c. Root Mean Square Error RMSR
RMSR merupakan residu rata-rata antar matriks kovarianskorelasi teramati dan hasil estimasi. Nilai RMSR 0,05 adalah good fit.
d. Root Mean Square Error Of Approximation RMSEA
RMSEA merupakan ukuran rata-rata perbedaan per degree of freedom yang diharapkan dalam populasi. Nilai RMSEA 0,08 adalah good fit,
sedangkan Nilai RMSEA 0,05 adalah close fit.
e. Expected Cross-Validation Index ECVI
Ukuran ECVI merupakan nilai pendekatan uji kecocokan suatu model apabila diterapkan pada data lain validasi silang. Nilainya didasarkan pada
perbandingan antarmodel. Semakin kecil nilai, semakin baik.
f. Non-Centrality Parameter NCP
NCP dinyatakan dalam bentuk spesifikasi ulang Chi-square. Penilaian didasarkan atas perbandingan dengan model lain. Semakin kecil nilai,
semakin baik. 2
Ukuran kecocokan incremental incrementalrelative fit measures, yaitu ukuran kecocokan model secara relatif, digunakan untuk perbandingan model
yang diusulkan dengan model dasar yang digunakan oleh peneliti. Uji kecocokan tersebut meliputi:
a. Adjusted Goodness-Of-Fit Index AGFI
Ukuran AGFI merupakan modifikasi dari GFI dengan mengakomodasi degree of freedom model dengan model lain yang dibandingkan. AGFI
≥ 0,9 adalah good fit, sedangkan 0,8
≤ AGFI 0,9 adalah marginal fit.
b. Tucker-Lewis Index TLI
Ukuran TLI disebut juga dengan non normed fit index NNFI. Ukuran ini merupakan ukuran untuk pembandingan antarmodel yang
mempertimbangkan banyaknya koefisien di dalam model. TLI ≥ 0,9 adalah
good fit, sedangkan 0,8 ≤ TLI 0,9 adalah marginal fit.
c. Normed Fit Index NFI
Nilai NFI merupakan besarnya ketidakcocokan antara model target dan model dasar. Nilai NFI berkisar antara 0 – 1. NFI
≥ 0,9 adalah good fit, sedangkan 0,8
≤ NFI 0,9 adalah marginal fit.
d. Incremental Fit Index IFI
Nilai IFI berkisar antara 0 – 1. IFI ≥ 0,9 adalah good fit, sedangkan 0,8
≤ IFI 0,9 adalah marginal fit.
e. Comparative Fit Index CFI
Nilai CFI berkisar antara 0 – 1. CFI ≥ 0,9 adalah good fit, sedangkan
0,8 ≤ CFI 0,9 adalah marginal fit.
f. Relative Fit Index RFI
Nilai RFI berkisar antara 0 – 1. RFI ≥ 0,9 adalah good fit, sedangkan
0,8 ≤ RFI 0,9 adalah marginal fit.
3 Ukuran kecocokan parsimoni parsimoniousadjusted fit measures, yaitu
ukuran kecocokan yang mempertimbangkan banyaknya koefisien didalam model. Uji kecocokan tersebut meliputi:
a. Parsimonious Normed Fit Index PNFI
Nilai PNFI yang tinggi menunjukkan kecocokan yang lebih baik. PNFI hanya digunakan untuk perbandingan model alternatif.
b. Parsimonious Goodness-Of-Fit Index PGFI
Nilai PGFI merupakan modifikasi dari GFI, dimana nilai yang tinggi menunjukkan model lebih baik digunakan untuk perbandingan antarmodel.
c. Akaike Information Criterion AIC
Nilai positif lebih kecil menunjukkan parsimoni lebih baik digunakan untuk perbandingan antarmodel.
d. Consistent Akaike Information Criterion CAIC
Nilai positif lebih kecil menunjukkan parsimoni lebih baik digunakan untuk perbandingan antarmodel.
e. Criteria N CN
Estimasi ukuran sampel yang mencukupi untuk menghasilkan adequate model fit untuk Chi-squared. Nilai CN 200 menunjukkan bahwa sebuah
model cukup mewakili sampel data. Setelah evaluasi terhadap kecocokan keseluruhan model, langkah
berikutnya adalah memeriksa kecocokan model pengukuran dilakukan terhadap masing-masing konstrak laten yang ada didalam model.
Pemeriksaan terhadap konstrak laten dilakukan terkait dengan pengukuran konstrak laten oleh variabel manifest indikator. Evaluasi ini didapatkan ukuran
kecocokan pengukuran yang baik apabila: 1.
Nilai t-statistik muatan faktornya faktor loading-nya lebih besar dari 1,96 t-tabel.
2. Standardized faktor loading completely standardized solution
LAMBDA ≥0,5 .
