lagrange Multiplier .................................................................. 71
3. Uji Asumsi Klasik .................................................................................. 72
E. Definisi Operasional Variable ...................................................................... 78
BAB IV TEMUAN PENELITIAN DAN PEMBAHASAN .............................. 84
A. Gambaran Umum Objek Penelitian .............................................................. 84
B. Temuan Hasil Penelitian ............................................................................... 85
xv
C. Pembahasan ................................................................................................. 106
BAB V SIMPULAN DAN SARAN ................................................................... 118
A. Simpulan .................................................................................................... 118
B. Saran ........................................................................................................... 119
DAFTAR PUSTAKA ......................................................................................... 120
LAMPIRAN ........................................................................................................ 125
xvi
DAFTAR TABEL
Halaman
Tabel 2.1 Penelitian Terdahulu ............................................................... 28
Tabel 3.1 Proses Seleksi Berdasarkan Kriteria ....................................... 65
Tabel 4.1 Hasil Penyeleksian Sampel Penelitian .................................... 84
Tabel 4.2 Hasil Analisis Deskriptif ........................................................ 85
Tabel 4.3 Hasil Regresi Data Panel Menggunakan Common Effect ....... 91
Tabel 4.4 Hasil Regresi Data Panel Menggunakan Fixed Effect ............ 92
Tabel 4.5 Hasil Uji Chow ........................................................................ 93
Tabel 4.6 Hasil Regresi Data Panel Menggunakan Random Effect ........ 94
Tabel 4.7 Hasil Uji Hausman .................................................................. 95
Tabel 4.8 Hasil Uji Normalitas ............................................................... 96
Tabel 4.9 Hasil Uji Multikolinearitas ..................................................... 97
Tabel 4.10 Hasil Uji Heteroskedastisitas ................................................ 98
Tabel 4.11 Hasil Uji Autokorelasi .......................................................... 99
Tabel 4.12 Hasil Uji t .............................................................................. 100
Tabel 4.13 Hasil Uji F ............................................................................. 104
Tabel 4.14 Hasil Uji Adjusted R-Square ................................................. 105
Tabel 4.14 Hasil Regresi Data Panel Fixed Effect .................................. 106
xvii
DAFTAR GAMBAR
Halaman
Gambar 1.1 Growth Opportunity, Financial Distress, Debt, Leverage, Firm
Size, Liquidity, Profitability Sektor Pertanian ............................................. 4
Gambar 1.2 Financial Distress, Fluktuasi Tingkat Inflasi dan
Harga Minyak Mentah Dunia Pada Sektor Pertanian ................................. 7
Gambar 1.3 Utang Luar Negeri Pemerintah Menurut Sektor Pertanian ..... 9
Gambar 1.4 Impor Indonesia Pada Sektor Pertanian .................................. 10
Gambar 2.1 Kerangka Pemikiran ................................................................ 57
xviii
DAFTAR LAMPIRAN
Halaman
Lampiran 1 Daftar Sampel Perusahaan......................................................125
Lampiran 2 Rincian Data Perusahaan........................................................126
Lampiran 3 Hasil Uji Common Effect Model.............................................133
Lampiran 4 Hasil Uji Fixed Effect Model..................................................134
Lampiran 5 Hasil Uji Chow.......................................................................135
Lampiran 6 Hasil Uji Random Effect Model..............................................136
Lampiran 7 Hasil Uji Hausman.................................................................137
1
BAB I
PENDAHULUAN
A. Latar Belakang
Sebuah perusahaan pasti dihadapkan dengan adanya kegiatan impor
maupun ekspor, perdagangan ini dilakukan dengan perusahaan yang tidak
hanya domestik namun dengan melakukan perdagangan internasional (Dewi
dan Purnawati, 2016). Perusahaan yang dihadapi perdagangan internasional
ini rentan akan masalah fluktuasi nilai tukar dikarenakan perusahaan
melakukan transaksi dengan valuta asing. Ketidakseimbangan permintaan
dan penawaran terhadap mata uang asing menimbulkan risiko kurs (Dewi
dan Purnawati, 2016). Manajemen risiko adalah sebuah usaha yang
dilakukan untuk meminimalisir risiko yang dihadapi atau sesuatu yang tidak
diinginkan (Kasidi, 2010:4).
Teknik yang digunakan untuk meminimalisir risiko tersebut salah
satunya menggunakan lindung nilai (hedging), lindung nilai (hedging)
adalah salah satu instrumen derivatif berupa tindakan yang digunakan untuk
meminimalisir risiko akibat fluktuasi mata uang asing, tingkat suku bunga,
dan harga komoditas (Horne dan Wachowicz, 2007:558). Adapun derivatif
merupakan suatu instrumen turunan antara dua pihak, yang mempunyai
suatu nilai dan karakteristik tertentu yang ditetapkan berdasarkan harga
sesuatu yang lain (Mc. Donald, 2003:109).
2
Instrumen derivatif yang sering digunakan untuk kepentingan lindung
nilai (hedging) seperti opsi, swap, forward, dan kontrak berjangka. Lindung
nilai (hedging) dengan instrumen derivatif sangat bermanfaat bagi
perusahan yang melakukan transaksi dengan mata uang asing. Pasar
keuangan derivatif adalah suatu sarana mempertemukan pihak hedger yang
ingin melindungi aktivanya dari risiko kerugian akibat perubahan harga
dengan pihak spekulator yang bersedia menanggung risiko perubahan harga
tersebut (Siahaan, 2008:8).
Meningkatnya volatiliti pasar internasional telah mendorong
penggunaan instrumen derivatif dalam pengendalian risiko keuangan.
Manajemen risiko adalah suatu kegiatan yang penting digunakan oleh para
pelaku untuk mengurangi berbagai macam risiko yang dihadapi yang
meliputi risiko kurs, risiko pergerakan harga komoditi, tingkat suku bunga,
serta harga saham (Siahaan, 2008:8).
Instrumen derivatif memungkinkan hedger memilah-milah risiko yang
dihadapi. Lindung nilai (hedging) adalah upaya melindungi posisi pasar dan
mengurangi eksposur risiko yang dihadapi di masa yang akan datang yang
dapat mengakibatkan terjadinya kerugian. Peranan transaksi derivatif untuk
melakukan pengelolaan risiko lindung nilai (hedging) saat ini merupakan
hal yang sangat penting dalam rangka pengelolaan risiko keuangan
perusahaan secara keseluruhan (Rae, 2008:8). Menurut Rae (2008:8)
menyatakan bahwa perusahaan memiliki kewajiban untuk menggunakan
instrumen derivatif dalam menutupi risiko usaha.
3
Setiap kegiatan perdagangan diharapkan memperoleh keuntungan,
namun bisa juga dihadapkan pada risiko kerugian. Untuk melindungi
pengusaha dari risiko tersebut dapat dilakukan melalui lindung nilai
(hedging) di bursa berjangka. Dengan melakukan lindung nilai (hedging),
risiko tersebut dapat dialihkan kepada investor yang mengharapkan
keuntungan dari perubahan harga di bursa berjangka (Lumban, 2014:116).
Terdapat contoh, perusahaan emas yang menggunakan pasar opsi
untuk melindungi nilai persediaan emas yang sudah ditambang dari risiko
kejatuhan harga sebesar 60. Setelah perusahaan tersebut menggunakan
lindung nilai (hedging) maka perusahaan dapat menstabilkan kas
perusahaan dan mengurangi risiko kejatuhan harga yang dihadapi sebesar
40.
Negara Maju seperti negara Eropa dan Amerika lebih sering
menggunakan lindung nilai (hedging). Hal ini dilakukan karena lindung
nilai (hedging) memiliki manfaat untuk mencegah terjadinya penurunan
investasi akibat dampak dari sentimen pasar dan dapat mengendalikan
volatilitas, likuiditas pasar terhadap peningkatan nilai ekonomi suatu negara
(Zheng et al. 2017). Indonesia sebagai negara berkembang tentunya
disarankan menggunakan lindung nilai (hedging) pada setiap perusahaan
untuk melindungi dari risiko yang dapat mengancam keberlangsungan
perusahaan.
Aturan lindung nilai (hedging) sendiri telah diatur dengan Peraturan
Menteri Keuangan Nomor 12.PMK.08/2013 tentang Transaksi Lindung
Nilai dalam Pengelolaan Utang Pemerintah. Selain aturan lindung nilai
4
(hedging) utang pemerintah, Kementerian BUMN juga mengatur lindung
nilai (hedging) untuk BUMN dengan Peraturan Menteri Badan Usaha Milik
Negara Nomor PER09/MBU/2013 tahun 2013 tentang Kebijakan Umum
Transaksi Lindung Nilai Badan Usaha Milik Negara. Untuk menghindari
tambahan beban tersebut, pemerintah, Bank Indonesia (BI), dan Badan
Pemeriksa Keuangan (BPK) menyetujui dilakukannya lindung nilai
(hedging) terhadap utang luar negeri Indonesia (Kementerian Keuangan
Republik Indonesia, 2019).
Terdapat faktor internal yang mendorong perusahaan untuk
melakukan penggunaan lindung nilai (hedging), beberapa di antaranya
adalah growth opportunity, financial distress, debt, leverage, firm size,
liquidity, dan profitabilty.
Gambar 1.1. Growth Opportunity, Financial Distress, Debt,
Leverage, Firm Size, Liquidity, Profitability Sektor Pertanian
Tahun 2013-2019
Sumber: Bursa Efek Indonesia (2019)
Growth opportunity mengalami peningkatan pada perusahaan
Sektor Pertanian, yang berarti perusahaan mengedepankan pertumbuhan
perusahaan yang baik dengan melakukan ekspor impor. Growth opportunity
05
1015202530
2013
2014
2015
2016
2017
2018
2019
5
yang meningkat menyebabkan perusahaan dihadapkan dengan risiko valas
maka penggunaan hedging meningkat (Astyrianti dan Sudiartha, 2017).
Financial distress mengalami peningkatan pada perusahaan Sektor
Pertanian yang menyebabkan perusahaan dihadapkan dengan risiko
kesulitan keuangan maka penggunaan lindung nilai (hedging) meningkat
(Vicentia et al. 2019). Debt mengalami peningkatan pada perusahaan Sektor
Pertanian yang menyebabkan perusahaan dihadapkan dengan risiko utang
dalam bentuk valuta asing yang besar maka penggunaan lindung nilai
(hedging) meningkat (Gupta, 2017). Leverage mengalami peningkatan pada
perusahaan Sektor Pertanian yang menyebabkan perusahaan dihadapkan
dengan risiko gagal bayar dan fluktuasi mata uang asing maka penggunaan
lindung nilai (hedging) meningkat (Bodroastuti dan Paranita, 2019).
Firm Size mengalami peningkatan pada perusahaan Sektor Pertanian
yang menyebabkan perusahaan dihadapkan dengan risiko tingkat penjualan
dan kerugian yang tinggi maka penggunaan lindung nilai (hedging)
meningkat (Saragih dan Musdholifah, 2019). Liquidity mengalami
peningkatan pada perusahaan Sektor Pertanian yang menyebabkan
perusahaan dihadapkan dengan risiko kerugian disebabkan perusahaan yang
semakin likuid maka perusahaan memiliki asset yang besar maka lindung
nilai (hedging) meningkat (Astyrianti dan Sudiartha, 2017). Profitability
mengalami peningkatan pada perusahaan Sektor Pertanian yang
menyebabkan perusahaan dihadapkan dengan risiko profitabilitas yang
dapat menurunkan nilai laba perusahaan maka penggunaan lindung nilai
(hedging) meningkat (Sasmita dan Hartono, 2019).
6
Selain faktor internal terdapat faktor eksternal sebagai bahan
pertimbangan yang mendorong perusahaan untuk melakukan penggunaan
lindung nilai (hedging), beberapa diantaranya adalah fluktuasi nilai tukar,
financial distress, fluktuasi tingkat inflasi, harga minyak mentah dunia,
utang luar negeri, dan impor Sektor Pertanian.
Gambar 1.2. Fluktuasi Nilai Tukar Rupiah Terhadap Dollar
(USD) Tahun 2013-2019
Sumber: Bank Sentral Republik Indonesia (2019)
Pada gambar 1.2 di atas menunjukkan data fluktuasi nilai tukar rupiah
terhadap dollar (USD) dari tahun 2013-2019, dapat diketahui bahwa rupiah
mengalami depresiasi terhadap dollar. Nilai tukar adalah jumlah unit dari
satu mata uang yang dapat dibeli dengan satu unit mata uang lainnya (Horne
dan Wachowicz, 2007:376). Salah satu dampak dari terus melemahnya nilai
tukar rupiah terhadap dollar Amerika Serikat bagi keuangan negara adalah
naiknya jumlah utang luar negeri akibat keharusan pemerintah membayar
selisih nilai tukar, salah satu strategi untuk mencegah terjadinya risiko
tersebut adalah dengan menggunakan lindung nilai (hedging).
02000400060008000
1000012000140001600018000
2013
2014
2015
2016
2017
2018
2019
7
Pelemahan nilai tukar Rupiah terhadap Dollar (USD) tertinggi terjadi
antara tahun 2017 hingga tahun 2018, dimana tahun 2017 bulan Oktober
nilai Rupiah sebesar Rp 13,640.00 per USD pada kurs jual dan sebesar Rp
13,504.00 per USD pada kurs beli, sementara itu pada tahun 2018 bulan
Oktober melambung tinggi pada angka Rp 15,303.00 per USD pada kurs
jual dan sebesar Rp 15,151.00 per USD pada kurs beli.
Gambar 1.3. Financial Distress, Fluktuasi Tingkat Inflasi dan
Harga Minyak Mentah Dunia Pada Sektor Pertanian Tahun
2013-2019 (%)
Sumber: Bank Sentral Republik Indonesia (2019)
Pada gambar 1.3 di atas menunjukkan bahwa financial distress Sektor
Pertanian periode 2013-2019 mengalami kenaikan dimana nilai Z-score <
1,80 yang berarti perusahaan memiliki potensi kuat mengalami
kebangkrutan. Dimana financial distress tertinggi terjadi pada tahun 2014
sebesar 1,05%, dan terendah pada tahun 2015 sebesar 1,41%. Jika financial
distress mengalami peningkatan maka akan berdampak secara langsung
terhadap perusahaan, sehingga untuk mencegah risiko tersebut dapat
menggunakan lindung nilai (hedging).
0
20
40
60
80
100
120
FinancialDistress
Inflasi Minyakmentah dunia
2013
2014
2015
2016
2017
2018
2019
8
Berdasarkan data di atas menunjukkan bahwa inflasi di Indonesia
mengalami ketidakstabilan. Dimana inflasi tertinggi terjadi pada tahun 2013
hingga tahun 2014. Sebesar 8,38% pada tahun 2013 dan 8,36% pada tahun
2014. Inflasi terendah terjadi pada tahun 2016 yaitu sebesar 3,02%. Inflasi
yang terjadi memberikan dampak bagi pertumbuhan perekonomian dan juga
dapat merugikan keberlangsungan perusahaan, maka perusahaan diwajibkan
untuk menggunakan lindung nilai (hedging) dengan instrumen derivatif.
Fluktuasi harga minyak mentah dunia dari tahun 2013-2019, harga
minyak mentah dunia yang tertinggi terjadi pada tahun 2013 yaitu sebesar
98,42% per barel dan terendah tahun 2015 yaitu sebesar 37,04% per barel.
Oleh karena itu, diperlukan strategi lindung nilai (hedging) untuk
meminimalisir terjadinya kerugian yang akan muncul akibat fluktuasi harga
minyak mentah dunia. Kondisi harga minyak mentah dunia yang
berfluktuatif itu dipengaruhi oleh permintaan dan penawaran.
Fluktuasi harga minyak mentah dunia bisa memberikan keuntungan
dan juga kerugian. Contohnya bagi Sektor Pertanian kondisi ini
menimbulkan kerugian dikarenakan akibat naiknya harga minyak mentah
dunia yang dapat memberikan dampak bagi naiknya harga BBM yang
digunakan sebagai bahan bakar dalam produksi pada sektor ini.
9
Gambar 1.4. Utang Luar Negeri Pemerintah Menurut Sektor
Pertanian Tahun 2013-2019 (Triliun)
Sumber: Kementerian Keuangan Republik Indonesia (2019)
Gambar 1.4 di atas menjelaskan bahwa utang luar negeri pemerintah
menurut Sektor Pertanian pada tahun 2013-2019. Di mana utang yang
semakin meningkat maka akan mengakibatkan neraca pembayaran
Indonesia mengalami defisit khususnya pada Sektor Pertanian Indonesia. Ini
merupakan beban yang ditanggung pemerintah Indonesia dalam membayar
kewajibannya. Utang pemerintah Sektor Pertanian tertinggi pada tahun 2015
yaitu mencapai Rp 17.171 triliun, dan terendah pada tahun 2013 yaitu
sebesar Rp 8.862 triliun. Strategi yang dapat digunakan oleh perusahaan
Sektor Pertanian adalah penggunaan lindung nilai (hedging) terhadap risiko
kebangkrutan akibat utang yang terus bertambah.
0
5.000
10.000
15.000
20.000
2013 2014 2015 2016 2017 2018 2019
Utang
10
Gambar 1.5. Impor Indonesia pada Sektor Pertanian Tahun
2013-2019 (Triliun)
Sumber: Badan Pusat Statistik (2019)
Berdasarkan gambar 1.5 diatas bahwa impor Indonesia pada Sektor
Pertanian mengalami kenaikan setiap tahunnya. Dimana pertumbuhan nilai
impor lebih tinggi dibandingkan pertumbuhan nilai ekspor, yaitu mencapai
Rp 14,5 triliun. Impor tertinggi terjadi pada tahun 2019 sebesar Rp 529.960
triliun, dan terendah pada tahun 2015 sebesar Rp 7.116,2 triliun. Hal ini
akan mengakibatkan risiko perubahan harga meningkat yang dapat
menimbulkan inflasi dan neraca pembayaran mengalami defisit karena
Indonesia melakukan utang ke luar negeri. Utang yang meningkat akibat
kegiatan impor akan mengakibatkan penggunaan lindung nilai (hedging)
meningkat. Padahal negara Indonesia dikenal sebagai negara agraris, namun
permasalahan akan kebutuhan nasional pada Sektor Pertanian adalah terus
melakukan impor hingga saat ini.
Penelitian ini memfokuskan pada penggunaan lindung nilai (hedging)
pada Sektor Pertanian yang terdiri dari subsektor Perkebunan, Peternakan,
Perikanan, Kehutanan, dan Tanaman Pangan dari tahun 2013 hingga tahun
0,00
10.000,00
20.000,00
30.000,00
40.000,00
50.000,00
60.000,00
2013 2014 2015 2016 2017 2018 2019
Jumlah Impor
11
2019, karena terkait kelengkapan data yang diperoleh dari laporan keuangan
yang telah dipublikasikan oleh Bursa Efek Indonesia dan website masing-
masing perusahaan yang ada di Sektor Pertanian. Secara keseluruhan bahwa
sebagian besar perusahaan menggunakan lindung nilai (hedging) untuk
melindungi perusahaan dari risiko yang dapat mengakibatkan kerugian,
selain itu juga melindungi dari risiko fluktuasi kurs mata uang asing,
fluktuasi harga, risiko suku bunga, risiko kredit, dan risiko likuiditas.
Perusahaan Sektor Pertanian sebagai peranan penting pembangunan
nasional Indonesia aktif melakukan ekspor-impor sehingga Sektor Pertanian
mempunyai risiko terhadap fluktuasi kurs mata uang asing yang lebih besar.
Dari sisi financial distress sektor ini mengalami peningkatan dari
periode 2013-2019 dan pertumbuhan nilai impor pertanian jauh melebihi
pertumbuhan nilai ekspornya. Berdasarkan pengamatan dari tahun 2013-
2019 bahwa utang Sektor Pertanian pernah mengalami keterpurukan pada
tahun 2013. Sektor Pertanian khususnya Subsektor Perikanan, Perkebunan,
dan Kehutanan mengalami kontraksi pada triwulan IV selama tahun 2013-
2019 dan laju pertumbuhan Lapangan Usaha Pertanian, Perikanan, dan
Kehutanan mengalami penurunan. Dalam penelitian ini akan mengambil
data laporan keuangan triwulan pada Sektor Pertanian Indonesia yang
terdaftar di Bursa Efek Indonesia yang memiliki risiko valuta asing serta
berdasarkan research gap dan fenomena gap.
12
B. Identifikasi Masalah
Berdasarkan uraian latar belakang di atas, maka diidentifikasikan
masalah-masalah sebagai berikut:
1. Lindung nilai (hedging) adalah upaya untuk menghindari risiko yang
timbul dari kemungkinan adanya perubahan kurs valuta asing, yang
dilakukan dengan cara mengadakan forward exchange dengan baik.
2. Peranan transaksi derivatif untuk melakukan pengelolaan risiko lindung
nilai (hedging) pada saat ini merupakan hal yang sangat penting dan
tidak dapat dipisahkan dalam rangka pengelolaan risiko keuangan
perusahaan secara keseluruhan.
3. Valuta asing adalah sebuah pasar di mana satu mata uang ditukar dengan
mata uang lain.
C. Rumusan Masalah
Berdasarkan latar belakang tersebut, maka yang menjadi rumusan
masalah dalam penelitian ini:
1. Bagaimana pengaruh faktor internal terhadap penggunaan lindung nilai
(hedging) dengan instrumen derivatif ?
2. Bagaimana pengaruh faktor eksternal terhadap penggunaan lindung nilai
(hedging) dengan instrumen derivatif pada Perusahaan Sektor Pertanian
?
13
D. Tujuan Penelitian
Berdasarkan rumusan masalah di atas, maka peneliti bertujuan untuk:
1. Untuk menganalisis pengaruh faktor internal terhadap penggunaan
lindung nilai (hedging) dengan instrumen derivatif pada perusahaan
Sektor Pertanian periode 2013-2019.
2. Untuk menganalisis pengaruh faktor eksternal terhadap penggunaan
lindung nilai (hedging) dengan instrumen derivatif pada Perusahaan
Sektor Pertanian periode 2013-2019.
E. Manfaat Penelitian
1. Bagi Perusahaan
Hasil penelitian ini diharapkan dapat menjadi informasi dan menjadi
salah satu masukan dalam strategi pengambilan keputusan lindung nilai
(hedging) dengan instrumen derivatif.
2. Bagi Investor
Hasil penelitian ini diharapkan dapat menjadi referensi ketika
berinvestasi karena dapat mengetahui perusahaan yang tanggap dalam
melindungi investasinya.
3. Bagi Akademisi
Penelitian ini diharapkan dapat menjadi tambahan informasi,
wawasan, serta sebagai referensi dalam mengembangkan penelitian
selanjutnya mengenai apa saja yang dapat mempengaruhi keputusan lindung
nilai (hedging) dengan Instrumen derivatif.
14
BAB II
TINJAUAN PUSTAKA
A. Teori Terkait dengan Penelitian
1. Derivatif
Derivatif adalah instrumen turunan yang memiliki karakteristik
dan nilainya seperti (nilai tukar, indeks, suku bunga, komoditas) yang waktu
dan harganya telah ditetapkan (Siahaan, 2008:9). Instrumen derivatif antara
lain forward, future, Option, dan swap. Derivatif digunakan untuk
mengurangi bahaya risiko suku bunga dan risiko valuta asing. Instrumen
derivatif tidak dilihat hanya dari pihak (hedger) yang berusaha melakukan
lindung nilai (hedging), tetapi juga dari sudut pandang investor yang
menggunakan derivatif sebagai wacana investasi untuk meraih keuntungan.
Pasar keuangan derivatif adalah suatu sarana mempertemukan pihak hedger
yang ingin melindungi aktivanya dari risiko kerugian akibat perubahan
harga dengan pihak spekulator yang bersedia menanggung risiko perubahan
harga tersebut (Siahaan, 2008:8).
