Penetapan struktur modal optimal suatu bank akan menghasilkan keseimbangan antara resiko dan tingkat pengembalian
sehingga akan memaksimalkan harga saham. Dimana struktur modal optimal suatu bank juga adalah persentase yang seimbang antara
komponen hutang dan modal yang dimiliki bank. Untuk nilai persentase komponen hutang diberi lambang Wd, dan untuk
persentase komponen modal diberi lambang We. Nilai WACC atau biaya modal rata-rata tertimbang diperoleh dari mengalikan bobot
tertimbang atas hutang dan modal ekuitas bank dari keseluruhan struktur modal perusahaan. Dalam menghitung WACC suatu bank,
harus diketahui beberapa hal berikut ini : -
Jumlah hutang dalam struktur modal berdasarkan nilai pasar -
Jumlah ekuitas dalam struktur modal berdasarkan nilai pasar -
Biaya Hutang -
Tingkat Pajak -
Biaya ekuitas Setelah melalui tahapan perhitungan WACC, berikutnya
adalah perhitungan Invested Capital IC yang merupakan modal perusahaan hutang dan ekuitas dikurangi dengan non interest
bearing liabilitas. Biaya Modal COC dihitung dengan cara mengalikan biaya rata-rata tertimbang WACC dengan modal yang
diinvestasikan. Setelah tahapan-tahapan tersebut dihitung, maka akan diperoleh nilai EVA yakni dengan memasukkan rumus perhitungan
EVA, dimana NOPAT dikurangi dengan COC NOPAT dan COC telah diketahui setelah melakukan perhitungan.
3.5.3 Metode Market Value Added MVA
Perhitungan Market Value Added MVA diperoleh dari nilai pasar dikurangi dengan modal yang diinvestasikan investor.
Dalam perhitungan MVA terdapat empat komponen tahapan yang perlu dilakukan yaitu :
Tabel 5. Empat Komponen Tahapan Perhitungan MVA
Tahapan Perhitungan
Sumber 1. Market Value Harga penutupan saham
Data historis harga saham
2.Shares Outstanding
Jumlah saham yang beredar Data historis
harga saham 3. Book Value
Ekuitas Neraca
4. MVA Harga pasar saham x Shares
Outstanding – Book Value
Data historis saham,
Neraca
Nilai pasar suatu bank ataupun perusahaan merupakan penjumlahan antara saham biasa, bunga minoritas, dan total hutang.
Atau dengan kata lain nilai pasar suatu bank dapat diperoleh dari harga saham yang tercantum pada akhir periode penutupan. Shares
outstanding adalah jumlah lembar saham yang beredar yang dimiliki oleh suatu bank. Sedangkan book value nilai buku merupakan total
ekuitas yang tercatat pada laporan neraca bank. Selanjutnya apabila semua komponen tahapan telah diketahui maka MVA dapat dihitung.
MVA dihitung dengan mengalikan harga saham dan shares outstanding yang kemudian dikurangi dengan Book Value.
Adapun rumusan perhitungan MVA adalah sebagai berikut :
3.5.4 Analisis Pengaruh Rasio Keuangan dan EVA terhadap MVA
Secara umum rasio keuangan merupakan alat ukur kinerja keuangan yang sering digunakan oleh perusahaan untuk mengetahui
kondisi keuangan perusahaan tersebut. Untuk melihat tingkat kesehatan kondisi keuangan BII digunakan beberapa parameter rasio
keuangan diantaranya, CAR EPS dan ROE. Dewasa ini, selain kinerja keuangan yang baik, investor cenderung menilai suatu
perusahaan dari sisi lain, yakni nilai tambah ekonomi, dimana suatu bank mampu untuk memberikan nilai tambah ekonomi bagi
pemegang sahamnya. Dengan kata lain kemampuan perusahaan tersebut dalam menciptakan kekayaan. Oleh karena itu perlu
dilakukan perhitungan kinerja keuangan dengan metode Economic MVA = Nilai pasar
– Modal yang diinvestasikan oleh investor ......9
Value Added EVA dan Market Value Added MVA yang merupakan alat ukur nilai tambah kekayaan dan nilai tambah pasar
dari suatu perusahaan bank. Pada umumnya kedua metode tersebut merupakan pengukur yang dapat digunakan untuk melihat
kemampuan bank dalam menciptakan kekayaan bagi investor. Hal tersebut terkait dengan keputusan investor dalam menanamkan
modalnya. Oleh karena itu dalam penelitian ini akan dilakukan pengujian antara tiga metode tersebut, yakni antara rasio keuangan,
EVA dan MVA, serta bagaimana pengaruh rasio keuangan CAR, EPS, ROE dan EVA terhadap perubahan MVA.
