Ruang Lingkup Penelitian Kriteria Penerimaan dan Penolakan Hipotesis

50

BAB III METODOLOGI PENELITIAN

A. Ruang Lingkup Penelitian

Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian kuantitatif, yaitu penelitian yang membutuhkan pengujian untuk membuktikan kebenaran dari hipotesis yang diajukan. Menurut Indriantoro Supomo 1999:12, penelitian kuantitatif menitikberatkan pada pengujian teori-teori yang diukur melalui hubungan antar variabel dan dianalisis dengan prosedur statistik. Pendekatan kuantitatif ini berasal dari data yang diperoleh dari laporan tahunan dan laporan keuangan sehingga data yang diukur dalam suatu skala numeric angka. Sifat dan jenis dari penelitian ini adalah deskriptif dengan metode yang digunakan berdasarkan survei literatur. Penelitian keilmuan yang digunakan adalah ekonomi positif. Penelitian ini bertujuan untuk menemukan bukti empiris pengaruh interaksi antara variabel independen asimetri informasi dan tingkat disclosure dengan variabel moderating kepemilikan manajerial terhadap variabel dependen biaya ekuitas. Yang menjadi unit analisis pada penelitian ini yaitu perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dengan mengumpulkan data per tahun selama 4 tahun berturut- turut yaitu tahun 2010-2013 di BEI. 51

B. Metode Penentuan Sampel

1. Populasi

Populasi adalah sekelompok orang, kejadian atau segala sesuatu yang mempunyai karakteristik tertentu. Jadi, populasi bukan hanya orang, tetapi juga benda-benda alam yang lain. Populasi juga bukan sekedar jumlah yang ada pada objeksubjek yang dipelajari, tetapi meliputi seluruh karakteristiksifat yang dimiliki oleh subjek atau objek itu. Pada penelitian ini yang menjadi populasi penelitian adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia berjumlah 145 perusahaan selama periode 2010-2013. Pertimbangan pemilihan perusahaan manufaktur sebagai sampel adalah homogenitas dalam aktivitas penghasilan pendapatan utama revenue producing activities Syofyan dan Yenti, 2013 serta sebagian besar perusahaan di Indonesia merupakan perusahaan yang bergerak di bidang manufaktur dan banyak dilirik oleh investor. Ini juga bertujuan untuk menghindari bias karena perbedaan industri, dan sektor manufaktur mempunyai akun relative besar yang tentunya mempunyai ekuitas yang besar pula sehingga menjanjikan pengembalian saham yang lebih tinggi.

2. Sampel

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut atau sebagian dari elemen-elemen populasi. Bila populasi besar, dan peneliti tidak memungkinkan mempelajari semua 52 yang ada pada populasi, misalnya karena keterbatasan dan tenaga, serta waktu. Pemilihan sampel dalam penelitian ini dilakukan dengan menggunakan metode purposive sampling, yaitu pemilihan sampel dengan kriteria-kriteria yang telah diterapkan sebelumnya agar diperoleh sampel yang sesuai dengan tujuan penelitian. Adapun kriteria pemilihan sampel pada penelitian ini adalah sebagai berikut: a. Perusahaan manufaktur yang listing di Bursa Efek Indonesia selama tahun 2010-2013. b. Perusahaan manufaktur yang tidak menghentikan aktivitasnya di pasar bursa, tidak menghentikan operasinya dan tidak melakukan penggabungan usaha dan tidak berubah status sektor industrinya. c. Perusahaan manufaktur yang menerbitkan data laporan tahunan annual report dan data laporan keuangan auditan berturut-turut dan lengkap untuk laporan tahun 2010 sampai dengan tahun 2013. d. Data struktur kepemilikan saham perusahaan yang dibutuhkan untuk penelitian ini tersedia.

C. Metode Pengumpulan Data

1. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder, yaitu sumber data penelitian yang diperoleh secara tidak langsung melalui media perantara diperoleh dan dicatat oleh pihak lain. Penelitian ini hanya menggunakan data sekunder berupa: 53 a. Data laporan keuangan publikasi tahunan annual report untuk periode tahun 2010 sampai dengan tahun 2013 yang diperoleh dari website BEI www.idx.co.id , website perusahaan, dan www.sahamok.co.id . b. Data transaksi harian berupa historis harga saham high and low, data transaksi bulanan berupa historis harga saham close, IHSG, dan tingkat suku bunga SBI. Data ini diambil dari www.idx.co.id dan www.yahoofinance.co.id .

