DAN AUDITOR FLOW TERHADAP AUDIT QUALITYrepository.uinjkt.ac.id/.../51858/1/RISDAYANTI-FEB.pdf · 2020. 8. 13. · 1. Nama : Risdayanti 2. NIM : 11160820000009 3. Jurusan : Akuntansi

PENGARUH AUDIT MARKET CONCENTRATION, AUDIT FEE,

DAN AUDITOR FLOW TERHADAP AUDIT QUALITY

(Studi Empiris pada Perusahaan Manufaktur yang Terdaftar

di Bursa Efek Indonesia Periode 2014-2018)

HALAMAN JUDUL

SKRIPSI

Diajukan kepada Fakultas Ekonomi dan Bisnis

Guna Memenuhi Syarat-Syarat untuk Meraih Gelar Sarjana Akuntansi

Oleh :

Risdayanti

NIM: 11160820000009

PROGRAM STUDI AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1441 H/ 2020 M

ii

LEMBAR PENGESAHAN SKRIPSI

iii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF

Hari ini Rabu, 11 Maret 2020 telah dilakukan Ujian Komprehensif atas

mahasiswa:

1. Nama : Risdayanti

2. NIM : 11160820000009

3. Jurusan : Akuntansi (Audit)

4. Judul Skripsi : Pengaruh Audit Market Concentration, Audit Fee, dan

Auditor Flow Terhadap Audit Quality (Studi Empiris pada

Perusahaan Manufaktur yang Terdaftar di Bursa Efek

Indonesia Periode 2014-2018)

Setelah mencermati dan memperhatikan penampilan dan kemampuan yang

bersangkutan selama proses ujian komprehensif, maka diputuskan bahwa

mahasiswa tersebut di atas dinyatakan lulus dan komprehensif ini diterima sebagai

salah satu syarat untuk memperoleh gelar Sarjana Akuntansi pada Fakultas

Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Jakarta, 11 Maret 2020

1. Dr. Yusar Sagara, SE., Ak., M.Si, CA., CMA., CPMA ( )

NIDN. 2009058601 Penguji 1

2. Ismawati Haribowo, SE., M.Si ( )

NIP. 19800909 201411 2 003 Penguji 2

iv

LEMBAR PENGESAHAN UJIAN SKRIPSI

Hari ini , telah dilakukan Ujian Skripsi atas mahasiswa:


2. NIM : 11160820000009

3. Jurusan : Akuntansi (Audit)

4. Judul Skripsi : Pengaruh Audit Market Concentration, Audit Fee, dan

Auditor Flow Terhadap Audit Quality (Studi Empiris pada

Perusahaan Manufaktur yang Terdaftar di Bursa Efek

Indonesia Periode 2014-2018)

Setelah mencermati dan memperhatikan penampilan dan kemampuan yang

bersangkutan selama proses ujian skripsi, maka diputuskan bahwa mahasiswa

tersebut di atas dinyatakan lulus dan skripsi ini diterima sebagai salah satu syarat

untuk memperoleh gelar Sarjana Akuntansi pada Fakultas Ekonomi dan Bisnis

Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Jakarta, 27 Juli 2020

1. Fitri Damayanti, SE., M.Si ( )

NIP. 19810731 200604 2 003 Ketua Penguji

2. Fitri Yani Jalil, SE., M.Sc ( )

NIP. 19870604 201903 2 013 Penguji Ahli

3. Drs. Abdul Hamid Cebba, MBA., Ak., CPA ( )

NIP. 19620502 199303 1 003 Pembimbing

v

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH

Yang bertanda tangan di bawah ini:

Nama : Risdayanti

Nomor Induk Mahasiswa : 11160820000009

Fakultas : Ekonomi dan Bisnis

Jurusan : Akuntansi/Audit

Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:

1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan

dan mempertanggungjawabkan

2. Tidak melakukan plagiat terhadap naskah orang lain

3. Tidak menggunakan karya ilmiah orang lain tanpa menyebutkan

sumber asli atau tanpa menyebut pemilik karya

4. 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 di pertanggungjawabkan, ternyata memang

ditemukan bukti bahwa saya telah melanggar pernyataan di atas, maka saya siap

untuk dikenai sanksi berdasarkan aturan yang berlaku di Fakultas Ekonomi dan

Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Demikian pernyataan ini saya buat dengan sesungguhnya.

Jakarta,

Yang Menyatakan,

(Risdayanti)

vi

DAFTAR RIWAYAT HIDUP

I. IDENTITAS PRIBADI


2. Tempat, Tanggal Lahir : Blora, 04 Februari 1998

3. Alamat : Jl. Mawar 9 Blok F no. 8, Griya Sasmita

RT 002/ RW 009, Serua, Bojongsari,

Depok, 16517

4. No. Telp : 0896-8790-1066

5. Alamat e-mail : [email protected]

II. PENDIDIKAN

Tahun 2004 – 2010 : SD Negeri Serua 02

Tahun 2010 – 2013 : SMP Darussalam Ciputat

Tahun 2013 – 2016 : SMA Negeri 6 Tangerang Selatan

Tahun 2016 – 2020 : S1 Akuntansi - UIN Syarif Hidayatullah

Jakarta

III. PENGHARGAAN, PENGALAMAN ORGANISASI DAN

KEPANITIAAN

1. Penerima Beasiswa Bidikmisi (2018-2020)

2. Penerima Beasiswa Peningkatan Prestasi Akademik (2017)

3. Anggota UKM Koperasi Mahasiswa UIN Syarif Hidayatullah Jakarta

(2016-2018)

4. Ketua LSO Contabilita Club Divisi Penelitian dan Pengembangan HMJ

Akuntansi UIN Syarif Hidayatullah Jakarta (2018)

5. Koordinator Acara Seminar Nasional Accounting Week 0.1 (2017)

vii

6. Sekretaris Acara Pendidikan Dasar Perkoperasian UKM Koperasi

Mahasiswa UIN Syarif Hidayatullah Jakarta (2017)

IV. PENGALAMAN KERJA

1. PT Sumber Alfaria Trijaya Tbk sebagai Store Crew (2018)

2. PT Bina Fiscal Indonesia – Konsultan Pajak sebagai Asisten Konsultan

(Internship) (Nov 2019 – Jan 2020)

V. LATAR BELAKANG KELUARGA

1. Ayah : Iskandar

2. Ibu : Murniwati

3. Anak ke : 1 dari 3 bersaudara

viii

ABSTRACT

THE EFFECTS OF AUDIT MARFKET CONCENTRATION, AUDIT FEE,

AND AUDITOR FLOW ON AUDIT QUALITY

(Empirical Study on Manufacturing Companies Listed

on Indonesian Stock Exchange in Period 2014–2018)

By

Risdayanti

The objective of this research is to examine the effects of Audit Market

Concentration, Audit Fee and Auditor Flow on Audit Quality. The sample of this

study is all manufacturing companies listed on Indonesian Stock Exchange during

period 2014–2018. The number of manufacturing companies sample are 94

companies for 5 years and the total of research sample are 470 financial

statements or annual reports. The research method uses purposive sampling.

Hyphotesis testing in this research uses multiple linear regression analysis with

the help of SPSS Software version 25.

The result of this study indicate that Audit Market Concentration and

Audit Fee have significant negative effect on Audit Quality. In the other hand,

Auditor Flow has no effect on Audit Quality.

Keywords: Audit Market Concentration, Audit Fee, Auditor Flow, and Audit

Quality.

ix

ABSTRAK

PENGARUH AUDIT MARKET CONCENTRATION, AUDIT FEE,

DAN AUDITOR FLOW TERHADAP AUDIT QUALITY

(Studi Empiris pada Perusahaan Manufaktur yang Terdaftar

di Bursa Efek Indonesia Periode 2014–2018)

Oleh

Risdayanti

Penelitian ini bertujuan untuk menguji pengaruh Audit Market

Concentration, Audit Fee dan Auditor Flow terhadap Audit Quality. Penelitian ini

menggunakan sampel perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia selama periode 2014–2018. Jumlah perusahaan manufaktur yang

menjadi sampel dalam penelitian yakni 94 perusahaan selama 5 tahun, total

sampel penelitian adalah 470 laporan keuangan atau laporan tahunan. Metode

penelitian menggunakan purposive sampling. Pengujian hipotesis dalam

penelitian ini menggunakan analisis regresi linier berganda dengan bantuan

software SPSS versi 25.

Hasil penelitian ini mengindikasikan bahwa Audit Market Concentration

dan Audit Fee berpengaruh signifikan negatif terhadap Audit Quality. Di sisi lain,

Auditor Flow tidak berpengaruh terhadap Audit Quality.

Kata Kunci: Audit Market Concentration, Audit Fee, Auditor Flow, dan Audit

Quality

x

KATA PENGANTAR

Assalamu’alaikum Warahmatullahi Wabarakatuh,

Alhamdulillah hirabbil alamin, puji syukur atas kehadirat Allah Swt., yang

selalu melimpahkan nikmat serta karunia-Nya serta tak lupa salawat serta salam

penulis panjatkan kepada junjungan nabi besar Nabi Muhammad Saw., yang telah

membawa dari zaman kegelapan hingga terang-benderang seperti saat ini

sehingga penulis dapat menyelesaikan skripsi yang berjudul “Pengaruh Audit

Market Concentration, Audit Fee, dan Auditor Flow Terhadap Audit Quality

(Studi Empiris pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek

Indonesia Periode 2014–2018)”. Penulis sangat bersyukur atas terselesaikannya

penulisan dan penyusunan skripsi ini. Skripsi ini disusun guna mencapai gelar

Sarjana Akuntansi di Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Terselesaikannya skripsi ini, penulis menyadari bahwa banyak pihak yang

telah membantu dalam prosesnya. Oleh karena itu, penulis ingin mengucapkan

terima kasih dan penghargaan atas doa, bantuan, bimbingan, nasihat, dan motivasi

baik secara langsung maupun tidak langsung kepada :

1. Orang tua tercinta, Almarhumah Ibu Murniwati dan Ayah Iskandar serta

Bapak Komarudin yang telah memberikan dukungan baik materil maupun

non-materil, doa, motivasi, nasihat dan bimbingan sehingga penulis dapat

menyelesaikan perkuliahan dan skripsi ini.

2. Kedua adik & tante tersayang, Putri Fitria R.R., M. Putra Ferdiansa dan Lek

Yam serta seluruh keluarga tersayang yang telah memberikan dukungan serta

doa kepada penulis.

xi

3. Bapak Prof. Dr. Amilin, S.E., Ak., CA., QIA., BKP., CRMP., selaku dekan

Fakultas Ekonomi dan Bisnis sekaligus sebagai dosen Pembimbing

Akademik.

4. Ibu Yessi Fitri, S.E., M.Si, Ak., selaku Ketua Program Studi Akuntansi

Fakultas Ekonomi dan Bisnis.

5. Ibu Fitri Damayanti, M.Si., selaku Sekretaris Program Studi Akuntansi

Fakultas Ekonomi dan Bisnis.

6. Bapak Drs. Abdul Hamid Cebba, MBA., Ak., CPA., selaku Dosen

Pembimbing Skripsi yang telah bersedia meluangkan waktunya untuk

membimbing penulis dalam penyelesaian skripsi ini. Terima kasih banyak

atas segala nasihat, bantuan, masukan, dan dukungan yang diberikan kepada

penulis selama penyelasaian skripsi ini.

7. Seluruh Dosen Universitas Islam Negeri Syarif Hidayatullah Jakarta yang telah

banyak memberikan ilmu-ilmu yang bermanfaat kepada penulis.

8. Seluruh staff Universitas Islam Negeri Syarif Hidayatullah Jakarta yang telah

memberikan bantuan kepada penulis.

9. Sahabat-sahabat ‘Asinan’ sejak semester 1 di UIN Jakarta dan akan terus

berlanjut sampai nanti, Delly Oktaviani, Safitriyani, Meidyana Savitri, dan

Nur Endah Rahmawati.

10. Sahabat-sahabat penulis semasa SMA dan akan berlanjut sampai nanti, Rizky

Oktaviani dan Nazila Fajriah Amri yang telah memberikan support kepada

penulis, baik non-materil maupun materil (termasuk kuota wifi).

11. Sahabat-sahabat terbaik penulis semasa SD, Sadam dan Anju yang selalu

berbagi cerita dan pengalaman kepada penulis.

12. Sandi Susandi, selaku kerabat penulis yang selalu menemani, mengingatkan

dan memberikan support dalam penyelesaian skripsi ini.

xii

13. Seluruh teman-teman akuntansi terkhusus kelas Akuntansi 6A angkatan 2016,

terutama Robby Sefri yang telah banyak membantu penulis dalam penyelesaian

skripsi ini.

14. Seluruh teman-teman KKN kelompok 179.

15. Semua pihak yang telah membantu.

Penulis menyadari bahwa penulisan skripsi ini masih jauh dari kata sempurna

karena keterbatasan pengetahuan dan pengalaman yang dimiliki. Oleh karena itu,

penlis mengharapkan segala bentuk kritik, saran, dan masukkan yang

membangun dari berbagai pihak.

Wassalamu’alaikum Warahmatullahi Wabarakatuh.

Jakarta, 14 Juni 2020

Risdayanti

xiii

DAFTAR ISI

HALAMAN JUDUL ................................................................................................ i

LEMBAR PENGESAHAN SKRIPSI .................................................................... ii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ....................................... iii

LEMBAR PENGESAHAN UJIAN SKRIPSI ....................................................... iv

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH ................................ v

DAFTAR RIWAYAT HIDUP ............................................................................... vi

ABSTRACT ........................................................................................................... viii

ABSTRAK ............................................................................................................. ix

KATA PENGANTAR ............................................................................................ x

DAFTAR ISI ........................................................................................................ xiii

DAFTAR TABEL ................................................................................................. xv

DAFTAR GAMBAR ........................................................................................... xvi

BAB I PENDAHULUAN ....................................................................................... 1

A. Latar Belakang Masalah ............................................................................... 1

B. Pembatasan dan Perumusan Masalah......................................................... 12

C. Tujuan Penelitian ....................................................................................... 13

D. Manfaat Penelitian ..................................................................................... 14

BAB II TINJAUAN PUSTAKA ........................................................................... 15

A. Tinjauan Literatur....................................................................................... 15

1. Agency Theory (Teori Keagenan) ........................................................... 15

2. Stakeholder Theory (Teori Kepentingan) ............................................... 16

3. Audit Quality (Kualitas Audit) ............................................................... 17

4. Audit Market Concentration ................................................................... 19

5. Audit Fee ................................................................................................ 20

6. Auditor Flow (Perpindahan Auditor) ..................................................... 22

B. Hasil-hasil Penelitian Terdahulu ................................................................ 25

C. Kerangka Pemikiran ................................................................................... 30

D. Pengembangan Hipotesis ........................................................................... 31

1. Pengaruh Audit Market Concentration terhadap Audit Quality ............. 31

xiv

2. Pengaruh Audit Fee terhadap Audit Quality ........................................... 32

3. Pengaruh Auditor Flow terhadap Audit Quality ..................................... 34

BAB III METODOLOGI PENELITIAN.............................................................. 36

A. Ruang Lingkup Penelitian .......................................................................... 36

B. Metode Penentuan Sampel ......................................................................... 36

C. Metode Pengumpulan Data ........................................................................ 37

1. Penelitian Pustaka (Library Research) ................................................... 37

2. Penelitian Lapangan (Field Research) ................................................... 38

D. Operasionalisasi Variabel Penelitian.......................................................... 38

1. Variabel Independen ............................................................................... 38

2. Variabel Dependen ................................................................................. 40

E. Metode Analisis Data ................................................................................. 44

1. Analisis Statistik Deskriptif .................................................................... 45

2. Uji Asumsi Klasik .................................................................................. 45

3. Analisis Regresi ...................................................................................... 48

4. Pengujian Hipotesis ................................................................................ 49

BAB IV ANALISIS DAN PEMBAHASAN ........................................................ 52

A. Gambaran Umum Objek Penelitian ........................................................... 52

B. Temuan Hasil Penelitian ............................................................................ 54

1. Hasil Analisis Statistik Deskriptif .......................................................... 54

2. Hasil Uji Asumsi Klasik ......................................................................... 57

3. Hasil Pengujian Hipotesis ...................................................................... 65

C. Pembahasan ................................................................................................ 69

1. Pengaruh Audit Market Concentration terhadap Audit Quality ............. 69

2. Pengaruh Audit Fee terhadap Audit Quality ........................................... 71

3. Pengaruh Auditor Flow terhadap Audit Quality ..................................... 72

BAB V SIMPULAN DAN SARAN ..................................................................... 75

A. Simpulan .................................................................................................... 75

B. Saran ........................................................................................................... 76

DAFTAR PUSTAKA ........................................................................................... 78

LAMPIRAN-LAMPIRAN .................................................................................... 83

xv

DAFTAR TABEL

No Keterangan Halaman

1.1 Kasus Pelanggaran Akuntansi di Indonesia 3

2.1 Daftar Penelitian-penelitian Terdahulu 25

3.1 Pengukuran Operasional Variabel Penelitian 44

4.1 Proses Seleksi Sampel 53

4.2 Hasil Uji Statistik Deskriptif 54

4.3 Hasil Uji Normalitas dengan Uji Kolmogorov Smirnov 58

4.4 Hasil Uji Normalitas dengan Uji Kolmogorov Smirnov

setelah Outlier 59

4.5 Hasil Uji Multikolinearitas 62

4.6 Hasil Uji Autokorelasi dengan Runs Test 63

4.7 Hasil Uji Heterokedastisitas dengan Uji Glejser 65

4.8 Hasil Uji Koefisien Determinasi (R²) 66

4.9 Hasil Uji F-Test 67

4.10 Hasil Uji T-test 68

xvi

DAFTAR GAMBAR

No Keterangan Halaman

2.1 Kerangka Pemikiran 30

4.1 Hasil Uji Normalitas dengan Histogram Normal 60

4.2 Hasil Uji Normalitas dengan Grafik Normal Plot 61

4.3 Hasil Uji Heterokedastisitas dengan Grafik Scatterplot 64

1

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Dunia bisnis telah berkembang dengan sangat pesat di era globalisasi ini.

Kegiatan bisnis menjadi semakin besar yang melibatkan berbagai pihak, terlihat

dari segi proses bisnis yang terjadi, jumlah karyawan dan implementasi sistem

informasi dalam suatu organisasi menjadi semakin kompleks. Sudah menjadi

kewajiban perusahaan untuk mencatat seluruh transaksi atau aktivitas ekonomi

yang terjadi dan melaporkannya dalam laporan keuangan secara jujur tanpa

manipulasi. Laporan keuangan merupakan laporan yang menunjukkan kondisi

keuangan perusahaan pada saat ini atau dalam suatu periode tertentu (Kasmir,

2016). Perusahaan harus mengekspose laporan keuangan tersebut secara terbuka

kepada pihak-pihak yang berkepentingan seperti para pemegang saham, kreditur,

pemerintah maupun masyarakat.