2. Lindung Nilai (hedging)
Lindung nilai (hedging) adalah suatu mekanisme proteksi
terhadap risiko harga dan aktivitas lindung nilai merupakan alat manjemen
risiko. Dalam praktik lindung nilai (hedging) ini terkandung substitusi pada
transaksi komoditi di pasar fisik dengan posisi di pasar berjangka yang
bertujuan untuk melindungi perusahaan dari pengaruh pergerakan harga di
pasar fisik yang tidak sesuai dengan yang diperkirakan sebelumnya.
Perusahaan dapat melakukan penjualan atau pembelian sejumlah mata uang,
15
untuk menghindari risiko kerugian akibat selisih kurs yang terjadi karena
adanya transaksi bisnis yang dilakukan perusahaan tersebut (Lumban,
2014:115). Menurut Horne dan Wachowicz (2007:558) untuk mengurangi
risiko nilai tukar adalah dengan menggunakan lindung nilai mata uang
melalui intstrumen derivatif atau kontrak seperti kontrak forward, kontrak
berjangka (future contract), opsi mata uang, dan swap mata uang.
Penggunaan derivatif dapat mengurangi risiko yang timbul akibat dari
perubahan yang terjadi pada nilai tukar uang.
3. Lindung Nilai Mata Uang dengan Instrumen Derivatif
Instrumen derivatif dapat digunakan aktivitas lindung nilai
(hedging), derivatif merupakan kontrak perjanjian antara dua pihak untuk
menjual dan membeli sejumlah barang (baik komoditas, maupun sekuritas)
pada tanggal tertentu di masa yang akan datang dengan harga yang telah
disepakati pada saat ini. Untuk meminimalkan risiko dari fluktuasi valuta
asing tersebut dapat dilakukan lindung nilai (hedging) dengan instrumen
derivatif valas yaitu melalui kontrak forward, kontrak berjangka (future
contract), opsi mata uang, dan swap mata uang (Siahaan, 2008:329).
a. Forward
Menurut Siamat (2005:468) forward atau juga disebut transaksi
berjangka adalah kontrak jual beli (komoditas) dengan ketentuan harga
tertentu di masa yang akan datang. Kurs forward biasanya di-quote pada
tanggal valuta 1, 2, 3, 6 hingga 12 bulan. Namun jangka waktu kontrak
dalam praktik sebenarnya dapat diatur melebihi 12 bulan. Pembayaran
biasanya dilakukan pada hari kerja kedua setelah tanggal kontrak jatuh
16
tempo. Transaksi forward sering digunakan untuk tujuan lindung nilai
(hedging) dan spekulasi. Lindung nilai (hedging) yaitu transaksi yang
dilakukan untuk menghindari risiko kerugian akibatnya terjadinya
perubahan kurs.
b. Future
Menurut Halim (2015:150) kontrak futures adalah perjanjian
antara pembeli dan penjual dimana: 1) pembeli futures melakukan
perjanjian untuk membeli sesuatu komoditi dan asset tertentu dari penjual
futures, dalam jumlah, dengan harga, dan pada batas waktu yang ditentukan
dalam kontrak. 2) penjual futures sepakat untuk menjual suatu komoditi dan
asset tertentu kepada pembeli futures, dalam jumlah, dengan harga, dan
pada batas waktu yang ditentukan dalam kontrak. Pada kontrak futures
diperlukan sejumlah nominal uang yang perlu disetor oleh investor kepada
broker. Mekanisme futures kontrak adalah pertama kali investor menyetor
sejumlah deposit sebagai initial margin dengan melakukan perdagangan
futures. Kemudian investor memperhatikan asset yang diperdagangkan,
ukuran kontrak, price limit, dan position limit dalam melakukan kontrak
futures.
Nilai dari kontrak futures di masa mendatang dipengaruhi oleh
instrumen induknya yang ada di pasar spot. Perbedaan futures dengan
forward yaitu dapat diambil sebelum tanggal jatuh tempo dengan cara
mengambil posisi yang berlawanan sehingga tidak perlu terjadi adanya
delivers. Pada bulan penyelesaian yang tertera di kontrak tidak lagi
dilakukan perdagangan dan harga ditentukan oleh bursa atas penyelesaian
17
kontrak. Manfaat utama kontrak futures adalah sebagai lindung nilai
(hedging) asset yang dijadikan patokan dari ancaman risiko ketidakpastian
perubahan harga di masa depan. Ada dua alternatif posisi hedging yang bisa
dilakukan investor, yaitu short hegde (menjual futures) dan long hedge
(membeli futures).
c. Opsi (Option
Menurut Halim (2015:129), opsi valuta asing adalah kontrak
yang memberi hak kepada pemegang opsi (buyer) untuk membeli atau
menjual sejumlah asset tertentu dengan harga per unit tertentu dalam
periode waktu tertentu. Ada dua tipe opsi yaitu:
a. Opsi jual (Put Option), adalah suatu tipe kontrak yang memberi
hak kepada pemegangnya untuk menjual sejumlah tertentu
saham suatu perusahaan tertentu kepada penjual opsi pada harga
tertentu setiap waktu sampai suatu tanggal tertentu.
b. Opsi beli (Call Option), adalah suatu tipe kontrak yang memberi
hak kepada pemegangnya untuk membeli sejumlah tertentu
saham suatu perusahaan tertentu dari penjual opsi pada harga
tertentu setiap waktu sampai suatu tanggal tertentu.
Kontrak opsi memberikan hak kepada pemegangnya untuk membeli
atau menjual mata uang tertentu. Keputusan untuk menjalankan hak yang
dimiliki sepenuhnya ditentukan oleh pemegang opsi. Jadi, transaksi di pasar
opsi tidak harus diikuti dengan penyelesaian transaksi sebagaimana terdapat
pada kontrak forward dan future (Halim, 2015:129).
18
d. Swap
Swap adalah kontrak berjangka untuk mata uang asing dan suku
bunga. Dalam swap, dua pihak menukar kewajiban utang yang
menggunakan mata uang yang berbeda. Masing-masing pihak setuju untuk
membayar kewajiban bunga pihak lainnya. Pada saat jatuh tempo, jumlah
pokok yang ditukar biasanya sejumlah nilai tukar yang disepakati di awal
(Siamat, 2005:469). Jika satu pihak melanggarnya, tidak ada kerugian pada
pokoknya. Akan tetapi, ada biaya peluang yang berkaitan dengan
pergerakan mata uang setelah swap dilaksanakan. Swap biasanya dilakukan
melalui perantara, seperti bank komersial. Beberapa jenis swap yang umum
dilakukan oleh perusahaan adalah back-to-back loans, currency swap, dan
credit swap (Siahaan, 2008:13).
Back-to-back loans merupakan jenis swap berupa kesepakatan
untuk saling meminjam sejumlah dana dalam mata uang kedua negara yang
berbeda, selama periode waktu tertentu. Pada akhir periode waktu yang
telah disepakati, masing-masing pihak mengembalikan dana yang dipinjam.
Currency swap mirip dengan back-to-back loans kecuali bahwa
currency swap tidak nampak di neraca. Biasanya, dua perusahaan sepakat
untuk menukarkan sejumlah dana dalam mata uang yang berbeda, yang
ekuivalen nilainya, selama waktu tertentu. Jangka waktu berakhirnya
currency swap dapat dinegosiasikan sampai minimal 10 tahun. Apabila dana
disuatu negara lebih mahal dari negara lain, currency swap dapat
mempertimbangkan perbedaan tingkat bunga.
19
Credit swap merupakan pertukaran mata uang antar perusahaan
dan bank (seringkali bank sentral) asing, yang berlangsung selama kurun
waktu tertentu. Credit swap sebenarnya telah dipraktekkan antara bank-bank
umum, dan bank umum dengan bank sentral, untuk memenuhi kebutuhan
akan valuta asing. Daya tarik dari credit swap adalah kemampuan dari
sumber mata uang yang kuat dalam mengurangi kebutuhan guna membiayai
kegiatan dengan mata uang yang lemah.
4. Metode Teoritis Menggunakan Derivatif
Perusahaan menggunakan lindung nilai (hedging) dapat
dijelaskan baik dari prespektif untuk memaksimalkan nilai perusahaan atau
untuk memaksimalkan utilitas manajemen (Siahaan, 2008:7). Derivatif
dapat memaksimalkan nilai perusahaan karena dampaknya pada arus kas
setelah pajak, biaya agensi, biaya kesulitan keuangan dan biaya
underinvesment .
5. Jenis-jenis Eksposur Valuta Asing
Eksposur valuta asing adalah perubahan yang terjadi dalam nilai
riil aset, kewajiban atau pendapatan operasi yang dinyatakan dalam mata
uang domestik terhadap perubahan kurs yang tidak terantisipasi (Levi,
2001:26). Perusahaan yang memiliki operasi diluar negeri menghadapi
berbagai risiko. Selain bahaya politik, risiko pada dasarnya berasal dari
perubahan pada nilai tukar. Dalam hal ini, nilai tukar menunjukkan jumlah
bahwa unit dari satu mata uang yang dapat ditukar dengan mata uang
lainnya. Dengan kata lain, ini adalah harga suatu mata uang relatif terhadap
mata uang lainnya. Mata uang dari negara-negara utama diperdagangkan
20
pada pasar yang aktif, dimana nilai tukar ditentukan oleh tekanan
permintaan dan penawaran. Pencatatan nilai tukar dapat dibuat berdasarkan
mata uang lokal atau berdasarkan mata uang asing. Eksposur terhadap
perubahan kurs tersebut dapat dikelompokkan ke dalam tiga tipe: eksposur
translasi, eksposur ekonomi, dan eksposur transaksi (Horne dan Wachowicz,
2007:550).
a. Eksposur Translasi
Eksposur translasi merupakan perubahan laba akuntansi dan neraca
yang disebabkan oleh perubahan nilai tukar (Horne dan Wachowicz,
2007:553). Eksposur Translasi terjadi jika perusahaan, khususnya
perusahaan multinasional melakukan konversi laporan keuangan dari satu
mata uang ke mata uang lainnya (Mamduh, 2007:184). Berkaitan dengan
translasi dari perubahan mata uang asing di neraca dan laporan laba rugi.
Menurut peraturan Financial Accounting Standard Board, (Dewan Standar
Akuntansi Keuangan), perusahaan AS harus menentukan “mata uang
fungsional” untuk setiap anak perusahaan yang berada di luar negeri. Jika
anak perusahaan tersebut mampu beroperasi mandiri yang diintegrasikan
dalam neraca tertentu, maka mata uang fungsionalnya bisa menggunakan
mata uang lokal, jika tidak maka dapat digunakan mata uang dollar. Jika
terjadi inflasi yang tinggi (lebih dari 100% per tahun), maka mata uang
fungsional harus dalam dollar, apapun kondisinya.
Penggunaan mata uang fungsional penting untuk penentuan proses
tranlasi (proses pernyataan kembali informasi laporan keuangan dari satu
mata uang ke mata uang lain). Jika mata uang lokal digunakan, semua
21
aktiva dan kewajiban ditranslasikan pada nilai tukar saat ini. Selain itu,
keuntungan atau kerugian translasi tidak tercermin dalam laporan laba rugi,
namun diakui di ekuitas pemilik sebagai penyesuaian translasi. Fakta bahwa
penyesuaian seperti itu tidak mempengaruhi laba akuntansi membuat hal ini
menarik bagi banyak perusahaan. Akan tetapi, jika mata uang fungsionalnya
adalah dollar, keuntungan atau kerugian dicerminkan dalam laporan laba
rugi induk perusahaan dengan menggunanakan metode temporal (metode
akuntansi).
Secara umum, penggunaan dollar sebagai mata uang fungsional
menghasilkan fluktuasi yang lebih besar dalam laba akuntansi. Perbedaan
dalam metode akuntasi, dengan dollar sebagai mata uang fungsional, unsur
neraca dan laporan laba rugi dikategorikan sesuai nilai tukar historis atau
sesuai dengan nilai tukar saat ini. Kas, piutang, kewajiban, penjualan,
beban, dan pajak ditranslasikan dengan menggunakan nilai tukar saat ini,
sedangkan persediaan, pabrik dan peralatan, ekuitas, harga pokok penjualan,
dan depresiasi ditranslasikan pada nilai tukar historis yang terjadi pada saat
transaksi. Ini berbeda dengan situasi di mana mata uang lokal digunakan
sebagai mata uang fungsional. Dalam hal ini seluruh unsur ditranlasikan
pada nilai tukar saat ini (Horne dan Wachowicz, 2007:555). Karena
eksposur translasi ini berhubungan dengan arus kas perusahaan, maka
semakin besar risiko dari eksposur translasi akan mengakibatkan tingkat
likuiditas perusahaan akan meningkat dan perusahaan perlu untuk
melakukan lindung nilai (hedging) dalam meminimalkan risiko tersebut.
22
b. Eksposur Ekonomi atau Operasi
Eksposur ekonomi atau operasi adalah perubahan nilai suatu
perusahaan yang mengiringi perubahan nilai tukar yang tidak diantisipasi.
Perubahan nilai tukar yang diantisipasi telah tercermin dalam nilai pasar
perusahaan. Perusahaan yang tidak dapat mengantisipasi eksposur tersebut
akan mengakibatkan turunnya daya saing dan penurunan nilai perusahaan.
Jika kita melakukan bisnis di Jepang, antisipasinya adalah nilai tukar yen
akan melemah terhadap dollar. Fakta melemahnya yen tidak akan
mempengaruhi nilai pasar. Akan tetapi, jika melemahnya lebih besar atau
lebih kecil dari yang diharapkan, nilai akan terpengaruh (Horne dan
Wachowicz, 2007:557).
Menurut Astyrianti dan Sudiartha (2017) Eksposur ekonomi atau
operasi adalah mengukur setiap perubahan pada nilai perusahaan sekarang
yang disebabkan oleh perubahan aliran kas operasi, perubahan tersebut
muncul karena adanya fluktuasi valas yang tidak terduga. Analisis eksposur
ekonomi atau operasi bertujuan untuk mengetahui dampak dari perubahan
kurs valuta asing (yang tak terduga) terhadap kegiatan operasi dan posisi
bersaing perusahaan, akan mempengaruhi arus kas perusahaan, yang
akibatnya tingkat likuiditas perusahaan akan meningkat, sehingga
perusahaan perlu melakukan lindung nilai (hedging) untuk meminimalkan
risiko tersebut.
c. Eksposur Transaksi
Eksposur transaksi adalah risiko yang dihadapi perusahaan ketika
melakukan transaksi dengan pihak lain, baik itu supplier, pelanggan,
23
ataupun pihak lainnya dengan menggunakan mata uang asing. Transaksi ini
dapat berupa pembelian atau penjualan produk, pemberian atau penerimaan
pinjaman dana, atau transaksi lainnya yang melibatkan perolehan aktiva
atau penanggungan kewajiban yang menggunakan mata uang asing (Horne
dan Wachowicz, 2007:557). Eksposur transaksi dapat dilakukan melalui
kontrak lindung nilai (hedging) dengan derivatif valuta asing (Madura,
2003:557). Semakin tinggi eksposur transaksi yang dialami perusahaan,
akan mengakibatkan likuiditas perusahaan meningkat dan perusahaan perlu
melakukan lindung nilai (hedging) untuk meminimalkan risiko tersebut.
6. Kesempatan Tumbuh (Growth Opportunity)
Kesempatan tumbuh (growth opporutnity) adalah peluang
pertumbuhan suatu perusahaan dalam mengembangkan perusahaan di masa
yang akan datang (Astyrianti dan Sudiartha, 2017). Tingkat kesempatan
tumbuh (growth opportunity) yang tinggi akan memberikan dampak risiko
fluktuasi valuta asing dikarenakan perusahaan mengalami pertumbuhan
yang besar dimana perusahaan membutuhkan utang untuk pendanaan
pertumbuhan perusahaannya.
Risiko ini dapat diminimalisir dengan menggunakan lindung nilai
(hedging) dengan instrumen derivatif. Penelitian yang dilakukan oleh
Mediana dan Muharam (2016) menunjukkan bahwa cash ratio dan growth
opportunity berpengaruh positif signifikan terhadap probabilitas
penggunaan hedging derivatif pada Sektor Manufaktur dan Sektor Energi
dan Sumber Daya Mineral.
24
7. Financial Distress
Financial distress adalah Situasi dimana perusahaan memiliki
kesulitan memenuhi kewajiban atau pengembalian utang (Bodroastuti dan
Paranita, 2019). Ketika sebuah perusahaan mengalami kesulitan keuangan
maka dapat diprediksi dengan menggunakan Z Score Altman. Z Score
Altman adalah alat ukur yang digunakan untuk memprediksi bangkrut
tidaknya suatu perusahaan (Bodroastuti dan Paranita, 2019). Hal ini
didukung oleh peneltian oleh Kunmo et al. (2019) yang menunjukkan
bahwa financial distress berpengaruh signifikan terhadap penggunaan
hedging dengan instrumen derivatif. Klasifikasi penafsiran nilai Z-score
sebagai berikut (Vincentia et al. 2019).
Z-Score ˃ 3,00 = perusahaan dianggap aman/bagus/terhindar dari risiko
kebangkrutan.
2,70 ≤ Z-score ˂ 2,99 = Dimana kondisi keuangan perusahaan yang
membutuhkan perhatian khusus.
1,80 ≤ Z-score ˂ 2,70 = perusahaan memiliki kemungkinan mengalami
financial distress untuk dua tahun kedepan.
Z-score ˂ 1,80 = perusahaan memiliki potensi kuat mengalami
kebangkrutan.
8. Debt
Debt ratio pada penelitian ini menggunakan proksi Debt to Asset
Ratio. Debt to Asset Ratio adalah rasio yang digunakan untuk mengukur
sejauh mana aktiva perusahaan dibiayai dengan utang dan beberapa besar
beban utang yang ditanggung perusahaan dibandingkan dengan aktivanya.
25
Rasio solvabilitas digunakan untuk mengukur kemampuan perusahaan
untuk membayar seluruh kewajibannya baik jangka pendek maupun jangka
panjang apabila perusahaan dilikuidasi (Rodoni, 2014:26).
x 100%
9. Leverage
Leverage memperlihatkan seberapa besar utang perusahaan,
sehingga dapat dikatakan rasio ini untuk mengetahui bagaimana
kemampuan perusahaan dalam menggunakan uang yang dipinjam. Menurut
Kasmir (2009:124) rasio leverage dibagi menjadi dua yaitu debt to equity
ratio yang menunjukkan perbandingan total hutang perusahaan dengan
ekuitas dan menunjukkan kemampuan ekuitas perusahaan untuk memenuhi
seluruh kewajiban, dan debt to asset ratio yang menunjukkan perbandingan
total utang perusahaan terhadap total asset perusahaan. Rasio leverage yang
tinggi menandakan bahwa perusahaan memiliki utang yang tinggi yang
dapat meningkatkan profitabilitas perusahaannya. Perusahaan yang
melakukan eksposur transaksi atau mempunyai utang dengan menggunakan
mata uang asing sangat rentan terhadap fluktuasi nilai tukar mata uang
asing. Untuk menghindari risiko dari adanya fluktuasi nilai tukar mata uang
asing maka perusahaan perlu melakukan strategi lindung nilai (hedging)
dengan menggunakan instrumen derivatif (Vicentia et al. 2019).
x 100%
26
10. Ukuran Perusahaan (Firm Size)
Ukuran perusahaan (firm size) pada dasarnya adalah
pengelompokkan perusahaan ke dalam beberapa kelompok, di antaranya
perusahaan besar, sedang, dan kecil. Ukuran perusahaan (firm size) adalah
skala perusahaan yang dilihat dari total aktiva yang dimiliki perusahaan.
Besarnya perusahaan dapat diukur dari total penjualan yang dimiliki
perusahaan. Biaya-biaya yang mengikuti penjualan cenderung lebih besar,
maka perusahaan dengan tingkat penjualan yang tinggi cenderung memilih
kebijakan akuntansi yang mengurangi laba. Perusahaan yang semakin besar
menggambarkan bahwa perusahaan tersebut memiliki ekspansi yang lebih
luas. Ukuran perusahaan sangat penting dalam penentuan aktivitas lindung
nilai (hedging) yang akan dilakukan oleh perusahaan (Sasmita dan Hartono,
2019).
11. Likuiditas (liquidity)
Likuiditas (liquidity) adalah rasio yang digunakan sebagai alat
ukur kemampuan perusahaan dalam membayar pinjaman jangka pendeknya
pada saat jatuh tempo atau dalam memenuhi kewajiban jangka pendeknya
(Rodoni, 2014:26). Ukuran likuiditas (liquidity) perusahaan yang lebih
menggambarkan tingkat likuiditas (liquidity) perusahaan ditunjukkan
dengan rasio kas terhadap kewajiban lancar. Jika likuiditas perusahaan
meningkat maka perlu melakukan lindung nilai (hedging) dalam
meminimalkan risiko tersebut.
27
12. Profitabilitas (profitability)
Profitabilitas (profitability) adalah mengukur kemampuan
perusahaan untuk menghasilkan laba (Rodoni, 2014:27). Profitabilitas
(profitability) merupakan faktor yang penting untuk dapat melangsungkan
hidup suatu perusahaan sehingga harus berada dalam keadaan
menguntungkan. Tanpa adanya keuntungan maka sangat sulit bagi
perusahaan menarik modalnya (Jannah dan Susyanti, 2019).
28
B. Penelitian Terdahulu
Tabel 2.1 Penelitian Terdahulu
No Nama Peneliti/
Tahun/ Jurnal
Judul Variabel Metode
Penelitian
Hasil & Kesimpulan Persamaan &
Perbedaan
1 Elaine Laing, Brian
Lucey, Tobias
Lutkemeyer / Brian
M.Lucey / 2020 /
International
Business Finance
Which form of hedging
matters — Operational
or financial?
Evidence from the US oil
and gas sector 2000-
2015
Variabel
Independen
Operational
hedging, financial
hedging,
commodity
exposure
Variabel dependen
Hedging
Multivariate
analysis of
exposure, Panel /
Operational hedging
tidak berdampak pada
risiko harga
komoditas di
Perusahaan Minyak
dan Gas di AS. Dan
financial hedging
signifikan dan
berdampak pada risiko
Persamaan :
Penggunaan metode
panel
Perbedaan : Objek
penelitian adalah 32
Perusahaan Minyak
dan Gas AS periode
29
harga komoditas di
Perusahaan Minyak
dan Gas di AS.
Kesimpulannya adalah
bahwa financial
hedging dapat
meminimalisir risiko
harga komoditas
minyak dan gas di AS.
2000-2015.
2 Maciej Augustyniak,
Frederic Godin,
Clarence Simard /
2019 / Journal of
A profitable modification
to global quadratic
hedging in S&P 500
price index 2008-2015
Variabel
Independen
Variance-optimal
hedging, Mean-
GARCH model,
Regime-switching
model, Jump-
diffusion model.
Hedging dapat
mengurangi risiko
volatilitas saham dan
hedging dengan
Persamaan : -
Perbedaan : Objek
penelitian S&P 500
30
Economics
Dynamics & Control
variance hedging,
Global risk-
minimazation
Variabel Dependen
Hedgimg
instrumen derivatif
berupa Option dapat
meningkatkan strategi
kinerja dan
pengembalian atau
kompensasi dari
dampak naiknya risiko
volatilitas pergerakan
saham.
price index periode
2008-2015.