2. Teknik dan Pengumpulan Data

Teknik yang digunakan dalam penelitian ini menggunakan teknik dokumentasi yang dimaksudkan sebagai cara untuk mengumpulkan data dengan mempelajari dan mencatat bagian yang dianggap penting dari berbagai sumber yang resmi. Teknik dokumentasi ditujukan untuk memperoleh data langsung terutama seluruhnya dari kepustakaan buku, dokumen, artikel, laporan, jurnal, dll. Dokumentasi yang digunakan dalam penelitian ini berupa Laporan Tahunan dan Laporan Keuangan Auditan Perusahaan Emitten yang dijadikan sampel, yaitu perusahaan manufaktur yang terdaftar di BEI tahun 2010-2013. 54

D. Metode Analisis Data

1. Statistik Deskriptif

Penggunaan statistik deskriptif variabel penelitian dimaksudkan agar dapat memberikan penjelasan yang memudahkan dalam menginterpretasikan hasil analisis data dan pembahasannya. Statistik deskriptif berhubungan dengan pengumpulan dan peringkasan data serta penyajiannya yang biasanya disajikan dalam bentuk tabulasi baik secara grafik dan atau numerik. Statistik deskriptif memberikan gambaran suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, nilai maksimum dan minimum, sum, range, kurtosis, dan skewness Ghozali, 2011:19.

2. Uji Hipotesis

Pengujian hipotesis penelitian dilakukan dengan Structural Equation Model SEM dengan menggunakan Partial Least Square PLS yang dikembangan oleh Herman Wold 1985 sebagai teknik analisis data dengan software SmartPLS versi 2.0.M3 yang dapat diunduh dari http:www.smartpls.de . Pada awalnya PLS dikembangkan sebagai metode umum untuk mengestimasi path model yang menggunakan variabel laten dengan multiple indicator. PLS awalnya diberi nama NIPALS Nonlinear Iterative Partial Least Square karena PLS menggunakan dua prosedur iterative yaitu metode estimasi least squares LS untuk single dan multi component model untuk conanical correlation. Pendekatan PLS adalah distribution fee yang artinya data tidak dapat berdistribusi tertentu, dapat 55 berupa nominal, kategori, ordinal, interval, dan rasio. Dalam pengembangannya, model PLS diselesaikan oleh Herman Wold pada tahun 1977 yang kemudian dikembangkan lebih lanjut oleh Lohmoller pada tahun 1984 dan 1989, dan kemudian dikembangan oleh Chin pada tahun 1996 Ghozali, 2011:18. Sirohi e.t al. 1998:232 berpendapat bahwa PLS merupakan tekhnik yang kuat dalam menganalisis variabel laten yang memiliki beberapa indikator pada SEM. Chin 1998 menambahkan bahwa PLS menggunakan prosedur estimasi berbasis minimum squares, dimana tidak memiliki tekanan pada skala pengukuran, distribusi data, ataupun ukuran sampel. Ghozali 2011:19 menyimpulkan bahwa PLS adalah sebuah pendekatan alternatif yang bergeser dari pendekatan SEM berbasis covariance menjadi berbasis variance. Desain PLS dimaksudkan untuk mengatasi keterbatasan metode SEM lainnya ketika data mengalami masalah seperti pengukuran data dengan skala tertentu, jumlah sampel yang kecil, adanya missing value, data tidak normal dan adanya multikolinearitas. Selain itu PLS dapat digunakan pada setiap jenis skala data nominal, ordinal, interval, rasio, serta syarat asumsi yang lebih fleksibel. Terdapat tiga kategori dalam melakukan estimasi parameter pada PLS, yaitu weight estimate, path estimate, dan means dan lokasi parameter. Weight estimate digunakan untuk menciptakan skor dari variabel laten. Path estimate estimasi jalur digunakan untuk menghubungkan antar variabel laten dan juga menguhubungkan variabel 56 laten dengan blok indikatornya loading. Means dan lokasi parameter sebagai nilai konstanta regresi dari indikator dan variabel lain. Selain itu, PLS menggunakan proses iterasi tiga tahap dan setiap tahap menghasilkan estimasi. Tahap pertama menghasilkan weight estimate, tahap kedua menghasilkan inner model dan outer model, dan tahap ketiga menghasilkan means dan lokasi konstanta. Pada tahap pertama dan kedua, komponen skor estimasi untuk setiap variabel laten dapat menggunakan dua cara, yaitu melalui outside approximation dan menggunakan inside approximation. Outside approximation menggambarkan weighted agregat dari indikator konstruk, sedangkan inside approximation menggunakan weighted agregat component socre lain yang berhubungan dnegan konstruk dalam model teoritis. Pada tahap ketiga, dilakukan perhitungan mean setiap indikator dengan menggunakan data asli untuk mendapatkan parameter mean, kemudian melakukan perhitungan means dari nilai weight pada variabel laten yang didapat dari tahap satu. Dengan nilai mean untuk setiap variabel laten dan path estimate dari tahap dua, maka lokasi parameter untuk setiap variabel laten dependen dihitung sebagai perbedaan antara mean yang baru dihitung dengan systematic part accounted oleh variabel laten yang mempengaruhinya.