Menurut Ikatan Akuntan Indonesia (2009), tujuan laporan keuangan

adalah menyediakan informasi yang menyangkut posisi keuangan, kinerja, serta

perubahan posisi keuangan suatu perusahaan yang bermanfaat bagi sejumlah

besar pemakai dalam pengambilan keputusan ekonomi. Laporan keuangan

haruslah menyajikan kondisi keuangan yang sebenarnya tanpa manipulasi dari

pihak-pihak yang berkepentingan, sehingga laporan keuangan haruslah kredibel

atau dapat diandalkan. Untuk meningkatkan kepercayaan publik akan laporan

keuangan perusahaan, laporan keuangan tersebut hendaknya diaudit oleh auditor

2

independen. Tujuan menyeluruh dari audit laporan keuangan adalah untuk

menyatakan pendapat apakah keuangan klien menyajikan secara wajar dalam

semua hal yang material sesuai prinsip-prinsip yang berlaku wajar sesuai prinsip

akuntansi. Oleh karena itu, auditor diharapkan mampu melakukan pemeriksaan

yang adil, transparan dan menyeluruh. Dari profesi akuntan publik masyarakat

mengharapkan penilaian yang bebas dan tidak memihak terhadap informasi yang

disajikan oleh manajemen perusahaan dalam laporan keuangan. Carl dalam

Pramesti dan Wiratmaja (2017), menyatakan keberadaan auditor independen pada

suatu entitas sebagai pendeteksi kejanggalan-kejanggalan dalam laporan keuangan,

diharuskan mampu mengemukakan kecurangan yang mungkin dilakukan oleh pihak

manajemen dan menghindarkan principal dari kerugiaan sebagai pihak pemilik dana

dalam entitas.

Meningkatnya kepercayaan pemegang saham atas laporan keuangan

dipengaruhi oleh kualitas laporan keuangan yang dihasilkan dalam sebuah

perusahaan. Kualitas laporan keuangan dapat dikatakan handal apabila laporan

keuangan menghasilkan hasil audit yang berkualitas tinggi (Fitriany et al., 2015).

Berdasarkan Standar Profesional Akuntan Publik (SPAP) audit yang dilaksanakan

auditor tersebut dapat berkualitas jika memenuhi ketentuan atau standar auditing.

De Angelo dalam Andriani dan Nursiam (2018), mendefinisikan kualitas audit

merupakan probabilitas bahwa auditor akan menemukan dan melaporkan

pelanggaran pada sistem akuntansi klien. Kualitas audit akan berdampak pada

reliabilitas, kredibilitas, dan acceptability laporan keuangan. Kompetensi dan

3

integritas auditor akan menentukan kualitas kerja dan laporan audit yang

dihasilkan (Eguasa & Urhoghide, 2017).

Namun pada kenyataannya, banyak laporan keuangan yang dimanipulasi

untuk kepentingan pihak-pihak tertentu. Telah banyak kasus kecurangan (fraud)

dalam perauditan di korporasi yang menambah catatan kelam dunia perekonomian

yang mana hal tersebut tentu saja mengkhawatirkan para pemegang saham

(shareholders). Beberapa kasus pelanggaran pada sistem akuntansi klien auditor

diringkas dalam tabel berikut.

Tabel 1.1

Kasus Pelanggaran Akuntansi di Indonesia

No. Nama

Perusahaan

Kasus KAP yang

Mengaudit

1. PT Kimia Farma

(2001)

Melakukan mark-up laba

bersih laporan keuangan

dengan melakukan overstated

terhadap penjualan dan

persediaan.

KAP Hans

Tuanakotta &

Mustofa (HTM)

2. PT Indofarma

(2001 dan 2002)

Tahun 2001 melakukan

manajemen laba dengan

menyatakan nilai barang

dalam proses dinilai lebih

tinggi dari nilai yang

seharusnya (overstated).

Tahun 2002 melakukan

kesalahan pencatatan laporan

keuangan karena kesalahan

penerapan metode akuntansi

dalam menghitung inventory.

KAP Hadori dan

Rekan dan KAP Hans

Tuanakotta &

Mustofa (HTM)

Bersambung pada halaman selanjutnya

4

Tabel 1.1 (Lanjutan)

No. Nama

Perusahaan

Kasus KAP yang

Mengaudit

3. PT Electronic

Solution (2007)

Melakukan pelanggaran

terhadap Standar Auditing

(SA) dan Standar Profesional

Akuntan Publik (SPAP).

AP Drs. Oman

Pieters Arifin

4. PT Asuransi Sosial

Angkatan

Bersenjata

Republik

Indonesia (Asabri)

(2018)

Mengalami kerugian akibat

portfolio investasi pada

saham-saham dan korupsi.

KAP Hadori Sugiarto

Adi dan Rekan

(2010), KAP Kanaka

Puradiredja,

Suhartono (2011-

2013), KAP

Heliantono dan

Rekan (2015-2016),

KAP Tanudiredja,

Wibisana, Rintis dan

Rekan (PwC) (2017)

5. PT

Asuransi Jiwasraya

(Persero) (2018)

Mengumumkan adanya

masalah likuiditas yang

membuat manajemen tidak

mampu membayar polis

asuransi unit link saving plan

yang jatuh tempo sebesar Rp

802 miliar. Hal tersebut

disebabkan karena kelalaian

kantor akuntan publik (KAP)

yang ditunjuk oleh Jiwasraya

yang tidak mampu

menemukan masalah

keuangan di Jiwasraya.

KAP Heliantono dan

Rekan (2014-2015),

KAP Tanudiredja,

Wibisana, Rintis dan

Rekan (PwC) (2016-

2017)


https://www.cnnindonesia.com/tag/jiwasraya

5


No. Nama

Perusahaan

Kasus KAP yang

Mengaudit

6. PT Sunprima

Nusantara

Pembiayaan (SNP

Finance) (2018)

Melanggar pasal berlapis,

yaitu KUHP 362 tentang

pemalsuan surat, KUHP 362

tentang penggelapan dan

KUHP 378 tentang penipuan.

Akuntan Publik (AP)

Marlina dan AP

Merliyana Syamsul

(afiliasi Deloitte

Indonesia) KAP

Satrio Bing Eny dan

rekan sendiri selaku

auditor eksternal SNP

Finance.

7. PT Garuda

Indonesia

(Persero) (2018)

Laporan keuangan Garuda

Indonesia belum sesuai

standar akuntansi yang mana

mengakui pendapatan sebesar

US$ 809 ribu, berbanding

terbalik dengan kondisi 2017

yang merugi sebesar US$

216,58 juta.

AP Kasner

Sirumapea dan KAP

Tanubrata, Sutanto,

Fahmi, Bambang dan

Rekan (BDO).

Sumber: Data diolah oleh Penulis (2020)

Pada awalnya kualitas audit mulai mendapat perhatian tinggi dimulai

adanya kasus Enron Corporation pada tahun 2001 silam. Dalam kasus ini terbukti

KAP Arthur Andersen telah melakukan kerjasama dengan Enron untuk

memanipulasi laporan keuangan dan mengeluarkan opini wajar dalam temuan

auditnya. Hilangnya independensi KAP Arthur Andersen dicurigai terjadi karena

lamanya perikatan jasa audit KAP Arthur Andersen terhadap Enron yang

mencapai 20 tahun. Dari kasus Enron tersebut, pemerintah AS lalu menerbitkan

Sarbanes-Oxley Act (SOX) untuk melindungi para investor dengan cara

meningkatkan akurasi dan reabilitas pengungkapan yang dilakukan perusahaan

publik.

https://www.cnnindonesia.com/tag/snp-finance

https://www.cnnindonesia.com/tag/snp-finance

6

Di Indonesia sendiri, pemerintah telah menerbitkan Peraturan Menteri

Keuangan No. 17/PMK.01/2008 tentang Jasa Akuntan Publik yang merupakan

penyempurnaan atas Keputusan Menteri Keuangan No. 423/KMK.06/2002 dan

No. 359/KMK.06 /2003 dengan alasan demi menjaga kualitas auditor dengan cara

melakukan pembatasan masa pemberian jasa akuntan publik, diharapkan akan

mendapatkan reaksi positif dari investor karena dampak positif dari meningkatnya

kualitas auditor (Elya dan Nila dalam Pramesti dan Wiratmaja 2017). Kedua

peraturan tersebut telah diperbarui oleh Peraturan Pemerintah Nomor 20 Tahun

2015 yang mengatur bahwa pembatasan audit laporan keuangan untuk Akuntan

Publik ialah selama 5 (lima) tahun buku berturut-turut, sedangkan untuk Kantor

Akuntan Publik (KAP) tidak diberlakukan pembatasan. Dari peraturan itu

menunjukkan bahwa lamanya masa perikatan audit memungkinkan terjalinnya

hubungan spesial antara auditor dengan klien yang cenderung akan menurunkan

independensi auditor.

Kasus Enron yang terjadi pada tahun 2001 tidak hanya menggambarkan

bahwa masa perikatan yang lama dapat memengaruhi kualitas audit yang

dihasilkan tetapi dalam kasus tersebut KAP Arthur Andersen merupakan KAP

yang tergabung dalam big five pada masa itu dan dapat dipastikan memiliki

reputasi baik. Begitu pula dengan ketiga kasus lainnya yang melibatkan KAP big

4 di Indonesia. Hal tersebut mengindikasikan bahwa ukuran KAP yang besar

belum tentu menghasilkan kualitas audit yang baik.

Berdasarkan banyaknya kasus kecurangan yang melibatkan para akuntan

publik telah menunjukkan bahwa auditor telah gagal untuk mendeteksi

7

kecurangan atau error yang menyebabkan salah saji material, bahkan pada kasus

Enron auditor melakukan penyelewengan standar bersama klien melakukan fraud.

Hal tersebut menyebabkan kepercayaan publik terhadap penyedia jasa akuntan

publik menurun. Bahkan, kasus-kasus besar manipulasi keuangan justru

cenderung melibatkan kantor-kantor akuntan publik ternama. Sehingga, saat ini

kualitas audit menjadi concern di dunia untuk bagaimana memberikan jasa audit

yang berkualitas, sehingga audit yang dilakukan mampu mendeteksi kecurangan

(fraud) maupun salah saji material karena error serta auditor mampu memberikan

opini atas temuannya tanpa adanya tekanan dari pihak lain.

Sampel dalam penelitian ini adalah perusahaan manufaktur yang terdaftar

di Bursa Efek Indonesia (BEI), peneliti memilih sektor ini dikarenakan industri

manufaktur berperan penting dalam upaya menstimulasi nilai investasi dan ekspor

serta menjadi sektor andalan untuk mengakselerasi pertumbuhan ekonomi

nasional, sehingga perusahaan yang bergerak di sektor industri manufaktur

mempunyai tanggung jawab agar tidak terjadi penyimpangan serta menjaga

kestabilan pertumbuhan ekonomi. Dalam skala nasional, industri manufaktur

memberikan sumbangsih sebesar 20,27% dengan menggeser peran Commodity

Based menjadi Manufacture Based. Hasilnya, Indonesia pun menjadi basis

manufaktur terbesar di Asia Tenggara. Oleh karena itu, penting untuk meneliti

kualitas audit serta faktor-faktor yang dapat memengaruhinya pada industri

manufaktur, mengingat adanya kasus terkait rendahnya kualitas audit yang pernah

terjadi. Sehingga diharapkan kedepannya kualitas audit pada industri manufaktur

dapat terjaga.

8

Kualitas audit dipengaruhi oleh banyak faktor, salah satunya konsentrasi

pasar audit (audit market concentration). Persaingan didalam dunia usaha

semakin ketat, termasuk persaingan dalam bisnis pelayanan jasa akuntan publik.

Sejalan dengan semakin maju dan berkembang pesatnya perusahaan go public di

Indonesia, mengakibatkan permintaan akan audit laporan keuangan yang semakin

meningkat. Sehingga untuk dapat bertahan ditengah persaingan yang ketat,

khususnya dibidang bisnis pelayanan jasa akuntan publik harus dapat

menghimpun klien sebanyak mungkin dan mendapatkan kepercayaan dari

masyarakat luas, oleh karena itu menuntut para auditor untuk tetap memiliki

kualitas audit yang baik (Putra dalam Kurniasih & Rohman, 2014).

Di Indonesia pasar jasa audit dikuasai oleh empat KAP besar yang

merupakan affiliasi dari KAP Big 4 internasional. Keempat KAP itu diantaranya

Deloitte Touche Tohmatsu, PricewaterhouseCoopers, Ernst & Young, dan KPMG.

Penelitian Afriansyah dan Siregar (2007) menggunakan total aset klien audit

menunjukan empat KAP besar (yang berafiliasi dengan Big 4) di tahun 2000

menguasai 94% pasar audit di Indonesia yang kemudian mengalami penurunan

menjadi 86% ditahun 2002 lalu naik kembali menjadi 88% ditahun 2005. Angka

ini menunjukan bahwa pasar jasa audit di Indonesia memiliki tingkat konsentrasi

yang tinggi apalagi di Indonesia sendiri jumlah akuntan publik ukuran menengah

ke bawah masih sangat terbatas sehingga konsentrasi pasar audit akan didominasi

oleh KAP besar (big 4).

Secara teoritis, keberadaan konsentrasi tinggi akan mengurangi kualitas

audit yang dihasilkan. Inilah sebabnya mengapa persaingan pasar audit yang

9

mendapat banyak perhatian dari regulator untuk merumuskan kebijakan publik

yang mengatur praktik auditor (Anggraita et al., 2016). Sebagai tambahan, Gunn

et al. (2019) dalam penelitiannya menyatakan bahwa sulit bagi KAP yang lebih

kecil (non big 4) untuk bersaing dalam pasar audit untuk klien yang besar dan

kompleks karena keterbatasan sumber daya dan network untuk melaksanakan

pekerjaan mereka. Di negara-negara maju, perhatian atas kondisi pasar audit

cukup mendapat perhatian beberapa ekonom, hal ini penting karena peningkatan

konsentrasi pasar audit akan berdampak pada meningkatnya audit fee,

berkurangnya independensi dari akuntan publik, dan menurunnya kualitas audit

(Lubbers dalam Afriansyah & Siregar, 2007).

Hasil penelitian Gunn et al (2019) menunjukkan terjadi penurunan kualitas

audit pada Big 4 market concentration yang tinggi. Hasil mengindikasikan ketika

audit market concentration tinggi menyebabkan tingginya fee audit pada klien

yang kompleks, namun menunjukkan kualitas audit yang lebih rendah. Hasil

tersebut berbanding terbalik dengan penelitian Eguasa dan Urhoghide (2017) yang

menunjukkan bahwa konsentrasi pasar audit meningkatkan kualitas audit dan

kepercayaan publik pada perusahaan di Nigeria. Penelitian Anggraita et al. (2016)

juga menunjukan bahwa tingkat konsentrasi pasar audit berhubungan dengan

kualitas audit dimana semakin tinggi tingkat konsentrasi pasar berhubungan

dengan semakin meningkatnya kualitas audit.

Faktor lainnya yang memengaruhi kualitas audit adalah fee audit. Dalam

hal ini, diasumsikan bahwa auditor yang berkualitas lebih tinggi akan

mengenakan fee audit yang lebih tinggi pula. Masalah keagenan auditor

10

bersumber dari adanya mekanisme kelembagaan antara auditor dan manajemen.

Satu sisi auditor ditunjuk manajemen untuk melakukan audit, namun disisi lain,

jasa audit dibayar dan ditanggung manajemen. Kualitas audit yang baik

berhubungan dengan adanya fee audit, fee audit merupakan salah satu faktor

seorang auditor untuk melaksanakan pekerjaannya. Pramesti dan Wiratmaja

(2017) menyatakan besarnya fee audit dapat bervariasi tergantung antara lain

risiko penugasan, kompleksitas jasa yang diberikan, tingkat keahlian yang

diperlukan untuk melakukan jasa tersebut, struktur biaya KAP yang bersangkutan

dan pertimbangan professional yang lainnya. Dalam kode etik akuntan Indonesia

(SPAP, 2011), diatur bahwa imbalan jasa profesional tidak boleh bergantung pada

hasil atau temuan atas pelaksanaan jasa tersebut namun beberapa hasil penelitian

menemukan adanya hubungan antara kualitas audit dan fee audit.

Penelitian Gunn et al. (2019) menunjukkan audit fee berpengaruh negatif

terhadap kualitas audit, audit fee yang tinggi dengan konsentrasi pasar yang tinggi

menyebabkan penurunan kualitas audit. Sedangkan penelitian yang dilakukan

Andriani dan Nursiam (2018) menunjukkan bahwa fee audit memiliki pengaruh

signifikan terhadap kualitas audit. Begitu pula dengan hasil penelitian Pramesti

dan Wiratmaja (2017) yang menemukan bahwa fee audit dan profesionalisme

auditor berpengaruh positif pada kualitas audit pada kualitas audit Kantor

Akuntan Publik Di Bali.

Selain audit market concentration dan audit fee, faktor lain yang

memengaruhi audit quality ialah auditor flow atau perpindahan auditor. Dalam

prakteknya, ada peluang bagi seorang auditor untuk berpindah kerja dari satu

11

KAP ke KAP lainnya. Menurut Francis et al. (2013), setiap auditor nemiliki gaya

auditnya masing-masing tergantung kantor akuntan publik tempat auditor tersebut

bekerja. Penelitian yang dilakukan oleh Cao et al. (2016) menunjukkan bahwa

dengan adanya perpindahan auditor (auditor flow), komparabilitas laporan

keuangan klien dapat berubah. Sebelum perpindahan auditor (yang ditandai

dengan merger) perbandingan laporan keuangan antar dua klien tinggi ketika

diaudit oleh auditor yang berasal dari grup yang sama, dan rendah ketika diaudit

oleh auditor yang berbeda. Namun, setelah perpindahan auditor, perbandingan

laporan keuangan dari grup auditor yang berbeda meningkat secara signifikan.

Hasil tersebut mengindikasikan bahwa auditor memiliki gaya khas tersendiri

dalam melakukan proses audit terhadap kliennya yang dapat memengaruhi

kualitas audit.

Perpindahan auditor dari KAP awal ke KAP baru menimbulkan

kemungkinan adanya perubahan gaya audit yang dimiliki seorang auditor.

Sehingga, terjadinya perpindahan auditor dapat memengaruhi kualitas audit yang

dihasilkan (Cao et al., 2016). Namun pada penelitian yang dilakukan oleh Butar-

Butar (2014) menunjukkan hasil bahwa merger kedua KAP besar Pricewaterhouse

dengan Coopers&Lybrands tidak memberi pengaruh yang signifikan terhadap

kualitas audit di Indonesia.

Berdasarkan uraian tersebut, peneliti termotivasi untuk melakukan

penelitian ini karena pertama, semakin meningkatnya konsentrasi pasar audit pada

KAP besar yang menyebabkan menurunnya persaingan jasa audit yang

menimbulkan pengaruh terhadap kualitas audit. Kedua, kualitas audit yang

12

diharapkan semakin tinggi dengan tingginya fee audit yang diberikan. Namun

pada kenyataannya, kualitas audit belum tentu berbanding lurus dengan semakin

besarnya fee audit yang diberikan. Ketiga, perpindahan auditor menimbulkan

kemungkinan adanya perubahan gaya audit yang dimiliki seorang auditor yang

memengaruhi kualitas audit. Secara umum, penelitian mengenai audit quality dan

audit fee memang sudah sering dilakukan, namun jarang penelitian tersebut

dikaitkan dengan faktor audit market concentration dan auditor flow khususnya di

Indonesia. Selain itu, penelitian sebelumnya yang mengaitkan audit quality

dengan variabel konsentrasi pasar audit, fee audit dan perpindahan auditor

menunjukkan hasil yang tidak konsisten. Oleh sebab itu, penelitian ini penting

dilakukan untuk mengetahui bagaimana konsentrasi pasar audit, fee audit, dan

auditor flow memengaruhi kualitas audit.

Melihat fenomena yang ada dan alasan-alasan tersebut peneliti termotivasi

untuk melakukan penelitian yang berjudul “Pengaruh Audit Market

Concentration, Audit Fee, dan Auditor Flow Terhadap Audit Quality (Studi

Empiris pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek

Indonesia Periode 2014-2018)”.