3 Tri Bodroastuti,
Ekayana Sangkasari
Paranita, Lia
Ratnasari / 2019 /
Faktor-faktor yang
berpengaruh terhadap
kebijakan hedging
perusahaan Indonesia
Variabel
Independen
Financial Distress,
Firm Size, Growth
Regresi Logistik Growth opportunity
berpengaruh negatif
terhadap kebijakan
hedging perusahaan,
Persamaan :
Penggunaan variabel
financial dsitress,
firm size, growth
31
Valid Jurnal Ilmiah 2011-2015 Opportunity,
Leverage, Liqudity
Variabel Dependen
Hedging
sedangkan liquidity,
firm size, financial
distress, leverage, dan
manajerial ownership
berpengaruh positif
terhadap kebijakan
hedging perusahaan.
opportunity,
leverage dan
liquidity.
Perbedaan : Objek
penelitian
perusahaan
Indonesia periode
2011-2015.
4 Arndt Clauben,
Daniel Rosch,
Martin Schmelzle /
2019 / Journal of
Hedging parameter risk
Variabel
Independen
Estimation error,
parameter risk
Single risk factor
model,
correlation
parameter, Value
Hegde fund risiko
parameter sangat
penting untuk
mengurangi risiko
Persamaan : -
Perbedaan :
Pemakaian periode
32
Banking and
Finance
Variabel Dependen
Hedging
at risk (VaR). kredit, pasar, dan
operasional.
adalah 30, dengan
objek penelitian
credit losses.
5 Francesco Franzoni,
Mariassunta
Giennati / 2019 /
Journal of Financial
Economics
Costs and benefits of
financial conglomerate
affiliation: Evidence
from hedge funds
Variabel
Independen
Age, Leverage,
Long Size,
Monthly Volatility,
Beta, Equity
Hedge, FCAHF,
ROA, Macro.
Variabel Dependen
Hedging
Panel Penelitian ini
menemukan bahwa
biaya dan keuntungan
FCAHF terhadap dana
hedging memiliki
pengaruh besar
terhadap kinerja
perusahaan dan
pendanaan yang stabil.
Persamaan :
Penggunaan variabel
leverage, dan
Metode Panel.
Perbedaan :
Pemakaian periode
yang digunakan
penelitian ini adalah
2006-2011, Objek
33
penelitian adalah
financial
conglomerate.
6 Pinghsun Huang,
Hsin- Yi Huang,
Yan Zhang / 2019 /
Journal of Financial
Economics
Do firms hedge with
foreign currency
derivatives for
employees?2009-2014
Variabel
Independen
Employee
treatment score,
log (size), leverage,
cash ratio, payout
ratio, cash-
investment
correlation,
convertible debt,
Tobit slope
estimate, Tobit
regression model,
Censored median
regression
Aktivitas hedging
dapat meningkatkan
kinerja karyawan
suatu perusahaan.
Kebijakan hedging
dapat memberikan
motivasi bagi
stakeholder untuk
melakukan kerja sama
dengan perusahaan
Persamaan :
Penggunaan variabel
independen leverage.
Perbedaan : Objek
penelitian adalah 87
perusahaan di AS
yang terdaftar pada
Database KLD
34
preffered stock,
number of
geographic
segments, CEO
shareholdings,
CEO duality,
corporate
governance score,
foreign debt,
foreign net income.
Variabel Dependen
Hedging
lain dalam
mengembangkan
perusahaan. Selain itu,
hedging dengan
instrumen derivatif
valuta asing dapat
meminimalisir risiko
nilai tukar.
Global Socrates
selama periode
2009-2014.
7 Huzaimatul Jannah, Determinan Keputusan Variabael Regresi Logistik Leverage, likuiditas, Persamaan :
35
Jenni Susyanti, M.
Agus Salim / 2019 /
Jurnal Riset
Manajemen
Lindung Nilai (hedging)
Pada Perusahaan
Manufaktur yang
Terdaftar di BEI 2015-
2017
Independen
Leverage,
profitabilitas,
likuiditas, ukuran
perusahaan
Variabel Dependen
Hedging
dan ukuran
perusahaan tidak
berpengaruh terhadap
keputusan hedging,
sedangkan
profitabilitas
berpengaruh terhadap
keputusan hedging.
Penggunaan variabel
independen
leverage,
profitability liquidity
dan growth
opportunity
Perbedaan : Objek
perusahaan adalah
Manufaktur yang
terdaftar di BEI
periode 2015-2017.
8 Kunmo, Farrukh Financial Distress and Variabel Analisis Regresi Financial distress Persamaan :
36
Suvankulov, Sophie
Griffiths / 2019 /
International
Economic Analysis
Department Bank of
Canada
Hedging: Evidence from
Canadian Oil Firms
2005-2015
Independen
Firm value,
financial distress
Variabel Dependen
Hedging
Panel berpengaruh
signifikan terhadap
penggunaan hedging
pada perusahaan
minyak di Canada.
Penggunaan variabel
independen financial
distress dan
penggunaan metode
panel.
Perbedaan : Objek
penelitian adalah
perusahaan minyak
yang terdapat di
Canada periode
2005-2015.
9 Wei Opie, Steven J. Global Currency Variabel Analisis Regresi Hedging portofolio Persamaan : Metode
37
Riddiough / 2019 /
Journal of Financial
Economics
Hedging with Common
Risk Factors
Independen
Forecasting
currency factor
returns,
performance
measures, dynamic
currency factor ,
Extensions to
dynamic currency
factor
Variabel Dependen
Hedging
Panel menghasilkan kinerja
investasi yang unggul
dan mengurangi risiko
fluktuasi mata uang
secara global.
Panel
Perbedaan: krisis
finansial global pada
periode 1997-2012
di Eropa.
10 Ayuningtyas Pengaruh Leverage, Variabel Regresi Logistik Menyatakan bahwa Persamaan :
38
Saraswati, Ni Putu
Santi Suryantini /
2019 / E-jurnal
Manajemen
Firrm Size, Profitabilitas
Terhadap Keputusan
Hedging Pada
Perusahaan Manufaktur
di BEI 2013-2017
Independen
Leverage, Firm
Size, Profitability
Variabel Dependen
Hedging
leverage, firm size,
dan profitabilitas
berpengaruh positif
dan signifikan
terhadap keputusan
hedging dengan
menggunakan
instrumen derivatif.
Hal ini berarti
semakin tinggi tingkat
leverage, firm size,
dan profitabilitas
maka perusahaan akan
Penggunaan variabel
independen
leverage, firm size,
dan profotabilitas
Perbedaan : Objek
penelitian
Perusahaan
Manufaktur yang
terdaftar di BEI
periode 2013-2017
39
cenderung
menggunakan hedging
guna melindungi asset
dan melindungi dari
risiko kurs valuta
asing
11 Ika Elinda Sasmita,
Ulil Hartono / 2019 /
Jurnal Ilmu
Manajemen
Karakteristik Perusahaan,
Financial Distress, dan
Keputusan Hedging:
Studi pada Perusahaan
Manufaktur di Indonesia
2013-2017
Variabel
Independen
Ukuran
perusahaan,
leverage, likuiditas,
profiabilitas,
financial distress
Regresi Logistik Ukuran perusahaan,
profitabilitas, leverage
berpengaruh positif
terhadap keputusan
hedging perusahaan
manufaktur Indonesia.
Dan likuiditas,
Persamaan :
Penggunaan variabel
independen ukuran
perusahaan,
leverage, liquidity,
profitability, dan
financial distress.
40
Variabel Dependen
Hedging
financial distress
berpengaruh negatif
terhadap keputusan
hedging perusahaan
manufaktur Indonesia.
Perbedaan : Objek
penelitian adalah
perusahaan
manufaktur
Indonesia periode
2013-2017.
12 Tingfeng Tang /
2019 / Economics
Modeling
Hedge Fund Activism
and Corporate
Innovation in National
Bureau of Economics
Research
Variabel
Independen
MV, Tobin_q,
Sales Growt,
Leverage,
Dividend,
Analisis Regresi
Panel
Inovatif perusahaan
cenderung menjadi
target oleh lindung
nilai (hedging).
Lindung nilai secara
signifikan sangat
Persamaan :
Menggunakan
metode panel dan
panggunaan variabel
leverage dan
profitability
41
Profitability, Cash,
Age, Iiliqma,
Yearret, Herfindahl
Variabel Dependen
Hedging
berpengaruh terhadap
industri yang sangat
kompetitif sehingga
hedging
menguntungkan
kegiatan perusahaan
yang inovatif dalam
jangka waktu yang
panjang.
Perbedaan : Objek
penelitian adalah
perusahaan yang
terdaftar di NBER
(National Bureau of
Economics
Research) periode
1976-2006.
13 Vicentia
Ayuningtyas, Sabar
Warsini, R. Elly
Analisis Faktor Yang
Mempengaruhi
Pengambilan Keputusan
Variabel
Independen
Leverage,
Regresi Logistik Leverage, likuiditas,
dan growth
opportunity, financial
Persamaan :
Penggunaan variabel
independen
42
Mirati / 2019 /
Jurnal Akuntansi,
Keuangan, dan
Perbankan
hedging Menggunakan
Instrumen Derivatif
Valuta Asing pada
Perusahaan yang
Menggunakan hedging
Likuiditas, Growth
Opportunity,
Financial Distress,
Fluktuasi Nilai
Tukar
Variabel Dependen
Hedging
distress berpengaruh
positif terhadap
pengambilan
keputusan hedging
mengggunakan
instrumen derivatif
valuta asing.
Sedangkan, fluktuasi
nilai tukar
berpengaruh negatif
dan signifikan
terhadap pengambilan
keputusan hedging
leverage, liquidity,
growth opportunity,
financial distress.
Perbedaan : Objek
penelitian
Perusahaan non-
keuangan yang
terdaftar di BEI
periode 2013-2017.
43
mengggunakan
instrumen derivatif
valuta asing.
14 YudongWang,
Qianjie Geng, Fanyi
Meng / 2019 /
Journal Energy
Futures hedging in crude
oil markets: A
comparison between
minimum-variance and
minimum-risk
frameworks in West of
Texas Intermediate
Variabel
Independen
Crude oil futures,
Minimum risk
hedging, Constant
hedge ratio, Time
varying hedge
ratio.
Variabel Dependen
Hedging
OLS, VAR, VEC,
GARCH
Hedging dengan
instrumen derivatif
berupa futures di pasar
minyak mentah dunia
dapat meningkatkan
kinerja dengan
menggunakan metode
OLS, sedangkan
hedging dapat
meminimalkan risiko
Persamaan : _
Perbedaan : Objek
penelitian tentang
Harga minyak
mentah berupa Spot
dan Futures yang
terdaftar di WTI
44
model yang terbaik
dengan menggunakan
GARCH.
(West of Texas
Intermediate)
periode 1986-2018.
15 Chin Kar Seng,
Hassanudin Mohd
Thas Thaker / 2018 /
Journal Economics
and Finance
Determinan of Corporate
Hedging Practises:
Malaysian Evidence
2010-2011
Variabel
Independen
Debt, Investmen
Growth,
Managerial
Ownership,
Liquidity,
Profiability
Variabel Dependen
Analisis regresi,
ANOVA
Debt secara signifikan
dan positif terhadap
praktik hedging
perusahaan di
Malaysia. Managerial
ownership secara
signifikan negatif,
invesment growth dan
liquidity berpengaruh
Persamaan :
Penggunaan varibael
independen debt,
liquidity dan
profitability.
Perbedaan : Objek
penelitian adalah
perusahaan di
45
Hedging signifikan terhadap
praktik hedging
perusahaan di
Malaysia.
Malaysia periode
2010-2011.
16 George O. Aragon,
J. Spencer Martin,
Zhen shi/ 2017 /
Journal of Financial
Economics
Who benefits in a crisis?
Evidence from hedge
fund stock and option
holdings in Center for
Research in Security
Prices
Variabel
Independen
Detecting
distressed trading,
tasting a price
pressure,
Opportunistic stock
purchases versus,
options hedging
Panel Hedging dengan
instrumen derivatif
berupa option secara
signifikan
meningkatkan
pengembalian
portofolio hedge fund
selama krisis
keuangan terjadi dan
Persamaan :
Menggunakan
metode panel
Perbedaan : Objek
penelitian yang
digunakan adalah
portofolio yang
terdaftar di CRSP
46
and hedge fund
returns.
Variabel Dependen
Hedging
hedging dapat
meningkatkan
likuiditas di pasar
modal.
(Center for Research
in Security Prices).
17 Nyoman Norita
Astyrianti, Gede
Merta Sudiartha /
2017 / E-jurnal
Manajemen UNUD
Pengaruh Leverage,
kesempatan tumbuh,
kebijakan dividen, dan
likuiditas terhadap
keputusan hedging PT
Uniliver Tbk 2008-2015
Variabel
Independen
Leverage,
kesempatan
tumbuh, kebijakan
dividen, dan
likuiditas
Variabel Dependen
Hedging
Regresi Linier
Berganda
Leverage, kesempatan
tumbuh, dan likuiditas
berimplikasi positif
signifikan pada
penggunaan instrumen
derivatif sebagai
pengambilan
keputusan hedging,
sedangkan kebijakan
Persamaan :
Penggunaan variabel
independen
leverage, growth
opportunity dan
likuiditas.
Perbedaan : Objek
penelitian adalah PT
47
dividen berimplikasi
negatif dan signifikan
terhadap keputusan
hedging pada PT
Uniliver periode
2008-2015.
Uniliver Tbk periode
2008-2015.
18 Kiptoo Tanui
Livingstone, Karanja
Ngugi / 2017 /
International
Journal of Business
Management &
Finance
Determinants of
Corporate Hedging
Practices Used by
Companies Listed in
Nairobi Security
Exchange
Variabel
Independen
Liquidity ratio,
Growth option,
Long-term debt
ratio, Cash flow
volatality
Regression
analysis
Hasil menunjukkan
bahwa liquidity ratio,
growth option and
cash flow volatality
berpengaruh positif
dan signifikan
terhadap penggunaan
Persamaan :
Penggunaan variabel
independen liquidity.
Perbedaan : Objek
penelitian
perusahaan yang
48
Variabel Dependen
Hedging
hedging pada
perusahaan yang
terdaftar di Sekuritas
Nairobi. Sedangkan,
long-term debt
berpengaruh negatif
terhadap penggunaan
hedging pada
perusahaan yang
terdaftar di Sekuritas
Nairobi.
terdaftar di Nairobi
Security Exchange
periode 2011-2015.
19 Pankaj Gupta / 2017
/ Scientific Research
A Riview of Corporate
Hedging Models and
Variabel
Independen
Providing rational
model
Hedging dapat
mengurangi beberapa
Persamaan :
Penggunaan variabel
49
Publishing Their Relevance in
Corporate Finance
Expected tax rate,
cost of financial
distress,cost of
external finance,
integrated
approach
Variabel Dependen
Hedging
biaya seperti agency
cost, distress cost, and
cost of debt dan dapat
meminimalisir
kerugian perusahaan.
independen financial
distress.
Perbedaan : Objek
penelitian
perusahaan finansial
20 Friska Saragih,
Musdholifah / 2017 /
Jurnal Ilmu
Manajemen
Pengaruh growth
opportunity, firm size dan
likuiditas terhadap
keputusan hedging pada
perusahaan perbankan
Variabel
Independen
growth
opportunity,
likuiditas, dan firm
Regresi Logistik menyatakan bahwa
growth opportunity,
likuiditas, dan firm
size berpengaruh
positif terhadap
Persamaan :
Penggunaan variabel
independen growth
opportunity, liquidity
dan firm size.
50
Indoensia size
Variabel Dependen
Hedging
pengambilan
keputusan hedging
pada perusahaan
perbankan Indonesia
Perbedaan : Objek
penelitian adalah
Perusahaan
Perbankan Indonesia
periode 2012-2015.
21 Yao Zheng, Eric
Osmer, Ruiyi Zhang
/ 2017 / Journal of
Banking and
Finance
Sentiment hedging: How
hedge funds adjust their
exposure to market
sentiment 1995-2014
Variabel
Independen
Convertible
arbritage,
Emerging markets,
Equity market
neutral, Event
Panel, Sentiment
exposure model
controlling
Kenaikan atau
penurunan investasi
disebabkan oleh
sentimen pasar, maka
hedging sangat
penting untuk
mencegah atau
Persamaan :
Penggunaan metode
panel
Perbedaan : Data
51
driven, Fixed
income arbitage,
Global macro,
Long/short equity
hedge, Multi-
strategy
Variabel Dependen
Hedging
meminimalisir
terjadinya penurunan
investasi. Hedging
dapat mengendalikan
volatilitas dan
likuiditas pasar dan
meningkatkan nilai
ekonomi suatu negara.
hedge fund yang
terdapat pada
Database Lipper
TASS Hedge Fund
periode 1995-2014.
22 Vikas Agarwal, Y.
Eser Arisoy,
Narayan Y. Naik /
2016 / Journal of
Financial Economics
Volatility of aggregate
volatility and hedge fund
returns in CBOE
Variabel
Independen
Hedge fund
database, hedge
fund risk factors,
Time series
analysis
VOV risk
berpengaruh
signifikan terhadap
hedging dan
memberikan pengaruh
Persamaan :
Perbedaan : Periode
yang digunakan
1994-2013. Objek
52
construction of
VOV factors
Variabel Dependen
Hedging
terhadap investasi
yang tinggi di CBOE
yang digunakan
adalah CBOE
(Chicago Board
Options Exchange)
23 Ni Komang Reni
Utami Dewi, Ni
ketut Purnawati /
2016 / E-jurnal
Manajemen UNUD
Pengaruh Market to Book
Value dan Likuiditas
terhadap Keputusan
hedging pada Perusahaan
Manufaktur 2009-2013
Variabel
Independen
Market to Book
Value, Likuiditas
Variabel Dependen
Hedging
Multiple linear
regresion analysis
Market to Book Value
secara signifikan
berpengaruh positif
terhadap keputusan
hedging sedangkan
likuiditas berpengaruh
negatif terhadap
keputusan hedging.
Persamaan :
Penggunaan variabel
independen
Likuiditas
Perbedaan : Objek
penelitian
perusahaan
53
manufaktur di
Indonesia periode
2009-2013.
24 Ima Mediana,
Harjun Muharam /
2016 / Journal of
Management
Analisis Faktor-Faktor
yang Mempengaruhi
Pengambilan Keputusan
Lindung Nilai (Hedging)
dengan Instrumen
Derivatif 2010-2014
Variabel
Independen
Leverage, current
ratio, cash rasio,
growth
opportunity,
financial distress,
cash flow volatality
of operating
income, cash flow
Regresi Logistik Leverage, current
ratio, financial
distress, cash flow
volatility CFO to total
asset tidak
berpengaruh terhadap
probabilitas
penggunaan hedging
derivatif pada pada
perusahaan non
Persamaan :
Penggunaan variabel
independen
leverage, growth
opportunity, dan
finanial distress.
Perbedaan : Objek
penelitian adalah
perusahaan non
keuangan Sektor
54
volatility of CFO to
total asset
Variabel Dependen
Hedging
keuangan Sektor
Manufaktur dan
Sektor Energi dan
Sumber Daya Mineral.
Sedangkan, cash
ratio, growth
opportunity, cash flow
volatility of operating
income berpengaruh
positif terhadap
probabilitas
penggunaan hedging
derivatif pada pada
Manufaktur dan
Sektor Energi dan
Sumber Daya
Mineral periode
2010-2014.
55
perusahaan non
keuangan Sektor
Manufaktur dan
Sektor Energi dan
Sumber Daya Mineral.
25 Stefano Bonini,
Maurizio Dallochio,
Phillippe
Raimbourgh,
Antonio Salvi / 2016
/ Journal of
Financial
Management
Do firms hedge
translation risk? 622
companies in 25
countries Eouropa, AS,
Asia 2003-2006
Variabel
Independen
ROE, ROCE,Total
Revenue,
Operating profit,
Foreign revenues,
Book value of
assets, Book value
Logistic
regression
Perusahaan yang aktif
menggunakan hedging
secara signifikan
dominan terdapat di
Eropa Utara,
sedangkan non-
lindung nilai berlaku
di Eropa Selatan,
Persamaan :
Penggunaan variabel
Total debt.
Perbedaan : Objek
penelitian 25 negara
di Eropa, Amerika,
56
of equity, Total
debt, Capital
Gearing, Quick
Ratio, Market
Value, Free Float
Variabel Dependen
Hedging
Amerika Selatan dan
Asia. Peringkat kredit
secara signifikan
meningkatkan
kemungkinan
memulai dan
mempertahankan
kebijakan hedging,
karena perushaan
berusaha menghindari
kerugian.
dan Asia periode
2003-2006.
57
C. Kerangka Pemikiran
Gambar 2.1
Perusahaan Sektor
Pertanian yang terdaftar di
BEI
Variabel Independen :
Kesempatan Tumbuh, Financial
Distress, Debt, Leverage,
Ukuran Perusahaan, Likuditas,
Profitabilitas.
Hedging (Y)
Uji Asumsi Klasik
1. Uji Normalitas
2. Uji Multikolinearitas
3. Uji Heteroskedasitas
4. Uji Autokorelasi
Common Effect Fixed Effect Random Effect
Uji Chow Uji Hausman
Uji Signifikansi: Uji t, Uji F dan
Koefisien Determinasi
Hasil dan Kesimpulan
58
D. Keterkaitan antar Variabel dan Hipotesis
Berdasarkan kerangka pemikiran di atas, maka peneliti mengajukan
hipotesis sebagai berikut:
1. Pengaruh Kesempatan Tumbuh (Growth Opportunity)
Terhadap Penggunaan Lindung Nilai (Hedging)
Kesempatan tumbuh (growth opportunity) menunjukkan bahwa
perusahaan tersebut memiliki peluang pertumbuhan yang tinggi akan
kebutuhan modal yang cukup besar bagi perusahaan untuk membiayai
petumbuhan perusahaan tersebut di masa yang akan datang. Ketika
modal yang diperoleh dari luar negeri maka akan menghadapi risiko
fluktuasi nilai tukar. Perolehan dana yang besar akan menimbulkan
utang yang besar pula yang pada akhirnya akan memberikan dampak
terhadap perusahaan yang dinamakan risiko gagal bayar. Salah satu
cara untuk meminimalisir risiko tersebut yaitu dengan adanya
penggunaan lindung nilai (hedging). Pernyataan ini didukung oleh
peneltian Astyrianti dan Sudiartha (2017), Seng (2018), dan Vicentia
et al. (2019).
: ß1 =0: Kesempatan Tumbuh (growth opportunity) tidak
berpengaruh terhadap penggunaan lindung nilai (hedging)
: ß1 ≠ 0 : Kesempatan Tumbuh (growth opportunity)
berpengaruh terhadap penggunaan lindung nilai (hedging)
59
2. Pengaruh Financial Distress Terhadap Penggunaan Lindung
Nilai (Hedging)
Financial distress adalah kondisi dimana terjadinya penurunan
keuangan suatu perusahaan sebelum perusahaan mengalami likuidasi
atau kebangkrutan. Altman Z-score adalah pengukur kinerja yang
digunakan dalam memprediksi kecenderungan kebangkrutan atau
tidaknya suatu perusahaan (Bodroastuti dan Paranita, 2019). Financial
distress mengindikasikan risiko finansial yang besar, bahkan dapat
mengarah ke kondisi default sehingga mendesak perusahaan untuk
melakukan lindung nilai (hedging). Jadi, semakin tinggi financial
distress perusahaan, semakin besar kemungkinan perusahaan
menerapkan kebijakan lindung nilai (hedging). Pernyataan ini
didukung oleh penelitian Bodroastuti dan Paranita (2019), dan
Kunmo et al. (2019).
: ß2 = 0 : Financial distress tidak berpengaruh terhadap
penggunaan lindung nilai (hedging)
: ß2 ≠ 0 : Financial distress berpengaruh terhadap penggunaan
lindung nilai (hedging)
3. Pengaruh Debt Terhadap Penggunaan Lindung Nilai
(Hedging)
Debt dalam penelitian ini adalah Debt to Asset Ratio. Debt to Asset
Ratio adalah rasio yang digunakan untuk mengukur sejauh mana
aktiva perusahaan dibiayai dengan utang dan beberapa besar beban
utang yang ditanggung perusahaan dibandingkan dengan aktivanya.