a. Spesifikasi Model

Terdapat tiga model analisis jalur dalam PLS, yaitu inner model yang menspesifikasi hubungan antar variabel laten, outer model yang 57 menspesifikasi hubungan antara variabel laten dengan variabel manifest, weight relation yang mengestimasi nilai dari variabel laten.

1. Inner Model

Inner Model merupakan model yang menggambarkan hubungan yang ada di antara variabel laten berdasarkan pada substantive theory. Inner model biasa disebut sebagai inner relation atau structural model. Model persamaan inner model adalah sebagai berikut: Keterangan: = vektor variabel laten endogen dependen ξ = vektor variabel laten eksogen independen = vektor residual unexplained variance Oleh karena PLS didesain untuk model rekursif, atau sering disebut causal chain system, maka model rekrusif dari PLS adalah sebagai berikut: Keterangan: ji = koefisien jalur yang menghubungkan predictor endogen jb = koefisien jalur yang emnghubungkan predictor eksogen i…b = indeks range sepanjang I dan b j = jumlah variabel laten endogen = + + Γξ + j = Σ i ji i + Σ i jb ξ b + j 58 j = inner residual variable

2. Outer Model

Outer model adalah model yang menggambarkan hubungan antara variabel laten dengan indikatornya. Outer model biasa disebut sebagai outer relation atau measurement model. Pada outer model terdapat dua model yaitu model indikator refleksif dan model indikator formatif. Model refleksif sering disebut sebagai principal factor model yang berarti variabel manifest dipengaruhi oleh variabel laten. Persamaan model indikator refleksif adalah sebagai berikut: Dimana x dan y adalah indikator untuk variabel laten eksogen ξ dam variabel laten endogen . Sedangkan λ dan λ y merupakan matriks loading yang menggambarkan seperti koefisien regresi sederhana yang menghubungkan variabel laten dengan indikatornya. Model formatif merupakan kebalikan dari model reflektif dimana model formatif mengasumsikan bahwa variabel manifes mempengaruhi variabel laten. Arah hubungan kausalitas mengalir dari variabel manifes ke variabel laten. Persamaan model indikator formatif adalah sebagai berikut: x = λ x ξ + x y = λ y + y ξ = ΠξXi + ξ = Π Yi + 59 Dimana ξ, , X, dan Y sama dengan persamaan sebelumnya. Dengan Πx dan Πy adalah seperti koefisien regresi berganda dari variabel laten terhadap indikator, sedangkan ξ dan adalah residual dari regresi. Menurut Jarvis, Mackanzie dan Podsakoff 2003 dalam Ghozali 2011: 13, terdapat beberapa kriteria untuk menentukan formatif model atau refleksif model, yaitu: a Apabila terjadi perubahan pada variabel laten, maka variabel manifes pada model formatif tidak akan mengalami perubahan, sedangkan pada model refleksif akan mengakibatkan adanya perubahan pada variabel manifes, b Apabila terjadi perubahan pada variabel manifes, maka variabel laten pada model formatif mengalami perubahan, sedangkan pada model refleksif tidak akan mengakibatkan adanya perubahan pada variabel laten, c Arah kausalitas pada model formatif dari variabel manifes ke variabel laten sedangkan arah kausalitas pada variabel refleksif dari variabel laten ke variabel manifes, d Kemiripan content pada variabel manifest di model formative tidak harus sama atau mirip, sedangkan variabel manifest pada model refleksif harus memiliki content yang sama atau mirip. 60 e Pada model formatif tidak memiliki kovarian antar variabel manifest, sedangkan pada model refleksif diharapkan ada kovarian antar variabel manifes.