Sehingga pada tahap akhir dari penelitian ini akan dilihat kecenderungan terhadap perubahan yang akan terjadi. Dimana untuk
mengetahui pengaruh rasio keuangan dan EVA terhadap MVA akan dilakukan uji analisis dengan metode persamaan regresi estimating
equation yakni suatu metode pendekatan dengan formula matematika yang dirancang untuk mengetahui pengaruh yang
signifikan antara variabel dependen dan variabel independen melalui nilai-nilai yang diketahui. Persamaan regresi yang digunakan adalah
persamaan regresi linier berganda multiple regression model karena pada penelitian ini digunakan lebih dari satu variabel
independen dengan tingkat signifikansi sebesar 10 persen atau 0,1. Formula persamaan regresi berganda yang dikembangkan dan
pengertian komponen pembentuknya, yaitu : Y = +
1
X
1
+
2
X
2
+ nXn + .............................................10 Dimana : Y
= Variabel dependen X
1
, X
2
, X
n
= Variabel independen = Konstanta
1
,
2, n
= Koefisien Parameter Regresi = Faktor kesalahan
Pada penelitian
ini menggunakan
empat variabel
independen yang diteliti yaitu analisis rasio yang terdiri dari CAR, EPS, ROE dan hasil perhitungan EVA serta hasil MVA sebagai
variabel dependen. Sehingga diperoleh persamaan regresi berganda yang dikembangkan adalah sebgai berikut :
Y = +
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+
5
X
5
............................11 Keterangan :
Y = MVA
= Konstanta = Koefisien parameter regresi
X
1
= CAR X
2
= ROE X
3
= EVA X
4
= EPS Pada penelitian ini juga akan dilakukan analisis korelasi
untuk melihat tingkat hubungan antar variabel tersebut. Penilaian tingkat keeratan hubungan tersebut dilihat dari sifat korelasi yang
akan menentukan arah dari korelasi. Keeratan korelasi dapat dikelompokkan sebagai berikut.
1. 0,00-0,20 berati korelasi memiliki keeratan yang sangat lemah
2. 0,21-0,40 berarti korelasi memiliki keeratan lemah
3. 0,41-0,70 berarti korelasi memiliki keeratan kuat
4. 0,71-0,90 berarti korelasi memiliki keeratan sangat kuat
5. 0,91-0,99 artinya korelasi memiliki keeratan sangat kuat sekali
6. Satu, berarti korelasi yang terjadi bersifat sempurna.
Sebelum uji regresi dan korelasi dilakukan, perlu adanya uji Kolomogorov Smirnov yakni uji normalitas data. Kolomogorov
Smirnov digunakan untuk mengetahui apakah jumlah data yang sangat sedikit berdistribusi secara normal atau tidak. Data akan
dinyatakan berdistribusi normal jika signifikansi lebih besar dari 0,05. Selain itu model regresi linier berganda dikatakan model yang
baik jika memenuhi asumsi normalitas data dan terbebas dari asumsi-asumsi klasik statistik, oleh karena itu pada penelitian ini
juga akan dilakukan uji asumsi klasik.
1. Multikolinearitas, yaitu pengujian yang dilakukan untuk
mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lainnya dalam satu model.
Pada uji ini, akan dilakukan pengamatan pada nilai Variance Inflation Factor VIF yang tidak lebih dari 10 dan nilai
Tolerance yang tidak kurang dari 0,1 maka model tersebut dapat dikatakan bebas dari multikolinearitis. Jika nilai koefisien
determinan, baik dilihat dari R
2
maupun R-Square adalah lebih besar dari 0,60 namun tidak ada variabel independen yang
berpengaruh terhadap variabel dependen, maka model persamaan tersebut tidak bebas dari asumsi multikolinearitas.
2. Autokorelasi, yaitu pengujian yang dilakukan untuk mengetahui
ada tidaknya korelasi antara variabel pengganggu e
t
pada periode tertentu dengan variabel pengganggu pada periode
sebelumnya e
t-I .
Cara untuk mengetahui autokorelasi ini dapat dilakukan dengan melakukan uji Durbin Watson. Jika nilai yang
dihasilkan berada di sekitar angka 2 maka model tersebut bebas asumsi klasik.
3. Heteroskedastisitas,
yaitu pengujian
terhadap terjadinya
perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain, dengan cara melakukan prediksi
melalui pola gambar penyebaran Scatterplot model. Analisis pada gambar Scatterplot yang menyatakan model regresi linier
berganda tidak terdapat heteroskedastisitas jika : -
Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0
- Titik-titik data tidak mengumpul hanya di atas atau di bawah
saja. -
Penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali.
- Penyebaran titik-titik data sebaiknya tidak berpola.
Penelitian ini menggunakan data time series dari laporan kinerja keuangan BII selama suatu periode tertentu sebagai sumber
data. Periode waktu laporan keuangan yang akan digunakan sebagai sumber data adalah laporan keuangan selama enam tahun terakhir,
mulai dari tahun 2004 sampai dengan 2009. Data yang diolah dengan alat statistik regresi dan korelasi pada penelitian ini mengacu pada
program statistik yaitu Statistic Packages For Social Sciences SPSS Version 15.
3.5.5 Perumusan dan Pengujian Hipotesis