B. Pembatasan dan Perumusan Masalah

1. Pembatasan Masalah

Mengingat terbatasnya data dan informasi yang didapatkan, maka dalam

penelitian ini akan membatasi masalah-masalah yang ada diantaranya:

13

a. Dari identifikasi masalah di atas, maka akan dilakukan penelitian tentang

pengaruh audit market concentration, audit fee dan auditor flow terhadap

audit quality.

b. Sampel penelitian adalah laporan keuangan perusahaan manufaktur yang

terdaftar di BEI tahun 2014-2018.

c. Metode yang digunakan yaitu analisis regresi linear berganda.

2. Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan, maka rumusan masalah

yang akan dibahas dalam penelitian ini adalah sebagai berikut:

a. Apakah audit market concentration berpengaruh signifkan terhadap audit

quality?

b. Apakah audit fee berpengaruh signifikan terhadap audit quality?

c. Apakah auditor flow berpengaruh signifikan terhadap audit quality?

C. Tujuan Penelitian

Berdasarkan perumusan masalah, penelitian ini bertujuan untuk

menemukan bukti empiris atas hal-hal sebagai berikut:

1. Menganalisis pengaruh audit market concentration terhadap audit quality.

2. Menganalisis pengaruh audit fee terhadap audit quality.

3. Menganalisis pengaruh auditor flow terhadap audit quality.

14

D. Manfaat Penelitian

Berdasarkan rumusan masalah, penelitian ini bermanfaat untuk:

1. Kontribusi Teoritis

a. Mahasiswa jurusan akuntansi, sebagai bahan referensi untuk menambah

ilmu pengetahuan terkait dengan faktor-faktor yang memengaruhi kualitas

audit terkhusus pengaruh audit market concentration, audit fee dan auditor

flow serta bermanfaat untuk perkembangan ilmu akuntansi untuk

menambah pengetahuan mengenai akuntansi dan audit.

b. Peneliti selanjutnya, sebagai bahan referensi bagi peneliti selanjutnya yang

ingin melakukan penelitian lebih lanjut mengenai topik ini.

c. Penulis, sebagai sarana untuk menambah wawasan dan pengetahuan

terkait pengaruh audit market concentration, audit fee dan auditor flow

terhadap audit quality.

2. Kontribusi Praktis

a. Akuntan publik, sebagai masukan untuk mendorong kinerja auditor dalam

memberikan opini audit yang berkualitas.

b. Akademisi, sebagai bahan pengajaran untuk meningkatkan minat

mahasiswa dalam mata kuliah audit, mengingat semakin besarnya peran

dan kebutuhan akan audit.

15

BAB II

TINJAUAN PUSTAKA

A. Tinjauan Literatur

1. Agency Theory (Teori Keagenan)

Menurut Jensen dan Meckling (1976), mendefinisikan teori agensi

sebagai hubungan keagenan suatu kontrak, dimana satu orang atau lebih

(prinsipal) meminta pihak lainnya (agen) untuk melaksanakan sejumlah

pekerjaan atas nama principal, yang melibatkan pendelegasian sebagian

kewenangan pengambilan keputusan kepada agen. Karena kepentingan kedua

pihak tidak selalu sejalan, maka sering terjadi benturan kepentingan antara

prinsipal dengan agen sebagai pihak yang diserahi wewenang untuk

mengelola perusahaan yang menyebabkan diperlukannya pihak ketiga yang

independen untuk memeriksa dan memberikan assurance pada laporan

keuangan yang dibuat oleh manajemen, yaitu seorang auditor.

Hubungan antara principal dengan agent dapat mengarah kepada

kondisi ketidakseimbangan informasi (asymmetrical information), hal tersebut

dikarenakan agent berada dalam posisi yang memiliki informasi lebih banyak

dibandingkan dengan principal. Dengan ketidakseimbangan informasi yang

dimiliki oleh agent dan adanya self-interest, terdapat kemungkinan bahwa hal

tersebut akan mendorong agent untuk menyembunyikan informasi-informasi

yang tidak diketahui oleh principal, agent dapat saja melakukan tindak

kecurangan (fraud). Dalam hal ini principal hanya memiliki sedikit alasan

16

untuk mempercayai agent mereka, dan principal akan mencari cara untuk

memecahkan masalah tersebut dan berusaha untuk mengurangi terjadinya

ketidakseimbangan informasi.

Santoso dan Pambelum (2008) mendefinisikan hubungan keagenan

sebagai sebuah kontrak dimana satu atau lebih (principal) menyewa orang lain

(agent) untuk melakukan beberapa jasa untuk kepentingan mereka dengan

mendelegasikan beberapa wewenang pembuatan keputusan kepada agent.

Konflik kepentingan akan muncul dan pendelegasian tugas yang diberikan

kepada agent dimana agent tidak dalam kepentingan untuk memaksimumkan

kesejahteraan principal, tetapi mempunyai kecendrungan untuk

mementingkan diri sendiri dengan mengorbankan kepentingan pemilik.

Ketidakseimbangan informasi dan konflik kepentingan inilah yang akan dapat

mendorong agent untuk melakukan tindak kecurangan (fraud), mengingat

fraud dalam dunia audit sangat rentan terjadi terutama di era seperti sekarang

ini.

2. Stakeholder Theory (Teori Kepentingan)

Freeman (1984) mendefinisikan stakeholder sebagai “any group or

individual who can affect or is affected by the achievment of the

organization’s objectives.” Terjemahan bebasnya adalah sebagai kelompok

atau individu yang dapat memengaruhi dan/atau dipengaruhi oleh suatu

pencapaian tujuan tertentu.

17

Teori kepentingan atau yang biasa disebut dengan stakeholder theory

merupakan cara-cara yang dilakukan perusahaan dalam menjalin hubungan

perusahaan dengan stakeholder. Stakeholder dalam hal ini adalah principal

(pemegang saham), manajemen (agent), regulator (pemerintah). Para

stakeholder membutuhkan berbagai informasi terkait kegiatan operasi yang

dilakukan oleh perusahaan agar para stakeholder dapat mengambil keputusan

dengan informasi yang ada.

Teori stakeholder adalah teori yang menggambarkan kepada pihak

mana saja perusahaan bertanggungjawab. Perusahaan harus menjaga

hubungan dengan stakeholder-nya dengan mengakomodasi keinginan dan

kebutuhan stakeholder-nya, terutama stakeholder yang mempunyai power

terhadap ketersediaan sumber daya yang digunakan untuk aktivitas

operasional perusahaan, misal tenaga kerja, pasar atas produk perusahaan dan

lain-lain (Chariri & Ghozali, 2007).

Munculnya teori stakeholders sebagai paradigma dominan semakin

menguatkan konsep bahwa perusahaan bertanggung jawab tidak hanya

kepada pemegang saham melainkan juga terhadap para pemangku

kepentingan atau stakeholder (Maulida & Adam, 2012).

3. Audit Quality (Kualitas Audit)

Audit adalah pengumpulan dan evaluasi bukti tentang informasi untuk

menentukan dan melaporkan derajat kesesuaian antara informasi itu dan

kriteria yang telah ditetapkan (Arens et al., 2014). Audit memiliki fungsi

18

sebagai proses untuk mengurangi ketidakselarasan informasi yang terdapat

antara manajer dan para pemegang saham dengan menggunakan pihak luar

untuk memberikan pengesahan terhadap laporan keuangan.

De Angelo dalam Andriani dan Nursiam (2018) mendefinisikan

kualitas audit merupakan probabilitas bahwa auditor akan menemukan dan

melaporkan pelanggaran pada sistem akuntansi klien. Kualitas audit yang

tinggi berarti bagaimana auditor dapat mendeteksi adanya kesalahan saji

material dalam sebuah laporan keuangan perusahaan dan dapat mengurangi

asimetri informasi antara prinsipal dan agen, sehingga dapat meminimalisir

terjadinya konflik antara prinsipal dan agen.

International Auditing and Assurance Standards Board (IAASB)

menyebutkan tiga faktor yang menyebabkan kompleksitas dalam

mendeskripsikan dan mengevaluasi kualitas audit, yaitu (1) keberadaan atau

ketiadaan misstatement dalam laporan keuangan yang diaudit hanya

menyediakan sebagian pengertian dalam kualitas audit; (2) ragam audit dan

apa yang dipertimbangkan untuk menjadi bukti audit yang cukup memadai

sebagai pendukung opini bersifat pertimbangan atau pendapat pribadi auditor;

dan (3) perspektif kualitas audit bermacam-macam diantara stakeholder.

Audit dapat dikatakan berkualitas apabila memenuhi ketentuan atau

standar pengauditan. Menurut Tarigan dan Bangun (2013) kualitas audit

menggambarkan pelaksanaan audit yang dilakukan sesuai standar, sehingga

auditor mampu mengungkapkan dan melaporkan apabila terjadi pelanggaran

19

yang dilakukan klien. Standar yang mengatur pelaksanaan audit di Indonesia

adalah Standar Profesional Akuntan Publik (SPAP).

4. Audit Market Concentration

Konsentrasi pasar audit adalah penguasaan pangsa pasar jasa audit dari

tiap KAP dalam tiap industri pada periode tertentu (Mardiana & Anggraita,

2015). Struktur pasar audit adalah faktor yang sangat penting dalam

menentukan persaingan dari suatu firma audit. Perubahan pada konsentrasi

pasar terjadi karena tiga alasan utama, yaitu penyesuaian fakultatif, perubahan

pada pengaturan pelanggan, dan perubahan pada pengaturan supplier.

Perusahaan bebas untuk mengganti auditornya, dan melakukan penetapan

ulang di berbagai tempat dengan berbagai alasan. Ada enam alasan umum

yang diberikan oleh perusahaan-perusahaan yang terdaftar di Bursa Efek

United Kingdom selama tahun 1990, yaitu: tingginya biaya audit,

ketidakpuasan klien atas kualitas audit diantaranya karena ketidakmampuan

dari auditor untuk mendeteksi masalah yang terjadi, perubahan pucuk

pimpinan perusahaan, kebutuhan rasionalisasi dari kelompok-kelompok

auditor, kebutuhan akan enam perusahaan besar, dan terjadinya penggabungan

usaha atau merger diantara beberapa perusahaan.

Peningkatan konsentrasi pasar dalam suatu industri akan meningkatkan

hambatan masuk bagi perusahaan baru dan keenggakan dari klien untuk

mengganti penyedia barang atau jasamya, penetapan harga yang tinggi oleh

20

penyedia barang atau jasa, dan turunnya biaya karena terciptanya skala

ekonomis pada penyedia barang atau jasa (Beattie et al., 2003).

Dalam industri audit, Beattie et al. (2003) menyatakan bahwa

konsekuensi dari peningkatan konsentrasi pasar adalah akan mengakibatkan

berkurangnya pilihan bagi pengguna jasa. Pada pasar audit, banyaknya pilihan

KAP merupakan suatu kebutuhan karena beberapa pengguna jasa audit merasa

lebih nyaman menggunakan KAP yang tidak memiliki hubungan dengan

pesaing mereka. Dengan semakin sedikitnya pilihan KAP yang dapat dipilih

maka akan menimbulkan masalah tersendiri misalmnya kesulitan dalam

menentukan sifat atau karakter, harga, keuntungan dan inovasi dari KAP atau

penyedia jasa itu sendiri.

5. Audit Fee

Fee audit merupakan fee yang diterima oleh akuntan publik setelah

melaksanakan jasa auditnya, besarnya tergantung dari resiko penugasan,

kompleksitas jasa yang diberikan, tingkat keahlian yang diperlukan untuk

melaksanakan jasa tersebut, struktur biaya KAP yang bersangkutan (Andriani

& Nursiam, 2018). Akuntan publik maupun kantor akuntan publik dalam

memberikan jasanya berhak mendapatkan imbalan jasa (fee) berdasarkan

kesepakatan yang sudah disepakati. Dalam draft panduan yang dikeluarkan

oleh Institut Akuntan Publik Indonesia (IAPI) kebijakan imbalan jasa

merupakan salah satu indikator kualitas audit pada level KAP dalam cakupan

perikatan audit atas laporan keuangan. IAPI mengeluarkan Peraturan Pengurus

21

Nomor 2 Tahun 2016 Tentang Penentuan Imbalan Jasa Audit Laporan

Keungan yang menjelaskan secara jelas penentuan nilai imbalan jasa, metode

penentuan imbalan jasa dan batas bawah tarif jasa audit.

Menurut Agoes (2012) komisi audit adalah imbalan dalam bentuk

uang atau bentuk lainnya yang diberikan kepada atau diterima dari klien atau

pihak lain untuk memperoleh perikatan dari klien atau pihak lain. Fee audit

ditetapkan ketika sudah terjadi kontrak antara auditor dengan klien berdasar

kesepakatan dan biasanya ditentukan sebelum memulai proses audit

(Kurniasih & Rohman, 2014).

Dalam Peraturan Pengurus Institut Akuntan Publik Indonesia Nomor 2

Tahun 2016 dijelaskan bahwa imbalan jasa atas audit laporan keuangan yang

terlalu rendah dapat menimbulkan ancaman berupa kepentingan pribadi yang

berpotensi menyebabkan ketidakpatuhan terhadap kode etik profesi Akuntan

Publik, oleh karena itu Akuntan Publik harus membuat pencegahan dengan

menerapkan imbalan atas jasa audit laporan keuangan yang memadai sehingga

cukup untuk melaksanakan prosedur audit yang memadai.

Berdasarkan Surat Keputusan No.KEP.024/IAPI/VII/2008 yang

diterbitkan oleh Institut Akuntan Publik Indonesia (IAPI) pada tanggal 2 Juli

2008 tentang kebijakan penentuan besarnya fee audit, Akuntan Publik harus

mempertimbangkan faktor-faktor berikut: kebutuhan klien, tugas dan

tanggung jawab menurut hukum, independensi, tingkat keahlian, tanggung

jawab yang melekat pada pekerjaan yang dilakukan, tingkat kompleksitas

22

pekerjaan, banyaknya waktu yang diperlukan dan secara efektif digunakan

oleh Akuntan Publik untuk menyelesaikan pekerjaan, dan basis penetapan fee

yang disepakati.

6. Auditor Flow (Perpindahan Auditor)

Perpindahan auditor adalah perpindahan auditor yang terjadi dari KAP

asal ke KAP yang baru. Salah satu hal yang dapat memicu terjadinya

perpindahan auditor adalah merger yang dilakukan oleh KAP. Ashforth dan

Mael dalam Cao et al. (2016) mendefinisikan identifikasi organisasi sebagai

suatu keadaan ketika individu mendefinisikan dirinya dari segi keanggotaan

masing masing individu pada suatu organisasi, atau sebagai persepsi dari tiap

individu atas suatu organisasi. Sebuah studi menunjukkan bahwa identifikasi

organisasi menunjukkan hasil positif dalam tingkah laku anggota, sikap, dan

kinerja (Mignonac et al., 2006). Oleh maka itu, sikap, tingkah laku dan kinerja

mereka bisa dipengaruhi oleh identifikasi organisasi.

Dalam audit, auditor membutuhkan professional judgement yang

tinggi ketika menginterprestasikan dan mengimplementasikan standar audit

maupun standar akuntansi. Ini menyebabkan pentingnya perusahaan dalam

menetapkan aturan kerja dalam perusahaan untuk membantu auditor dalam

mengimplementasikan, menginterprestasikan serta menjalankan standar yang

berlaku (Cushing & Loebbecke, 1986). Karena adanya perbedaan dalam

pengalaman, persepsi dan preferensi, serta aturan kerja dalam perusahaan

menyebabkan setiap kantor akuntan publik memiliki keunikannya tersendiri.

23

Keunikan dari tahap audit dan aturan kerja perusahaan menghasilkan gaya

audit yang khas milik kantor akuntan publik.

Setiap auditor memiliki ciri khas tersendiri dalam melakukan proses

audit. Francis et al. (2013) dalam penelitiannya menyatakan bahwa setiap

auditor memiliki gaya auditnya masing-masing tergantung kantor akuntan

publik tempat auditor tersebut bekerja. Auditor akan mengikuti gaya audit

tempat auditor tersebut bekerja ketika melakukan proses audit, baik dalam

mendeteksi maupun tidak mendeteksi salah saji. Dalam prakteknya, ada

peluang seorang auditor untuk berpindah kerja pada satu kantor akuntan

publik ke kantor akuntan publik yang lainnya. Adanya perubahan lingkungan

kerja menimbulkan kemungkinan adanya perubahan gaya audit yang dimiliki

oleh seorang auditor. Hal ini dapat memengaruhi kualitas audit laporan

keuangan yang dihasilkan.

Elsbach yang dikutip oleh Cao et al. (2016) menemukan bahwa ada

empat kondisi yang dapat mendorong anggota agar dapat menyesuaikan diri

dengan organisasi mereka. Yang pertama, anggota mendapatkan pengalaman

yang luas dan positif dalam organisasi. Kedua, anggota merasa organisasi

tersebut memiliki atribut yang unik dan positif. Ketiga, anggota percaya

bahwa organisasi tersebut memiliki kesan yang baik dan positif untuk

meningkatkan nilai mereka di masyarakat. Terakhir, anggota percaya bahwa

organisasi juga memiliki nilai yang positif seperti mereka. Bila organisasi

dapat memenuhi keempat kondisi tersebut, maka anggota akan meninggalkan

identitas mereka dan membentuk identifikasi yang sama dengan identitas

24

organisasi. Dalam hal terjadinya perpindahan auditor, ketika auditor

membentuk identitas yang sama dengan kantor akuntan publiknya yang baru,

maka mereka dapat menerima gaya audit yang baru. Penyesuaian yang positif

ini akan meningkatkan kualitas audit yang dihasilkan.

25

B. Hasil-hasil Penelitian Terdahulu

Sebelum penelitian ini, berikut penelitian-penelitian terhadulu terkait “Pengaruh Audit Market Concentration, Audit Fee, dan Auditor

Flow Terhadap Audit Quality” yang dapat dijadikan acuan peneliti:

Tabel 2.1

Daftar Penelitian-penelitian Terdahulu

No Peneliti

(Tahun)

Judul

Penelitian

Metode Penelitian Hasil

Penelitian Persamaan Perbedaan

1. Joshua L. Gunn,

Brett S. Kawada,

dan Paul N.

Michas (2019)

Audit Market

Concentration, Audit

Fees and Audit

Quality: A cross-

country analysis of

complex audit clients

a. Metode Pengujian:

Analisis Regresi

Berganda

b. Variabel: Audit

Market

Concentration, Audit

Fees dan Audit

Quality

a. Tahun Data: Periode

2007-2013

b. Populasi: Perusahaan

yang terdata di

Thomson Reuters

Worldscope

c. Sampel: 29.179 tahun

perusahaan dari 28

negara

Hasil menunjukkan penurunan

kualitas audit pada Big 4 market

concentration yang tinggi. Hasil

mengindikasikan ketika audit market

concentration tinggi menyebabkan

tingginya fee audit pada klien yang

kompleks, namun menunjukkan

kualitas audit yang lebih rendah.

2. Beauty Ekiomado

Eguasa dan Ruth

Osaretin

Urhoghide (2017)

Audit Market

Concentration and

Audit Quality in

Nigeria


Analisis Regresi

Berganda

b. Variabel: Audit

Market

Concentration dan

Audit Quality


2007 – 2015

b. Pupulasi: Bursa Efek

Nigeria

c. Sampel: 540 laporan

keuangan perusahaan

listed di Nigeria

Hasil penelitian menunjukkan bahwa

konsentrasi pasar audit meningkatkan

kualitas audit perusahaan sampel di

Nigeria. Menyiratkan bahwa

perusahaan audit Big 4 cenderung

memiliki jangkauan klien yang lebih

jauh dan tidak dapat membantu tetapi

memberikan kualitas audit untuk

memastikan retensi klien dan

kepercayaan publik.