b. Kriteria Penilaian

Dalam penggunaannya, PLS memiliki beberapa evaluasi terhadap model struktural dan model pengukuran yang ada. Dalam evaluasi model pengukuran, dilakukan uji convergent validity, discriminant validity, composite reliability, dan Average Variance Extracted. Sedangkan dalam evaluasi model pengukuran dilakukan uji R-squared R 2 dan uji estimasi koefisien jalur.

1. Convergent Validity

Convergent Validity digunakan untuk mengukur besarnya korelasi antara variabel laten dengan variabel manifest pada model pengukuran refleksif. Dalam evaluasi convergent validity dapat dinilai berdasarkan korelasi antara item score component score dengan construct score. Menurut Chin 1998 dalam Ghozali 2011: 25, suatu korelasi dapat dikatakan memenuhi convergent validity apabila memiliki nilai loading sebesar lebih besar dari 0,5 sampai 0,6.

2. Discriminant Validity

Dsicriminant Validity dari model pengukuran refleksif dapat dihitung berdasarkan nilai cross loading dari variabel manifes terhadap masing-masing variabel laten. Jika korelasi antara variabel laten dengan sikap indikatornya variabel manifes lebih besar daripada korelasi dengan variabel laten lainnya, maka variabel laten 61 tersebut dapat dikatakan memprediksi indikatornya lebih baik daripada variabel laten lainnya. Selain itu, discriminant validity juga dapat dihitung dengan membandingkan nilai square root of average variance extracted AVE. Apabila nilai √AVE lebih tinggi daripada nilai korelasi di antara variabel laten, maka discriminant validity dapat dianggap tercapai. Discriminant validity dapat dikatakan tercapai apabila nilai AVE lebih besar dari 0,5. Cara untuk menghitung nilai AVE adalah sebagai berikut: Dimana λi adalah loading factor convergent validity, dan var i = 1- λi 2 .

3. Composite Reliability

Variabel laten dapat dikatakan memiliki reabilitas yang baik apabila nilai composite reliability lebih besar dari 0,6. Cara untuk composite reliability adalah sebagai berikut: Dimana λi adalah loading factor convergent validity, dan var i = 1- λi 2 Ghoxali: 26 menyatakan bahwa pengukuran ini dapat AVE = Σ λi 2 Σ λi 2 + Σi var i PC = Σ λi 2 Σ λi 2 + Σi var i 62 digunakan untuk mengukur realibilitas dan hasilnya telah konservatif dibandingkan nilai composite reliability.

4. R-squared R

2 Pengujian R-squared R 2 merupakan cara untuk mengukur tingkat Goodness of Fit GOF suatu model struktural. Nilai R-squared R 2 digunakan untuk menilai seberapa besar pengaruh variabel laten independen tertentu terhadap variabel laten dependen. Menurut Chin 1988 dalam Ghozali 2011: 27, hasil R 2 sebesar 0,67 mengindikasikan bahwa model dikategorikan baik. Hasil R 2 sebesar 0,33 mengindikasikan bahwa model dikategorikan moderat. Sedangkan hasil R 2 sebesar 0,19 mengindikasikan bahwa model dikategorikan lemah.