60
Debt ratio dan nilai lindung (hedging) memiliki hubungan positif dan
signifikan. Derivatif seperti suku bunga masa depan dan nilai tukar
masa depan mampu mengurangi fluktuasi suku bunga dan nilai tukar
mata uang asing. Oleh karena itu, lindung nilai (hedging) memberikan
kepastian kepada perusahaan untuk mengambil utang pada tingkat
bunga tetap tanpa mempengaruhi perencanaan masa depan
perusahaan. Pernyataan ini didukung oleh penelitian Seng (2018).
: ß3 = 0 : Debt tidak berpengaruh terhadap penggunaan lindung
nilai (hedging)
: ß3 ≠ 0 : Debt berpengaruh terhadap penggunaan lindung nilai
(hedging)
4. Pengaruh Leverage Terhadap Penggunaan Lindung Nilai
(Hedging)
Leverage digunakan untuk melihat kemampuan perusahaan untuk
memenuhi semua kewajiban. Leverage semakin tinggi maka risiko
yang dihadapi dan ditanggung oleh suatu perusahaan akan tinggi,
maka perlunya tindakan hedging untuk dapat meminimalisir dampak
dari risiko yang dihadapi oleh perusahaan, sehingga perusahaan
memiliki peluang besar untuk melakukan lindung nilai (hedging).
Dimana jumlah utang lebih tinggi daripada modal yang dimiliki maka
akan menimbulkan permasalahan baru biaya kebangkrutan, fluktuasi
tingkat bunga dan valuta asing. Pada penelitian ini menggunakan
proksi Debt to Equity Ratio pada Rasio Leverage. Pernyataan ini
61
didukung oleh penelitian Saraswati dan Suryantini (2019), Astyrianti
dan Sudiartha (2017).
: ß4 = 0 : Leverage tidak berpengaruh terhadap penggunaan
lindung nilai (hedging)
: ß4 ≠ 0 : Leverage berpengaruh terhadap penggunaan lindung
nilai (hedging)
5. Pengaruh Ukuran Perusahaan (Firm Size) Terhadap
Penggunaan Lindung Nilai (Hedging)
Ukuran perusahaan (firm size) mempengaruhi dalam pengambilan
keputusan dalam perusahaan, dan juga mempengaruhi kemudahan
dalam memperoleh sumber pendanaan yang berasal dari internal
ataupun dari eksternal. Semakin besarnya perusahaan akan cenderung
menggunakan aktivitas lindung nilai (hedging) untuk melindungi
asset-asset yang ada pada perusahaannya karena semakin besarnya
perusahaan risiko yang dihadapi juga akan semakin besar. Pernyataan
ini didukung oleh penelitian Saragih dan Musdholifah (2017),
Saraswati dan Suryantini (2019).
: ß5 = 0 : Ukuran Perusahaan (firm size) tidak berpengaruh
terhadap pengunaan lindung nilai (hedging)
: ß5 ≠ 0 : Ukuran Perusahaan (firm size) berpengaruh terhadap
penggunaan lindung nilai (hedging)
62
6. Pengaruh Likuiditas (liquidity) Terhadap Penggunaan
Lindung Nilai (Hedging)
Likuiditas (liquidity) digunakan untuk menunjukkan persediaan
tunai dalam perusahaan dan juga asset yang lain yang mudah
dijadikan uang tunai. Semakin likuid perusahaan maka perusahaan
akan cenderung tidak melakukan hedging, sebaliknya perusahaan
yang tingkat likuiditasnya rendah maka perlu melakukan lindung nilai
(hedging). Pernyataan ini didukung oleh penelitian Bodroastuti dan
Paranita (2019), Livingstone dan Ngugi (2017), Saragih dan
Musdholifah (2017).
: ß6 = 0 : Likuiditas (liquidity) tidak berpengaruh terhadap
pengunaan lindung nilai (hedging)
: ß6 ≠0 : Likuiditas (liquidity) berpengaruh terhadap
penggunaan lindung nilai (hedging)
7. Pengaruh Profitabilitas (profitability) Terhadap Penggunaan
Lindung Nilai (Hedging)
Profitabilitas (profitability) adalah mengukur kemampuan
perusahaan untuk menghasilkan laba (Rodoni, 2014:27). Profitabilitas
(profitability) merupakan faktor yang penting untuk dapat
melangsungkan hidup suatu perusahaan sehingga harus berada dalam
keadaan menguntungkan. Pernyataan ini didukung oleh penelitian
Jannah dan Susyanti (2019), Sasmita dan Hartono (2019), Tang
(2019).
63
: ß7 = 0 : Profitabilitas (profitability) tidak berpengaruh
terhadap pengunaan lindung nilai (hedging)
: ß7 ≠ 0 : Profitabilitas (profitability) berpengaruh terhadap
penggunaan lindung nilai (hedging)
64
BAB III
METODE PENELITIAN
A. Populasi dan Sampel
Populasi adalah kelompok orang, kejadian, atau hal-hal menarik
dimana peneliti ingin membuat opini (berdasarkan statistik sampel) dan
kemudian ditarik kesimpulannya (Sakaran, 2017:53). Populasi dalam
penelitian ini adalah perusahaan non-finansial yang terdaftar pada Sektor
Pertanian di Indonesia. Sampel adalah terdiri atas sejumlah anggota yang
dipilih dari populasi yang sesuai dengan kriteria dalam pembentukan
sampel. Sehingga, dengan mempelajari sampel, peneliti mampu menarik
kesimpulan yang dapat digeneralisasikan terhadap populasi ketertarikan
yang diminati (Sakaran, 2017:53).
Pengambilan sampel menggunakan teknik sampling melalui cara
purposive sampling, yaitu sampel yang diambil sesuai dengan krtiteria
tujuan peneliti dalam menentukan suatu objek yang dijadikan sampel.
Sampel yang diambil harus memenuhi kriteria tertentu. Kriteria-kriteria
yang harus dipenuhi adalah sebagai berikut.
1. Merupakan perusahaan non-finansial Sektor Pertanian yang tercatat
di Bursa Efek Indonesia.
2. Merupakan perusahaan non-finansial Sektor Pertanian yang memiliki
laporan keuangan triwulan I-IV yang telah diaudit berturut-turut dan
telah dipublikasikan dari tahun 2013-2019.
3. Perusahaan yang memiliki lindung nilai (hedging) selama periode
2013-2019.
65
Dari kriteria-kriteria tersebut didapatkan 7 perusahaan yang sesuai
dengan kriteria-kriteria yang diinginkan.
Tabel 3.1. Proses Seleksi Berdasarkan Kriteria
NO Kriteria Jumlah
1 Perusahaan non-finansial Sektor
Pertanian yang terdaftar di BEI
21
2 Perusahaan non-finansial Sektor
Pertanian yang tidak memiliki
laporan keuangan triwulan I-IV yang
telah diaudit berturut-turut dan telah
dipublikasikan dari tahun 2013-2019.
(13)
3 Perusahaan non-finansial Sektor
Pertanian yang tidak memiliki
lindung nilai (hedging) selama 2013-
2019
(1)
Jumlah perusahaan yang memenuhi
kriteria
(7)
Total data sampel yang diobservasi 7 Tahun x 4 Triwulan
x 7 Perusahaan = 196
66
B. Data dan Sumber Data
Data yang dikumpulkan dalam penelitian ini adalah data sekunder,
yaitu laporan keuangan yang tercatat pada Bursa Efek Indonesia (BEI)
selama periode 2013-2019. Data tersebut diperoleh melalui situs Bursa Efek
Indonesia, 2019. Selain itu juga dilakukan penelusuran melalui jurnal, karya
ilmiah, artikel dan berbagai buku referensi sebagai sumber dan acuan dalam
penelitian ini.
C. Metode Pengumpulan Data
Penelitian ini bersifat studi kasus dengan menggunakan metode
kuantitatif dengan cara mengumpulkan, mempelajari, menganalisis, dan
mengintegrasikan variabel-variabel dari hasil publikasi perusahaan yang
terdaftar di Bursa Efek Indonesia (BEI) pada Sektor Pertanian pada periode
penelitian dan diolah berdasarkan kriteria-kriteria pengambilan sampel yang
ditentukan peneliti.
Penelitian ini dilakukan terhadap Sektor Pertanian di Indonesia selama
periode 2013-2019. Penelitian ini dimulai dari mengumpulkan data-data
yang dibutuhkan terkait dengan Kesempatan Tumbuh (growth opportunity),
Financial Distress, Debt, Leverage, Ukuran Perusahaan (firm size),
Likuiditas (liquidity), dan Profitabilitas (profitability) terhadap penggunaan
lindung nilai (hedging). Perhitungan ini dilakukan dengan menggunakan
Microsoft Excel 2010 dan Eviews versi 8.
67
D. Metode Analisis Data
1. Analisis Statistik Deskriptif
Deskriptif adalah studi yang digunakan untuk mengumpulkan data
yang menjelaskan dan mengetahui variabel yang diteliti untuk
membantu membuat keputusan. Statistik deskriptif adalah statistik
yang berfungsi untuk memahami dan mendeskripsikan karakteristik
terhadap obyek melalui sampel dan populasi yang diteliti (Sakaran,
2017:54). Menurut Sugiyono (2016:53) pendekatan deskriptif adalah
pendekatan dalam penelitian yang digunakan untuk mengetahui
keberadaan variabel mandiri baik hanya pada satu variabel atau lebih
tanpa menghubungkan dengan variabel lain.
2. Analisis Data
Analisis data dalam penelitian ini menggunakan analisis regresi
data panel dengan alat yang digunakan yaitu program Eviews. Data
panel adalah penggabungan dari data time series (runtut waktu) dan
data cross section (individual). Adapun keunggulan penggunaan
regresi data panel menurut Agus (2010:237) adalah sebagai berikut:
1. Teknik estimasi Panel data dapat mengatasi hetergenitas individu
secara eksplisit dengan memberikan variabel spesifik individu.
2. Kemampuan mengontrol heterosgenitas ini selanjutnya
menjadikan data panel dapat digunakan untuk menguji dan
membangun model perilaku kompleks.
68
3. Dengan mempelajari observasi Cross-section yang berulang-
ulang, sehingga metode data panel cocok digunakan untuk
mempelajari dinamika perubahan (study of dynamic adjustmen).
4. Dengan menggabungkan observasi time series dan cross section,
data panel memiliki implikasi ada data yang lebih informatif,
lebih variatif, dan kolinieritas (multiko) antara data semakin
berkurang, dan derajat kebebasan (degree of freedom/df) lebih
tinggi sehingga dapat diperoleh hasil estimasi yang lebih
efisiensi.
5. Data panel paling baik untuk mendeteksi dan mengukut dampak
secara sederhana tidak bisa dilihat pada data cross section murni
atau time series murni.
6. Data panel berfungsi untuk meminimalkan bias yang mungkin
menimbulkan oleh agregasi data individu.
Dalam metode estimasi model data panel menurut Widarjono
(2009:231-234) dapat dilakukan melalui tiga pendekatan:
1. Model Ordinary Least Square (OLS) Pooled (Common Effect)
Merupakan pendekatan model data panel yang hanya
mengkombinasikan data time series dan cross section sehingga
dikatakan model yang paling sederhana. Pada model ini dimensi
waktu maupun individu tidak diperhatikan, yang berarti bahwa
perilaku data perusahaan sama dalam berbagai kurun waktu. Metode
ini bisa digunakan pendekatan Ordinary Least Square (OLS) atau
69
teknik kuadrat terkecil untuk mengestimasi model data panel
(Firdaus, 2018:213).
2. Model Fixed Effect
Model ini mengasumsikan bahwa perbedaan antara individu
dapat diakomodasi dan perbedaan intersepnya. Model Fixed Effect
dalam data panel yaitu menggunakan teknik variabel dummy untuk
menangkap perbedaan intersep antar perusahaan, perbedaan intersep
bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif.
Namun demikian slopnya sama antar perusahaan. Model estimasi ini
sering juga disebut dengan teknik Least Squares Dummy Variable
(LSDV) (Firdaus, 2018:217).
3. Model Random Effect
Model Random Effect ini dimana variabel gangguan mungkin
saling berhubungan antar waktu dan antar individu. Pada model
Random Effect perbedaan intersep disebabkan oleh error terms
masing-masing perusahaan. Keuntungan menggunakan model
Random Effect yakni menghilangkan heteroskedasitas. Model ini
disebut dengan Error Component Model (ECM). Dalam metode
Ordinary Least Square (OLS) tidak bisa digunakan untuk
mendapatkan estimator yang efisien bagi model random effect.
Sehingga metode yang tepat untuk mengestimasi model random
effect adalah Generalized Least Square (GLS) dengan asumsi
homokedastisitas dan tidak ada cross sectional correlation (Firdaus,
2018:230).
70
Untuk memilih model yang paling tepat digunakan dalam mengelola
data panel, terdapat beberapa pengujian yang dapat dilakukan menurut
Sriyana (2014:153-154) yakni:
4. Uji Chow Test
Uji Chow ini dilakukan untuk menentukan model pendekatan
yang akan digunakan Common Effect atau Fixed Effect dengan
melihat nilai probabilitasnya. Hipotesis yang digunakan dalam uji ini
adalah (Sriyana, 2014:153):
H0 : Common Effect
H1 :Fixed Effect Model
Jika nilai probabilitas > α 0.05 maka H0 diterima atau model
yang digunakan adalah model pendekatan Common Effect. Jika nilai
probabilitas < α 0.05 maka H0 ditolak, artinya model regresi data
panel yang tepat untuk digunakan adalah Fixed Effect. Namun jika
H0 ditolak, maka model Fixed Effect harus diuji kembali untuk
memilih apakah memakai model Fixed Effect atau Random Effect
baru dianalisis.
5. Uji Hausman
Uji Hausman ini dilakukan untuk menentukkan model
pendekatan yang digunakan Fixed Effect atau Random Effect.
Hipotesis yang digunakan dalam uji ini adalah sebagai berikut
(Sriyana, 2014:154):
H0 : Random Effect Model
71
H1 :Fixed Effect Model
Jika nilai probabilitas > α 0.05 maka H0 diterima atau model
yang digunakan adalah model pendekatan Random Effect. Jika nilai
probabilitas < α 0.05 maka H0 ditolak, artinya model regresi data
panel yang tepat untuk digunakan adalah Fixed Effect.
6. Uji Lagrange Multiplier
Pengujian untuk menentukkan model common effect atau
random effect yang paling tepat digunakan dalam mengestimasi data
panel (Gujarati, 2012:253). Hipotesis dalam uji lagrange multiplier
adalah:
H0 : Common Effect
H1 :Random Effect
Kriteria pengujian menyatakan jika probabilitas > 0.05 maka H0
ditolak. Dan sebaliknya jika pengujian menyatakan nilai probabilitas
< 0.05 maka H0 diterima. Jika H0 diterima, maka model yang
digunakan adalah common effect. Namun jika H0 ditolak dan H0
diterima, maka model yang digunakan adalah random effect.
Uji lagrange multiplier hanya digunakan saat uji chow dan uji
hausman menunjukkan hasil yang berbeda, dimana uji chow
menunjukkan model yang tepat untuk digunakan adalah common
effect sedangkan uji hausman menunjukkan model yang tepat untuk
digunakan adalah random effect, maka diperlukan pengujian
menggunakan lagrange multiplier untuk menentukkan mana diantara
72
kedua model tersebut yang paling tepat untuk digunakan. Namun
jika hasil uji chow dan uji hausman menunjukkan hasil yang sama,
maka uji lagrange multiplier tidak perlu dilakukan.
3. Uji Asumsi Klasik
Setelah dilakukan pemilihan model, selanjutnya dilakukan uji
asumsi klasik dengan beberapa pengujian sebagai berikut (Gujarati,
2012:253):
1. Uji Normalitas
Uji normalitas adalah untuk menguji apakah variabel-variabel
dalam model regresi data panel berdistribusi normal atau tidak.
Pengujian normalitas dengan program Eviews menggunakan dua
cara yaitu nilai chi square dan nilai jarque-bera (Ghozali, 2013:160)
hipotesis yang digunakan dalam uji normalitas adalah:
H0 : Data berdistribusi normal
H1 :Data tidak berdistribusi normal
Data dinyatakan berdistribusi normal apabila probabilitas dari uji
Jarque Bera bernilai lebih besar dari level of significant (alpha) atau
jika nilai probabilitas > 0.05 maka H0 diterima. Dan sebaliknya jika
pengujian menyatakan nilai probabilitas < 0.05 maka H0 ditolak. Jika
H0 diterima, maka data berdistribusi normal. Namun jika H0 ditolak
dan H0 diterima, maka data tidak berdistribusi normal.
73
2. Uji Multikolinearitas
Dalam model regresi diasumsikan tidak memuat hubungan
dependend linier antarvariabel independen. Jika terjadi hubungan
dependensi linier yang kuat di antara variabel independen maka
dinamakan terjadi problem multikolinearitas. Jika terjadi
multikolinearitas maka nilai standard error dari koefisien menjadi
tidak valid sehingga hasil uji signifikansi koefisen dengan uji t tidak
valid (Ghozali, 2013:105)
Uji multikolinieritas adalah kondisi adanya hubungan linier antar
variabel independen. Untuk melihat ada atau tidaknya gejala
multikolinearitas dengan cara melihat Variance Inflation Factor
(VIF). Jika nilai Varianve Inflation Factor (VIF) lebih besar dari 10
maka data dalam penelitian ini terkena multikolinearitas. Sebaliknya
jika nilai Variance Inflation Factor (VIF) lebih kecil dari 10 maka
dalam penelitian ini tidak terkena multikolinearitas. Dengan
hipotesis sebagai berikut:
H0 : tidak ada multikolinearitas
H1 :ada multikolinearitas
Bila r < 10 (tidak ada multikolinearitas), maka H0 ditolak.
Bila r > 10 (ada multikolinearitas), maka H0 diterima.
3. Uji Heteroskedastisitas
Uji ini bertujuan untuk menganalisis apakah variansi dari error
bersifat tetap/konstan (homokedastik) atau berubah-ubah
(heterokedastik). Untuk mendeteksi ada tidaknya heteroskedastisitas
74
dalam penelitian ini digunakan uji Breusch-Pagan-Godfrey dengan
cara melihat nilai probability Chi Square. Jika nilai probability Chi
Square lebih besar dari tingkat signifikansi α = 0.05 atau 5% maka
data dalam penelitian ini tidak terkena heteroskedastisitas.
Sebaliknya jika nilai probability Chi Square lebih kecil dari tingkat
signifikansi α = 0.05 atau 5% maka data dalam penelitian ini
terkena heteroskedastisitas. Cara mendeteksi heteroskedastisitas
yang dilakukan dalam peneltian ini adalah menggunakan uji
Breusch-Pagan-Godfrey. Hipotesis uji Breusch-Pagan-Godfrey
adalah (Ghozali, 2013:139):
H0 : tidak ada heteroskedastsitas
H1 :ada heteroskedastsitas
Bila probabilitas Obs*R² > 0.05, maka H0 diterima
Bila probabilitas Obs*R² < 0.05, maka H0 ditolak
4. Uji Autokorelasi
Menurut Ghozali (2013:137) uji autokorelasi bertujuan untuk
menguji apakah pada korelasi antarkeseluruhan pengganggu
(residual) dalam model regresi data panel pada periode t dengan
kesalahan pada periode t-1 (sebelumnya).
Uji autokorelasi diharapkan observasi residual tidak saling
berkorelasi. Pengujian asumsi autokorelasi dapat dilihat melalui
Lagrange Multiplier Test (LM Test). Kriteria pengujian menyatakan
jika semua probabilitas (Obs*R²) > level of significance (α) atau
(Obs*R²) > 0.05 maka dapat dinyatakan bahwa observasi residual
75
tidak saling berkorelasi, sehingga dapat dinyatakan asumsi
autokorelasi terpenuhi.
Setelah dilakukan uji asumsi klasik selanjutnya adalah uji
signifikansi. Uji signifikansi merupakan prosedur yang digunakan
untuk menguji kesalahan atau kebenaran dari hasil hipotesis null dari
sampel. Adapun uji statistik analisis regresi tersebut menurut
Widarjono (2009:63-65) antara lain:
1. Uji Koefisien Determinasi (R Square)
Suatu model mempunyai kebaikan dan kelemahan jika
diterapkan dalam masalah yang berbeda. Untuk mengukur kebaikan
suatu model (goodness of fit) digunakan koefisien determinasi (R2).
Nilai koefisien determinasi merupakan suatu ukuran yang
menunjukkan besar sumbangan dari variabel independen terhadap
variabel dependen, atau dengan kata lain koefisien determinasi
menunjukkan variabel Y yang diterangkan oleh pengaruh linear X.
Nilai koefisien determinasi antara 0 dan 1. Nilai koefisien
determinan yang mendekati 0 (nol) berarti kemampuan semua
variabel independen dalam menjelaskan variabel dependen amat
terbatas. Nilai konefisien determinan yang mendekati 1 (satu) berarti
variabel independen hampir memberikan informasi yang dijelaskan
untuk memprediksi variabel dependen (Ghozali, 2013:87).
2. Uji Signifikansi Simultan (Uji F Statistik)
Uji F statistik ini digunakan untuk melihat seberapa besar
pengaruh variabel independen secara keseluruhan atau bersama sama
76
terhadap variabel dependen. Hipotesis yang digunakan dalam uji F
statistik adalah sebagai berikut:
H0 : probabilitas > level of significance (0.05), artinya secara
bersama-sama tidak ada pengaruh variabel independen terhadap
variabel dependen.
Ha : probabilitas < level of significance (0.05), artinya secara
bersama-sama ada pengaruh variabel independen terhadap variabel
dependen.
Apabila probabilitas dari uji F bernilai lebih besar dari level of
significance (alpha) atau jika nilai probabilitas > 0.05 maka H0
diterima. Dan sebaliknya jika pengujian menyatakan nilai
probabilitas < 0.05 maka H0 ditolak. Jika H0 diterima, maka secara
bersama-sama (simultan) tidak ada pengaruh variabel independen
terhadap variabel dependen. Namun jika H0 ditolak dan Ha diterima,
maka artinya secara bersama-sama (simultan) ada pengaruh variabel
independen terhadap variabel dependen (Ghozali, 2013:177).
3. Uji Siginifikansi Parsial (T Statistik)
Uji statistik t pada dasarnya menunjukkan seberapa jauh
pengaruh suatu variabel independen terhadap variabel dependen
dengan menganggap variabel independen lainnya konstan (Ghozali,
2013:178). Uji statistik t dalam penelitian ini dapat dilihat pada nilai
probabilitas t-statistic.
77
Uji statistik t dilakukan untuk menunjukkan seberapa jauh
pengaruh Growth opportunity, Financial Distress, Debt, Firm Size,
Leverage, Liquidity, dan Profitability terhadap penggunaan lindung
nilai (hedging). Jika nilai probabilitas t-statistic lebih besar dari
tingkat signifikansi α = 0.05 atau 5% maka secara parsial variabel
independen tidak berpengaruh signifikan terhadap variabel
dependen. Sebalinya jika nilai probabilitas t-statistic lebih kecil dari
tingkat signifikansi α = 0.05 atau 5% maka secara parsial variabel
independen berpengaruh signifikan terhadap variabel dependen.
Dengan hipotesis sebagai berikut:
H0 = Secara parsial variabel independen tidak berpengaruh
signifikan terhadap variabel dependen.
H1 = Secara parsial variabel independen berpengaruh signifikan
terhadap variabel dependen.