26


No Peneliti

(Tahun)

Judul

Penelitian



3. Viska Anggraita,

Fitriany, Sandra

Aulia dan

Arywati (2016)

Pengaruh Persaingan

Pasar Jasa Audit

Terhadap Kualitas

Audit: Peranan

Regulasi Rotasi Dan

Regulasi Corporate

Governance

a. Variabel: Audit

Market

Concentration dan

Audit Quality

b. Populasi: Bursa Efek

Indonesia

c. Sampel: perusahaan

non keuangan

d. Metode Pengujian:

Analisis Regresi

a. Variabel: Regulasi

Rotasi dan Regulasi

Corporate Governance

b. Tahun Data: Periode

1999 – 2008

Hasil penelitian menunjukan bahwa

tingkat konsentrasi pasar

berhubungan dengan semakin

meningkatnya kualitas audit. Hal ini

mengindikasikan persaingan pasar

jasa audit yang tinggi di Indonesia

menyebabkan penurunan kualitas

audit. Hal ini menunjukan perlunya

regulasi yang mengatur tingkat

persaingan pasar di Indonesia agar

kualitas audit tetap terjaga.

4. Qiang Cao,

Nanwei Hu dan

Lele Chen (2016)

Auditor flow and

financial statement

comparability:

Evidence from audit

firm mergers in

China

a. Variabel: Auditor

Flow

a. Variabel: financial

statement

comparability

b. Tahun Data: 1998 –

2012

c. Populasi: 11.927

perusahaan yang

terdaftar di China Stock

Market

d. Sampel: 47 merger

firma audit di China

e. Metode Pengujian:

Analisis Regresi Data

Panel

Hasil penelitian menunjukkan

sebelum perpindahan auditor (yang

ditandai dengan merger)

perbandingan laporan keuangan antar

dua klien tinggi ketika diaudit oleh

auditor yang berasal dari grup yang

sama, dan rendah ketika diaudit oleh

auditor yang berbeda. Namun, setelah

perpindahan auditor, perbandingan

laporan keuangan dari grup auditor

yang berbeda meningkat secara

signifikan.


27


No Peneliti

(Tahun)

Judul

Penelitian



5. Ninik Andriani

dan Nursiam

(2018)

Pengaruh Fee Audit,

Audit Tenure, Rotasi

Audit Dan Reputasi

Auditor Terhadap

Kualitas Audit (Studi Empiris Pada

Perusahaan

Manufaktur yang

Terdaftar di Bursa

Efek Indonesia Tahun

2013-2015)

a. Variabel: Audit Fee

dan Audit Quality

b. Metode Pengujian:

Analisis Regresi

Logistik

a. Populasi: Perusahaan

listed di BEI

b. Sampel: laporan

keuangan 107

perusahaan

manufaktur


2013 – 2015

b. Variabel : Audit

Tenure, Rotasi Audit

dan Reputasi Auditor

Hasil penelitian menunjukkan bahwa

masa kerja audit, rotasi audit dan

reputasi auditor tidak berpengaruh

terhadap kualitas audit, dan fee audit

memiliki pengaruh signifikan

terhadap kualitas audit.

6. Sansaloni Butar-

Butar (2014)

Merger Auditor Dan

Kualitas Audit: Bukti

Empiris Dari Bursa

Efek Indonesia

a. Variabel: Auditor

Flow (Merger

Auditor) dan Audit

Quality

b. Populasi: laporan

keuangan di BEI

a. Tahun Data: 1995 –

2002

b. Sampel: perusahaan

manufaktur di BEI

yang merupakan klien

KAP lokal yang

berafiliasi dengan PWC

c. Metode Pengujian:

Analisis Regresi Linear

Sederhana

Hasil empiris dari penelitian ini

menunjukkan merger kedua KAP

besar Pricewaterhouse dengan

Coopers&Lybrands tidak memberi

pengaruh yang signifikan terhadap

kualitas audit dikarenakan perbedaan

lingkungan institusional dan hukum

antara Indonesia dengan negara-

negara Barat.


28


No Peneliti

(Tahun)

Judul

Penelitian



7. I Gusti Ayu

Rahma Pramesti

dan I Dewa

Nyoman

Wiratmaja (2017)

Pengaruh Fee Audit,

Profesionalisme

Pada Kualitas Audit

Dengan Kepuasan

Kerja Sebagai

Pemediasi

a. Variabel: Audit Fee

dan Audit Quality

a. Variabel: Kepuasan

Kerja

b. Tahun Data: 2016


Analisis Jalur

b. Populasi: Auditor pada

tujuh kantor KAP di

Bali

c. Sampel: 81 Auditor

Hasil analisis menemukan, fee audit

dan profesionalisme auditor

berpengaruh positif pada kualitas

audit serta kepuasan kerja mampu

memediasi pengaruh positif fee audit

dan profesionalisme auditor pada

kualitas audit Kantor Akuntan Publik

di Bali.

8. Zef Afriansyah

dan Sylvia

Veronica Nalurita

Purnana Siregar

(2007)

Konsentrasi Pasar

Audit Di Indonesia

(Analisis Empiris Di

Pasar Modal

Indonesia)

c. Variabel: Audit

Market

Concentration


Analisis Regresi


2000 – 2005

b. Variabel : Rotasi Audit

c. Populasi: laporan

keuangan di BEI

d. Sampel: 1230 tahun

perusahaan

Penelitian ini menemukan bahwa

dengan menggunakan jumlah audit,

rotasi perusahaan audit mengurangi

rasio konsentrasi. Sedangkan dengan

menggunakan aset klien, di mana

rotasi perusahaan audit tidak

berdampak pada konsentrasi pasar

audit. Penelitian ini juga menemukan

bahwa rotasi perusahaan mengubah

struktur pasar audit. Struktur pasar

audit di Indonesia telah berubah dari

perusahaan dominan menjadi

oligopoli untuk tahun 2000 hingga

2005.


29


No Peneliti

(Tahun)

Judul

Penelitian



9. Margi Kurniasih

dan Abdul

Rohman (2014)

Pengaruh Fee Audit,

Audit Tenure, Dan

Rotasi Audit

Terhadap Kualitas

Audit


Analisis Regresi

Logistik

b. Variabel: Audit Fee

dan Audit Quality

c. Populasi: Perusahaan

listed di BEI

d. Sampel: laporan

keuangan 230

perusahaan

manufaktur

a. Variabel: Audit Tenure

dan Rotasi Audit


2008-2012

Hasil empiris dari penelitian ini

menunjukkan bahwa fee audit, masa

kerja audit, dan rotasi audit memiliki

pengaruh signifikan terhadap kualitas

audit. Variabel fee audit berpengaruh

positif terhadap kualitas audit, tenur

audit berpengaruh negatif terhadap

kualitas audit, dan rotasi audit

berpengaruh positif terhadap kualitas

audit.

10. Sati P.

Bandyopadhyay,

Changling Chen

dan Yingmin Yu

(2013)

Mandatory Audit

Partner Rotation,

Audit Market

Concentratiobn, and

Audit Quality:

Evidence from China


Analisis Regresi

Berganda

b. Variabel: Audit

Market

Concentration dan

Audit Quality

a. Variabel: Audit Partner

Rotation


1999 – 2011

c. Populasi: perusahaan

listed di China

d. Sampel: 273

perusahaan

Hasil menunjukkan bahwa kewajiban

rotasi partner audit memberikan efek

yang signifikan terhadap kualitas

audit pada tahun kedua dan ketiga.

Rotasi audit tidak memiliki pengaruh

yang signifikan terhadap kualitas

audit dengan konsentrasi pasar dan

perkembangan hukum yang tinggi.

30

C. Kerangka Pemikiran

Kerangka pemikiran dalam penelitian ini digambarkan sebagai berikut.

Gambar 2.1

Kerangka Pemikiran

Kualitas laporan keuangan

dikatakan handal apabila

menghasilkan hasil audit yang

berkualitas tinggi.

Banyak kasus kecurangan yang

terjadi akibat rendahnya kualitas

audit.

Terdapat faktor-faktor yang memengaruhi kualitas audit, yaitu audit market

concentration, audit fee dan auditor flow.

Pengaruh Audit Market Concentration, Audit Fee dan Auditor Flow

Terhadap Audit Quality

Grand Theory :

Agency Theory, Stakeholder Theory

Audit Market

Concentration

(X1)

Audit Quality

(Y) Audit Fee

(X2)

Auditor Flow

(X3)

H₁

H₂

H₃

Analisis Regresi Berganda

Hasil Pengujian dan Pembahasan

31

D. Pengembangan Hipotesis

Perumusan hipotesis yang diajukan dalam penelitian ini bertujuan untuk

menguji Pengaruh Audit Market Concentration, Audit Fee dan Auditor Flow

Terhadap Audit Quality.

Berdasarkan pemikiran tersebut maka hipotesis yang diajukan dalam

penelitian ini adalah sebagai berikut.

1. Pengaruh Audit Market Concentration terhadap Audit Quality

Audit Market Concentration adalah faktor yang sangat menentukan

persaingan dari suatu firma audit. Secara teoritis, keberadaan konsentrasi

tinggi akan mengurangi kualitas audit yang dihasilkan. Inilah sebabnya

mengapa persaingan pasar audit yang mendapat banyak perhatian dari

regulator untuk merumuskan kebijakan publik yang mengatur praktik auditor

(Anggraita et al., 2016). Di negara-negara maju, perhatian atas kondisi pasar

audit cukup mendapat perhatian beberapa ekonom, hal ini penting karena

peningkatan konsentrasi pasar audit akan berdampak pada meningkatnya audit

fee, berkurangnya independensi dari Akuntan Publik, dan menurunnya

kualitas audit (Lubbers dalam Afriansyah dan Siregar, 2007).

Hasil penelitian Gunn et al. (2019) menunjukkan terjadi penurunan

kualitas audit pada Big 4 market concentration yang tinggi. Hasil

mengindikasikan ketika audit market concentration tinggi menyebabkan

tingginya fee audit pada klien yang kompleks, namun menunjukkan kualitas

audit yang lebih rendah. Tingkat konsentrasi pasar audit yang tinggi

32

menyebabkan rendahnya persaingan pasar audit yang menyebabkan sedikitnya

pilihan KAP dalam pasar. Sehingga perusahaan-perusahaan kompleks yang

cenderung membutuhkan KAP besar dalam mengaudit, cenderung menjadi

klien Big 4. Dengan semakin sedikitnya pilihan KAP yang dapat dipilih maka

akan menimbulkan masalah tersendiri misalnya kesulitan dalam menentukan

sifat atau karakter, harga, keuntungan dan inovasi dari KAP atau penyedia jasa

itu sendiri. Selain itu, dengan sedikitnya pilihan KAP dapat menyebabkan

terjadinya perikatan yang lama dengan klien yang dapat memengaruhi

independensi auditor. Dengan demikian, tingginya audit market concentration

dapat menyebabkan penurunan kualitas audit.

Berdasarkan dari paparan penelitian sebelumnya mengenai pengaruh

audit market concentration terhadap audit quality, maka patut diduga audit

market concentration berpengaruh signifikan negatif terhadap audit quality.

Oleh karenanya hipotesis dalam penelitian ini sebagai berikut:

H1: Audit market concentration berpengaruh signifikan negatif terhadap

audit quality.

2. Pengaruh Audit Fee terhadap Audit Quality

Menurut Agoes (2012) komisi audit adalah imbalan dalam bentuk uang

atau bentuk lainnya yang diberikan kepada atau diterima dari klien atau pihak

lain untuk memperoleh perikatan dari klien atau pihak lain. Fee audit

ditetapkan ketika sudah terjadi kontrak antara auditor dengan klien berdasar

33

kesepakatan dan biasanya ditentukan sebelum memulai proses audit

(Kurniasih & Rohman, 2014).

Fee audit merupakan salah satu faktor seorang auditor untuk

melaksanakan pekerjaannya. Pramesti dan Wiratmaja (2017) menyatakan

besarnya fee audit dapat bervariasi tergantung antara lain risiko penugasan,


melakukan jasa tersebut, struktur biaya KAP yang bersangkutan dan

pertimbangan professional yang lainnya. Secara teori, audit fee yang lebih

tinggi akan merencanakan kualitas audit yang lebih tinggi dibandingkan

dengan audit fee yang lebih rendah. Terdapat intensif bagi auditor untuk

melakukan apapun untuk menjaga kliennya agar tidak berganti auditor.

Namun, pada beberapa kasus, perusahaan yang diaudit oleh KAP besar

dengan fee audit yang tinggi justru terkuak memliki kualitas audit yang

rendah.

Biaya jasa audit yang lebih tinggi dapat dibebankan oleh auditor pada

tingkat konsentrasi pasar audit yang tinggi, yang menyebabkan

ketidaksetaraan antara KAP (auditor) dengan klien yang kompleks. Misal,

perusahaan dengan operasi internasional membutuhkan jasa audit kompleks

yang hanya tersedia pada sedikit pilihan KAP. Konsekuensinya KAP dapat

membebankan biaya jasa audit yang sangat tinggi dikarenakan sangat

terbatasnya pilihan perusahaan. Hal ini dapat memengaruhi berkurangnya

independensi dikarenakan masa perikatan yang lama dengan KAP yang mana

34

dikarenakan terbatasnya pilihan KAP bagi perusahaan, sehingga kualitas audit

menurun.

Penelitian yang dilakukan Gunn et al. (2019) yang menunjukkan bahwa

audit fee yang tinggi dengan konsentrasi pasar yang tinggi menyebabkan

penurunan kualitas audit. Berdasarkan penjelasan dan penelitian sebelumnya

mengenai pengaruh audit fee terhadap audit quality, maka peneliti bermaksud

menguji kembali hubungan audit fee dan audit quality. Oleh karenanya

hipotesis dalam penelitian ini sebagai berikut:

H2: Audit fee berpengaruh signifikan negatif terhadap audit quality.

3. Pengaruh Auditor Flow terhadap Audit Quality

Setiap auditor memiliki gaya audit yang khas masing-masing (Francis et

al., 2013). Gaya khas masing-masing auditor dipengaruhi oleh lingkungan

kerja dalam KAP mereka. Namun kenyataan di lapangan membuat auditor

mungkin saja berpindah dari KAP satu ke KAP yang lain. Perpindahan auditor

dari KAP satu ke KAP lainnya dilakukan agar memenuhi kepentingan KAP

untuk mendapatkan tenaga kerja yang berkualitas. Ketika perpindahan auditor

terjadi, maka auditor harus menyesuaikan dirinya dengan perubahan

lingkungan baru tempat auditor bekerja. Jika auditor mampu menyesuaikan

dirinya secara positif, maka KAP akan mendapatkan supply tenaga kerja yang

berkualitas yang akan mendukung pelaksanaan audit yang baik. Dengan

terlaksananya audit dengan baik, maka kualitas audit yang dihasilkan dapat

terjamin.

35

Menurut penelitian sebelumnya yang dilakukan oleh Cao et al. (2016),

perpindahan auditor dapat diteliti dengan baik ketika kantor akuntan publik

melakukan merger. Pada penelitian tersebut ditemukan bahwa sebelum

merger dilakukan, komparabilitas laporan keuangan antar dua klien tinggi

ketika diaudit oleh grup audit yang sama dan rendah ketika diaudit oleh grup

audit yang berbeda. Sedangkan setelah merger dilakukan, komparabilitas

antara dua klien yang diaudit oleh grup audit yang berbeda meningkat dengan

signifikan. Penelitian tersebut menunjukkan bahwa pengaruh dari auditor

terhadap komparabilitas laporan keuangan klien dapat berubah dengan adanya

perpindahan auditor, yakni komparabilitas laporan keuangan meningkat

setelah dilakukannya perpindahan auditor. Hal ini mengindikasikan bahwa

perpindahan auditor dapat meningkatkan kualitas audit yang dihasilkan.

Berdasarkan penjelasan di atas, maka hipotesis dalam penelitian ini

sebagai berikut:

H3: Auditor flow berpengaruh signifikan positif terhadap audit quality.

36

BAB III

METODOLOGI PENELITIAN

A. Ruang Lingkup Penelitian

Penelitian ini akan membahas mengenai pengaruh variabel independen,

yaitu konsentrasi pasar audit, fee audit dan perpindahan audit terhadap variabel

dependen, yaitu kualitas audit. Populasi merujuk kepada sekumpulan orang,

kegiatan, atau ketertarikan akan sesuatu yang ingin diteliti oleh peneliti (Sekaran

& Bougie, 2016). Sampel dalam penelitian ini adalah perusahaan manufaktur

yang terdaftar pada Bursa Efek Indonesia periode 2014 – 2018. Data yang

digunakan dalam penelitian ini adalah data sekunder. Data sekunder dapat berasal

dari buku, jurnal akademik dan profesional, laporan, tesis, conference

proceedings, manuskrip yang tidak dipublikasi. Data tersebut memiliki nilai sebab

memberikan informasi yang terjadi/nyata terkait dengan pasar, industri, atau

perusahaan (Sekaran & Bougie, 2016). Data sekunder dalam penelitian ini berupa

laporan keuangan tahunan atas perusahaan manufaktur yang terdaftar di Bursa

Efek Indonesia pada Tahun 2014 – 2018.

B. Metode Penentuan Sampel

Sampel merupakan bagian dari populasi, dengan mempelajari sample

peneliti dapat menarik kesimpulan yang menggeneralisasikan karakteristik

populasi (Sekaran & Bougie, 2016). Bila populasi besar dan peneliti tidak

mungkin mempelajari semua yang ada pada populasi, misalnya karena

37

keterbatasan dana, tenaga dan waktu, peneliti akan mengambil sampel dari

populasi itu. Pengambilan sampel dalam penelitian ini menggunakan metode

nonprobability sampling dengan teknik purposive sampling yaitu yaitu metode

pemilihan berdasarkan kriteria-kriteria spesifik yang dapat memberikan informasi

yang dibutuhkan, baik karena hanya sampel tersebut yang mempunyai informasi

yang dibutuhkan atau sampel cocok dengan kriteria yang ditetapkan peneliti

(Sekaran & Bougie, 2016). Kriteria sampel yang ditetapkan oleh peneliti yaitu:

a. Penelitian akan dilakukan pada perusahaan manufakur yang terdaftar di

Bursa Efek Indonesia tahun 2014 – 2018.

b. Informasi yang berkaitan untuk pengukuran variabel-variabel yang diteliti

tersedia dengan lengkap.

c. Memiliki laporan keuangan yang telah diaudit oleh akuntan publik.

C. Metode Pengumpulan Data

Dalam penelitian ini, seluruh data baik data variabel independen maupun

variabel dependen adalah data sekunder. Metode pengumpulan data yang

digunakan adalah:

1. Penelitian Pustaka (Library Research)

Data diperoleh dari beberapa literatur yang berkaitan dengan masalah

yang diteliti seperti: buku, jurnal, internet, skripsi, tesis, disertasi, dan media

lain yang menunjang penelitian ini.

38

2. Penelitian Lapangan (Field Research)

Data yang diperoleh oleh peneliti berupa data sekunder laporan keuangan

tahunan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia

periode 2014 – 2018.

D. Operasionalisasi Variabel Penelitian

Operasionalisasi variabel memaparkan terkait definisi dari setiap variabel

dan cara pengukuran yang digunakan pada variabel tersebut. Penelitian ini

menggunakan 4 variabel, yang terdiri atas 3 variabel bebas (independen) dan 1

terikat (dependen).