Setelah evaluasi terhadap kecocokan pengukuran model, langkah berikutnya adalah memeriksa kecocokan model struktural. Evaluasi model
struktural berkaitan dengan pengujian hubungan antarvariabel yang sebelumnya dihipotesiskan. Evaluasi menghasilkan hasil yang baik apabila:
1. Koefisien hubungan antarvariabel tersebut signifikan secara statistik t-
statistik ≥ 1,96.
2. Nilai koefisien determinasi R
2
mendekati 1. Nilai R
2
menjelaskan seberapa besar variabel eksogen yang dihipotesiskan dalam persamaan
mampu menerangkan variabel endogen.
5. Respesifikasi Model Respesification
Apabila model yang dihipotesiskan belum mencapai model yang fit, maka peneliti bisa melakukan respesifikasi model untuk mencapai nilai fit yang baik.
Oleh karena itu, pendekatan teori yang benar ketika melakukan repesifikasi model ini dibutuhkan. Software LISREL juga menyediakan output modifikasi model
yang membantu proses respesifikasi model dalam hal meningkatkan fit dari suatu model. Modifikasi dilakukan dengan membuang atau menambah hubungan di
antara variabel di dalam model SEM.
Menurut Hair et al. 1998 ada 3 strategi pemodelan yang dapat dipilih dalam SEM, yaitu :
a. Strategi Pemodelan Konfirmatori Confirmatory Modelling Strategy
Pada strategi ini diformulasikan atau dispesifikasikan satu model tunggal, kemudian dilakukan pengumpulan data empiris untuk diuji signifikansinya.
Pengujian ini akan menghasilkan suatu penerimaan atau penolakan terhadap model tersebut. Strategi ini tidak memerlukan respesifikasi.
b. Strategi Kompetisi Model Competing Models Strategy
Pada strategi ini beberapa model alternatif dispesifikasikan dan berdasarkan analisis terhadap satu kelompok data empiris dipilih salah satu
model yang paling sesuai. Pada strategi ini respesifikasi hanya diperlukan jika model-model alternatif dikembangkan dari beberapa model yang ada.
c. Strategi Pengembangan Model Model Development Strategy
Pada strategi pemodelan ini suatu model awal dispesifikasikan dan data empiris dikumpulkan. Jika model awal tersebut tidak cocok dengan data empiris
yang ada, maka model dimodifikasi dan diuji kembali dengan data yang sama. Beberapa model dapat diuji dalam proses ini dengan tujuan untuk mencari satu
model yang selain cocok dengan data secara baik, tetapi juga mempunyai sifat bahwa setiap parameternya dapat diartikan dengan baik. Respesifikasi terhadap
model dapat dilakukan berdasarkan theory-driven atau data-driven, meskipun demikian respesifikasi berdasarkan theory driven lebih dianjurkan Hair et al
1998.
4. HASIL DAN PEMBAHASAN
4.1. Aktifitas Hedging Sektor Primer dan Sekunder
Data penelitian ini adalah data sekunder yang berasal dari laporan keuangan perusahaan selama lima tahun buku, yaitu sejak tahun 2007 sampai
dengan tahun 2011. Jenis data yang dibutuhkan pada penelitian ini adalah informasi keuangan yang berhubungan dengan variabel indikator penelitian.
Tabel 5 Jenis industri perusahaan hedger dan jenis instrumen derivatif valuta asing yang dimiliki oleh perusahaan-perusahaan hedger periode tahun
2007-2011
2007 2008 2009 2010 2011 TOTAL
Hedger Non-Hedger
Jumlah perusahaan
38 148
186 49
137 186
37 149
186 36
150 186
35 151
186 195
735 930
Hedger 25,68 35,77 24,83 24,00 23,18 26,53
Pengelompokkan hedger berdasarkan Industri Pertanian
Pertambangan Industri dasar dan
kimia Aneka industri
Industri barang konsumsi
Infrastruktur Perdagangan, dll
2 1
7
9 4
8 7
2 4
9
10 4
10 10
2 3
8
8 1
7 8
2 3
7
10 1
6 7
2 2
7
10 2
6 6
10 13
38
47 12
37 38
Pengelompokkan berdasarkan pemanfaatan instrumen derivatif Hanya forwards
Hanya swaps Hanya options
Forward Options
Forward Swaps Swaps Options
Ketiga jenis kontrak
6 24
1 3
3 1
13 28
2 2
3 1
9 20
2 4
2 12
16 2
3 3
10 15
1 3
3 3
50 103
4 12
16 10
Jumlah 38 49 37 36 35 195
Nilai nosional kontrak instrumen derivatif dalam ekuivalen US’000 Max
Min Rata-rata
Standar deviasi 432238,8
10 48442,17
90867,63 840615
10 59576,96