E. Kriteria Penerimaan dan Penolakan Hipotesis

Hipotesis adalah kesimpulan sementara yang harus dibuktikan kebenarannya atau dapat dikatakan proposisi tentatif tentang hubungan antara dua variabel atau lebih. Sebelum dilakukan pengujian hipotesis, maka harus diketahui Hipotesis Nol H dan Hipotesis Alternatif Ha. Kriteria penerimaan atau penolakan hipotesis pada penlitian ini adalah dengan menilai nilai t-statistik dan R-square. Nilai t-statistik t- hitung diperbandingkan dengan nilai t-tabel. Nilai t-tabel yang ditentukan dalam penelitian ini adalah sebesar 1,976 dengan tingkat signifikansi 0,05 two-tailed dan df sebesar 141 145 sampel – 4 tahun penelitian. Selanjutnya nilai t-tabel tersebut dijadikan sebagai nilai cut off untuk 63 penerimaan atau penolakan hipotesis yang diajukan. Kriteria penerimaan atau penolakan hipotesis dengan ketentuan sebagai berikut: Uji Hipotesis 1: Asimetri Informasi berpengaruh terhadap Biaya Ekuitas. Jika nilai t-statistik t-tabel dengan taraf signifikansi sebesar 0,05 two tailed, maka menolak H dan menerima Ha. Gambar 3.1 Hipotesis Pertama Keterangan: ξ 1 = Variabel laten eksogen asimetri informasi X 1.1 -X 1.4 = Indikator asimetri informasi λ x1.1 - λ x1.3 = Koefisien pengaruh langsung variabel laten eksogen asimetri informasi 1 - 4 = Kekeliruan pengukuran indikator variabel laten eksogen asimetri informasi 1 = Variabel endogen biaya ekuitas Y 1.1 -Y 1.4 = Indikator biaya ekuitas 1 1 λ x1.1 λ y1.1 2 λ x1.2 λ y1.2 2 λ x1.3 λ y1.3 3 3 λ x1.4 λ y1.4 4 4 1 ξ 1 X 1.1 X 1.2 X 1.3 X 1.4 Y 1.1 Y 1.2 Y 1.3 Y 1.4 64 λ y1.1 - λ y1.3 = Koefisien pengaruh langsung variabel laten endogen biaya ekuitas 1 – 4 = Kekeliruan pengukuran indikator variabel laten endogen biaya ekuitas. Uji Hipotesis 2: Tingkat Disclosure berpengaruh terhadap Biaya Ekuitas. Jika nilai t-statistik t-tabel dengan taraf signifikansi sebesar 0,05 two tailed, maka menolak H dan menerima Ha. Gambar 3.2 Hipotesis Kedua Keterangan: ξ 2 = Variabel laten eksogen tingkat disclosure X 2.1 -X 2.4 = Indikator tingkat disclosure λ x2.1 - λ x2.3 = Koefisien pengaruh langsung variabel laten eksogen tingkat disclosure 1 - 4 = Kekeliruan pengukuran indikator variabel laten eksogen tingkat disclosure 1 = Variabel endogen biaya ekuitas 1 1 λ x2.1 λ y1.1 2 λ x2.2 λ y1.2 2 λ x2.3 λ y1.3 3 3 λ x2.4 λ y1.4 4 4 1 ξ 2 X 2.1 X 2.2 X 2.3 X 2.4 Y 1.1 Y 1.2 Y 1.3 Y 1.4 65 Y 1.1 -Y 1.4 = Indikator biaya ekuitas λ y1.1 - λ y1.3 = Koefisien pengaruh langsung variabel laten endogen biaya ekuitas 1 – 4 = Kekeliruan pengukuran indikator variabel laten endogen biaya ekuitas Uji Hipotesis 3: Kepemilikan Manajerial berpengaruh terhadap Biaya Ekuitas. Jika nilai t-statistik t-tabel dengan taraf signifikansi sebesar 0,05 two tailed, maka menolak H dan menerima Ha. Gambar 3.3 Hipotesis Ketiga Keterangan: ξ 3 = Variabel laten eksogen kepemilikan manajerial X 3.1 -X 3.4 = Indikator kepemilikan manajerial λ x3.1 - λ x3.3 = Koefisien pengaruh langsung variabel laten eksogen kepemilikan manajerial 