1. Variabel Independen

Variabel independen adalah variabel yang memengaruhi variabel

dependen baik secara positif maupun secara negatif (Sekaran & Bougie,

2016). Variabel independen dari penelitian ini adalah sebagai berikut:

a. Audit Market Concentration

Konsentrasi pasar audit adalah penguasaan pangsa pasar jasa audit dari

tiap KAP dalam tiap industri pada periode tertentu (Mardiana &

Anggraita, 2015). Konsentrasi pasar dapat dilihat dari jumlah dan ukuran

perusahaan. Dalam penelitian ini konsentrasi pasar audit diproksikan

dengan menggunakan rumus Herfindahl-Hirschman Index (HHI). HHI

adalah metodologi yang dipakai untuk mengukur distribusi penghitungan

konsentrasi pasar di dalam industri. HHI diukur berdasarkan jumlah total

39

aset klien yang diaudit oleh KAP seperti dalam penelitian yang dilakukan

Gunn et al. (2019), Anggraita et al. (2016) dan Afriansyah dan Siregar

(2007). Nilai HHI diperoleh antara 0 hingga 1.

Adapun rumus Herfindahl-Hirschman Index adalah sebagai berikut:

HHI = Σ(a / A)²

Dimana:

a = total aset klien

A = total aset seluruh perusahaan dalam industri

b. Audit Fee

Fee audit merupakan fee yang diterima oleh akuntan publik setelah

melaksanakan jasa auditnya, besarnya tergantung dari resiko penugasan,


melaksanakan jasa tersebut, struktur biaya KAP yang bersangkutan

(Andriani & Nursiam, 2018). Penelitian ini mengacu pada penelitian yang

dilakukan oleh Andriani dan Nursiam (2018) yaitu data tentang fee audit

diproksikan oleh akun profesional fees yang terdapat dalam laporan

keuangan pada perusahaan yang terdaftar di Bursa Efek Indonesia (BEI)

yang selanjutnya variabel ini diukur dengan menggunakan logaritma

natural dari data atas akun professional fees.

Dasar pengambilan keputusan ini adalah belum tersedianya data

tentang fee audit dikarenakan pengungkapan data tentang fee audit di

Indonesia masih berupa voluntary disclosure, sehingga belum banyak

40

perusahaan yang mencantumkan data tersebut di dalam annual report.

Variabel independen dalam penelitian ini adalah fee audit. Pengukuran

variabel ini dilakukan dengan menggunakan logaritma natural dari total

professional fees dengan rumus sebagai berikut:

Ln = professional fees

c. Auditor Flow

Perpindahan auditor adalah perpindahan auditor dari lingkungan kerja

yang lama ke lingkungan kerja yang baru yang terjadi akibat merger KAP

(Cao et al., 2016). Perpindahan auditor pada penelitian ini merupakan

variabel dummy yang dibedakan menjadi dua, yaitu suatu kantor akuntan

publik pernah melakukan merger atau tidak sampai penelitian ini

dilakukan. Bila suatu kantor akuntan publik melakukan merger dengan

kantor akuntan publik lainnya diberi kode 1, sebaliknya bila tidak

melakukan merger diberi kode 0. Merger atau tidaknya suatu KAP pada

penelitian ini dilihat dari perubahan nama KAP tersebut. Penggunaan

pengukuran ini disesuaikan dengan penelitian yang sebelumnya telah

dilakukan oleh Cao et al. (2016) dan Butar-Butar (2014).

2. Variabel Dependen

Variabel Dependen adalah variabel utama yang menarik peneliti. Peneliti

akan tertarik dalam mengkuantifikasi dan menghitung variabel dependen,

serta variabel lain yang yang memengaruhi variabel ini (Sekaran & Bougie,

2016).

41

a. Audit Quality

Kualitas audit adalah pelaksanaan audit yang dilakukan sesuai dengan

standar sehingga mampu mengungkapkan dan melaporkan apabila terjadi

pelanggaran yang dilakukan klien (Rosnidah dalam Andriani & Nursiam,

2018). Sesuai dengan penelitian yang sebelumnya dilakukan oleh

Bandyopadhyay et al. (2013), Gunn et al. (2019), dan Butar-Butar (2014)

penelitian ini menggunakan pengukuran kualitas laba, yaitu akrual

diskresioner, sebagai proksi kualitas audit. Model akrual diskresioner yang

digunakan adalah model modified Jones oleh Dechow. Akrual diskresioner

merupakan tindakan akrual yang dilakukan oleh manajer karena

manajemen dapat memilih kebijakan yang digunakan dalam hal metode

akuntansi dan estimasi akuntansi yang terdiri dari total akrual, piutang,

pendapatan, dan PPE (Adryanti, 2019).

Dalam penelitian ini menggunakan nilai akrual diskresioner absolut

karena melihat dari besaran terjadinya manajemen laba dalam akrual,

bukan arahnya (positif atau negatif) (Perdana, 2018). Besarnya akrual

diskresioner menunjukkan besarnya pengelolaan laba yang dilakukan

perusahaan. Semakin besar nilai akrual diskresioner, semakin rendah

kualitas laba karena laba menjadi bias (Anggraita et al., 2016).

Pengukuran akrual diskresioner dilakukan dengan mendekomposisi total

akrual menjadi komponen diskresioner dan non diskresioner.

42

1) Menghitung Total Akrual

Nilai total akrual adalah laba bersih tahun berjalan yang dikurangi

dengan arus kas operasi tahun berjalan dapat dirumuskan sebagai berikut:

𝑇𝐴𝐶𝐶𝑡 = 𝑁𝐼𝑡 − 𝐶𝐹𝑂𝑡

2) Menghitung Estimasi Koefisien

Kemudian, agar dapat menghitung nilai akrual non diskresioner,

estimasi koefisien α1, α2, dan α3 dilakukan dengan menggunakan model

regresi sebagai berikut:

𝑇𝐴𝐶𝐶ₜ

𝑇𝐴ₜ₋₁= ɑ₁ (

1

𝑇𝐴ₜ₋₁) + ɑ₂ (

∆𝑅𝐸𝑉ₜ

𝑇𝐴ₜ₋₁) + ɑ₃ (

𝑃𝑃𝐸ₜ

𝑇𝐴ₜ₋₁) + ɛₜ

Dimana :

TACCt = total akrual perusahaan pada tahun t

TAt-1 = total aset perusahaan pada tahun t-1

∆REVt = perubahan pendapatan perusahaan pada tahun t

PPEt = nilai kotor property, plant, and equipment perusahaan pada

tahun t

ɛt = error term perusahaan pada tahun t

α1, α2, α3 = estimasi koefisien α1, α2, dan α3

3) Menghitung Non Akrual Diskresioner

Setelah koefisien α1, α2, dan α3 diestimasi, akrual non diskresioner

dapat dihitung dengan formula sebagai berikut:

43

𝑁𝐷𝐴𝐶𝐶ₜ

𝑇𝐴ₜ₋₁= ɑ₁ (

1

𝑇𝐴ₜ₋₁) + ɑ₂ (

∆𝑅𝐸𝑉ₜ − ∆𝑅𝐸𝐶ₜ

𝑇𝐴ₜ₋₁) + ɑ₃ (

𝑃𝑃𝐸ₜ

𝑇𝐴ₜ₋₁) + ɛₜ

Dimana:

NDACCt = akrual non diskresioner perusahaan pada tahun t

TAt-1 = total aset perusahaan pada tahun t-1

∆RECt = perubahan piutang peruahaan pada tahun t

4) Menghitung Akrual Diskresioner

Dengan diperolehnya nilai total akrual dan akrual non

diskresioner perusahaan, maka diskresioner akrual sebagai ukuran

manajemen laba dapat dihitung sebagai berikut:

𝐷𝐴CC𝑡 = 𝑇𝐴𝐶𝐶𝑡 − 𝑁𝐷𝐴CC𝑡

Dimana:

DACCt = akrual diskresioner perusahaan pada tahun t

Setelah nilai diskresioner akrual diperoleh, maka nilai

tersebut diabsolutkan karena peneliti hanya mengukur besarnya

manajemen laba dalam perusahaan bukan arahnya (positif atau negatif).

Setelah diabsolutkan, lalu dilogaritma naturalkan dan dinegatifkan karena

absolut diskresioner akrual memiliki hubungan yang berbanding terbalik

dengan kualitas laba.

44

Tabel 3.1

Pengukuran Operasional Variabel Penelitian

E. Metode Analisis Data

Metode analisis penelitian ini menggunakan teknik analisis kuantitatif dengan

cara mengkuantifikasi data-data penelitian hingga menghasilkan informasi yang

dibutuhkan dalam analisis. Analisis yang digunakan untuk mengukur penelitian

ini adalah analisis regresi berganda. Analisis tersebut digunakan untuk mengukur

kekuatan hubungan antara dua variabel atau lebih dan menunjukkan arah

No. Nama Variabel Indikator/

Pengukuran Skala

Sumber

Data

1.

Audit Market

Concentration (X1)

Gunn et al. (2019),

Anggraita et al. (2016) dan

Afriansyah dan Siregar

(2007)

Herfindahl-

Hirschman Index :

HHI = Σ(a / A)²

Rasio Sekunder

2.

Audit Fee (X2)

Andriani dan Nursiam

(2018)

LN Professional Fee Rasio Sekunder

3.

Auditor Flow (X3)

Cao et al. (2016) dan Butar-

Butar (2014)

Dummy:

1 = Merger,

0 = Tidak

Nominal Sekunder

4.

Audit Quality (Y)

Bandyopadhyay et al.

(2013), Gunn et al. (2019),

dan Butar-Butar (2014)

Akrual diskresioner

model modified Jones

oleh Dechow

Rasio Sekunder

45

hubungan antara variabel dependen dan variabel independen (Ghozali, 2018).

Penulis menggunakan program SPSS 25 for windows untuk menganalisis data.

1. Analisis Statistik Deskriptif

Statitistik yang digunakan untuk menganalisa data dengan cara

memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-

rata (mean), standar deviasi, varian, maksimum, minimum, sum, range,

kurtosis dan skewness (kemencengan distribusi) (Ghozali, 2018). Penggunaan

statistik deskriptif dilakukan untuk memberikan gambaran profil dari data

sampel sebelum melakukan pengujian hipotesis. Dalam penelitian ini, statistik

deskriptif menggambarkan nilai maksimum, nilai minimum, rata-rata (mean),

dan standar deviasi.

2. Uji Asumsi Klasik

Pengujian terhadap asumsi klasik bertujuan untuk mengetahui

kemungkinan terjadi kebiasan dalam koefisien regresi pada persamaan karena

penggunaan model regresi linier berganda mempunyai konsekuensi terjadi

bias. Agar mengetahui bias itu terjadi atau tidak, dilakukan uji asumsi klasik,

yaitu uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji

autokorelasi (Ghozali, 2018).

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel pengganggu atau residual memiliki distribusi normal. Normalitas

46

residual dapat diketahui dengan cara analisis grafik dengan melihat grafik

dan Pplot. Jika data menyebar di sekitar garis diagonal dan mengikuti arah

garis diagonal menunjukkan pola distribusi normal maka model regresi

memenuhi asumsi normal. Adapun cara lainnya untuk dapat menentukan

normalitas ialah dengan menggunakan Uji Kolomogorov Smirnov, yaitu

uji yang digunakan untuk melihat sampel yang ada berasal dari suatu

populasi berdistribusi normal atau tidak. Tingkat signifikansi (α) yang

digunakan sebesar 5%. Apabila nilai signifikansinya (p-value) > α (0,05)

maka dapat disimpulkan bahwa residualnya telah memenuhi asumsi

normal.

b. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi

ditemukan adanya korelasi antar variabel bebas (independen) (Ghozali,

2018). Multikolinearitas biasanya terjadi ketika sebagian besar variabel

yang digunakan terkait satu sama lain pada suatu model regresi. Oleh

sebab itu, multikolinieritas tidak terjadi pada regresi linier yang hanya

melibatkan satu variabel bebas. Model regresi dikatakan baik apabila antar

variabel bebas tidak terdapat korelasi. Gejala multikolinieritas yang cukup

tinggi akan mengakibatkan standar kesalahan dari koefisien regresi

masing-masing variabel bebas menjadi sangat tinggi.

Instrumen yang digunakan dalam pengujian ini adalah Variance

Inflation Factor (VIF) dan tolerance value. Ukuran ini menunjukkan

47

setiap variabel bebas manakah yang dijelaskan oleh variabel bebas

lainnya. Jika Tolerance value ≤ 0.01 dan VIF ≥ 10 maka terjadi

multikolinieritas, yaitu terdapat korelasi yang terlalu besar di antara salah

satu variabel bebas dengan variabel bebas yang lain. Jika tolerance value >

0,10 dan VIF < 10 maka multikolinearitas tidak terjadi.

c. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji adanya korelasi antara

kesalahan pengganggu pada periode saat ini (t) dengan kesalahan

pengganggu pada periode sebelumnya (t-1) pada model regresi. Jika

terdapat korelasi maka regresi dikatakan memiliki masalah autokorelasi.

Model regresi yang baik adalah regresi yang aman dari asumsi

autokorelasi.

Gejala autokorelasi sangat sering ditemukan pada data yang bersifat

time series, sebaliknya pada data yang bersifat cross section, autokorelasi

jarang ditemukan karena adanya gangguan pada observasi yang berbeda

berasal dari individu/kelompok yang berbeda. Untuk menguji autokorelasi

pada data, peneliti menggunakan metode Runs Test. Ghozali (2018)

menyatakan Runs Test digunakan untuk melihat apakah data residual

terjadi secara random (acak) atau tidak (sistematis). Jika antar residual

tidak terdapat gejala autokorelasi maka dapat dikatakan bahwa residual

adalah acak atau random. Ketentuan dari pengujian ini adalah jika p-value

≤ 0,05 berarti residual tidak random atau terdapat autokorelasi pada

48

residual. Sebaliknya, jika p-value ≥ 0,05 berarti residual random atau tidak

terdapat gejala autokorelasi antar residual.

d. Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk memastikan bahwa di antara

variabel bebas dan variabel pengganggu pada persamaan regresi berganda

tidak memiliki korelasi. Jika terjadi gejala homoskedasitias pada model

yang digunakan, itu artinya antara variabel pengganggu dengan variabel

bebas tidak ada korelasi, sehingga varibel terikat sepenuhnya dipengaruhi

oleh variabel bebasnya saja. Keberadaan heteroskedastisitas pada model

regresi dapat diketahui dengan melihat grafik Scatterplot. Jika titik-titik

menyebar dan tidak membentuk pola tertentu, maka model regresi aman

dari asumsi heteroskedastisitas.

Selain itu, cara lain untuk mengetahui keberadaan heteroskedastisitas

pada model regresi dapat dilakukan dengan melakukan uji statistik dengan

menggunakan uji glejser. Uji glejser dilakukan dengan cara meregresikan

antara variabel independen dengan nilai absolut residualnya (ABS_RES).

Jika nilai signifikansi antara variabel independen dengan absolut residual

> 0,005, maka model regresi aman dari asumsi heterokedastisitas.

3. Analisis Regresi

Analisis yang digunakan pada penelitian ini adalah analisis linier

berganda dikarenakan adanya tiga variebel independen, yaitu konsentrasi

49

pasar audit, fee audit dan perpindahan auditor, yang memengaruhi kualitas

audit sebagai variabel dependen. Model regresi yang digunakan adalah:

AQ = α + β1 AMC + β2 FEE + β3 FLOW + e

Dimana:

AQ = kualitas audit

α = konstanta

β1…βn = koefisien arah regresi

AMC = audit market concentration

FEE = audit fee

FLOW = auditor flow

e = error

4. Pengujian Hipotesis

Pengujian hipotesis yang digunakan adalah analisis regresi berganda

sebagai model untuk memprediksi dan mempelajari hubungan antara variabel

independen dengan variabel dependen penelitian. Analisis ini menggunakan

tiga pengujian, yaitu uji koefisien determinasi, uji statistik f, dan uji statistik t

(Ghozali, 2018).

a. Uji Koefisien Determinasi (R²)

Uji koefisien determinasi digunakan untuk mengukur seberapa jauh

kemampuan model regresi dalam menerangkan variabel dependen. Nilai R²

semakin kecil memiliki arti bahwa variabel independen memiliki keterbatasan

dalam menerangkan variasi dalam variabel dependen. Sebaliknya, jika nilai R²

50

makin mendekati 1, maka variabel independen dari penelitian dapat

menjelaskan secara luas variasi dalam variabel dependen. Menurut Ghozali

(2018), kelemahan mendasar dalam penggunaan koefisien determinasi adalah

bias terhadap jumlah variabel yang ditambahkan dalam model regresi, yaitu

setiap penambahan satu variabel independen, maka R² pasti meningkat, baik

variabel tersebut berpengaruh signifikan maupun tidak terhadap variabel

dependen.

b. Uji Signifikansi Keseluruhan dari Regresi Sampel (F-test)

Uji signifikansi simultan (F-test) digunakan untuk mengetahui apakah

variabel independen secara simultan/bersama-sama memengaruhi variabel

dependen (Ghozali, 2018). Selain itu, F-test juga digunakan untuk mengetahui

apakah model regresi yang kita buat baik/signifikan atau tidak baik/tidak

signifikan. Jika model regresi signifikan maka model bisa digunakan untuk

prediksi/peramalan, sebaliknya jika model regresi tidak signifikan maka

model regresi tidak bisa digunakan untuk prediksi/peramalan. Dalam

penelitian ini, dasar pengambilan kesimpulan pada uji simultan (F-test),

apabila F hitung > F tabel maka Ho ditolak dan Ha diterima, dengan tingkat

siginifikansinya yaitu jika nilai probabilitas < α=5%.

c. Uji Signifikansi Parameter Individual (T-test)

Uji t dilakukan untuk menguji signifikansi pengaruh variabel-variabel

independen secara individual atau parsial terhadap variabel dependen. Tujuan

dari uji t adalah untuk menunjukkan seberapa jauh pengaruh satu variabel

51

penjelas/independen secara individual dalam menerangkan variabel dependen

(Ghozali, 2018). Variabel independen dikatakan berpengaruh terhadap

variabel dependen jika memiliki tingkat signifikansi maksimal 5%, sehingga

hipotesis diterima. Sebaliknya, jika tingkat signifikansi lebih dari 5 %, maka

hipotesis ditolak.

52

BAB IV

ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

Gambaran umum objek penelitian menyajikan prosedur pemilihan sampel

dan kelompok perusahaan yang menjadi populasi dalam penelitian ini. Sampel

dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI), peneliti memilih sektor ini dikarenakan industri manufaktur

berperan penting dalam upaya menstimulasi nilai investasi dan ekspor serta

menjadi sektor andalan untuk mengakselerasi pertumbuhan ekonomi nasional,

sehingga perusahaan yang bergerak di sektor industri manufaktur mempunyai

tanggung jawab agar tidak terjadi penyimpangan serta menjaga kestabilan

pertumbuhan ekonomi. Tahun pengamatan dalam penelitian ini selama 5 tahun

(2014-2018) dikarenakan pada tahun tersebut peneliti dapat memperoleh

informasi yang cukup mengenai variabel perpindahan auditor.

Perusahaan sektor manufaktur dalam penelitian ini telah terdaftar di Bursa

Efek Indonesia sebelum 1 Januari 2014 dan selama periode penelitian tersebut

tidak keluar dari Bursa Efek Indonesia atau mengalami delisting. Adapun data

perubahan kurs mata uang asing (US Dollar) berasal dari website resmi Bank

Indonesia. Fokus penelitian ini adalah ingin melihat pengaruh audit market

concentration, audit fee, dan auditor flow terhadap audit quality pada sektor

manufaktur. Tabel 4.1 menyajikan tahapan seleksi sampel dengan kriteria.