Bila probabilitas α > 0.05 variabel independen tidak
signifikansi (H0 diterima, H1 ditolak yang artinya terdapat pengaruh
yang tidak signifikan secara parsial).
Bila probabilitas α < 0.05 variabel independen signifikan (H0
ditolak, H1 diterima yang artinya terdapat pengaruh yang signifikan
secara parsial).
4. Model Regresi Data Panel
Model persamaan dasar dasar data panel adalah:
78
HEDGit = ß0i + ß1GO1it + ß2FD2it + ß3DE3it + ß4LV4it + ß5FZ5it +
ß6LQ6it + ß7PR7it + µ it
Dimana :
ß0i = Konstanta model regresi pada unit observasi ke i
ß1 - ß4 = koefisien regresi
µ it = Standar error pada unit observasi ke i dan waktu ke t
HEDGit= Hedging
GO1it = Growth Opportunity pada unit observasi ke i dan waktu
ke t
FD2it = Financial Distress pada unit observasi ke i dan waktu ke t
DE3it = Debt pada unit observasi ke i dan waktu ke t
LV4it = Leverage pada unit observasi ke i dan waktu ke t
FZ5it = Firm Size pada unit observasi ke i dan waktu ke t
LQ6it = Liquidity pada unit observasi ke i dan waktu ke t
PR7it = Profitability pada unit unit observasi ke i dan waktu ke t
E. Definisi Operasional Variabel
Variabel penelitian adalah suatu hal yang berbentuk apa saja yang
ditetapkan oleh peneliti untuk dipelajari sehingga memberikan informasi
bagi peneliti untuk kemudian dapat ditarik kesimpulannya (Sakaran,
2017:3). Berdasarkan perumusan hipotesis dan telaah pustaka, maka
variabel-variabel dalam penelitian ini adalah :
79
1. Variabel Independen
Variabel independen adalah variabel bebas yang mempengaruhi
atau menjadi sebab timbulnya variabel dependen (Sakaran, 2017:4).
Variabel-variabel dalam penelitian ini adalah :
a) Kesempatan Tumbuh (Growth Opportunity)
Growth opportunity menunjukkan bahwa perusahaan
memiliki peluang pertumbuhan yang tinggi akan kebutuhan modal
yang cukup besar bagi perusahaan untuk membiayi petumbuhan
perusahaan tersebut di masa yang akan datang. Ketika modal yang
diperoleh dari luar negeri maka akan menghadapi risiko fluktuasi nilai
tukar. Perolehan dana yang besar akan menimbulkan utang yang besar
pula yang pada akhirnya akan memberikan dampak terhadap
perusahaan yang dinamakan risiko gagal bayar. Salah satu cara untuk
meminimalisir risiko tersebut yaitu dengan adanya penggunaan
hedging (Vicentia et al. 2019) Adapun secara sistematis dapat
diformulisasikan sebagai berikut:
b) Financial Distress
Financial distress adalah kondisi dimana terjadinya kesulitan
keuangan suatu perusahaan sebelum perusahaan mengalami
kebangkrutan. Altman Z score adalah pengukur kinerja yang
digunakan dalam memprediksi kecenderungan kebangkrutan atau
tidaknya perusahaan (Bodroastuti dan Paranita, 2019). Financial
distress mengindikasikan risiko finansial yang besar, bahkan dapat
80
mengarah ke kondisi default sehingga mendesak perusahaan untuk
melakukan lindung nilai (hedging). Jadi, semakinn tinggi financial
distress perusahaan maka semakin besar kemungkinan perusahaan
menerapkan kebijakan lindung nilai (hedging).
c) Debt
Pada penelitian ini menggunakan proksi Debt to Asset Ratio.
Debt to Asset Ratio adalah rasio yang digunakan untuk mengukur
sejauh mana aktiva perusahaan dibiayai dengan utang dan beberapa
besar beban utang yang ditanggung perusahaan dibandingkan dengan
aktivanya. Rasio solvabilitas digunakan untuk mengukur kemampuan
perusahaan untuk membayar seluruh kewajibannya baik jangka
pendek maupun jangka panjang apabila perusahaan dilikuidasi
(Rodoni, 2014:26).
x 100%
d) Leverage
Leverage memperlihatkan seberapa besar utang perusahaan,
sehingga dapat dikatakan rasio ini untuk mengetahui bagaimana
kemampuan perusahaan dalam menggunakan uang yang dipinjam.
Menurut Kasmir (2009:124) rasio leverage dibagi menjadi dua yaitu
debt to equity ratio yang menunjukkan perbandingan total hutang
perusahaan dengan ekuitas dan menunjukkan kemampuan ekuitas
perusahaan untuk memenuhi seluruh kewajiban, dan debt to asset
ratio yang menunjukkan perbandingan total utang perusahaan
terhadap total asset perusahaan. Rasio leverage yang tinggi
81
menandakan bahwa perusahaan memiliki utang yang tinggi yang
dapat meningkatkan profitabilitas perusahaannya. Perusahaan yang
melakukan eksposur transaksi atau mempunyai utang dengan
menggunakan mata uang asing sangat rentan terhadap fluktuasi nilai
tukar mata uang asing. Untuk menghindari risiko dari adanya fluktuasi
nilai tukar mata uang asing maka perusahaan perlu melakukan strategi
lindung nilai (hedging) dengan menggunakan instrumen derivatif
(Vicentia et al. 2019).
x 100%
e) Ukuran Perusahaan (Firm Size)
Ukuran perusahaan (firm size) mempengaruhi dalam
pengambilan keputusan dalam perusahaan, dan juga mempengaruhi
kemudahan dalam memperoleh sumber pendanaan yang berasal dari
internal ataupun dari eksternal. Semakin besarnya perusahaan akan
cenderung menggunakan aktivitas lindung nilai (hedging) untuk
melindungi asset-asset yang ada pada perusahaannya karena semakin
besarnya perusahaan risiko yang dihadapi juga akan semakin besar.
Pernyataan ini didukung oleh penelitian Saragih dan Musdholifah
(2017), Saraswati dan Suryantini (2019).
f) Likuiditas (Liquidity)
Likuiditas (liquidity) adalah rasio yang digunakan sebagai alat
ukur kemampuan perusahaan dalam membayar pinjaman jangka
pendeknya pada saat jatuh tempo atau dalam memenuhi kewajiban
82
jangka pendeknya (Rodoni, 2014:26). Ukuran likuiditas perusahaan
yang lebih dapat ditunjukkan dengan rasio kas (kas terhadap
kewajiban lancar. Jika likuiditas perusahaan meningkat maka perlu
melakukan lindung nilai (hedging) dalam meminimalkan risiko
tersebut.
g) Profitabilitas (Profitability)
Profitabilitas (profitability) adalah mengukur kemampuan
perusahaan untuk menghasilkan laba (Rodoni, 2014:27). Profitabilitas
(profitability) merupakan faktor yang penting untuk dapat
melangsungkan hidup suatu perusahaan sehingga harus berada dalam
keadaan menguntungkan. Tanpa adanya keuntungan maka sangat sulit
bagi perusahaan menarik modalnya (Jannah dan Susyanti, 2019).
2. Variabel Dependen
Variabel dependen adalah variabel terikat yang dipengaruhi karena
adanya variabel bebas. Dalam penelitian ini yang menjadi variabel
dependen adalah:
Lindung nilai (hedging) merupakan suatu bentuk usaha dalam
mengelola risiko untuk melindungi perusahaan dari kerugian atas
valuta asing sebagai akibat dari terjadinya transaksi bisnis (Vincentia
et al. 2019). Lindung nilai (hedging) yang dapat dilakukan untuk
melindungi perusahaan Sektor Pertanian dari risiko kerugian nilai
83
mata uang asing yang diakibatkan memiliki utang valuta asing dalam
jumlah besar maka lindung nilai (hedging) sangat penting bagi
perusahaan dan memiliki peluang yang besar dalam penggunaan
lindung nilai (hedging), sehingga variabel dependen pada penelitian
ini adalah lindung nilai (hedging). Instrumen derivatif terdiri dari
kotrak future, forward, option, dan swap. Variabel dependen dalam
penelitian ini menggunakan variabel dummy. Apabila perusahaan
menggunakan instrumen derivatif sebagai aktivitas lindung nilai
(hedging), diberi angka 1 sebagai kategori bahwa perusahaan tersebut
menggunakan lindung nilai (hedging), dan diberi angka 0 jika
perusahaan tersebut tidak menggunakan lindung nilai (hedging).
84
BAB IV
TEMUAN PENELITIAN DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian
Data yang digunakan dalam penelitian ini adalah data yang berasal
dari laporan keuangan triwulan I-IV. Data-data yang diperoleh kemudian
diolah menggunakan software Eviews 8. Objek penelitian yang dilakukan
dalam penelitian ini adalah Perusahaan Sektor Pertanian yang ada di
Indonesia pada tahun 2013-2019. Sebagaimana yang telah disebutkan
sebelumnya, Perusahaan Sektor Pertanian di Indonesia pada tahun tersebut
sejumlah 21 Perusahaan. Sehubungan dengan sampling yang digunakan
adalah purposive sampling, maka setelah melalui penyaringan dengan
kriteria yang telah ditentukan oleh peneliti sehingga tersisa 7 perusahaan
yang digunakan sebagai sampel dalam penelitian ini selama tahun 2013-
2019. Gambaran hasil penyeleksian sampel penelitian adalah sebagai
berikut:
Tabel 4.1. Hasil Penyeleksian Sampel Penelitian
No Kode Saham Nama Emiten
1 BISI Bisi International Tbk.
2 SGRO Sampoerna Agro Tbk.
3 SIMP Salim Inomas Pratama Tbk.
4 SSMS Sawit Sumbermas Sarana Tbk.
5 SMAR Smart Tbk.
6 TBLA Tunas Baru Lampung Tbk.
7 UNSP Bakrie Sumatera Plantions Tbk.
85
B. Temuan Hasil Penelitian
1. Deskriptif Variabel Penelitian
Pada bagian ini akan digambarkan atau dideskripsikan dari data
masing-masing variabel yang menampilkan karakteristik dari sampel
yang digunakan dalam penelitian ini. Karakteristik sampel tersebut
meliputi, observasi, nilai rata-rata (mean), nilai maksimum, minimum,
dan Std.Deviation. Deskripsi dalam penelitian meliputi 7 variabel,
yaitu: Growth Opportunity (GO), Financial Distress (FD), Debt (DE),
Leverage (LV), Firm size (FZ), Liquidity (LQ), Profitability (PR).
Perhitungan data variabel pada penelitian ini adalah sebagai berikut:
Tabel 4.2. Tabel Analisis Deskriptif
GO FD DE LV FZ LQ PR
BISI
Obs. 196 196 196 196 196 196 196
Mean 4.03 3.55 2.04 7.19 2.17 6.53 4.33
Maximum 9.10 9.80 9.70 157.0 2.85 8.97 9.61
Minimum 0.80 1.04 1.16 1.04 1.58 1.22 1.08
Std.Dev. 2.59 2.57 2.13 29.36 0.40 1.93 2.87
SGRO
Obs. 196 196 196 196 196 196 196
Mean 4.32 2.89 4.84 3.53 6.61 3.60 4.02
Maximum 9.62 7.30 5.73 9.99 9.46 9.18 9.26
Minimum 1.06 1.03 2.67 1.03 1.11 1.02 1.04
Std.Deviation 2.69 1.23 0.83 3.11 2.27 3.16 2.43
86
SIMP
Obs. 196 196 196 196 196 196 196
Mean 3.13 3.79 4.61 8.60 3.21 5.81 3.61
Maximum 8.25 9.64 4.97 9.89 3.55 9.66 9.91
Minimum 1.03 0.90 3.94 6.51 2.65 1.07 1.23
Std.Deviation 1.95 2.75 0.25 0.84 0.27 3.46 2.55
SSMS
Obs. 196 196 196 196 196 196 196
Mean 3.47 3.51 5.64 3.25 1.96 3.60 4.66
Maximum 9.34 8.10 9.41 7.04 5.77 9.85 9.41
Minimum 1.00 1.03 2.32 1.11 1.11 1.34 1.01
Std.Deviation 2.69 2.35 2.33 1.57 0.90 1.87 2.72
SMAR
Obs. 196 196 196 196 196 196 196
Mean 3.18 3.55 3.69 4.22 2.32 1.37 3.27
Maximum 9.36 9.00 6.47 8.17 2.93 3.03 8.87
Minimum 1.06 1.04 2.32 1.23 1.21 1.01 1.00
Std.Deviation 2.03 2.62 1.23 1.80 0.48 0.45 2.00
TBLA
Obs. 196 196 196 196 196 196 196
Mean 3.77 4.36 6.74 2.30 4.08 1.40 3.15
Maximum 9.88 9.90 7.28 2.68 9.80 2.25 6.81
Minimum 1.04 1.04 1.41 1.66 1.04 1.04 1.21
87
Std.Deviation 2.77 2.83 1.07 0.24 3.07 0.37 1.66
UNSP
Obs. 196 196 196 196 196 196 196
Mean 4.01 3.66 5.36 2.43 1.62 3.41 3.63
Maximum 8.89 9.63 9.64 9.90 2.10 9.86 9.80
Minimum 1.45 1.15 1.03 1.03 1.31 1.00 1.13
Std.Deviation 1.88 2.48 3.21 1.81 0.26 3.14 2.26
Rata-rata 3.70 3.62 4.70 4.50 3.14 3.67 3.81
Maximun 9.88 9.90 9.70 157 9.80 9.86 9.91
Minimum 0.80 0.90 1.03 1.03 1.04 1.00 1.00
Std.
Deviation 2.40 2.45 2.29 11.27 2.19 2.97 2.40
Sumber: Output Eviews 8.0 (data diolah)
88
Berdasarkan hasil tabel 4.2 di atas secara keseluruhan, seluruh
perusahaan yang dianalisis sebagian besar menggunakan hedging. GO
memiliki rata-rata 3.70% dan nilai maksimum sebesar 9.88% yang
berarti perusahaan mengalami pertumbuhan yang besar. Dimana nilai
tertinggi terdapat pada perusahaan Tunas Baru Lampung Tbk.
(TBLA) yang mengedepankan pada distributor produk konsumen
berbasis pertanian di Indonesia di bidang perkebunan kelapa sawit,
nanas dan tebu. Nilai minimum sebesar 0.80%, dimana nilai terendah
terdapat pada perusahaan Bakrie Sumatera Plantions Tbk. (UNSP)
yang mengedepankan di bidang perkebunan kelapa sawit dan karet.
GO memiliki tingkat risiko sebesar 2.40% yang berati perusahaan
dihadapkan pada risiko valas.
FD memiliki rata-rata 3.62% dan nilai maksimum sebesar 9.90%
yang berarti perusahaan sektor pertanian terdapat pada posisi baik atau
aman dari potensi kebangkrutan. Dimana nilai tertinggi terdapat pada
perusahaan Salim Inomas Pratama Tbk. (SIMP) yang mengedepankan
pada perkebunan tebu, kakao, kelapa sawit, dan teh. Nilai minimum
sebesar 0.90%, dimana nilai terendah terdapat pada perusahaan Bisi
International Tbk. (BISI) yang mengedepankan pada produsen benih
hibrida untuk jagung, padi dan holtikultura, pupuk. FD memiliki
tingkat risiko sebesar 2.45% yang berarti perusahaan sektor ini
terdapat pada kondisi keuangan yang membutuhkan perhatian khusus.
DE memiliki rata-rata 4.70% dan nilai maksimum sebesar 9.70%
yang berarti perusahaan mampu mengelola utangnya lebih baik. Nilai
89
tertinggi terdapat pada perusahaan Bakrie Sumatera Plantions Tbk.
(UNSP) yang mengedepankan di bidang perkebunan kelapa sawit dan
karet. Nilai minimum sebesar 1.03%, dimana nilai terendah terdapat
pada perusahaan Bisi International Tbk. (BISI) yang mengedepankan
pada produsen benih hibrida untuk jagung, padi dan holtikultura,
pupuk. DE memiliki tingkat risiko sebesar 2.29% yang berarti
perusahaan dihadapkan pada risiko utang jangka pendek sehingga
mendorong perusahaan untuk menggunakan hedging.
LV memiliki rata-rata 4.50% dan nilai maksimum sebesar 157%
yang berarti perusahaan sektor pertanian memiliki kemampuan
mengelola dana terhadap aset perusahaan. Dimana nilai tertinggi
terdapat pada perusahaan Sampoerna Agro Tbk. (SGRO) yang
bergerak di bidang perkebunan kelapa sawit dan karet. Nilai
minimum sebesar 1.03%, dimana nilai terendah terdapat pada
perusahaan Sampoerna Agro Tbk. (SGRO). LV memiliki tingkat
risiko sebesar 11.27% yang berarti perusahaan dihadapkan pada risiko
utang dan fluktuasi nilai tukar mata uang asing.
FZ memiliki rata-rata 3.14% dan nilai maksimum sebesar 9.80%
yang berarti perusahaan sektor pertanian memiliki ekspansi yang lebih
luas. Dimana nilai tertinggi terdapat pada perusahaan Tunas Baru
Lampung Tbk. (TBLA) yang mengedepankan pada distributor produk
konsumen berbasis pertanian di Indonesia di bidang perkebunan
kelapa sawit, nanas dan tebu. Nilai minimum sebesar 1.04%, dimana
nilai terendah terdapat pada perusahaan Tunas Baru Lampung Tbk.
90
(TBLA). FZ memiliki tingkat risiko sebesar 2.19% yang berarti
perusahaan dihadapkan pada risiko tingkat penjualan yang tinggi yang
disebabkan memiliki skala ukuran perusahaan yang besar.
LQ memiliki rata-rata 3.67% dan nilai maksimum sebesar 9.86%
yang berarti perusahaan sektor pertanian memiliki kemampuan dalam
mengelola kewajiban jangka pendeknya. Dimana nilai tertinggi
terdapat pada perusahaan Bakrie Sumatera Plantions Tbk. (UNSP)
yang mengedepankan di bidang perkebunan kelapa sawit dan karet.
Nilai minimum sebesar 1.00%, dimana nilai terendah terdapat pada
perusahaan Bakrie Sumatera Plantions Tbk. (UNSP). LQ memiliki
tingkat risiko sebesar 2.97%, yang berarti perusahaan dihadapkan
pada risiko likuiditas dalam membayar kewajiban jangka pendeknya.
PR memiliki rata-rata 3.81% dan nilai maksimum sebesar 9.91%
yang berarti perusahaan sektor pertanian memiliki kemampuan dalam
mengelola laba perusahaan. Dimana nilai tertinggi terdapat pada
perusahaan Salim Inomas Pratama Tbk. (SIMP) yang mengedepankan
di bidang agribisnis dalam pemuliaan benih bibit, pembudidayaan dan
pengolahan kelapa sawit. Nilai minimum sebesar 1.00%, dimana nilai
terendah terdapat pada perusahaan Bakrie Sumatera Plantions Tbk.
(UNSP) yang mengedepankan di bidang perkebunan kelapa sawit dan
karet. PR memiliki tingkat risiko sebesar 2.40%, yang berarti
perusahaan dihadapkan pada risiko profitabilitas yang dapat
menurunkan nilai laba perusahaan.
91
2. Uji Model Regresi Data Panel
Analisis model data panel dalam penelitian ini dilakukan dengan
lima model yaitu common effect, fixed effect, uji chow, random effect,
dan uji hausman
a. Common Effect
Langkah pertama adalah dengan melakukan olah data
menggunakan pendekatan Common Effect Model (CEM).
Hasil pengolah menggunakan program Eviews 8.0 seperti
pada tabel 4.3 di bawah ini:
Tabel 4.3. Hasil Regresi Data Panel Menggunakan Common
Effect
Dependent Variable: HEDGING
Method: Panel Least Squares
Date: 05/13/20 Time: 19:55
Sample: 2013Q1 2019Q4
Periods included: 28
Cross-sections included: 7
Total panel (balanced) observations: 196 Variable Coefficient Std. Error t-Statistic Prob. HEDGING 147.3081 31.80097 4.632188 0.0000
GO -0.039929 0.033649 -1.186615 0.2369
FD 0.027365 0.035564 0.769463 0.4426
DE -0.035850 0.035632 -1.006105 0.3157
LV -0.064524 0.028784 -2.241668 0.0262
FZ -0.035371 0.036223 -0.976475 0.3301
LQ 0.048000 0.027565 1.741360 0.0833
PR -0.063321 0.033104 -1.912775 0.0573 R-squared 0.079232 Mean dependent var 83.13776
Adjusted R-squared 0.044949 S.D. dependent var 109.7286
S.E. of regression 107.2342 Akaike info criterion 12.22787
Sum squared resid 21.61844 Schwarz criterion 12.36167
Log likelihood -1190.331 Hannan-Quinn criter. 12.28204
F-statistic 2.311068 Durbin-Watson stat 1.183533
Prob(F-statistic) 0.000000
Sumber: Ouput Eviews 8.0 (data diolah)
92
b. Fixed Effect
Langkah kedua dilakukan pengolahan data menggunakan
pendekatan Fixed Effect Model (FEM).
Hasil pengolahan menggunakan program Eviews 8.0 seperti
pada tabel 4.4 di bawah ini:
Tabel 4.4. Hasil Regresi Data Panel Menggunakan Fixed Effect
Dependent Variable: HEDGING
Method: Panel Least Squares
Date: 05/13/20 Time: 19:56
Sample: 2013Q1 2019Q4
Periods included: 28
Cross-sections included: 7
Total panel (balanced) observations: 196 Variable Coefficient Std. Error t-Statistic Prob. HEDGING 130.8931 41.68626 3.139958 0.0000
GO 0.033773 0.033636 1.004070 0.0123
FD 0.024784 0.035805 0.692193 0.0000
DE 0.039073 0.047152 0.828665 0.0002
LV 0.101734 0.048330 2.104991 0.0415
FZ 0.031850 0.054021 0.589585 0.0000
LQ -0.031407 0.033371 -0.941168 0.0014
PR 0.065455 0.033434 1.957741 0.0000 Effects Specification Cross-section fixed (dummy variables) R-squared 0.986899 Mean dependent var 83.13776
Adjusted R-squared 0.864534 S.D. dependent var 109.7286
S.E. of regression 106.1289 Akaike info criterion 12.23594
Sum squared resid 20.49930 Schwarz criterion 12.47009
Log likelihood -1185.122 Hannan-Quinn criter. 12.33073
F-statistic 2.034791 Durbin-Watson stat 1.202275
Prob(F-statistic) 0.000249
Sumber: Output Eviews 8.0 (data diolah)
c. Uji Chow
Langkah selanjutnya adalah dilakukan pengujian untuk
memilih model data panel yang akan digunakan. Untuk memilih
common effect atau fixed effect maka digunakan uji likelihood
93
atau uji chow. Jika probabilitasnya > 0,05 maka H0 diterima,
artinya model yang terpilih adalah common effect. Dan
sebaliknya, jika probabilitas < 0,05 maka H0 ditolak dan Ha
diterima, artinya model yang terpilih adalah fixed effect.