1 - 4 = Kekeliruan pengukuran indikator variabel laten eksogen kepemilikan manajerial 1 1 λ x3.1 λ y1.1 2 λ x3.2 λ y1.2 2 λ x3.3 λ y1.3 3 3 λ x3.4 λ y1.4 4 4 1 ξ 3 X 3.1 X 3.2 X 3.3 X 3.4 Y 1.1 Y 1.2 Y 1.3 Y 1.4 66 1 = Variabel endogen biaya ekuitas Y 1.1 -Y 1.4 = Indikator biaya ekuitas λ y1.1 - λ y1.3 = Koefisien pengaruh langsung variabel laten endogen biaya ekuitas 1 – 4 = Kekeliruan pengukuran indikator variabel laten endogen biaya ekuitas. Uji Hipotesis 4: Asimetri Informasi berpengaruh terhadap biaya ekuitas dengan kepemilikan manajerial sebagai variabel moderating. Jika nilai t-statistik t-tabel dengan taraf signifikansi sebesar 0,05 two tailed, maka menolak H dan menerima Ha. 5 6 7 8 λ z1.1 λ z1.2 λ z1.3 λ z1.4 1 1 λ x1.1 λ y1.1 2 λ x1.2 λ y1.2 2 λ x1.3 λ y1.3 3 3 λ x1.4 λ y1.4 4 4 1 ξ 1 X 1.1 X 1.2 X 1.3 X 1.4 Y 1.1 Y 1.2 Y 1.3 Y 1.4 ξ 3 Z 1.4 Z 1.3 Z 1.2 Z 1.1 67 Gambar 3.4 Hipotesis Keempat Keterangan: ξ 1 = Variabel laten eksogen asimetri informasi X 1.1 -X 1.4 = Indikator asimetri informasi λ x1.1 - λ x1.3 = Koefisien pengaruh langsung variabel laten eksogen asimetri informasi 1 - 4 = Kekeliruan pengukuran indikator variabel laten eksogen asimetri informasi ξ 3 = Variabel laten endogen kepemilikan manajerial Z 1.1 -Z 1.4 = Indikator kepemilikan manajerial λ z1.1 - λ z1.3 = Koefisien pengaruh langsung variabel laten endogen kepemilikan manajerial 5 – 8 = Kekeliruan pengukuran indikator variabel laten endogen kepemilikan manajerial 1 = Variabel endogen biaya ekuitas Y 1.1 -Y 1.4 = Indikator biaya ekuitas λ y1.1 - λ y1.3 = Koefisien pengaruh langsung variabel laten endogen biaya ekuitas 1 – 4 = Kekeliruan pengukuran indikator variabel laten endogen biaya ekuitas 68 Uji Hipotesis 5: Asimetri Informasi berpengaruh terhadap biaya ekuitas dengan kepemilikan manajerial sebagai variabel moderating. Jika nilai t-statistik t-tabel dengan taraf signifikansi sebesar 0,05 two tailed, maka menolak H dan menerima Ha. Gambar 3.5 Hipotesis Kelima Keterangan: ξ 2 = Variabel laten eksogen tingkat disclosure X 1.1 -X 1.4 = Indikator tingkat disclosure λ x1.1 - λ x1.3 = Koefisien pengaruh langsung variabel laten eksogen tingkat disclosure 1 - 4 = Kekeliruan pengukuran indikator variabel laten eksogen tingkat disclosure 5 6 7 8 λ z1.1 λ z1.2 λ z1.3 λ z1.4 1 1 λ x2.1 λ y1.1 2 λ x2.2 λ y1.2 2 λ x2.3 λ y1.3 3 3 λ x2.4 λ y1.4 4 4 1 ξ 2 X 2.1 X 2.2 X 2.3 X 2.4 Y 1.1 Y 1.2 Y 1.3 Y 1.4 ξ 3 Z 1.4 Z 1.3 Z 1.2 Z 1.1 69 ξ 3 = Variabel laten endogen kepemilikan manajerial Z 1.1 -Z 1.4 = Indikator kepemilikan manajerial λ z1.1 - λ z1.3 = Koefisien pengaruh langsung variabel laten endogen kepemilikan manajerial 5 – 8 = Kekeliruan pengukuran indikator variabel laten endogen kepemilikan manajerial 1 = Variabel endogen biaya ekuitas Y 1.1 -Y 1.4 = Indikator biaya ekuitas λ y1.1 - λ y1.3 = Koefisien pengaruh langsung variabel laten endogen biaya ekuitas 1 – 4 = Kekeliruan pengukuran indikator variabel laten endogen biaya ekuitas

F. Operasional Variabel Penelitian