53

Tabel 4.1

Proses Seleksi Sampel

No. Kriteria Jumlah

1. Perusahaan manufaktur yang terdaftar di BEI tahun 2014-2018 136

2. Perusahaan manufaktur yang laporan tahunan atau laporan

keuangannya tidak tersedia secara lengkap (2014-2018)

(27)

3. Perusahaan manufaktur yang tidak memiliki informasi yang

berkaitan dengan variabel-variabel yang diteliti

(15)

4. Jumlah perusahaan manufaktur yang memenuhi kriteria 94

5. Tahun penelitian 5

6. Jumlah sampel data 470

7. Jumlah sampel yang teridentifikasi sebagai outlier (14)

8. Jumlah sampel total selama periode penelitian 456

Sumber : Data sekunder yang diolah.

Berdasarkan data dalam tabel 4.1 terlihat bahwa perusahaan yang terdaftar

di Bursa Efek Indonesia selama tahun 2014-2018 sebanyak 136 perusahaan. Dari

136 perusahaan tersebut, terdapat 27 perusahaan yang laporan tahunan atau

laporan keuangannya tidak tersedia secara lengkap di website resmi Bursa Efek

Indonesia atau website resmi perusahaan. Selanjutnya, terdapat 15 perusahaan

yang tidak memiliki informasi yang berkaitan dengan variabel-variabel yang

diteliti. Berdasarkan perhitungan tersebut, terdapat 94 perusahaan yang sesuai

dengan kriteria penelitian, dengan periode penelitian selama 5 tahun. Sehingga

diperoleh jumlah sampel data sebanyak 470 sampel. Selanjutnya, dilakukan

54

pengeluaran data dengan outlier sebanyak 14 sampel. Outlier merupakan kasus

atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari

observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk

sebuah variabel tunggal atau variabel kombinasi (Ghozali, 2018). Sehingga

jumlah sampel total yang didapatkan selama periode penelitian sebanyak 456.

B. Temuan Hasil Penelitian

Metode pengujian hipotesis yang dilakukan dalam penelitian ini yaitu

menggunakan uji statistik deskriptif, asumsi klasik, dan regresi linear berganda.

Tujuan penelitian ini untuk memperoleh gambaran mengenai pengaruh variabel

independen Audit Market Concentration, Audit Fee, dan Auditor Flow terhadap

variabel dependen yaitu Audit Quality.

1. Hasil Analisis Statistik Deskriptif

Dalam penelitian ini, statistik deskriptif hanya menggambarkan

nilai maksimum, nilai minimum, rata-rata (mean), dan standar deviasi. Hasil

analisis statistik deskriptif disajikan dalam table 4.2 berikut.

Tabel 4.2

Hasil Uji Statistik Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std.

Deviation

AMC 456 ,0000 ,3244 ,101499 ,1194309

FEE 456 18,1341 26,2612 22,105867 1,7481042

FLOW 456 0 1 ,15 ,354

AQ 456 -29,8878 -19,9472 -25,163735 1,8536108

Valid N

(listwise)

456

Sumber : Output SPSS yang diolah.

55

a. Variabel Independen

1) Audit Market Concentration

Hasil uji statistik deskriptif pada tabel 4.2 menunjukan bahwa audit

market concentration (AMC) dengan jumlah sampel (N) 456 memiliki

nilai minimum sebesar 0,0000 yang diperoleh dari PT Primarindo Asia

Infrastructure tahun 2014 yang diaudit oleh KAP AF. Rachman &

Soetjipto WS dan memiliki nilai maksimum sebesar 0,3244 yang

diperoleh dari PT HM Sampoerna tahun 2018 yang diaudit oleh KAP

Tanudiredja, Wibisana, Rintis & Rekan (PWC). Nilai tersebut

menggambarkan bahwa penguasaan pangsa pasar audit KAP AF.

Rachman & Soetjipto melalui total aset klien sebesar 0,00% dan

penguasaan pangsa pasar audit KAP Tanudiredja, Wibisana, Rintis &

Rekan (PWC) melalui total aset klien sebesar 32,44%. Nilai rata-rata

(mean) sebesar 0,101499 yang menggambarkan bahwa rata-rata

penguasaan pangsa pasar audit dalam industri manufaktur sebesar

10,1499% dan standar deviasi sebesar 0,1194309 yang menunjukkan

simpangan data yang relatif lebih besar karena nilainya lebih besar

daripada nilai rata-rata.

2) Audit Fee

Hasil uji statistik deskriptif pada tabel 4.2 menunjukan bahwa audit

fee (FEE) dengan jumlah sampel (N) 456 memiliki nilai minimum

sebesar 18,1341 yang diperoleh dari PT Intikeramik Alamasri Industri

56

tahun 2016 dan memiliki nilai maksimum sebesar 26,2612 yang

diperoleh dari PT Semen Indonesia tahun 2018. Nilai rata-rata (mean)

sebesar 22,105867 yang menggambarkan rata-rata fee audit dalam

industri manufaktur dan standar deviasi sebesar 1,7481042

menunjukkan simpangan data yang relatif lebih kecil karena nilainya

lebih kecil daripada nilai rata-rata.

3) Auditor Flow

Hasil uji statistik deskriptif pada tabel 4.2 menunjukan bahwa

auditor flow (FLOW) dengan jumlah sampel (N) 456 memiliki nilai

minimum sebesar 0 dan memiliki nilai maksimum sebesar 1. Nilai

tersebut menggambarkan bahwa nilai 0 untuk perusahaan yang diaudit

oleh KAP yang tidak mengalami perpindahan auditor (yang ditandai

dengan merger) dan nilai 1 untuk perusahaan yang diaudit oleh KAP

yang mengalami merger. Nilai rata-rata (mean) sebesar 0,15

menggambarkan rata-rata perpindahan auditor dalam industri

manufaktur dan standar deviasi sebesar 0,354 menunjukkan simpangan

data yang relatif lebih besar karena nilainya lebih besar daripada nilai

rata-rata..

b. Variabel Dependen (Audit Quality)

Hasil uji statistik deskriptif pada tabel 4.2 menunjukan bahwa

audit quality (AQ) dengan jumlah sampel (N) 456 memiliki nilai

minimum sebesar -29,8878 yang diperoleh dari PT HM Sampoerna

57

tahun 2015 dan memiliki nilai maksimum sebesar -19,9472 yang

diperoleh dari PT Kedaung Indah Can tahun 2016. Nilai tersebut

menggambarkan bahwa kualitas audit terendah berdasarkan akrual

diskresioner tertinggi dalam penelitian ini diperoleh dari PT HM

Sampoerna tahun 2015 dan kualitas audit tertinggi berdasarkan

akrual diskresioner terendah diperoleh dari PT Kedaung Indah Can

tahun 2016. Nilai rata-rata (mean) sebesar -25,163735

menggambarkan rata-rata kualitas audit perusahaan dalam industri

manufaktur dan standar deviasi sebesar 1,8536108 menunjukkan

simpangan data yang relatif lebih besar karena nilainya lebih besar

daripada nilai rata-rata.

2. Hasil Uji Asumsi Klasik

a. Hasil Uji Normalitas

Uji ini bertujuan untuk mengetahui apakah data dalam penelitian

telah terdistribusi normal atau tidak. Uji normalitas dalam penelitian ini

dilakukan dengan analisis grafik dan uji statistik. Analisis grafik yang

dilakukan yaitu dengan grafik histogram dan normal probability plot.

Sedangkan uji statistik menggunakan uji statistik non parametrik One-

Sample Kolmogorov Smirnov (K-S). Berikut ini merupakan hasil uji

statistik menggunakan uji statistik non parametrik One-Sample

Kolmogorov Smirnov (K-S).

58

Tabel 4.3

Hasil Uji Normalitas dengan Uji Kolmogorov Smirnov

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 470

Normal

Parametersa,b

Mean .0000000

Std. Deviation 1.43139563

Most Extreme

Differences

Absolute .049

Positive .049

Negative -.031

Test Statistic .049

Asymp. Sig. (2-tailed) .009c

Monte Carlo Sig.

(2-tailed)

Sig. .251d

95%

Confidence

Interval

Lower Bound .212

Upper Bound .290

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

d. Based on 470 sampled tables with starting seed 926214481.


Pada tabel 4.3 terlihat bahwa keempat variabel memiliki

probabilitas signifikansi 0,009 dan nilainya jauh dibawah 0,05. Hal ini

berarti hipotesis nol ditolak atau variabel Audit Market Concentration

(AMC), Audit Fee (FEE), Auditor Flow (FLOW), dan Audit Quality (AQ)

tidak terdistribusi secara normal. Menurut Ghozali (2018), data yang tidak

berdistribusi normal dapat dilakukan outlier data agar hasil pengujian lebih

baik dan valid. Pada penelitian ini, data yang teridentifikasi sebagai outlier

terdapat sejumlah 14 sampel, sehingga total sampel menjadi sejumlah 456

sampel. Berikut ini tabel merupakan hasil uji statistik menggunakan uji

59

statistik non parametrik One-Sample Kolmogorov Smirnov (K-S) setelah

outlier.

Tabel 4.4

Hasil Uji Normalitas dengan Uji Kolmogorov Smirnov setelah Outlier


Berdasarkan tabel 4.4 diatas, hasil uji One-Sample Kolmogorov

Smirnov setelah dilakukan outlier diketahui sebesar 0,057. Nilai tersebut

lebih besar dari nilai signifikannya yaitu 0,05 atau 5%. Dengan demikian

dapat disimpulkan bahwa data berdistribusi normal. Begitu pula dengan

hasil uji normalitas dengan analisis grafik. Tampilan histogram pada

gambar 4.1 di bawah menunjukkan pola lonceng yang berarti penelitian ini

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 456

Normal Parametersa,b Mean ,0000000

Std. Deviation 1,36250676

Most Extreme

Differences

Absolute ,042

Positive ,042

Negative -,026

Test Statistic ,042

Asymp. Sig. (2-tailed) ,057c

Monte Carlo Sig. (2-

tailed)

Sig. ,377d

95% Confidence

Interval

Lower

Bound

,333

Upper

Bound

,422

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

d. Based on 456 sampled tables with starting seed 1314643744.

60

memiliki data yang terdistribusi normal. Hasil yang sama juga ditunjukkan

oleh hasil pengujian dengan grafik p-plot. Tampilan pada gambar 4.2 di

atas menunjukkan bahwa titik-titik menyebar dan berhimpit di sekitar

garis diagonal. Pola penyebaran tersebut menunjukkan bahwa data

terdistribusi dengan normal, sehingga dapat disimpulkan bahwa model

regresi memenuhi asumsi normalitas dan layak digunakan untuk pengujian

selanjutnya.

Gambar 4.1

Hasil Uji Normalitas dengan Histogram Normal


61

Gambar 4.2

Hasil Uji Normalitas dengan Grafik Normal Plot


b. Hasil Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model

regresi dideteksi terjadi korelasi antar variabel bebas. Uji multikolinearitas

yang digunakan dalam penelitian ini adalah Tolerance – Variance

Inflactor Factor (VIF). Multikolinearitas terjadi apabila nilai tolerance <

0,10 dan VIF > 10. Jika nilai tolerance > 0,1 dan VIF < 10, maka dapat

dikatakan tidak terjadi multikolinearitas antar variabel independen

(Ghozali, 2018). Hasil uji multikolinearitas disajikan dalam tabel 4.5

berikut.

62

Tabel 4.5

Hasil Uji Multikolinearitas

Coefficientsᵃ

Model Collinearity Statistic

Tolerance VIF

1. (Constant)

AMC ,775 1,291

FEE ,784 1,276

FLOW ,987 1,014

a. Dependent Variable: AQ


Berdasarkan tabel 4.4 di atas, hasil uji multikolinearitas

menunjukkan bahwa tidak ada variabel independen yang memiliki nilai

tolerance kurang dari 0,1 dan tidak ada variabel independen yang memiliki

nilai VIF lebih dari 10 atau nilai tolerance > 0,1 dan VIF < 10. Maka dapat

disimpulkan bahwa tidak terjadi multikolinearitas antar variabel bebas

dalam penelitian.

c. Hasil Uji Autokorelasi

Uji yang bertujuan untuk menguji apakah dalam model regresi

linear memiliki korelasi antara kesalahan pengganggu pada periode t

dengan kesalahan pada periode t-1 (tahun sebelumnya). Model regresi

yang baik adalah regresi yang bebas dari autokorelasi (Ghozali, 2018).

Proses pengolahan data untuk uji autokorelasi dilakukan dengan

63

melakukan transform data dengan metode Cochrane-Orcutt. Proses

tersebut mengubah beberapa jenis istilah atau penyebutan untuk setiap

jenis pengukuran pada seluruh variabel guna menyesuaikan dengan proses

pengolahan data. Pada penelitian ini, uji autokorelasi dilakukan dengan

menggunakan Runs Test. Berikut tabel 4.6 merupakan hasil uji

autokorelasi untuk variabel yang digunakan dalam penelitian ini.

Tabel 4.6

Hasil Uji Autokorelasi dengan Runs Test


Hasil uji autokorelasi dengan menggunakan run test, seperti pada

tabel 4.5 di atas menunjukkan nilai tes sebesar -0,05993 dan Asymp. Sig. (2-

tailed) sebesar 0,673 atau 67,3%. Hasil tersebut lebih besar daripada nilai

signifikannya yaitu 0,05 atau 5% sehingga dapat disimpulkan bahwa tidak

terdapat gejala autokorelasi.

Runs Test

Unstandardized

Residual

Test Valuea -,05993

Cases < Test Value 227

Cases >= Test Value 228

Total Cases 455

Number of Runs 233

Z ,422

Asymp. Sig. (2-tailed) ,673

a. Median

64

d. Hasil Uji Heterokedastisitas

Uji heterokedastisitas bertujuan untuk menguji apakah nilai dalam

model regresi terdapat ketidaksamaan variance dari residual satu

pengamatan ke pengamatan yang lain. Pada penelitian ini, uji

heterokedastisitas diuji dengan menggunakan grafik plot. Untuk mendeteksi

ada atau tidaknya heteroskedastisitas dapat dilihat dengan ada atau tidaknya

pola tertentu pada grafik scatterplot antara SRESID dan ZPRED (Ghozali,

2018). Hasil uji heteroskedastisitas disajikan dalam gambar berikut ini.

Gambar 4.3

Hasil Uji Heterokedastisitas dengan Grafik Scatterplot


Berdasarkan grafik scatterplot yang disajikan dalam

gambar 4.3 di atas menunjukkan bahwa titik-titik menyebar secara acak

serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, selain

65

itu dapat dilihat bahwa titik-titik pada gambar tidak membentuk pola yang

khas. Sehingga dapat disimpulkan bahwa model regresi layak untuk

memprediksi variabel dependen berdasarkan variabel-variabel independen

yang digunakan dalam penelitian. Selain analisis grafik, untuk melengkapi

dan memberikan keyakinan lebih dilakukan uji glejser yang ditampilkan

pada tabel berikut.

Tabel 4.7

Hasil Uji Heterokedastisitas dengan Uji Glejser

Coefficientsa

Model Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 1.303 .403 3.234 .001

LAG_AMC -.139 .440 -.016 -.317 .752

LAG_FEE -.023 .031 -.039 -.754 .451

LAG_FLOW .017 .090 .009 .193 .847

a. Dependent Variable: ABS_RES2


Pada tabel 4.7 menunjukkan hasil dari regresi variabel independen

dengan nilai absolut residual menunjukkan bahwa nilai signifikansi antara

variabel independen dengan absolut residualnya lebih dari 0,05. Maka

dapat dinyatakan penelitian ini bebas dari asumsi heterokedastisitas.

3. Hasil Pengujian Hipotesis

a. Uji Koefisien Determinasi (R²)

Uji koefisien determinasi (R²) bertujuan untuk mengukur seberapa jauh

kemampuan model dalam menerangkan variasi variabel dependen.

66

Besarnya kontribusi variabel independen (audit market concentration, audit

fee dan auditor flow) dalam menjelaskan audit quality dapat dilihat dari

nilai koefisien determinasi (R²). Hasil uji koefisien determinasi (R²)

disajikan dalam tabel 4.8 berikut ini.

Tabel 4.8

Hasil Uji Koefisien Determinasi (R²)


Berdasarkan tabel 4.6 hasil regresi memiliki nilai Adjusted R

Square sebesar 0,328 atau 32,8%. Hal ini mengindikasikan bahwa kualitas

audit perusahaan manufaktur periode 2014-2018 yang terdaftar di BEI

dapat dijelaskan oleh variabel independen audit market concentration,

audit fee dan auditor flow sebesar 32,8%. Sedangkan sisanya 67,2%

ditentukan oleh variabel-variabel lain yang tidak diteliti dalam penelitian

ini seperti regulasi rotasi (Anggraita, et al., 2016), audit tenure (Andriani &

Nursiam, 2018), dan lainnya.

Model Summaryb

Mod

el

R R

Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,576a ,332 ,328 1,25483

a. Predictors: (Constant), LAG_FLOW, LAG_FEE,

LAG_AMC

b. Dependent Variable: LAG_AQ

67

b. Uji Signifikansi Keseluruhan dari Regresi Sampel (F-test)

Uji F digunakan untuk mengetahui apakah model regresi yang kita buat

baik/signifikan atau tidak baik/non signifikan. Apabila nilai signifikansi <

0,05 maka hipotesis diterima. Hasil uji F disajikan dalam tabel 4.9 berikut.

Tabel 4.9

Hasil Uji F-Test


Berdasarkan hasil uji F pada tabel diatas, dapat dilihat bahwa nilai F

hitung sebesar 74,742 dengan nilai signifikansi sebesar 0,000. Hal ini

menunjukkan bahwa nilai signifikansi < 0,05, sehingga dapat disimpulkan

bahwa model regresi yang kita buat baik atau bisa digunakan untuk

prediksi/peramalan.

c. Uji Signifikansi Parameter Individual (T-test)

Uji T bertujuan untuk mengetahui adanya pengaruh secara

individual variabel independen terhadap variabel dependen. Apabila nilai

ANOVAa

Model Sum of

Squares

df Mean

Square

F Sig.

1 Regression 353,066 3 117,689 74,742 ,000b

Residual 710,140 451 1,575

Total 1063,207 454

a. Dependent Variable: LAG_AQ

b. Predictors: (Constant), LAG_FLOW, LAG_FEE, LAG_AMC

68

signifikansi < 0,05 maka hipotesis diterima. Berikut hasil uji T disajikan

dalam tabel 4.10 berikut.

Tabel 4.10

Hasil Uji T-test


Berdasarkan tabel 4.10 diatas, maka diperoleh persamaan regresi

berganda sebagai berikut:

LAG_AQ = -6,931 - 1,849 LAG_AMC - 0,614 LAG_FEE -

0,100 LAG_FLOW

Model regresi berganda di atas menunjukkan nilai konstanta sebesar

-6,931 yang berarti jika variabel independen (audit market concentration,

audit fee dan auditor flow) dianggap konstan, maka nilai kualitas audit

sebesar -6,931.