153485,81 758949
3,8 70480,41
181963,03 16671888
1,5 633214,48
298724,37 1991900,78
10 151675,78
413845,47 16671888
1,5 192995,24
1354743,58 Sumber: Data diolah, 2012
Berdasarkan data yang telah terkumpul, maka Tabel 5 Menampilkan aktifitas hedging perusahaan-perusahaan sampel selama tahun 2007-2011 yang
dikelompokkan berdasarkan jenis instrumen derivatif yang dimanfaatkan dan sektor industri para hedger. Jumlah sampel adalah 930 observasi perusahaan-
tahun firm-year observation. Dari Tabel 5 di atas dapat dilihat bahwa instrumen derivatif valuta asing
yang paling banyak digunakan adalah swap, dan kemudian diikuti oleh forwards dan option. Beberapa hedger menggunakan kombinasi dari ketiga instrumen
derivatif valas tersebut, namun kombinasi swaps-option adalah yang paling sedikit digunakan. Disamping itu berdasarkan pengelompokkan industri, perusahaan-
perusahaan hedger kebanyakan berasal dari sektor usaha Aneka Industri. Selama periode 2007-2011 terlihat bahwa setelah mengalami kenaikan di
tahun 2008, jumlah perusahaan-perusahaan yang memiliki instrumen derivatif semakin menurun. Jumlah hedger meningkat dari 38 perusahaan di tahun 2007
menjadi 49 perusahaan di tahun 2008, namun kemudian menurun masing-masing menjadi 37, 36 dan akhirnya 35 perusahaan di tahun 2009, 2010 dan 2011. Diduga
bahwa penurunan ini terutama disebabkan oleh krisis ekonomi yang melanda Indonesia pada tahun 2008 yang mengakibatkan terjadinya perubahan mendasar
di sisi penawaran maupun sisi permintaan. Dari sisi penawaran, ketidakstabilan perekonomian Indonesia telah meningkatkan sovereign risk, sehingga forward
premium meningkat, dan akibatnya biaya hedging hedging cost menjadi sangat mahal.
Secara keseluruhan dari 930 observasi, 195 perusahaan dikelompokkan sebagai hedger sementara 735 perusahaan disebut non-hedger karena tidak
melaporkan penggunaan instrumen derivatif dalam laporan keuangannya.
Su
Ta hedger d
Perbedaan besarnya
Export rat Tabel 6 Pe
Variabel Export ratio
Debt Equity Return on A
Total Liabil Price Earnin
Current Rat Market Valu
Firm Size Dividend Yi
Quick ratio Market Book
Q-Tobin Return on E
Price Sumber : Da
Per lebih tingg
internasion besarnya
Ind
umber : Dat Gambar 9
abel 6 menu dan non-he
n yang sign 0.05. Varia
tio, Total Li erbandingan
o y ratio
sset ity
ng ratio tio
ue eld
k ratio Equity
ata diolah,201
rbedaan da gi nilai rata
nalisasi per utang peru
dustri Barang
Konsumsi 11
Infrast 21
Perdagan l
18
ta diolah, 20 9 Hedger be
unjukkan p dger dalam
nifikan dap abel yang te
iability, PER n variabel a
Hedg 0,
2, 7,
6790, 409,
155, 1379
8, 2,
1, 2,
1,
25, 7900,
2
lam tingkat a-ratanya da
rusahaan hed usahaan he
truktur 1
ngan,dl
012 erdasarkan s
perbandinga m variabel
pat dilihat d erlihat berb
R, Current R ntara hedge
Mean ger H
No ,2470
,2362 ,9857
,2205 ,8821
,3413 91,36
,3711 ,4384
,1627 ,7782
,0266 ,6673
,5282
t ekspor me aripada peru
dger lebih t edger lebih
Pertania 5
subsektor ta an rata-rata
yang dig dari nilai p
eda nyata se Ratio, Mark
er dan non-h
n n-Hedger NH
0,1637 1,9553
-7,7477 1949,6694
29,1250 316,2329
5361,2993 6,6525
4,9538 1,6225
2,1903 1,0526
-1,7797 4831,7088
enunjukkan usahaan non
tinggi. Begit h tinggi da
n Per
Anek
ahun 2007-2 mean an
gunakan da p-value stat
ecara statist ket Value, d
hedger tahu
Mea H
H – N 0,08
0,28 15,73
48405 380,75
-160,89 8430,0
1,71 -2,51
-0,45 0,58
-0,02 27,44
3068,8
n bahwa per n-hedger. In
tu juga deng ari non-hed
rtambangan 3
Indus dan
ka Industri
24
2011 ntara perusa
alam penel tistik uji t
tik yaitu var dan Firm Siz
un 2007-201
an Difference NH
p-v 8333 0,
8094 0, 3343 0,
5511 0, 5703 0,
9158 0, 0648 0,
1859 0, 1541 0,
5981 0, 8784 0,
2596 0, 4701 0,
8194 0,
rusahaan he ni artinya tin
gan liability dger. Sedan
stri Dasar
n Kimia
18
ahaan litian.
yang riabel
ze. 11
es value
,000 ,713
,599 ,000
,049 ,013
,000 ,000
,721 ,149
,345 ,762
,192 ,096
edger ngkat
y atau ngkan
Kategori