Berikut ini merupakan hasil dari uji chow:
Tabel 4.5. Hasil Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 10.139888 (6,153) 0.0000
Cross-section Chi-square 55.909432 6 0.0000
Sumber: Ouput Eviews 8.0 (data diolah)
Nilai yang harus diperhatikan pada uji chow adalah nilai
probabilitas dari F-Statistik. Hipotesis yang digunakan dalam uji
chow adalah sebagai berikut:
H0 : Common Effect Model
Ha : Fixed Effect Model
Berdasarkan tabel 4.5 di atas, model yang terpilih untuk
sementara adalah fixed effect. Hal ini dikarenakan nilai
probabilitasnya adalah < 0,05 (0,0000 < 0,05) yang berarti H0
ditolak dan Ha diterima.
d. Random Effect
Setelah dilakukannya uji chow, maka dilakukan pengolahan
data dengan metode pendekatan Random Effect Model (REM)
untuk dibandingan dengan Fixed Effect Model (FEM). Adapun
94
hasil pengolahan dari program Eviews 8.0 didapatkan data
sebagai berikut:
Tabel 4.6. Hasil Regresi Data Panel Menggunakan Random Effect
Dependent Variable: HEDGING
Method: Panel EGLS (Cross-section random effects)
Date: 05/13/20 Time: 19:57
Sample: 2013Q1 2019Q4
Periods included: 28
Cross-sections included: 7
Total panel (balanced) observations: 196
Wallace and Hussain estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. HEDGING 141.8544 34.10669 4.159137 0.0000
GO -0.038276 0.033495 -1.142759 0.2546
FD 0.026008 0.035466 0.733305 0.4643
DE -0.017093 0.038391 -0.445224 0.6567
LV -0.072851 0.032770 -2.223141 0.0274
FZ -0.034722 0.040355 -0.860424 0.3907
LQ 0.046902 0.029028 1.615747 0.1078
PR -0.063557 0.033094 -1.920508 0.0563 Effects Specification
S.D. Rho Cross-section random 15.95506 0.0219
Idiosyncratic random 106.5231 0.9781 Weighted Statistics R-squared 0.068420 Mean dependent var 65.15540
Adjusted R-squared 0.033734 S.D. dependent var 108.3279
S.E. of regression 106.4850 Sum squared resid 2131744.
F-statistic 1.972532 Durbin-Watson stat 1.187615
Prob(F-statistic) 0.000831 Unweighted Statistics R-squared 0.077149 Mean dependent var 83.13776
Sum squared resid 2166735. Durbin-Watson stat 1.168436
Sumber: Ouput Eviews 8.0 (data diolah)
95
e. Uji Hausman
Langkah selanjutnya adalah memilih metode data panel yang
akan digunakan yaitu uji hausman. Uji hausman ini dilakukan
untuk menentukkan model pendekatan yang digunakan fixed
effect atau random effect. Hipotesis yang digunakan dalam uji
hausman adalah sebagai berikut:
H0 : Random Effect Model
Ha : Fixed Effect Model
Jika nilai probabilitasnya > 0,05 maka H0 diterima atau mdoel
yang digunakan adalah pendekatan random effect.
Jika nilai probabilitas < 0,05 maka H0 ditolak, artinya model
regresi data panel yang tepat digunakan adalah fixed effect.
Berikut ini merupakan hasil uji hausman:
Tabel 4.7. Hasil Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 2.210080 7 0.0000 Sumber: Output Eviews 8.0 (data diolah)
Berdasarkan tabel 4.6 di atas, maka model yang terpilih adalah
Fixed Effect. Hal ini dikarenakan angka probabilitasnya < 0.05
(0.0000 < 0.05), yang berarti H0 ditolak dan Ha diterima.
96
3. Uji Asumsi Klasik
a. Uji Normalitas
Tabel 4.8
0
1
2
3
4
5
6
-150 -100 -50 0 50 100 150
Series: ResidualsSample 2013Q1 2019Q4Observations 196
Mean 7.30e-15Median -5.403982Maximum 155.1882Minimum -144.9434Std. Dev. 62.30746Skewness 0.386122Kurtosis 3.652975
Jarque-Bera 1.193192Probability 0.550683
Sumber: Ouput Eviews 8.0 (data diolah)
Berdasarkan histogram Uji Normalitas di atas dapat
diketahui bahwa probability Jarque-Bera > 0.05 (0.550683 >
0.05), artinya data pada penelitian ini berdistrbusi secara
normal. Oleh karena itu tidak perlu dilakukan perbaikan atas
data outlier.
b. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk mengetahui ada
tidaknya hubungan antar variabel bebas. Pada asumsi ini
diharapkan dapat dilakukan dengan melihat nilai korelasi antar
variabel bebas. Pengujian asumsi multikolinearitas dilakukan
dengan melihat Variance Inflation Factor (VIF). Jika nilai VIF
< 10 maka model dinyatakan tidak terdapat gejala
multikolinearitas.Berikut ini adalah pengujian multikolinieritas
menggunakan Centered VIF:
97
Tabel 4.9. Hasil Uji Multikolinearitas
Variance Inflation Factors
Date: 04/11/20 Time: 08:29
Sample: 2013Q1 2019Q4
Included observations: 196
Coefficient Uncentered Centered
Variable Variance VIF VIF
HEDGING 12096.21 72.87913 NA
GO 0.004774 4.971847 1.508836
FD 0.009463 4.929907 2.189345
DE 2.085956 265.7541 8.755265
LV 0.925689 158.1793 7.519797
FZ 0.332173 98.16806 3.088118
LQ 0.004924 13.75372 1.074090
PR 0.002238 3.608385 1.077198
Sumber: Ouput Eviews 8.0 (data diolah)
Berdasarkan hasil uji multikolinearitas di atas, terlihat
bahwa nilai Centered VIF lebih kecil dari 10. Dengan
demikian model regresi yang terbentuk tidak mengandung
gejala multikolinearitas.
c. Uji Heteroskedastisitas
Asumsi heteroskedastisitas digunakan untuk mengetahui
apakah residual memiliki ragam yang homogen (konstan) atau
tidak. Pengujian asumsi heteroskedastisitas diharapkan residual
memiliki ragam yang homogen. Pengujian asumsi
heteroskedastisitas dapat dilihat melalui uji Breusch-Pagan-
Godfrey. Berikut ini adalah hasil pengujian asumsi
heteroskedastisitas:
98
Tabel 4.10. Hasil Uji Heteroskedastisitas
Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic 2.701685 Prob. F(9,18) 0.2482
Obs*R-squared 13.00085 Prob. Chi-Square(9) 0.2330
Scaled explained SS 6.540210 Prob. Chi-Square(9) 0.2156
Sumber :Output Eviews 8.0 (data diolah)
Kriteria pengujian menyatakan jika semua probabilitas
(Obs* ) > level of significance (α) maka dapat dinyatakan
bahwa residual menyebar secara acak atau memiliki ragam
yang homogen, sehingga dapat dinyatakan asumsi
heteroskedastisitas terpenuhi. Berdasarkan hasil uji asumsi
heteroskedastisitas menggunakan uji Breusch-Pagan-Godfrey
diperoleh nilai Obs* sebesar 13.00085 dengan probabilitas
sebesar 0.2330. Hasil ini menunjukkan bahwa probabilitas >
level of significance (level α = 5%). Hal ini berarti residual
memiliki ragam homogen. Dengan demikian asumsi
heteroskedastisitas terpenuhi.
d. Uji Autokorelasi
Asumsi autokorelasi bertujuan untuk menguji apakah pada
korelasi antarkeseluruhan pengganggu (residual) pada periode
t dengan kesalahan pada periode t-1 (sebelumnya). Uji
autokorelasi diharapkan observasi residual tidak saling
berkorelasi. Pengujian asumsi autokorelasi dapat dilihat
melalui Lagrange Multiplier Test (LM Test). Berikut ini
adalah hasil pengujian asumsi autokorelasi:
99
Tabel 4.11. Hasil Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.253443 Prob. F(2,16) 0.7792
Obs*R-squared 0.859813 Prob. Chi-Square(2) 0.6506
Sumber: Output Eviews 8.0 (data diolah)
Kriteria pengujian menyatakan jika semua probabilitas
(Obs* > level of significance (α) atau (Obs* 0,05
maka dapat dinyatakan bahwa observasi residual tidak saling
berkorelasi, sehingga dapat dinyatakan asumsi autokorelasi
terpenuhi. Hasil pengujian asumsi autokorelasi menggunakan
Lagrange Multiplier Test (LM Test) diperoleh nilai
Obs* sebesar 0.859813 dengan probabilitas sebesar 0.6506.
Hasil ini menunjukkan bahwa kedua probabilitas > level of
significance (level α = 5%). Dengan demikian dapat
dinyatakan bahwa antar observasi residual tidak saling
berkorelasi, sehingga asumsi autokorelasi terpenuhi.
4. Pengujian Hipotesis dengan Analisis Regresi Data Panel
a. Pengaruh Variabel Growth Opportunity, Financial
Distress, Debt, Leverage, Firm Size, Liquidity, dan
Profitability terhadap penggunaan Hedging secara parsial
(uji t).
Uji t dilakukan untuk menunjukkan seberapa jauh Growth
Opportunity, Financial Distress, Debt, Leverage, Firm Size,
Liquidity, dan Profitability secara parsial terhadap Hedging.
Pengujian secara parsial digunakan untuk menguji apakah
100
pengaruh variabel independen terhadap variabel dependen.
Jika nilai probabilitas > 0,05 atau 5% maka secara parsial
variabel independen tidak berpengaruh signifikan terhadap
variabel dependen. Sedangkan jika nilai probabilitas < 0,05
atau 5% maka secara parsial variabel independen berpengaruh
signifikan terhadap variabel dependen. Uji hipotesis secara
parsial dapat dilihat dari tabel berikut:
Tabel 4.12. Hasil Uji t
Dependent Variable: HEDGING
Method: Panel Least Squares
Date: 05/13/20 Time: 19:56
Sample: 2013Q1 2019Q4
Periods included: 28
Cross-sections included: 7
Total panel (balanced) observations: 196 Variable Coefficient Std. Error t-Statistic Prob. HEDGING 130.8931 41.68626 3.139958 0.0000
GO 0.033773 0.033636 1.004070 0.0123
FD 0.024784 0.035805 0.692193 0.0000
DE 0.039073 0.047152 0.828665 0.0002
LV 0.101734 0.048330 2.104991 0.0415
FZ 0.031850 0.054021 0.589585 0.0000
LQ -0.031407 0.033371 -0.941168 0.0014
PR 0.065455 0.033434 1.957741 0.0000 Effects Specification Cross-section fixed (dummy variables) R-squared 0.986899 Mean dependent var 83.13776
Adjusted R-squared 0.864534 S.D. dependent var 109.7286
S.E. of regression 106.1289 Akaike info criterion 12.23594
Sum squared resid 20.49930 Schwarz criterion 12.47009
Log likelihood -1185.122 Hannan-Quinn criter. 12.33073
F-statistic 2.034791 Durbin-Watson stat 1.202275
Prob(F-statistic) 0.000249
Sumber: Output Eviews 8.0 (data diolah
101
Berdasarkan tabel di atas, maka dapat ditarik kesimpulan
sebagai berikut:
1) Pengaruh Growth Opportunity (GO) terhadap Penggunaan
Hedging
Hasil pengujian dengan analisis regresi data panel di atas
menunjukkan bahwa nilai coefficient GO sebesar 1.004070
yang menunjukkan bahwa arah koefisien positif, sedangkan
probabilitas GO sebesar 0.0123 < 0.05 menyebabkan H0 ditolak
dan Ha diterima. Sehingga dapat disimpulkan bahwa GO
berpengaruh signifikan terhadap penggunaan hedging.
2) Pengaruh Financial Distress (FD) terhadap Penggunaan
Hedging
Hasil pengujian dengan analisis data panel di atas
menunjukkan bahwa nilai coefficient FD sebesar 0.692193 yang
menunjukkan bahwa arah koefisien positif, sedangkan
probabilitas FD sebesar 0.0000 < 0.05 menyebabkan H0 ditolak
dan Ha diterima. Sehingga dapat disimpulkan bahwa FD
berpengaruh signifikan terhadap penggunaan hedging.
3) Pengaruh Debt (DE) terhadap Penggunaan Hedging
Hasil pengujian dengan analisis data panel di atas
menunjukkan bahwa nilai coefficient DE yang diproksikan
dengan DAR sebesar 0.828665 yang menunjukkan bahwa arah
koefisien positif, sedangkan probabilitas DAR sebesar 0.0002 <
0.05 menyebabkan H0 ditolak dan Ha diterima. Sehingga dapat
102
disimpulkan bahwa DE berpengaruh signifikan terhadap
penggunaan hedging.
4) Pengaruh Leverage (LV) terhadap Penggunaan Hedging
Hasil pengujian dengan analisis data panel di atas
menunjukkan bahwa nilai coefficient LV yang diproksikan
dengan DER sebesar 2.104991 yang menunjukkan bahwa arah
koefisien positif, sedangkan probabilitas LV sebesar 0.0415 <
0.05 menyebabkan H0 ditolak dan Ha diterima. Sehingga dapat
disimpulkan bahwa LV berpengaruh signifikan terhadap
penggunaan hedging.
5) Pengaruh Firm Size (FZ) terhadap Penggunaan Hedging
Hasil pengujian dengan analisis data panel di atas
menunjukkan bahwa nilai coefficient FZ sebesar 0.589585 yang
menunjukkan bahwa arah koefisien positif, sedangkan
probabilitas FZ sebesar 0.0000 < 0.05 menyebabkan H0 ditolak
dan Ha diterima. Sehingga dapat disimpulkan bahwa FZ
berpengaruh signifikan terhadap penggunaan hedging.
6) Pengaruh Liquidity (LQ) terhadap Penggunaan Hedging
Hasil pengujian dengan analisis data panel di atas
menunjukkan bahwa nilai coefficient LQ sebesar -0.941168
menunjukkan bahwa arah koefisien negatif, sedangkan
probabilitas LQ sebesar 0.0014 < 0.05 menyebabkan H0 ditolak
103
dan Ha diterima. Sehingga dapat disimpulkan bahwa LQ
berpengaruh signifikan terhadap penggunaan hedging.
7) Pengaruh Profitability (PR) terhadap Penggunaan Hedging
Hasil pengujian dengan analisis data panel di atas
menunjukkan bahwa nilai coefficient PR sebesar 1.957741
menunjukkan arah koefisien positif, sedangkan probabilitas PR
sebesar 0.0000 < 0.05 menyebabkan H0 ditolak dan Ha diterima.
Sehingga dapat disimpulkan bahwa PR berpengaruh signifikan
terhadap penggunaan hedging.
b. Pengaruh variabel Growth Opportunity, Financial
Distress, Debt, Leverage, Firm Size, Liquidity, dan
Profitability terhadap Penggunaan Hedging secara
simultan (Uji F)
Uji F digunakan untuk mengetahui Growth Opportunity,
Financial Distress, Debt, Leverage, Firm Size, Liquidity, dan
Profitability terhadap Hedging secara simultan (Uji F). Uji F
digunakan untuk melihat seberapa besar pengaruh variabel
independen secara keseluruhan atau bersama sama terhadap
variabel dependen. Apabila probabilitas > level of
significance (0,05) maka H0 diterima dan Ha ditolak sehingga
dapat disimpulkan bahwa variabel independen secara
simultan tidak berpengaruh signifikan terhadap variabel
dependen. Sedangkan apabila probabilitas < level of
significance (0,05) maka H0 ditolak dan Ha diterima sehingga
104
dapat disimpulkan bahwa variabel independen berpengaruh
signifikan secara simultan terhadap variabel dependen. Uji
hipotesis secara simultan dapat dilihat dari tabel berikut:
Tabel 4.13. Hasil Uji F
Effects Specification Cross-section fixed (dummy variables)
R-squared 0.986899 Mean dependent var 83.13776
Adjusted R-squared 0.864534 S.D. dependent var 109.7286
S.E. of regression 106.1289 Akaike info criterion 12.23594
Sum squared resid 20.49930 Schwarz criterion 12.47009
Log likelihood -1185.122 Hannan-Quinn criter. 12.33073
F-statistic 2.034791 Durbin-Watson stat 1.202275
Prob(F-statistic) 0.000249
Sumber: Output Eviews 8.0 (data diolah)
Dengan hipotesis:
H0 : GO, FD, DE, LV, FZ, LQ, dan PR secara simultan
tidak berpengaruh signifikan terhadap Hedging
Ha : GO, FD, DE, LV, FZ, LQ, dan PR secara simultan
berpengaruh signifikan terhadap Hedging
Berdasarkan hasil uji F dapat dilihat bahwa nilai
probabilitas F-statistic sebesar 0.000249, sehingga H0 ditolak dan
Ha diterima. Dengan demikian dapat disimpulkan bahwa secara
simultan terdapat pengaruh yang signifikan antara variabel
independen (GO, FD, DE, LV, FZ, LQ, dan PR) terhadap
penggunaan hedging.
105
5. Koefisien Determinasi (Adjusted )
Koefisien determinasi digunakan untuk mengetahui seberapa
besar kemampuan model dalam penelitian menerangkan variabel
dependen. Koefisien determinasi dapat dilihat pada tabel berikut:
Tabel 4.14. Hasil Uji Adjusted R-Square
R-Squared 0.986899
Adjusted R-squared 0.864534
Sumber: Output Eviews 8.0 (data diolah)
Berdasarkan tabel 4.13 di atas besarnya nilai Adjusted R-
square adalah 0.864534. Hal ini menunjukkan bahwa Hedging
dapat dijelaskan oleh variabel (GO, FD, DE, LV, FS, LQ, dan
PR) sebesar 86.45%. Sedangkan sisanya (100% - 86.45% =
13.55%) dijelaskan oleh faktor lain diluar variabel penelitian.
106
C. Pembahasan
Tabel 4.15. Hasil Regresi Data Panel Fixed Effect
Dependent Variable: HEDGING
Method: Panel Least Squares
Date: 05/13/20 Time: 19:56
Sample: 2013Q1 2019Q4
Periods included: 28
Cross-sections included: 7
Total panel (balanced) observations: 196 Variable Coefficient Std. Error t-Statistic Prob. HEDGING 130.8931 41.68626 3.139958 0.0000
GO 0.033773 0.033636 1.004070 0.0123
FD 0.024784 0.035805 0.692193 0.0000
DE 0.039073 0.047152 0.828665 0.0002
LV 0.101734 0.048330 2.104991 0.0415
FZ 0.031850 0.054021 0.589585 0.0000
LQ -0.031407 0.033371 -0.941168 0.0014
PR 0.065455 0.033434 1.957741 0.0000 Effects Specification Cross-section fixed (dummy variables) R-squared 0.986899 Mean dependent var 83.13776
Adjusted R-squared 0.864534 S.D. dependent var 109.7286
S.E. of regression 106.1289 Akaike info criterion 12.23594
Sum squared resid 20.49930 Schwarz criterion 12.47009
Log likelihood -1185.122 Hannan-Quinn criter. 12.33073
F-statistic 2.034791 Durbin-Watson stat 1.202275
Prob(F-statistic) 0.000249
Sumber: Output Eviews 8.0 (data diolah) Berdasarkan Tabel 4.15 di atas, maka dapat diperoleh
persamaan model regresi antara variabel dependen (Hedging) dan
variabel independen (GO, FD, DE, LV, FZ, LQ, dan PR) sebagai
berikut:
Hedgingit = 130.8931HEDGit + 0.033773GOit + 0.024784FDit +
0.039073DEit + 0.101734LVit + 0.031850FZit - 0.031407LQit +
0.065455PRit + eit
Dari persamaan di atas dapat dijelaskan bahwa:
107
a. Konstanta sebesar 130.8931 menunjukkan bahwa jika variabel
indepeden (GO, FD, DE, LV, FZ, LQ, dan PR) pada observasi
ke i dan periode ke t adalah konstanta, maka nilai Hedging
adalah 130.8931.
b. Koefisien regresi sebesar 0.033773 menunjukkan bahwa jika
nilai GO pada observasi ke i dan periode ke t meningkat
sebesar 1% maka nilai Hedging akan meningkat pada
observasi ke i dan periode ke t sebesar 0.033773.
c. Koefisien regresi sebesar 0.024784 menunjukkan bahwa jika
nilai FD pada observasi ke i dan periode ke t meningkat
sebesar 1% maka nilai Hedging akan meningkat pada
observasi ke i dan periode ke t sebesar 0.024784.
d. Koefisien regresi sebesar 0.039073 menunjukkan bahwa jika
nilai DE pada observasi ke i dan periode ke t meningkat
sebesar 1% maka nilai Hedging akan meningkat pada
observasi ke i dan periode ke t sebesar 0.039073.
e. Koefisien regresi sebesar 0.101734 menunjukkan bahwa jika
nilai LV pada observasi ke i dan periode ke t meningkat
sebesar 1% maka nilai Hedging akan meningkat pada
observasi ke i dan periode ke t sebesar 0.101734.
f. Koefisien regresi sebesar 0.031850 menunjukkan bahwa jika
nilai FZ pada observasi ke i dan periode ke t meningkat
sebesar 1% maka nilai Hedging akan meningkat pada
observasi ke i dan periode ke t sebesar 0.031850.
108
g. Koefisien regresi sebesar -0.031407 menunjukkan bahwa jika
nilai LQ pada observasi ke i dan periode ke t meningkat
ebesar 1% maka nilai Hedging akan meningkat pada observasi
ke i dan periode ke t sebesar -0.031407.
h. Koefisien regresi sebesar 0.065455 menunjukkan bahwa jika
nilai PR pada observasi ke i dan periode ke t meningkat
sebesar 1% maka akan nilai Hedging akan meningkat pada
observasi ke i dan periode ke t sebesar 0.065455.
6. Interpretasi Hasil Penelitian
Berdasarkan pengujian hipotesis hasil penelitian yang telah
dilakukan untuk mengetahui pengaruh Growth Opportunity,
Financial Distress, Debt, Leverage, Firm Size, Liquidity, dan
Profitability terhadap Hedging pada Perusahaan Sektor Pertanian
Indonesia periode 2013-2019 akan dijabarkan sebagai berikut:
1. Pengaruh Growth Opportunity (GO) terhadap Penggunaan
Hedging
Hasil penelitian menunjukkan bahwa H01 ditolak dan Ha1
diterima yang artinya variabel GO berpengaruh signifikan
terhadap penggunaan Hedging. Hal ini dibuktikan dengan hasil
uji hipotesis dengan nilai signifikansi lebih kecil dari nilai α
(0.0123 < 0.05). GO yang meningkat menyebabkan penggunaan
hedging meningkat, yang berarti perusahaan pada sektor pertanian
mengedepankan pertumbuhan perusahaan yang baik dengan
melakukan ekspansi, dan melakukan ekspor-impor. GO yang
109
meningkat menyebabkan perusahaan dihadapkan dengan risiko
valas karena memerlukan dana yang besar baik dana internal
maupun eksternal untuk membiayai pertumbuhannya, maka
penggunaan hedging meningkat.
Hasil penelitian ini didukung oleh penelitian Astyrianti dan
Sudiartha (2017), dalam penelitian ini metode yang digunakan
adalah regresi berganda, hasil penelitian ini menunjukkan bahwa
leverage, kesempatan tumbuh, dan likuiditas berpengaruh positif
signifikan sedangkan kebijakan dividen berpengaruh negatif
siginifikan terhadap keputusan hedging pada PT. Uniliver Tbk.
Saragih dan Musdholifah (2017), dalam penelitian ini metode
yang digunakan adalah regresi logistik, hasil penelitian ini
menunjukkan bahwa growth opportunity, likuiditas, dan firm size
berpengaruh positif terhadap keputusan hedging pada perusahaan
Perbankan Indonesia. Tang (2019), dalam penelitian ini metode
yang digunakan adalah panel, hasil penelitian ini menunjukkan
bahwa MV, Tobin_q, sales growth, leverage, dividend,
profitability, cash, age berpengaruh terhadap penggunaan
hedging, sehingga hedging menguntungkan perusahaan yang
inovatif dalam jangka waktu yang panjang pada perusahaan yang
terdaftar NBER (National Bureau of Economics Research).