Nilai koefisien LAG_AMC adalah sebesar -1,849 yang berarti

setiap kenaikan atau penambahan 1% audit market concentration pada

Coefficientsa

Model Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

B Std. Error Beta

1 (Constant) -6,931 ,656 -10,559 ,000

LAG_AMC -1,849 ,716 -,109 -2,581 ,010

LAG_FEE -,614 ,050 -,521 -12,292 ,000

LAG_FLOW -,100 ,147 -,026 -,682 ,495

a. Dependent Variable: LAG_AQ

69

perusahaan manufaktur akan menurunkan kualitas audit sebesar -1,849 kali

pada periode 2014–2018 dengan asumsi variabel lain dalam persamaan

regresi tetap. Nilai koefisien LAG_FEE adalah sebesar -0,614 yang berarti

setiap kenaikan atau penambahan 1% audit fee pada perusahaan

manufaktur akan menurunkan kualitas audit sebesar -0,614 kali pada

periode 2014–2018 dengan asumsi variabel lain dalam persamaan regresi

tetap.

Nilai koefisien LAG_FLOW adalah sebesar -0,100 yang berarti

setiap kenaikan atau penambahan 1% auditor flow pada perusahaan

manufaktur akan menurunkan kualitas audit sebesar -0,100 kali pada

periode 2014–2018 dengan asumsi variabel lain dalam persamaan regresi

tetap.

C. Pembahasan

1. Pengaruh Audit Market Concentration terhadap Audit Quality

Dari tabel 4.10 di atas, menunjukkan tingkat signifikansi pada variabel

audit market concentration (LAG_AMC) sebesar 0,010 (sig<0,05).

Berdasarkan hasil tersebut maka H1 diterima, yang berarti audit market

concentration secara signifikan berpengaruh terhadap audit quality. Hasil

penelitian menunjukkan arah negatif dengan nilai koefisien regresi sebesar -

1,849, yang artinya semakin tinggi konsentrasi pasar jasa audit maka semakin

rendah kualitas audit yang dihasilkan. Sebaliknya, semakin rendah

70

konsentrasi pasar jasa audit maka semakin tinggi kualitas audit yang

dihasilkan.

Hasil penelitian ini mendukung penelitian Gunn et al. (2019)

menunjukkan terjadi penurunan kualitas audit pada Big 4 market

concentration yang tinggi. Hasil mengindikasikan ketika audit market

concentration tinggi menyebabkan tingginya fee audit pada klien yang

kompleks, namun menunjukkan kualitas audit yang lebih rendah. Hal ini

dikarenakan bahwa ukuran KAP yang besar belum tentu menghasilkan

kualitas audit yang baik.

Tingkat konsentrasi pasar audit yang tinggi mengindikasikan rendahnya

persaingan pasar audit. Tingkat persaingan pasar audit yang rendah

menyebabkan penurunan peluang klien untuk berganti auditor dikarenakan

sedikitnya pilihan KAP dalam pasar. Sehingga perusahaan-perusahaan

kompleks yang cenderung membutuhkan KAP besar dalam mengaudit,

cenderung menjadi klien Big 4. Dengan semakin sedikitnya pilihan KAP

yang dapat dipilih maka akan menimbulkan masalah tersendiri misalnya

kesulitan dalam menentukan sifat atau karakter, harga, keuntungan dan

inovasi dari KAP atau penyedia jasa itu sendiri. Selain itu, dengan sedikitnya

pilihan KAP dapat menyebabkan terjadinya perikatan yang lama dengan

klien yang dapat memengaruhi independensi auditor, akibatnya kualitas audit

berkurang. Dengan demikian, tingginya audit market concentration dapat

menyebabkan penurunan kualitas audit.

71

2. Pengaruh Audit Fee terhadap Audit Quality

Dari tabel 4.10 di atas, menunjukkan tingkat signifikansi pada variabel

audit fee (LAG_FEE) sebesar 0,000 (sig<0,05). Berdasarkan hasil tersebut

maka H2 diterima, yang berarti audit fee secara signifikan berpengaruh

terhadap audit quality. Hasil penelitian juga menunjukkan arah negatif

dengan nilai koefisien regresi sebesar -0,614, yang artinya semakin tinggi

biaya jasa audit yang diberikan maka semakin rendah kualitas audit yang

dihasilkan. Sebaliknya, semakin rendah biaya jasa audit yang diberikan maka

semakin tinggi kualitas audit yang dihasilkan.

Hasil penelitian ini mendukung penelitian dilakukan Gunn et al. (2019)

yang menunjukkan bahwa audit fee yang tinggi dengan konsentrasi pasar

yang tinggi menyebabkan penurunan kualitas audit. KAP Big 4 dapat

membebankan biaya jasa audit yang lebih tinggi untuk klien yang kompleks.

Pada tingkat konsentrasi pasar audit yang tinggi menyebabkan

ketidaksetaraan antara KAP (auditor) dengan dengan klien yang kompleks,

sehingga auditor dapat membebankan biaya jasa audit yang lebih tinggi.

Biaya jasa audit yang tinggi belum tentu mencerminkan hasil audit yang

berkualitas. Meskipun secara teori biaya jasa audit yang tinggi akan

merencanakan audit kualitas yang lebih tinggi, namun berdasarkan fakta

biaya jasa audit yang tinggi dengan konsentrasi pasar audit yang tinggi

menghasilkan penurunan kualitas audit. Misal, perusahaan dengan operasi

internasional membutuhkan jasa audit kompleks yang hanya tersedia pada

72

sedikit pilihan KAP. Konsekuensinya KAP dapat membebankan biaya jasa

audit yang sangat tinggi dikarenakan sangat terbatasnya pilihan perusahaan.

Sedangkan, pada beberapa kasus, perusahaan yang diaudit oleh KAP besar

dengan fee audit yang tinggi justru terkuak memliki kualitas audit yang

rendah. Hal ini dapat dipengaruhi akibat berkurangnya independensi

diakibatkan masa perikatan yang lama dengan KAP yang mana dikarenakan

terbatasnya pilihan KAP bagi perusahaan walaupun dengan dibebankannya

fee audit yang tinggi.

3. Pengaruh Auditor Flow terhadap Audit Quality

Pada tampilan tabel 4.10 di atas, diketahui bahwa auditor flow

(LAG_FLOW) memiliki nilai koefisien regresi sebesar -0,100 dengan tingkat

signifikansi 0,495 (sig>0,05), hal ini menunjukkan bahwa auditor flow tidak

berpengaruh secara signifikan positif terhadap audit quality. Dengan

demikian, maka H3 ditolak.

Hasil penelitian ini konsisten dengan penelitian Butar-Butar (2014)

yang menunjukkan bahwa merger kedua KAP besar Pricewaterhouse dengan

Coopers & Lybrands tidak memberi pengaruh yang signifikan terhadap

kualitas audit di Indonesia dikarenakan perbedaan lingkungan institusional

dan hukum antara Indonesia dengan negara-negara Barat. Dalam penelitian

tersebut, dijelaskan bahwa dalam lingkungan yang memiliki risiko litigasi

yang rendah seperti di Indonesia, auditor tidak memiliki dorongan yang kuat

untuk memberikan jasa audit yang berkualitas.

73

Rendahnya risiko litigasi mengurangi insentif auditor di Indonesia untuk

memberikan jasa audit yang berkualitas, tidak seperti rekan mereka di

Amerika Serikat dan Eropa. Apabila auditor beroperasi pada lingkungan yang

tidak menerapkan aturan yang tegas kepada auditor ketika melakukan

kegagalan audit dan ketika mekanisma monitoring lainnya tidak berjalan

efektif untuk mengendalikan manajemen laba, auditor mungkin memilih

untuk tidak bekerja secara profesional dan memberikan jasa audit yang

berkualitas rendah. Oleh karena itu, dengan mempertimbangkan perbedaan

lingkungan institusional dan hukum di Indonesia, perpindahan auditor yang

ditandai dengan merger kantor akuntan tidak memberikan pengaruh terhadap

kualitas audit.

Tidak adanya pengaruh auditor flow terhadap audit quality pada penelitian

ini dapat disebabkan pula dikarenakan auditor tidak dapat membentuk

identitas yang sama dengan kantor akuntan publiknya yang baru. Dalam hasil

penelitian ini, auditor kurang dapat menerima gaya audit yang baru dengan

klien yang baru ketika terjadi perpindahan auditor. Faktor yang memengaruhi

hal tersebut diantaranya yang pertama, anggota kurang mendapatkan

pengalaman yang luas dan positif dalam organisasi. Kedua, anggota tidak

merasa organisasi tersebut memiliki atribut yang unik dan positif. Ketiga,

anggota kurang percaya bahwa organisasi tersebut memiliki kesan yang baik

dan positif untuk meningkatkan nilai mereka di masyarakat. Terakhir,

anggota kurang percaya bahwa organisasi juga memiliki nilai yang positif

seperti mereka. Bila organisasi tidak dapat memenuhi keempat kondisi

74

tersebut, maka anggota tidak akan meninggalkan identitas mereka yang lama

dan tidak membentuk identifikasi yang sama dengan identitas organisasi yang

baru. Hal tersebut menyebabkan penyesuaian yang terjadi pada saat

perpindahan auditor tidak memengaruhi kualitas audit yang dihasilkan.

75

BAB V

SIMPULAN DAN SARAN

A. Simpulan

Judul penelitian ini adalah ‘Pengaruh Audit Market Concentration, Audit

Fee, dan Auditor Flow terhadap Audit Quality (Studi Empiris pada Perusahaan

Manufaktur yang Terdaftar di Bursa Efek Indonesia Periode 2014–2018 yang

bertujuan untuk menguji pengaruh audit market concentration, audit fee, dan

auditor flow terhadap audit quality. Teknik pengambilan sampel dengan

purposive sampling dan diperoleh sampel sebanyak 94 perusahaan selama 2014-

2018. Analisis data dilakukan dengan analisis statistik deskriptif, asumsi klasik,

dan regresi linear berganda dengan bantuan software SPSS 25. Berdasarkan hasil

pengujian, penelitian ini menghasilkan temuan yang dapat disimpulkan sebagai

berikut:

1. Audit market concentration berpengaruh signifikan negatif terhadap audit

quality. Semakin tinggi konsentrasi pasar jasa audit maka semakin rendah

kualitas audit yang dihasilkan. Sebaliknya, semakin rendah konsentrasi pasar

jasa audit maka semakin tinggi kualitas audit yang dihasilkan. Hasil penelitian

ini konsisten dengan hasil penelitian penelitian Gunn, Kawada, & Michas

(2019).

2. Audit fee berpengaruh signifikan negatif terhadap audit quality. Semakin

tinggi biaya jasa audit yang diberikan maka semakin rendah kualitas audit

yang dihasilkan. Sebaliknya, semakin rendah biaya jasa audit yang diberikan

76

maka semakin tinggi kualitas audit yang dihasilkan. Hasil penelitian ini

konsisten dengan hasil penelitian Gunn, Kawada, & Michas (2019).

3. Auditor flow tidak berpengaruh signifikan terhadap audit quality. Hasil

penelitian ini konsisten dengan penelitian Butar-Butar (2014).

Peneliti berharap dengan adanya penelitian ini dapat memberikan

kontribusi informasi mengenai kualitas audit yang dihasilkan dalam

pengembangan ilmu audit; memberikan tambahan informasi kepada regulator

sebagai bahan pertimbangan dan masukan dalam menyusun kebijakan-kebijakan

yang berkaitan dengan persaingan pasar audit di Indonesia; memberikan

tambahan informasi kepada auditor mengenai faktor-faktor yang dapat menjadi

pertimbangan dalam melihat audit quality, seperti audit market concentration dan

audit fee; memperkuat temuan-temuan dari penelitian sebelumnya. Bagi peneliti

selanjutnya penelitian ini diharapkan dapat dijadikan referensi bagi penelitian

yang akan datang serta dapat memberikan perbandingan dalam mengadakan

penelitian terkait dengan faktor-faktor yang dapat memengaruhi kualitas audit

yang dihasilkan.

B. Saran

Penelitian di masa mendatang diharapkan mampu menyajikan hasil

penelitian yang lebih berkualitas. Saran untuk penelitian selanjutnya adalah

sebagai berikut:

1. Bagi peneliti selanjutnya dapat menambah atau mengganti variabel

independen yang dapat memengaruhi variabel audit quality, karena masih

77

banyak variabel-variabel lainnya yang berpengaruh terhadap audit quality

seperti regulasi rotasi, audit tenure, dan variabel lainnya yang tidak diuji

dalam penelitian ini..

2. Bagi peneliti selanjutnya dapat memperluas sampel perusahaan selain

perusahaan manufaktur atau memperluas sampel negara di luar Indonesia,

sebab penelitian ini hanya menggunakan sampel perusahaan manufaktur saja

dan tidak semua perusahaan manufaktur memenuhi kriteria sampel penelitian

ini.

3. Bagi peneliti selanjutnya dapat memperluas periode penelitian menjadi 10

tahun atau lebih, agar dapat mengukur lebih jauh variabel auditor flow.

4. Bagi peneliti selanjutnya dapat menggunakan alternatif model lain untuk

mengukur variabel audit quality seperti seperti model Kaznik dan

performance matched karena model Kaznik menambahkan CFO dan

performance matched menambahkan ROA dalam perhitungan akrual

diskresioner serta menggunakan proksi lainnya untuk mengukur variabel audit

market concentration seperti concentration ratio yang menggunakan rumus

yang berbeda.

78

DAFTAR PUSTAKA

Admin knic.co.id. (2019). Perkembangan Industri Manufaktur Indonesia,

(Online). Karawang New Industry City. https://www.knic.co.id/id/

perkembangan-industri-manufaktur-indonesia. (Diakses pada Agustus

2020).

Adryanti, A.F. (2019). Pengaruh Pilihan Metode Manajemen Laba Akrual dan

Riil Terhadap Kinerja Keuangan Perusahaan Sektor Manufaktur. Akurasi:

Jurnal Studi Akuntansi dan Keuangan, 2(1), 47-62.

Afriansyah, Z., & Siregar, S. V. (2007). Konsentrasi Pasar Audit di Indonesia

(Analisis Empiris di Pasar Modal Indonesia). Simposium Nasional

Akuntansi, 10, 43-66.

Agoes, S. (2012). Auditing: Petunjuk Praktis Pemeriksaan Akuntan Oleh Akuntan

Publik (Edisi ke empat). Jakarta: Salemba Empat.

Andriani, N., & Nursiam. (2018). Pengaruh Fee Audit, Audit Tenure, Rotasi

Audit dan Reputasi Auditor Terhadap Kualitas Audit (Studi Empiris Pada

Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia Tahun

2013-2015). Riset Akuntansi dan Keuangan Indonesia, 3(1), 29-39.

Anggraita, V., Fitriany, Aulia, S., & Arywati. (2016). Pengaruh Persaingan Pasar

Jasa Audit Terhadap Kualitas Audit: Peranan Regulasi Rotasi Dan Regulasi

Corporate Governance. TEKUN: Jurnal Telaah Akuntansi dan Bisnis, 7(1),

23 – 34.

Arens, A.A., Elder, & Beasley. (2014). Auditing dan Jasa Assurance Pendekatan

Terintegrasi Jilid 1. Edisi 15. Jakarta: Erlangga.

79

Badjuri, A. (2011). Faktor-Faktor yang Berpengaruh Terhadap Kualitas Audit

Auditor Independen pada Kantor Akuntan Publik (KAP) di Jawa Tengah.

Dinamika Keuangan dan Perbankan. 3(2) (Nov) : 183-197.

Bandyopadhyay, S.P., Chen, C., & Yu, Y. (2013). Mandatory Audit Partner

Rotation, Audit Market Concentration, and Audit Quality: Evidence from

China. Advances in Accounting. 30.10.1016/j.adiac.2013.12.001.

Beattie, V., Goodcare, A., & Fearnley, S. (2003). And then there four: Study of

UK audit market concentration-causes, consequenses dan the scope for

market adjustment. Journal of Financial Regulation and Compliance, 11,

250-265.

Butar-Butar, S. (2014). Merger Auditor Dan Kualitas Audit: Bukti Empiris Dari

Bursa Efek Indonesia. Jurnal Ekonomi dan Bisnis. 17(2). ISSN 1979-6471.

Cao, Q., Hu, N., & Chen, L. (2016). Auditor flow and financial statement

comparability: Evidence from audit firm mergers in China. China Journal of

Accounting Studies, 4(3), 263-286.

Chairiri, A. & Ghozali, I. (2007). Teori Akuntansi. Semarang: Badan Penerbit

Universitas Diponegoro.

Cushing, B. E., & Loebbecke, J. K. (1986). Comparison of audit methodologies of

large accounting firms: American accounting association.

Draft Panduan Indikator Kualitas Audit Pada Kantor Akuntan Publik. (2016).

Institut Akuntan Publik Indonesia, http://iapi.or.id/detail/176-Draf-

Panduan-Indikator-Kualitas-AuditPada-Kantor-Akuntan-Publik.

80

Eguasa, B.E., & Urhoghide, R.O. (2017). Audit Market Concentration and Audit

Quality in Nigeria. IOSR Journal of Business and Management (IOSR-

JBM), 19, Issue 9. Ver. IV. PP 01-09 www.iosrjournals.org.

Fitriany, Siregar, S.V., & Anggraita, V. (2015). Pengaruh Positif dan Negatif

Abnormal Audit Fee Terhadap Kualitas Audit. Universitas Indonesia.

Francis, J. R., Pinnuck, M. L., & Watanabe, O. (2013). Auditor style and financial

statement comparability. The Accounting Review, 89(2), 605-633.

Freeman, R.E. (1984). Strategic Management: A Stakeholders Approach. Fitman,

Boston.

Ghozali, I. (2018). Aplikasi Analisis Multivariate dengan Program IBM SPSS 25.

Semarang: Badan Penerbit Universitas Diponegoro.

Gunn, J.L., Kawada, B.S., & Michas, P.N. (2019). Audit Market Concentration,

Audit Fees and Audit Quality: A cross-country analysis of complex audit

clients. Journal of Accounting And Public Policy, 38(6), 106693.

Handoko, B.L. & Soepriyanto, G. (2018). Merunut Kasus SNP Finance & Auditor

Deloitte Indonesia (1), (Online). Website Accounting Binus.

https://accounting.binus.ac.id/2018/12/03/merunut-kasus-snp-finance-

auditor-deloitte-indonesia-2/. (Diakses pada 18 Juni 2019).

Ikatan Akuntansi Indonesia. (2009). Standar Akuntansi Keuangan, PSAK No. 1 :

Penyajian Laporan keuangan. Jakarta : Salemba Empat.

Jensen, M. C., & Meckling, W. H. (1976). Theory of the Firm: Managerial

behavior, agency costs and ownership structure. Journal of Financial

Economics: 305-360.

http://www.iosrjournals.org/

81

Kasmir. (2016). Analisis Laporan Keuangan. Jakarta: Raja Grafindo Persada

Kurniasih, Margi & Abdul Rohman. (2014). Pengaruh Fee Audit, Audit Tenure,

dan Rotasi Auditor Terhadap Kualitas Audit. Diponegoro Journal Of

Accounting, 3(3).

Ma’ruf, M. (2008). Menkeu Bekukan Izin Pengaudit Electronic Solution,

(Online). Okezone. https://www.google.com/amp/s/economy.okezone.com

/amp/2008/05/24/20/111972/menkeu-bekukan-izin-pengaudit-electronic-

solution. (Diakses pada Agustus 2020).

Mardiana, D. S., & Anggraita, V. (2015). Pengaruh Market Power KAP dan

Konsentrasi Pasar Jasa Audit terhadap Audit Fee di Indonesia. Simposium

Nasional Akuntansi XIX.

Maulida, K. A. & Adam, H. (2012). Faktor- Faktor Yang Mempengaruhi

Pengungkapan Sustainability Performance. Jurnal Ilmiah Mahasiswa FEB.

Mignonac, K., Herrbach, O., & Guerrero, S. (2006). The interactive effects of

perceived external prestige and need for organizational identification on

turnover intentions. Journal of Vocational Behavior, 69(3), 477-493.