110
2. Pengaruh Financial Distress (FD) Terhadap Penggunaan
Hedging
Hasil penelitian menunjukkan bahwa H02 ditolak dan Ha2
diterima yang artinya variabel FD berpengaruh signifikan
terhadap penggunaan Hedging. Hal ini dibuktikan dengan hasil
uji hipotesis dengan nilai signifikansi lebih kecil dari nilai α
(0.0000 < 0.05). FD yang meningkat menyebabkan penggunaan
hedging meningkat, yang berarti perusahaan sektor pertanian
mengedepankan posisi perusahaan dari risiko kebangkrutan. FD
yang meningkat menyebabkan perusahaan dihadapkan risiko
kesulitan keuangan, maka penggunaan hedging pada perusahaan
meningkat.
Hasil penelitian ini didukung oleh Vicentia et al. (2019),
dalam penelitian ini metode yang digunakan adalah regresi
logistik, hasil penelitian ini menunjukkan bahwa leverage, growth
opportunity, dan financial distress berpengaruh positif signifikan,
sedangkan fluktuasi nilai tukar berpengaruh negatif signifikan
terhadap pengambilan keputusan hedging menggunakan
instrumen derivatif valuta asing pada perusahaan Non keuangan
yang terdaftar di BEI. Kunmo et al. (2019), dalam penelitian ini
metode yang digunakan adalah panel, hasil penelitian ini
menunjukkan bahwa financial distress berpengaruh signifikan
terhadap penggunaan hedging pada perusahaan Minyak di
Canada.
111
3. Pengaruh Debt (DE) Terhadap Penggunaan Hedging
Hasil penelitian menunjukkan bahwa H03 ditolak dan Ha3
diterima yang artinya variabel DE yang diproksikan dengan DAR
berpengaruh signifikan terhadap penggunaan Hedging. Hal ini
dibuktikan dengan hasil uji hipotesis dengan nilai signifikansi
lebih kecil dari nilai α (0.0002 < 0.05). DE yang meningkat
menyebabkan penggunaan hedging meningkat, yang berarti
perusahaan sektor pertanian mengedepankan kemampuan
perusahaan dalam memenuhi kewajiban jangka pendek maupun
jangka panjang. DE yang meningkat menyebabkan perusahaan
dihadapkan dengan risiko utang, maka penggunaan hedging pada
perusahaan meningkat.
Hasil penelitian ini didukung oleh Gupta (2017), dalam
penelitian ini metode yang digunakan adalah providing rational
model, hasil penelitian ini menunjukkan bahwa hedging dapat
mengurangi beberapa biaya seperti agency cost, distress cost, and
cost of debt, dan dapat meminimalisir kerugian perusahaan pada
perusahaan Finansial. Seng (2018), dalam penelitian ini metode
yang digunakan adalah analisis regresi ANOVA, hasil penelitian
ini menunjukkan bahwa debt, investment growth, liquidity
berpengaruh positif signifikan, sedangkan managerial ownership
berpengaruh negatif signifikan terhadap penggunaan hedging
pada perusahaan Malaysia.
112
4. Pengaruh Leverage (LV) Terhadap Penggunaan Hedging
Hasil penelitian menunjukkan bahwa H04 ditolak dan Ha4
diterima yang artinya variabel LV berpengaruh signifikan
terhadap penggunaan Hedging. Hal ini dibuktikan dengan hasil
uji hipotesis dengan nilai signifikansi lebih kecil dari nilai α
(0.0415 < 0.05). LV yang meningkat menyebabkan penggunaan
hedging meningkat, yang berarti perusahaan sektor pertanian
mengedepankan kemampuan ekuitas untuk memenuhi seluruh
kewajiban. LV yang meningkat maka semakin besar pula utang
yang dapat menyebabkan risiko gagal bayar dan fluktuasi mata
uang asing, maka penggunaan hedging pada perusahaan
meningkat.
Hasil penelitian ini didukung oleh Bodroastuti dan Paranita
(2019), dalam penelitian ini metode yang digunakan adalah
regresi logistik, hasil penelitian ini menunjukkan bahwa liquidity,
firm size, financial distress, leverage, dan managerial ownership
berpengaruh positif signifikan, sedangkan growth opportunity
berpengaruh negatif signifikan terhadap kebijakan hedging pada
perusahaan Indonesia. Sasmita dan Hartono (2019), dalam
penelitian ini metode yang digunakan adalah regresi logistik, hasil
penelitian ini menunjukkan bahwa ukuran perusahaan,
profitabilitas, leverage berpengaruh positif signifikan, sedangkan
financial distress, dan likuiditas berpengaruh negatif signifikan
113
terhadap keputusan hedging pada perusahaan Manufaktur
Indonesia.
Vicentia et al. (2019), dalam penelitian ini metode yang
digunakan adalah regresi logistik, hasil penelitian ini
menunjukkan bahwa leverage, growth opportunity, dan financial
distress berpengaruh positif signifikan, sedangkan fluktuasi nilai
tukar berpengaruh negatif signifikan terhadap pengambilan
keputusan hedging menggunakan instrumen derivatif valuta asing
pada perusahaan Non keuangan yang terdaftar di BEI. Franzoni
dan Giennati (2019), dalam penelitian ini metode yang digunakan
adalah panel, hasil penelitian ini menunjukkan bahwa age,
leverage, long size, monthly volatility, beta, equity, ROA, macro
memiliki pengaruh besar terhadap penggunaan hedging yang
dapat meningkatkan kinerja dan pendanaan yang stabil pada
perusahaan Financial Conglomerate Eropa. Tang (2019), dalam
penelitian ini metode yang digunakan adalah panel, hasil
penelitian ini menunjukkan bahwa MV, Tobin_q, sales growth,
leverage, dividend, profitability, cash, age berpengaruh terhadap
penggunaan hedging, sehingga hedging menguntungkan
perusahaan yang inovatif dalam jangka waktu yang panjang pada
perusahaan yang terdaftar NBER (National Bureau of Economics
Research).
114
5. Pengaruh Firm Size (FZ) Terhadap Penggunaan Hedging
Hasil penelitian menunjukkan bahwa H05 ditolak dan Ha5
diterima yang artinya variabel FZ berpengaruh signifikan
terhadap penggunaan Hedging. Hal ini dibuktikan dengan hasil
uji hipotesis dengan nilai signifikansi lebih kecil dari nilai α
(0.0000 < 0.05). FZ yang meningkat menyebabkan penggunaan
hedging meningkat, yang berarti perusahaan sektor pertanian
mengedepankan skala perusahaan yang lebih besar dengan
melakukan ekspor. FZ yang meningkat maka perusahaan
dihadapkan pada risiko tingkat penjualan dan risiko kerugian
yang tinggi yang disebabkan memiliki skala ukuran perusahaan
yang besar berupa asset yang semakin besar, maka penggunaan
hedging meningkat.
Hasil penelitian ini didukung oleh Saragih dan Musdholifah
(2019), dalam penelitian ini metode yang digunakan adalah
regresi logistik, hasil penelitian ini menunjukkan bahwa growth
opportunity, liquidity, dan firm size berpengaruh positif terhadap
pengambilan keputusan hedging pada perusahaan Perbankan
Indonesia. Sasmita dan Hartono (2019), dalam penelitian ini
metode yang digunakan adalah regresi logistik, hasil penelitian ini
menunjukkan bahwa ukuran perusahaan, profitabilitas, leverage
berpengaruh positif signifikan, sedangkan likuiditas, dan financial
distress berpengaruh negatif signifikan terhadap keputusan
hedging pada perusahaan Manufaktur Indonesia. Saraswati dan
115
Suryantini (2019), dalam penelitian ini metode yang digunakan
adalah regresi logistik, dalam penelitian ini menunjukkan bahwa
leverage, firm size, dan profitabilitas berpengaruh positif
signifikan terhadap keputusan hedging dengan instrumen derivatif
pada perusahaan Manufaktur Indonesia.
6. Pengaruh Liquidity (LQ) Terhadap Penggunaan Hedging
Hasil penelitian menunjukkan bahwa H06 ditolak dan Ha6
diterima yang artinya variabel LQ berpengaruh signifikan
terhadap penggunaan Hedging. Hal ini dibuktikan dengan hasil
uji hipotesis dengan nilai signifikansi lebih kecil dari nilai α
(0.0014 < 0.05). LQ yang meningkat menyebabkan penggunaan
hedging meningkat, yang berarti perusahaan sektor pertanian
mengedepankan kemampuan perusahaan dalam membayar
kewajiban jangka pendek. LQ yang semakin meningkat, maka
semakin likuid perusahaan tersebut yang berarti perusahaan
memiliki asset yang besar, dimana perusahaan harus
menggunakan hedging untuk terhindar dari risiko kerugian.
Hasil penelitian ini didukung oleh Astyrianti dan Sudiartha
(2017), dalam penelitian ini metode yang digunakan adalah
regresi berganda, hasil penelitian ini menunjukkan bahwa
leverage, kesempatan tumbuh, dan likuiditas berpengaruh positif
signifikan sedangkan kebijakan dividen berpengaruh negatif
siginifikan terhadap keputusan hedging pada PT. Uniliver Tbk.
Bodroastuti dan Paranita (2019), dalam penelitian ini metode
116
yang digunakan adalah regresi logistik, hasil penelitian ini
menunjukkan bahwa liquidity, firm size, financial distress,
leverage, dan managerial ownership berpengaruh positif
signifikan, sedangkan growth opportunity berpengaruh negatif
signifikan terhadap kebijakan hedging pada perusahaan
Indonesia.
7. Pengaruh Profitability (PR) Terhadap Penggunaan
Hedging
Hasil penelitian menunjukkan bahwa H07 ditolak dan Ha7
diterima yang artinya variabel PR berpengaruh signifikan
terhadap penggunaan Hedging. Hal ini dibuktikan dengan hasil
uji hipotesis dengan nilai signifikansi lebih kecil dari nilai α
(0.0000 < 0.05). PR yang meningkat menyebabkan penggunaan
hedging meningkat, yang berarti perusahaan sektor pertanian
mengedepankan kemampuan dalam menghasilkan laba. PR yang
meningkat menyebabkan penggunaan hedging meningkat karena
perusahaan cenderung menggunakan laba tersebut untuk
memperluas bisnisnya, sehingga perusahaan dihadapkan dengan
risiko profitabilitas yang dapat menurunkan nilai laba perusahaan.
Hasil penelitian ini didukung oleh Jannah dan Susyanti
(2019), dalam penelitian ini metode yang digunakan adalah
regresi logistik, hasil penelitian ini menunjukkan bahwa
profitabilitas berpengaruh positif, sedangkan leverage, likuiditas,
dan ukuran perusahaan berpengaruh negatif terhadap keputusan
117
hedging pada perusahaan Manufaktur yang terdaftar di BEI.
Sasmita dan Hartono (2019), dalam penelitian ini metode yang
digunakan adalah regresi logistik, hasil penelitian ini
menunjukkan bahwa ukuran perusahaan, profitabilitas, leverage
berpengaruh positif signifikan, sedangkan likuiditas, dan financial
distress berpengaruh negatif signifikan terhadap keputusan
hedging pada perusahaan Manufaktur Indonesia. Saraswati dan
Suryantini (2019), dalam penelitian ini metode yang digunakan
adalah regresi logistik, dalam penelitian ini menunjukkan bahwa
leverage, firm size, dan profitabilitas berpengaruh positif
signifikan terhadap keputusan hedging dengan instrumen derivatif
pada perusahaan Manufaktur Indonesia.
Hasil penjelasan di atas dapat disimpulkan bahwa H08 ditolak
dan Ha8 diterima yang artinya secara simultan dan parsial variabel
GO, FD, DE, LV, FZ, LQ, dan PR berpengaruh signifikan
terhadap penggunaan hedging pada Perusahaan Sektor Pertanian
Indonesia. Hal ini dibuktikan dengan hasil uji hipotesis dengan
nilai signifikan lebih kecil dari nilai α (0.0000 < 0.05), yang
berarti GO, FD, DE, LV, FZ, LQ, dan PR meningkat akan
menyebabkan penggunaan hedging meningkat. Hasil penelitian
menunjukkan bahwa penggunaan lindung nilai (hedging) pada
perusahaan Sektor Pertanian meningkat disebabkan perusahaan
memiliki jumlah utang dengan valuta asing dalam jumlah yang
besar dan memiliki transaksi ekspor impor yang relatif tinggi.
118
BAB V
PENUTUP
A. Simpulan
Penelitian ini dilakukan untuk mengetahui pengaruh faktor internal
dan faktor eksternal terhadap penggunaan lindung nilai (hedging) pada
Perusahaan Sektor Pertanian pada periode 2013-2019 menggunakan data
laporan keuangan triwulan yang terdaftar di Bursa Efek Indonesia. Analisis
yang digunakan adalah dengan menggunakan regresi data panel dikarenakan
memiliki data dengan karakteristik cross section yaitu berupa 7 perusahaan
dan time series yaitu masing-masing perusahaan memiliki pengamatan yang
sama yaitu 7 tahun (2013Q1-2019Q4), hasil yang diperoleh dari penelitian
ini adalah sebagai berikut:
1. Hasil uji regresi data panel dapat diketahui bahwa secara simultan
dan parsial kesempatan tumbuh (growth opportunity), financial
distress, debt, leverage, ukuran perusahaan (firm size), likuiditas
(liquidity), profitabilitas (profitability) berpengaruh signifikan
terhadap penggunaan lindung nilai (hedging).
2. Hasil menunjukkan bahwa Perusahaan Sektor Penelitian memiliki
utang dalam valuta asing dalam jumlah yang besar, dan memiliki
transaksi ekspor impor yang relatif tinggi maka penggunaan
hedging pada perusahaan meningkat.
119
B. Saran
Berikut beberapa saran yang dapat peneliti berikan bagi peneliti
selanjutnya yang akan melakukan penelitian sejenis:
1. Dalam penelitian ini variabel dependen yang dipakai adalah growth
opportunity, financial distress, debt, leverage, firm size, liquidity,
dan profitability. Penelitian selanjutnya diharapkan menambah
variabel yang beragam.
2. Periode penelitian ini terbatas tahun 2013-2019. Penelitian
selanjutnya diharapkan memperbaharui tahun penelitian agar
didapatkan hasil yang relevan.
120
DAFTAR PUSTAKA
Agarwal, V., Arisoy, E. Y., & Naik Y. N. (2016). Volatility of Aggregate
Volatility and Hegde Fund Returns. Journal of Financial Economics,
125(3), 1-52.
Agus, W. (2010). Analisis Statistika Multivariat Terapan. Edisi Pertama.
Yogyakarta: UPP STIM YKPN.
Aragon, O. G., Martin, S. J., & Shi, Z. (2017). Who Benefits in a Crisis?
Evidence from Hedge Fund Stock and Option Holdings. Journal of
Financial Economics, 1-40.
Astyrianti, N. N., & Sudiartha. (2017). Pengaruh Leverage, Kesempatan
Tumbuh, Kebijakan Dividen dan Likuiditas Terhadap Keputusan
Hedging PT Unilever Tbk. E-jurnal Manajemen UNUD, 6(3), 1312-
1339.
Augustyniak, M., Godin, F., & Simard, C. (2019). A Profitable Modification
to Global Quadratic Hedging. Journal of Economic Dynamics &
Control, 104, 111-131.
Bodroastuti, T., & Paranita, E. S. (2019). Faktor-faktor Berpengaruh
Terhadap Kebijakan Hedging Perusahaan Indonesia. Jurnal Valid,
16(1), 71-84.
Clauben, A., Rosch, D., & Schmelzle, M. (2019). Hedging Parameter Risk.
Journal of Banking and Finance, 100, 111-121.
Dewi, N. K. R. U., & Purnawati, N. K. (2016). Pengaruh Market to Book
Value dan Likuiditas terhadap Keputusan Hedging pada Perusahaan
Manufaktur. E-Jurnal Manajemen UNUD, 5(1), 355-384.
Firdaus, M. (2018). Aplikasi Ekonometrika untuk Data Panel dan Time
Series. Bogor: IPB Press.
Franzoni, F., & Giannetti, M. (2019). Costs and Benefits of Financial
Conglomearate Affiliation: Evidence from Hedge Funds. Journal of
Financial Economics, 134(2), 355-380.
Gujarati, D. (2012). Dasar- Dasar Ekonometrika edisi 5 buku 2. Jakarta:
Salemba Empat.
121
Gupta, P. (2017). A Review of Corporate Hedging Models and Their
Relevance in Corporate Finance. Theoritical Economics Letters, 7,
102-115.
Ghozali, I., & Dwi, R. (2013). Analisis Multivariat dan Ekonometrika.
Semarang: Universitas Diponegoro.
Halim, A. (2015). Analisis Investasi di Aset Keuangan. Edisi Pertama.
Jakarta : Mitra Wacana Media.
Horne, J. C., & Wachowicz, J. M. (2007). Prinsip-prinsip Manajemen
Keuangan, Terjemahan Futriani dan Deny, Jakarta: Salemba Empat.
Huang, P., Huang, Y.H., & Zhang, Y. (2019). Do Firms Hedge with Foreign
Currency Derivatives for Employees?. Journal of Financial
Economics, 133(2), 418-440.
Jannah, H., & Susyanti. (2019). Determinan Keputusan Lindung Nilai
(Hedging) pada Perusahaan Manufaktur yang Terdaftar Di Bursa Efek
Indonesia. E-jurnal Riset Manajemen, 8(3), 24-39.
Kasidi. (2010). Manejemen Risiko. Bogor: Ghalia Indonesia.
Kasmir. (2009). Pengantar Manajemen Keuangan. Cetakan Pertama.
Jakarta: Prenada Media Group.
Kunmo., Suvankulov, F., & Griffiths, S. (2019). Financial Distress and
Hedging: Evidence from Canadian Oil Firms. International Economic
Analysis Department Bank of Canada, 4, 3-29.
Laing, E., Lucey, B., Lutkemeyer, T., & Lucey, B. M. (2020). Which form
of Hedging Matters- Operational or Financial?Evidence form the US
Oil and Gas Sector. Research in International Business and Finance,
51, 1-15.
Levi, M. D. (2001). Keuangan Intenasional. Diterjemahkan Handoyo
Prasetyo. Yogyakarta: Andi.
Livingstone, K.T., & Ngugi, K. (2017). Determinants of Corporate Hedging
Practices Used by Companies Listed in Nairobi Security Exchange.
International Journal of Business Management & Finance, 1(5), 73-
92.
Lumban, P. (2014). Pasar Derivatif. Jakarta: PT Elex Media Komputindo.
122
Madura, J. (2003). International Corporate Finance (Keuangan Perusahaan
Internasional). Jakarta: Salemba Empat.
Mamduh. (2007). Analisa Laporan Keuangan. Edisi Ketiga, Yogyakarta:
UPP STIM YKPN.
Mc.Donald, R. L. (2003). Derivatives Market. Addison Wesley.
Mediana, I., & Muharam, H. (2016). Analisis Faktor-Faktor yang
Mempengaruhi Pengambilan Keputusan Lindung Nilai (Hedging)
Menggunakan Instrumen Derivatif Studi kasus pada perusahaan
manufaktur dan perusahaan energi dan sumber daya mineral yang
Terdaftar di BEI periode 2010-2014. Journal of Management, 5(2), 1-
14.
Opie, W., & Riddiough, S. J. (2019). Global Currency Hedging with
Common Risk Factors. Journal of Financial Economics, 136(3), 780-
805.
Prambuko, N. (2018). Eviews untuk Analisis Ekonometrika Dasar Aplikasi
dan Interpretasi. Cetakan Pertama. Magelang: Unimma Press.
Rae, D. E. (2008). Transaksi Derivatif dan Masalah Regulasi Ekonomi di
Indonesia. Jakarta: PT Alex Media Komputindo.
Rodoni, A., & Ali H. (2014). Manajemen Keuangan Modern. Jakarta: Mitra
Wacana Media.
Sakaran, U. (2017). Metode Penelitian untuk Bisnis. Edisi Enam. Jakarta:
Salemba Empat.
Saragih, F., & Musdholifah. (2017). Pengaruh Growth Opportunity, Firm
Size, dan Liquidity tehadap Keputusan Hedging pada Perusahaan
Perbankan Indonesia. Jurnal Ilmu Manajemen, 5(2), 1-10.
Saraswati, A. P. S., & Suryantini. (2019). Pengaruh Leverage, Firm Size,
Profitabilitas terhadap Keputusan Hedging pada Perusahaan
Manufaktur di BEI. E-jurnal Manajemen, 8(5), 2999-3027.
Sasmita, I. E., & Hartono, U. (2019). Karakteristik Perusahaan, Financial
Distress, dan Keputusan Hedging: Studi Pada Perusahaan Manufaktur
di Indonesia. Jurnal Ilmu Manajemen, 7(3), 655-667.
123
Seng, C. K., & Thaker, H. M. T. (2018). Determinants of Corporate
Hedging Practices: Malaysian Evidence. Journal of Economics and
Finance, 4(4), 199-220.
Siahaan, H. (2008). Instrumen Derivatif dari Perspektif Lindung Nilai dan
Spekulasi. Cetakan Pertama, Jakarta: Kompas Gramedia.
Siamat, D. (2005). Manajemen Lembaga Keuangan. Edisi kelima, Jakarta:
Fakultas Ekonomi Universitas Indonesia.
Sriyana, J. (2014). Metode Regresi Data Panel. Yogyakarta: Ekonisia.
Stefano, B., Dallocchio, M., & Raimbourg, P., Salvi, A. (2016). Do Firms
Hedge Translation risks. Journal of Financial Management, 4(2), 155-
178.
Sugiyono. (2016). Metode Penelitian Kuantitatif, Kualitatif dan R&D.
Bandung: PT Alfabet.
Tang, T. (2019). Hedge Fund Activism and Corporate Innovation. Economic
Modelling, 85, 1-14.
Vincentia, A., Warsini, S., & Mirati, E. (2019). Analisis Faktor yang
Mempengaruhi Pengambilan Keputusan Hedging Menggunakan
Instrumen Derivatif Valuta Asing. Jurnal Akuntansi, Keuangan, dan
Perbankan, 6(1), 980-992.
Wang, Y., Geng, Q., & Meng, F. (2019). Futures Hedging in Crude Oil
Markets: A Comparison between Minimum-Variance and Minimum-
Risk Frameworks. Energy. Journal Energy, 181, 815-826.
Widarjono, A. (2009). Ekonometrika Pengantar dan Aplikasinya.
Yogyakarta: Ekonisia FE UII.
Zheng, Y., Osmer, E., & Zhang, R. (2017). Sentiment Hedging: How Hedge
Funds Adjust Their Exposure to Markey Sentiment. Journal of
Banking and Finance, 88, 147-160.
https://emiten.kontan.co.id/perusahaan/222/Gozco-Plantations-Tbk diakses
pada tanggal 10 Januari 2020 pukul 09:00 WIB.
https://emiten.kontan.co.id/perusahaan/271/Jaya-Agra-Wattie-Tbk diakses
pada tanggal 10 Januari 2020 pukul 09:00 WIB.
124
https://emiten.kontan.co.id/perusahaan/456/Sampoerna-Agro-Tbk diakses
pada tanggal 10 Januari 2020 pukul 9:30 WIB.
https://kemenperin.go.id diakses pada tanggal 18 Januari 2020 pukul 11:18
WIB.
http://kursvalutaasing diakses pada tanggal 26 Oktober 2019 pukul 13:30
WIB.
http://www.bps.go.id di akses pada tanggal 30 Desember 2019 pukul 14:30
WIB.
http://www.bulog.co.id di akses pada tanggal 1 Januari 2020 pukul 10:00
WIB.
https://www.djppr.kemenkeu.go.id di akses 11 Februari 2020 pukul 15:30
WIB.
http://www.gozco.com/annualreport.html diakses pada tangal 10 Januari
2020 pukul 9:35 WIB.
http://www.idx.co.id Laporan Keuangan. di akses pada tanggal 2 Januari
2020 pukul 09:00 WIB.
http://www.jawattie.com/id/investor-relations/annual-report diakses pada
tanggal 10 Januari 2020 pukul 12:00 WIB.
https://www.kemendag.go.id diakses pada tanggal 18 Januari 2020 pukul
11:31 WIB.
https://www.saham.ok.com diakses pada tanggal 2 Januari 2020 pukul 20:20
WIB.
https://www.tunasbarulampung.com/financial-statment/ diakses pada tangal
10 Januari 2020 pukul 9:45 WIB.
125
LAMPIRAN
Lampiran 1 : data sampel perusahaan
Daftar Perusahaan
No Kode Saham Nama Emiten
1 BISI Bisi International Tbk.
2 SGRO Sampoerna Agro Tbk.
3 SIMP Salim Inomas Pratama Tbk.
4 SSMS Sawit Sumbermas Sarana Tbk.
5 SMAR Smart Tbk.
6 TBLA Tunas Baru Lampung Tbk.
7 UNSP Bakrie Sumatera Plantions Tbk.
126
Lampiran 2 : rincian data perusahaan
Rincian Data Perusahaan Tahun 2013-2019
Tahun Perusahaan Hedging GO FD DE LV FZ LQ PR
2013Q1 BISI 1,11 7,3 9,4 1,04 1,58 1,3 3,44
2013Q2 BISI 2,19 1,16 1,25 1,42 1,64 8,7 6,96
2013Q3 BISI 1 3,28 1,44 9,7 1,08 1,62 1,22 8,69
2013Q4 BISI 4,47 1,56 1,38 1,6 1,71 7,63 8,85
2014Q1 BISI 0,8 3,5 1,22 1,4 1,71 8,97 2,01
2014Q2 BISI 1,41 3,2 1,51 1,78 1,72 6,83 1,72
2014Q3 BISI 1 2,77 1,22 1,44 1,68 1,78 7,24 6,11
2014Q4 BISI 4,03 2,09 1,42 1,65 1,87 7,24 1,08
2015Q1 BISI 9,1 5,9 1,18 1,34 1,88 8,64 3,03
2015Q2 BISI 2,02 1,24 1,16 1,31 1,86 8,83 6,41
2015Q3 BISI 1 3,76 2,36 1,34 1,55 2 7,39 1,14
2015Q4 BISI 5,62 3,31 1,52 1,79 2,14 6,36 1,49
2016Q1 BISI 1,3 8,3 1,36 1,57 2,17 7,27 3,65
2016Q2 BISI 3,02 1,75 1,31 1,51 2,13 7,62 7,93
2016Q3 BISI 1 5,11 2,95 1,24 1,42 2,22 8,19 1,28
2016Q4 BISI 8,03 4,54 1,45 1,7 2,41 6,77 1,82
2017Q1 BISI 1,65 9,8 1,56 1,35 2,47 7,46 3,8
2017Q2 BISI 2,51 1,12 1,74 1,48 2,21 6,6 3,97
2017Q3 BISI 1 5,11 2,77 1,42 1,65 2,35 6,67 9,35
2017Q4 BISI 8,8 5,19 1,61 1,91 2,62 5,63 1,91
2018Q1 BISI 8,5 4,2 1,35 157 2,58 6,85 1,27
2018Q2 BISI 1,12 1,04 1,26 1,44 2,18 7,35 4,36
2018Q3 BISI 1 5,15 2,94 1,29 1,48 2,45 7,44 9,61
2018Q4 BISI 8,58 5,05 1,64 1,97 2,76 5,48 1,8
2019Q1 BISI 1,5 9,64 1,64 1,96 2,85 5,52 2,63
2019Q2 BISI 2,65 1,14 2,15 2,74 2,67 4,01 3,29
2019Q3 BISI 1 5,15 2,94 1,68 2,11 2,76 5,48 8,51
2019Q4 BISI 4,27 1,82 2,01 2,52 2,69 4,34 5,2
127
2013Q1 SGRO 3,94 2,11 5,49 3,54 4,04 1,03 1,72
2013Q2 SGRO 1,8 3,7 3,54 5,49 4,04 1,35 1,72
2013Q3 SGRO 1 2,48 3,7 3,83 6,23 4,23 1,26 2,14
2013Q4 SGRO 1,8 3,7 3,17 4,64 3,93 1,16 1,14
2014Q1 SGRO 1,06 2,79 2,67 3,72 3,41 2,29 2,19
2014Q2 SGRO 7,92 2,24 3,55 5,51 4,13 1,1 1,16
2014Q3 SGRO 1 4,98 1,72 4,02 6,72 4,51 1,05 5,23
2014Q4 SGRO 8,68 2,46 4,48 8,11 5,47 8,01 1,04
2015Q1 SGRO 1,29 2,61 4,51 8,23 5,52 6,8 9,26
2015Q2 SGRO 3,75 1,54 4,98 9,93 6,06 7,99 3,5
2015Q3 SGRO 1 7,04 4,39 4,99 9,99 6,28 7,24 6,19
2015Q4 SGRO 6,27 2,86 4,48 8,11 5,46 8,01 9,25
2016Q1 SGRO 1,48 2,84 5,25 1,1 7,14 1,04 7,16
2016Q2 SGRO 1,35 1,03 5,69 1,32 7,51 1,12 3,67
2016Q3 SGRO 1 1,64 1,82 5,73 1,35 7,87 1,27 6,71
2016Q4 SGRO 6,4 2,66 5,44 1,21 8,32 1,27 5,37
2017Q1 SGRO 3,28 2,15 5,13 1,05 8,04 1,28 2,01
2017Q2 SGRO 4,61 2,38 5,17 1,07 1,11 8,06 2,24
2017Q3 SGRO 1 7 3,35 5,13 1,08 8,2 1,14 2,84
2017Q4 SGRO 9,62 4,81 5,16 1,06 8,28 1,11 3,65
2018Q1 SGRO 3,28 2,15 5,13 1,05 8,25 1,74 8,09
2018Q2 SGRO 1 7 3,09 5,08 1,03 8,35 1,9 5,54
2018Q3 SGRO 1,56 2,11 5,45 1,2 9,04 1,02 4,2
2018Q4 SGRO 8,34 7,3 5,53 1,23 9,01 9,18 3,89
2019Q1 SGRO 1,41 3,69 5,4 1,17 8,93 8,18 4,56
2019Q2 SGRO 2,3 3,41 5,56 1,25 9,2 7,73 1,98
2019Q3 SGRO 1 3,93 2,82 5,59 1,26 9,37 1,75 1,93
2019Q4 SGRO 6,77 1,73 5,61 1,27 9,46 5,81 4,22
2013Q1 SIMP 5,56 1,52 3,99 6,65 2,69 1,32 9,34
2013Q2 SIMP 1,03 1,58 4,2 7,26 2,7 1,79 1,47
2013Q3 SIMP 1 3,05 1,68 3,94 6,51 2,65 1,48 7,58
128
2013Q4 SIMP 1,79 3,17 4,22 7,32 2,72 9,61 3,36
2014Q1 SIMP 8,25 3,79 4,43 7,97 2,93 7,87 1,43
2014Q2 SIMP 2 8,94 4,68 8,8 3,06 7,66 3,93
2014Q3 SIMP 1 2,86 1,06 4,61 8,57 3,04 7,4 5,3
2014Q4 SIMP 4,09 3,32 4,57 8,44 3,09 8,71 7,89
2015Q1 SIMP 6,67 8,8 4,8 9,24 3,17 8,14 2,1
2015Q2 SIMP 1,51 2,49 4,77 9,12 3,22 7,83 2,41
2015Q3 SIMP 1 2,27 2,18 4,75 9,06 3,2 7,6 3,64
2015Q4 SIMP 3,1 2,51 4,56 8,39 3,16 9,35 5,16
2016Q1 SIMP 5,64 9,4 4,61 8,55 3,3 1,12 5,73
2016Q2 SIMP 1,31 2,4 4,72 8,96 3,25 1,07 1,54
2016Q3 SIMP 1 2,17 5,84 4,65 8,71 3,23 7 3,1
2016Q4 SIMP 3,34 1,39 4,58 8,46 3,25 1,24 6,3
2017Q1 SIMP 1,18 6,42 4,62 8,61 3,36 1,27 1,39
2017Q2 SIMP 1,84 7,51 4,64 8,68 3,33 1,22 1,49
2017Q3 SIMP 1 2,64 9,64 4,56 8,4 3,29 1,22 1,72
2017Q4 SIMP 3,42 1,19 4,55 8,37 3,33 1,64 2,08
2018Q1 SIMP 7,28 1,81 4,6 8,53 3,45 9,36 9,91
2018Q2 SIMP 1,31 0,9 4,83 9,36 3,54 8,95 1,61
2018Q3 SIMP 1 2,04 3,01 4,83 9,36 3,55 9,66 2,47
2018Q4 SIMP 2,45 2,26 4,72 8,95 3,46 8,97 2,81
2019Q1 SIMP 5,95 1,12 6,25 1,66 1,11 6,05 1,01
2019Q2 SIMP 1,12 4,34 6,44 1,79 1,12 2,25 3,38
2019Q3 SIMP 1 1,81 6,34 6,45 1,77 1,12 5,3 1,17
2019Q4 SIMP 1,82 1,35 6,58 1,89 1,17 2,43 1,12
2013Q1 SSMS 1,23 7,2 3,79 6,11 1,38 2,32 4,11
2013Q2 SSMS 1,31 8,1 3,96 6,56 1,53 2,06 4,12
2013Q3 SSMS 1 1,36 1,11 3,74 1,62 1,6 2,25 5,41
2013Q4 SSMS 6,37 4,58 4,08 4,08 1,7 2,09 2,88
2014Q1 SSMS 1,65 1,19 7,04 7,04 1,78 5,3 7,4
2014Q2 SSMS 1,9 1,32 7,26 2,68 1,82 5,5 7,82
129
2014Q3 SSMS 1 1,95 1,42 7,39 2,84 1,82 3,7 8,49
2014Q4 SSMS 7,84 5,41 5,28 1,11 5,77 7,38 3,24
2015Q1 SSMS 1,66 1,03 7,58 3,14 1,68 2,33 6,07
2015Q2 SSMS 1,99 1,69 5,52 1,23 2,1 3,44 7,4
2015Q3 SSMS 1 8,7 4,61 8,27 4,78 1,72 1,94 2,4
2015Q4 SSMS 8,6 5,83 8,01 4,04 1,69 1,84 2
2016Q1 SSMS 1,91 1,28 7,89 3,74 1,66 2,83 6,05
2016Q2 SSMS 2,28 1,64 7,97 3,92 1,67 2,93 7,79
2016Q3 SSMS 1 1,91 1,28 8,01 4,04 1,63 2,92 8,07
2016Q4 SSMS 9,34 6,58 9,18 1,12 1,47 9,85 2,96
2017Q1 SSMS 2,24 1,63 9,41 1,6 1,42 1,34 5,5
2017Q2 SSMS 4,38 3,11 2,71 3,73 2,33 3,26 1,02
2017Q3 SSMS 1 6,95 5,08 2,58 3,48 2,37 3,48 1,63
2017Q4 SSMS 1 7,2 2,51 3,36 2,44 3,73 2,77
2018Q1 SSMS 2,53 1,77 2,56 3,44 2,65 3,67 5,16
2018Q2 SSMS 4,93 3,32 2,78 3,86 2,71 3,24 9,41
2018Q3 SSMS 1 3,44 2,58 2,61 3,53 2,79 3,54 9,29
2018Q4 SSMS 1,19 6,34 2,32 3,02 2,8 3,94 2,97
2019Q1 SSMS 5,95 1,12 6,25 1,66 1,11 6,05 1,01
2019Q2 SSMS 1,12 4,34 6,44 1,79 1,12 2,25 3,38
2019Q3 SSMS 1 1,81 6,34 6,45 1,77 1,12 5,3 1,17
2019Q4 SSMS 1,82 1,35 6,58 1,89 1,17 2,43 1,12
2013Q1 SMAR 1,11 7,44 3,94 6,5 1,56 2,21 3,55
2013Q2 SMAR 1,87 1,04 3,52 5,43 1,5 1,96 6,64
2013Q3 SMAR 1 4,12 1,2 4,49 8,17 1,62 2,09 2,01
2013Q4 SMAR 4,12 1,2 6,47 1,83 1,83 1,04 1,06
2014Q1 SMAR 1,38 1,2 3,61 5,66 1,86 1,1 4,32
2014Q2 SMAR 2,45 1,29 3,35 5,04 1,94 1,01 6
2014Q3 SMAR 1 3,5 1,61 3,46 5,3 1,81 1,05 8,87
2014Q4 SMAR 4,69 1,96 4,15 7,09 2,12 1,07 1
2015Q1 SMAR 8,89 2,22 3,39 5,14 2,08 1,19 1,82
130
2015Q2 SMAR 1,95 4,11 4,1 6,97 2,38 1,25 2,72
2015Q3 SMAR 1 2,79 6,11 3,61 5,66 2,43 1,01 3,73
2015Q4 SMAR 3,93 2,06 3,51 5,41 2,39 1,07 4,25
2016Q1 SMAR 1,1 5,63 3 4,28 2,3 1,31 1,11
2016Q2 SMAR 2 7,91 2,88 4,05 2,61 1,11 1,68
2016Q3 SMAR 1 2,89 1,1 2,75 3,79 2,58 1,18 2,64
2016Q4 SMAR 4,23 1,23 2,99 4,27 2,61 1,34 5,53
2017Q1 SMAR 1,08 4,12 2,52 3,37 2,6 1,31 1,3
2017Q2 SMAR 1 2,06 6,66 2,71 3,73 2,54 1,45 1,92
2017Q3 SMAR 3,2 9 2,58 3,48 2,57 1,55 2,39
2017Q4 SMAR 4,32 1,19 2,51 3,36 2,71 1,31 4,34
2018Q1 SMAR 9,36 1,28 2,56 3,44 2,77 1,31 2,96
2018Q2 SMAR 1,88 3,34 2,78 3,86 1,21 3,03 6,17
2018Q3 SMAR 1 3,22 1,18 2,61 3,53 2,89 1,45 4,49
2018Q4 SMAR 4,63 7,01 2,32 3,02 2,93 1,49 2,04
2019Q1 SMAR 1,06 6,36 5,51 1,23 2,83 1,11 1,69
2019Q2 SMAR 1,65 4,59 6,22 1,64 2,73 1,1 1,05
2019Q3 SMAR 1 3,22 1,18 5,82 1,39 2,93 1,49 4,42
2019Q4 SMAR 2,58 6,38 6,03 1,52 2,66 1,03 1,99
2013Q1 TBLA 2,37 9,9 6,24 1,66 4,89 1,72 1,59
2013Q2 TBLA 5,57 1,52 6,49 1,85 5,37 1,43 2,26
2013Q3 TBLA 1 6,55 8,9 6,98 2,31 6,03 1,2 1,23
2013Q4 TBLA 9,49 1,19 7,1 2,45 6,21 1,12 1,39
2014Q1 TBLA 2,91 1,68 6,79 2,12 6,02 1,11 2,19
2014Q2 TBLA 6,03 2,74 6,84 2,17 6,37 1,1 3,34
2014Q3 TBLA 1 9,88 4,22 6,97 2,4 6,83 1,15 4,79
2014Q4 TBLA 1,29 5,62 6,63 1,97 7,32 1,04 5,96
2015Q1 TBLA 6 1,97 6,76 2,08 7,5 1,19 1,21
2015Q2 TBLA 3,1 1,14 6,66 1,99 7,81 1,21 1,89
2015Q3 TBLA 1 8,37 1,66 7,07 2,42 9,28 1,94 2,16
2015Q4 TBLA 1,17 2,63 6,9 2,22 9,28 1,15 2,16
131
2016Q1 TBLA 2,41 8,7 6,99 2,32 9,8 1,1 6,65
2016Q2 TBLA 7,65 4,22 6,93 2,26 1,04 1,11 2,98
2016Q3 TBLA 1 1,15 6,41 7,07 2,42 1,1 1,1 4,27
2016Q4 TBLA 1,62 8,02 7,28 2,68 1,25 1,1 4,96
2017Q1 TBLA 5,3 3,57 7,14 2,5 1,29 1,12 2,15
2017Q2 TBLA 1,04 6,55 7,09 2,42 1,34 1,1 3,76
2017Q3 TBLA 1 1,63 9,27 7,2 2,58 1,4 1,1 5,05
2017Q4 TBLA 2,26 1,24 7,14 2,5 1,4 1,1 6,81
2018Q1 TBLA 5,34 2,75 7,03 2,36 1,42 2,25 1,44
2018Q2 TBLA 1,08 4,69 1,41 2,62 1,49 1,75 2,36
2018Q3 TBLA 1 1,67 6,17 7,24 2,63 1,59 1,92 3,3
2018Q4 TBLA 2,3 1,04 7,07 2,41 1,63 1,87 4,68
2019Q1 TBLA 5,19 2,7 7,01 2,32 1,65 1,82 1,23
2019Q2 TBLA 1,08 5,01 6,93 2,22 1,65 1,9 2,18
2019Q3 TBLA 1 1,67 1,76 7,08 2,41 1,63 1,87 3,32
2019Q4 TBLA 1,67 6,91 6,92 2,21 1,65 1,76 3,04
2013Q1 UNSP 1,45 5,7 5,94 1,46 1,93 1,08 3,28
2013Q2 UNSP 2,61 2,56 6,06 1,51 1,93 9,8 1,16
2013Q3 UNSP 1 3,95 9,63 6,51 1,86 1,97 1 3,92
2013Q4 UNSP 5,9 3,04 7,29 2,7 1,89 5,44 1,42
2014Q1 UNSP 2,07 3,64 7,04 2,38 1,78 5,3 2,1
2014Q2 UNSP 3,92 4,45 7,28 2,68 1,82 4,93 2,43
2014Q3 UNSP 1 5,75 1,52 7,39 2,84 1,82 4,34 7,04
2014Q4 UNSP 2,73 5,73 5,28 1,11 1,97 7,38 2,56
2015Q1 UNSP 6,98 2,08 5,5 1,22 2,08 4,05 1,13
2015Q2 UNSP 2,57 9,02 5,52 1,23 2,1 3,45 2,65
2015Q3 UNSP 1 4,16 1,86 8,27 4,78 1,72 1,94 3,65
2015Q4 UNSP 5,13 1,39 8,01 3,35 1,69 1,84 3,19
2016Q1 UNSP 4,62 2 7,89 3,74 1,66 1,24 4,2
2016Q2 UNSP 1,61 1,44 6,75 3,92 1,67 1,25 4,5
2016Q3 UNSP 1 3,01 5,04 8,01 4,04 1,63 1,28 4,75
132
2016Q4 UNSP 4,75 3,21 9,18 1,12 1,47 9,86 8,28
2017Q1 UNSP 2,1 8,4 9,41 1,6 1,42 1,34 2,48
2017Q2 UNSP 3,5 7,8 9,49 1,89 1,43 1,26 3,3
2017Q3 UNSP 1 4,99 3,51 9,64 2,74 1,44 1,24 4,78
2017Q4 UNSP 5,88 1,21 1,03 3,06 1,38 1,24 1,18
2018Q1 UNSP 7,5 4,71 1,06 1,73 1,39 1,21 9,8
2018Q2 UNSP 1,68 1,15 1,07 1,38 1,38 9,71 2,69
2018Q3 UNSP 1 2,95 1,81 1,09 1,2 1,4 9,7 2,65
2018Q4 UNSP 2,84 1,96 1,1 1,03 1,33 1,12 2,77
2019Q1 UNSP 4,96 2,39 1,1 1,05 1,33 1,12 2,52
2019Q2 UNSP 2,86 3,35 1,11 9,9 1,31 1,09 3,49
2019Q3 UNSP 1 2,95 1,81 1,11 1,03 1,33 1,12 8,53
2019Q4 UNSP 8,89 2,13 1,07 1,5 1,32 1,17 1,41
133
Lampiran 3: Hasil Uji Common Effect Model
Dependent Variable: HEDGING
Method: Panel Least Squares
Date: 05/13/20 Time: 19:55
Sample: 2013Q1 2019Q4
Periods included: 28
Cross-sections included: 7
Total panel (balanced) observations: 196
Variable Coefficient Std. Error t-Statistic Prob.
HEDGING 147.3081 31.80097 4.632188 0.0000
GO -0.039929 0.033649 -1.186615 0.2369
FD 0.027365 0.035564 0.769463 0.4426
DE -0.035850 0.035632 -1.006105 0.3157
LV -0.064524 0.028784 -2.241668 0.0262
FZ -0.035371 0.036223 -0.976475 0.3301
LQ 0.048000 0.027565 1.741360 0.0833
PR -0.063321 0.033104 -1.912775 0.0573
R-squared 0.079232 Mean dependent var 83.13776
Adjusted R-squared 0.044949 S.D. dependent var 109.7286
S.E. of regression 107.2342 Akaike info criterion 12.22787
Sum squared resid 21.61844 Schwarz criterion 12.36167
Log likelihood -1190.331 Hannan-Quinn criter. 12.28204
F-statistic 2.311068 Durbin-Watson stat 1.183533
Prob(F-statistic) 0.000000
134
Lampiran 4: Hasil Uji Fixed Effect Model
Dependent Variable: HEDGING
Method: Panel Least Squares
Date: 05/13/20 Time: 19:56
Sample: 2013Q1 2019Q4
Periods included: 28
Cross-sections included: 7
Total panel (balanced) observations: 196
Variable Coefficient Std. Error t-Statistic Prob.
HEDGING 130.8931 41.68626 3.139958 0.0000
GO 0.033773 0.033636 1.004070 0.0123
FD 0.024784 0.035805 0.692193 0.0000
DE 0.039073 0.047152 0.828665 0.0002
LV 0.101734 0.048330 2.104991 0.0415
FZ 0.031850 0.054021 0.589585 0.0000
LQ -0.031407 0.033371 -0.941168 0.0014
PR 0.065455 0.033434 1.957741 0.0000
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.986899 Mean dependent var 83.13776
Adjusted R-squared 0.864534 S.D. dependent var 109.7286
S.E. of regression 106.1289 Akaike info criterion 12.23594
Sum squared resid 20.49930 Schwarz criterion 12.47009
Log likelihood -1185.122 Hannan-Quinn criter. 12.33073
F-statistic 2.034791 Durbin-Watson stat 1.202275
Prob(F-statistic) 0.000249
135
Lampiran 5: Hasil Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 10.139888 (6,153) 0.0000
Cross-section Chi-square 55.909432 6 0.0000
136
Lampiran 6: Hasil Uji Random Effect Model
Dependent Variable: HEDGING
Method: Panel EGLS (Cross-section random effects)
Date: 05/13/20 Time: 19:57
Sample: 2013Q1 2019Q4
Periods included: 28
Cross-sections included: 7
Total panel (balanced) observations: 196
Wallace and Hussain estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
HEDGING 141.8544 34.10669 4.159137 0.0000
GO -0.038276 0.033495 -1.142759 0.2546
FD 0.026008 0.035466 0.733305 0.4643
DE -0.017093 0.038391 -0.445224 0.6567
LV -0.072851 0.032770 -2.223141 0.0274
FZ -0.034722 0.040355 -0.860424 0.3907
LQ 0.046902 0.029028 1.615747 0.1078
PR -0.063557 0.033094 -1.920508 0.0563
Effects Specification
S.D. Rho
Cross-section random 15.95506 0.0219
Idiosyncratic random 106.5231 0.9781
Weighted Statistics
R-squared 0.068420 Mean dependent var 65.15540
Adjusted R-squared 0.033734 S.D. dependent var 108.3279
S.E. of regression 106.4850 Sum squared resid 2131744.
F-statistic 1.972532 Durbin-Watson stat 1.187615
Prob(F-statistic) 0.000831
137
Lampiran 7: Hasil Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 2.210080 7 0.0000