Nawangwulan, M. (2013). Di ASEAN, Tingkat Korupsi Indonesia Kian

Memburuk, (Online). Tempo, http://www.tempo.com/read/news/2013/07/11

/063495321/DiASEANTingkat-Korupsi indonesia-kian-memburuk. (Diakses

pada 18 Juni 2019).

Olavia, L. (2020). Kemkeu Ancam Sanksi Tegas KAP Kasus Jiwasraya dan

Asabri, (Online). Berita Satu. https://www.beritasatu.com/ekonomi/595525/

82

kemkeu-ancam-sanksi-tegas-kap-kasus-jiwasraya-dan-asabri.(Diakses

pada Januari 2020).

Perdana, D. (2018). Deteksi Manajemen Laba Melalui Perbedaan Nilai Absolut

Akrual Diskresioner Seputar Seasoned Equity Offerings. Jurnal Economica,

14(1).

Pramesti, I.G.A.R., & Wiratmaja, I.D.N. (2017). Pengaruh Fee Audit,

Profesionalisme Pada Kualitas Audit Dengan Kepuasan Kerja Sebagai

Pemediasi Pengaruh Fee Audit, Audit Tenure, Rotasi Audit Dan Reputasi

Auditor Terhadap Kualitas Audit (Studi Empiris Pada Perusahaan

Manufaktur yang Terdaftar di Bursa Efek Indonesia Tahun 2013-2015). E-

Jurnal Akuntansi Universitas Udayana , 18(1), 616-645.

Santoso, U., & Pambelum, Y.J. (2008). Pengaruh Penerapan Akuntansi Sektor

Publik terhadap Akuntabilitas Kinerja Instansi Pemerintah dalam Mencegah

Fraud. Jurnal Administrasi Bisnis, 4(1), 14-33.

Sekaran, U., & Bougie, R. (2016). Research Methods For Business: A Skill

Building Approach. Chichester: John Wiley & Sons..

Standar Profesional Akuntan Publik. (2011). Institut Akuntan Publik Indonesia,

http://iapi.or.id/detail/362.

Tarigan, M.U., dan Bangun, P. (2013). Pengaruh Kompetensi, Etika, dan Fee

Audit Terhadap Kualitas Audit. Jurnal Akuntansi, Universitas Kristen Krida

Wacana. 13(1).

83

LAMPIRAN-LAMPIRAN

84

LAMPIRAN 1

Daftar Sampel Perusahaan Manufaktur

No. Kode Nama Perusahaan Subsektor Industri

1 INTP Indocement Tunggal Prakarsa Industri Dasar dan Kimia

2 SMGR Semen Indonesia Industri Dasar dan Kimia

3 SMBR Semen Baturaja Industri Dasar dan Kimia

4 ARNA Arwana Citra Mulia Industri Dasar dan Kimia

5 IKAI Intikeramik Alamasri Industri Industri Dasar dan Kimia

6 KIAS Keramika Indonesia Asosiasi Industri Dasar dan Kimia

7 MLIA Mulia Industrindo Industri Dasar dan Kimia

8 TOTO Surya Toto Indonesia Industri Dasar dan Kimia

9 ALKA Alakasa Industrindo Industri Dasar dan Kimia

10 BTON Beton Jaya Manunggal Industri Dasar dan Kimia

11 CTBN Citra Tubindo Industri Dasar dan Kimia

12 GDST Gunawan Dianjaya Steel Industri Dasar dan Kimia

13 KRAS Krakatau Steel Industri Dasar dan Kimia

14 LION Lion Metal Works Industri Dasar dan Kimia

15 LMSH Lionmesh Prima Industri Dasar dan Kimia

16 NIKL Pelat Timah Nusantara Industri Dasar dan Kimia

17 PICO Pelangi Indah Canindo Industri Dasar dan Kimia

18 BAJA Sarana Central Bajatama Industri Dasar dan Kimia

19 ISSP Steel Pipe Industry of Indonesia Industri Dasar dan Kimia

20 BRPT Barito Pacific Industri Dasar dan Kimia

21 DPNS Duta Pertiwi Nusantara Industri Dasar dan Kimia

22 EKAD Ekadharma International Industri Dasar dan Kimia

23 INCI Intanwijaya Internasional Industri Dasar dan Kimia

24 SRSN Indo Acidatama Industri Dasar dan Kimia

25 TPIA Chandra Asri Petrochemical Industri Dasar dan Kimia

26 ADMG Polychem Indonesia Industri Dasar dan Kimia

27 BRNA Berlina Industri Dasar dan Kimia

28 FPNI Lotte Chemical Titan Industri Dasar dan Kimia

29 IGAR Champion Pacific Indonesia Industri Dasar dan Kimia

30 IPOL Indopoly Swakarsa Industry Industri Dasar dan Kimia

31 TRST Trias Sentosa Industri Dasar dan Kimia

32 IMPC Impack Pratama Industri Industri Dasar dan Kimia

33 CPIN Charoen Pokphand Indonesia Industri Dasar dan Kimia

34 JPFA Japfa Comfeed Indonesia Industri Dasar dan Kimia

35 MAIN Malindo Feedmill Industri Dasar dan Kimia

36 SIPD Sierad Produce Industri Dasar dan Kimia

37 CPRO Central Proteina Prima Industri Dasar dan Kimia

38 TIRT Tirta Mahakam Resources Industri Dasar dan Kimia

85

39 ALDO Alkindo Naratama Industri Dasar dan Kimia

40 FASW Fajar Surya Wisesa Industri Dasar dan Kimia

41 INRU Toba Pulp Lestari Industri Dasar dan Kimia

42 KBRI Kertas Basuki Rachmat Indonesia Industri Dasar dan Kimia

43 TKIM Pabrik Kertas Tjiwi Kimia Industri Dasar dan Kimia

44 ASII Astra International Aneka Industri

45 AUTO Astra Otoparts Aneka Industri

46 BRAM Indo Kordsa Aneka Industri

47 GJTL Gajah Tunggal Aneka Industri

48 IMAS Indomobil Sukses International Aneka Industri

49 INDS Indospring Aneka Industri

50 SMSM Selamat Sempurna Aneka Industri

51 ERTX Eratex Djaya Aneka Industri

52 ESTI Ever Shine Textile Industry Aneka Industri

53 PRBX Pan Brothers Aneka Industri

54 POLU Asia Pacific Fibers Aneka Industri

55 RICY Ricky Putra Globalindo Aneka Industri

56 UNIT Nusantara Intri Corpora Aneka Industri

57 ARGO Argo Pantes Aneka Industri

58 STAR Star Petrochem Aneka Industri

59 TFCO Tifico Fiber Indonesia Aneka Industri

60 TRIS Trisula International Aneka Industri

61 BIMA Primarindo Asia Infrastructure Aneka Industri

62 IKBI Sumi Indo Kabel Aneka Industri

63 JECC Jembo Cable Company Aneka Industri

64 KBLI KMI & Wire Cable Aneka Industri

65 KBLM Kabelindo Murni Aneka Industri

66 SCCO Supreme Cable Manufacturing and

Commerce

Aneka Industri

67 VOKS Voksel Electric Aneka Industri

68 PTSN Sat Nusapersada Aneka Industri

69 KRAH Grand Kartech Aneka Industri

70 ADES Akasha Wira International Industri Barang Konsumsi

71 INDF Indofood Sukses Makmur Industri Barang Konsumsi

72 MYOR Mayora Indah Industri Barang Konsumsi

73 PSDN Prashida Aneka Niaga Industri Barang Konsumsi

74 ROTI Nippon Indosari Corporindo Industri Barang Konsumsi

75 STTP Siantar Top Industri Barang Konsumsi

76 SKBM Sekar Bumi Industri Barang Konsumsi

77 BTEK Bumi Teknokultura Unggul Industri Barang Konsumsi

78 CEKA Wilmar Cahaya Indonesia Industri Barang Konsumsi

79 GGRM Gudang Garam Industri Barang Konsumsi

80 HMSP H.M Sampoerna Industri Barang Konsumsi

86

81 RMBA Bentoel International Investama Industri Barang Konsumsi

82 DVLA Darya Varia Laboratoria Industri Barang Konsumsi

83 KAEF Kimia Farma Industri Barang Konsumsi

84 KLBF Kalbefarma Industri Barang Konsumsi

85 MERK Merck Industri Barang Konsumsi

86 PYFA Pyridam Farma Industri Barang Konsumsi

87 SQBI Taisho Pharmaceutical Indonesia Industri Barang Konsumsi

88 TSPC Tempo Scan Pasific Industri Barang Konsumsi

89 MBTO Martina Berto Industri Barang Konsumsi

90 MRAT Mustika Ratu Industri Barang Konsumsi

91 UNVR Unilever Indonesia Industri Barang Konsumsi

92 KICI Kedaung Indah Can Industri Barang Konsumsi

93 LMPI Langgeng Makmur Industry Industri Barang Konsumsi

94 CINT Chitose International Industri Barang Konsumsi

87

LAMPIRAN 2

Daftar Perubahan Nama KAP

No. Nama KAP Tahun

1 Purwantono, Sungkoro, Surja (EY) 2015

2 Satrio Bing Eny & Rekan (Deloitte) 2016

3 Paul Hadiwinata, Hidajat, Arsono, Achmad, Suharli & Rekan (PKF) 2015

Paul Hadiwinata, Hidajat, Arsono, Retno, Palilingan & Rekan (PKF) 2017

4 Amir Abadi Jusuf, Aryanto, Mawar & Rekan (RSM) 2015

5 Kosasih, Nurdiyaman, Mulyadi, Tjahjo & Rekan (Crowe) 2015

6 Hendrawinata Hanny Erwin & Sumargo 2017

7 Mirawati Sensi Idiris (Moore Stephens) 2016

8 Anwar & Rekan 2015

9 Tanubrata Sutanto Fahmi Bambang & Rekan (BDO) 2016

10 Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2015

11 Joachim Poltak Lian & Rekan 2015

12 Johannes Juara & Rekan 2014

13 Siddharta Widjaja & Rekan 2014

14 Hertanto Grace Karunawan 2014

88

LAMPIRAN 3

Data Tabulasi Penelitian

No. Kode Tahun AMC FEE FLOW AQ

1 INTP 2014 0.269256857 23.75855531 0 -24.70154464

2 INTP 2015 0.269256857 24.28462437 1 -27.26351054

3 INTP 2016 0.269256857 24.3887743 0 -26.50464495

4 INTP 2017 0.269256857 24.82859979 0 -27.54979696

5 INTP 2018 0.269256857 24.98557945 0 -27.45499371

6 SMGR 2014 0.181653763 24.6832116 0 -27.76868834

7 SMGR 2015 0.181653763 25.05310504 0 -28.64739082

8 SMGR 2016 0.181653763 25.12920218 1 -27.19247608

9 SMGR 2017 0.181653763 25.2969848 0 -27.7353173

10 SMGR 2018 0.181653763 26.26121827 0 -27.9507513

11 SMBR 2014 0.005470878 21.91474775 0 -24.13239217

12 SMBR 2015 0.005470878 22.83700324 0 -25.84989327

13 SMBR 2016 0.003658609 22.58924246 0 -25.8695027

14 SMBR 2017 0.003658609 22.72388723 0 -24.32297722

15 SMBR 2018 0.003658609 22.86333565 0 -23.17473902

16 ARNA 2014 0.269256857 21.97417379 0 -23.84620581

17 ARNA 2015 0.269256857 21.79939145 1 -24.42969548

18 ARNA 2016 0.269256857 21.79399156 0 -22.16840776

19 ARNA 2017 0.269256857 22.09532502 0 -25.53882083

20 ARNA 2018 0.269256857 21.84711172 0 -26.01434261

21 IKAI 2014 0.005470878 19.42874925 0 -23.11350515

22 IKAI 2015 0.003658609 19.25399469 0 -25.36231667

23 IKAI 2016 0.003658609 18.13409141 0 -25.87881116

24 IKAI 2017 0.014493462 20.58218142 0 -24.18736615

25 IKAI 2018 0.014493462 23.14218483 0 -25.67092132

26 KIAS 2014 0.023885305 23.0503842 0 -24.04343088

27 KIAS 2015 0.023885305 23.96130447 0 -25.19929498

28 KIAS 2016 0.082184543 22.40875073 0 -26.34994406

29 KIAS 2017 0.082184543 22.78841987 0 -24.93438712

30 KIAS 2018 0.082184543 22.69285677 0 -24.80955785

31 MLIA 2014 0.181653763 21.70179495 0 -26.53924633

32 MLIA 2015 0.181653763 21.60412626 0 -26.98383071

33 MLIA 2016 0.181653763 22.34653939 1 -26.14172603

34 MLIA 2017 0.181653763 22.94157718 0 -26.00146657

35 MLIA 2018 0.181653763 22.02673957 0 -24.36888909

36 TOTO 2014 0.269256857 22.32070284 0 -23.35549485

37 TOTO 2015 0.269256857 23.30042514 1 -24.53934259

38 TOTO 2016 0.269256857 22.25475699 0 -25.64498307

89

39 TOTO 2017 0.269256857 22.55528819 0 -25.68193573

40 TOTO 2018 0.269256857 22.19630491 0 -23.02744932

41 ALKA 2014 0.000406864 21.04796764 1 -23.7910023

42 ALKA 2015 0.000406864 20.38978552 0 -21.25659397

43 ALKA 2016 0.000406864 20.20345497 0 -23.21146979

44 ALKA 2017 0.000406864 21.14522418 0 -23.6721408

45 ALKA 2018 0.00389436 21.934237 0 -24.60859006

46 BTON 2014 0.010956171 18.71260381 0 -18.48758258

47 BTON 2015 0.010956171 18.60216862 1 -22.16878753

48 BTON 2016 0.010956171 19.2908247 0 -22.15375188

49 BTON 2017 0.010956171 19.30390842 0 -22.40320001

50 BTON 2018 0.009537819 20.39773933 0 -21.5352997

51 CTBN 2014 0.269256857 24.57192637 0 -24.74917709

52 CTBN 2015 0.269256857 24.40056115 1 -25.89219322

53 CTBN 2016 0.269256857 23.67777686 0 -26.54220061

54 CTBN 2017 0.269256857 23.59626951 0 -26.03442753

55 CTBN 2018 0.269256857 23.85549291 0 -26.12133222

56 GDST 2014 0.000260556 21.06327806 0 -26.17928241

57 GDST 2015 0.009537819 21.04302074 0 -23.48936034

58 GDST 2016 0.009537819 21.23423719 0 -24.74102525

59 GDST 2017 0.009537819 21.15421824 0 -24.36493497

60 GDST 2018 0.009537819 21.44345005 0 -25.27086665

61 KRAS 2014 0.269256857 24.06991938 0 -28.26232336

62 KRAS 2015 0.269256857 24.16277794 1 -28.87433322

63 KRAS 2016 0.269256857 23.95278126 0 -28.82938718

64 KRAS 2017 0.269256857 24.23795975 0 -28.99523968

65 KRAS 2018 0.269256857 24.54169088 0 -24.48572312

66 LION 2014 0.001924588 19.54012781 0 -23.27518242

67 LION 2015 0.001924588 19.60543636 1 -21.97234792

68 LION 2016 0.001924588 19.60342668 0 -23.11702924

69 LION 2017 0.001924588 19.92154231 0 -19.75243626

70 LION 2018 0.001924588 19.96919522 0 -22.46416697

71 LMSH 2014 0.001924588 20.53216527 0 -21.67748991

72 LMSH 2015 0.001924588 20.32209552 1 -22.91674547

73 LMSH 2016 0.001924588 20.30507695 0 -20.24290222

74 LMSH 2017 0.001924588 20.46633965 0 -21.60767236

75 LMSH 2018 0.001924588 20.74442797 0 -22.30669831

76 NIKL 2014 0.082184543 20.91316904 1 -24.66782773

77 NIKL 2015 0.082184543 20.87363461 0 -26.11467142

78 NIKL 2016 0.082184543 21.91239355 0 -25.74357104

79 NIKL 2017 0.181653763 20.48036244 0 -25.85832038

80 NIKL 2018 0.181653763 20.31111326 0 -25.62597495

90

81 PICO 2014 0.000120235 20.35454105 0 -22.82529405

82 PICO 2015 0.000116237 20.39886113 0 -22.96753272

83 PICO 2016 0.003658609 20.2797887 0 -24.14595285

84 PICO 2017 0.003658609 19.53820399 0 -24.86864003

85 PICO 2018 0.003658609 19.12129994 0 -24.81732964

86 BAJA 2014 0.000554671 19.66368498 0 -25.26356326

87 BAJA 2015 0.000554671 20.67713423 0 -24.32588653

88 BAJA 2016 0.000554671 19.68526422 0 -18.88395559

89 BAJA 2017 0.023885305 19.98103219 0 -25.0468534

90 BAJA 2018 0.023885305 19.60318968 0 -25.39442501

91 ISSP 2014 0.009537819 21.8420075 0 -26.72938991

92 ISSP 2015 0.009537819 21.90192083 0 -23.57495451

93 ISSP 2016 0.009537819 22.08321622 0 -26.89118686

94 ISSP 2017 0.006492152 22.7088087 0 -27.32285466

95 ISSP 2018 0.006492152 22.8196874 0 -26.77181935

96 BRPT 2014 0.181653763 24.05587791 0 -27.3013522

97 BRPT 2015 0.181653763 23.86550948 0 -27.66625316

98 BRPT 2016 0.181653763 24.45755687 1 -28.65881137

99 BRPT 2017 0.181653763 25.3101531 0 -28.24986983

100 BRPT 2018 0.181653763 26.10096743 0 -29.09520461

101 DPNS 2014 0.003516571 18.90080564 0 -22.81187204

102 DPNS 2015 0.003516571 19.51065648 1 -22.28208028

103 DPNS 2016 0.003516571 19.00182728 0 -22.13876058

104 DPNS 2017 0.003516571 19.42965184 1 -23.02159231

105 DPNS 2018 0.003516571 18.8131516 0 -23.82615969

106 EKAD 2014 0.000415681 20.66870665 0 -24.3163103

107 EKAD 2015 0.004788209 21.15642279 0 -24.71030711

108 EKAD 2016 0.007429029 21.21121442 0 -22.54706325

109 EKAD 2017 0.006492152 21.33117077 0 -23.92559711

110 EKAD 2018 0.006492152 21.38410494 0 -23.27472776

111 INCI 2014 2.8351E-05 19.28395037 0 -23.64848033

112 INCI 2015 0.007429029 19.25294705 0 -22.90050484

113 INCI 2016 0.007429029 18.9000157 0 -23.62900482

114 INCI 2017 0.006492152 19.01855524 0 -22.12114404

115 INCI 2018 7.50937E-05 18.76992817 0 -22.24564122

116 SRSN 2014 0.010956171 20.7683587 0 -22.32815964

117 SRSN 2015 0.010956171 20.99079291 1 -25.24763077

118 SRSN 2016 0.010956171 20.79228337 0 -25.36540128

119 SRSN 2017 0.010956171 21.06317644 0 -24.94521958

120 SRSN 2018 0.010956171 21.00787168 0 -22.71757083

121 TPIA 2014 0.181653763 23.73753464 0 -27.82168158

122 TPIA 2015 0.181653763 23.46830889 0 -27.70512113

91

123 TPIA 2016 0.181653763 23.37823982 1 -28.48536937

124 TPIA 2017 0.181653763 23.40328412 0 -27.64530214

125 TPIA 2018 0.181653763 23.80123977 0 -28.7901816

126 ADMG 2014 0.181653763 21.72678005 0 -27.03869342

127 ADMG 2015 0.181653763 21.19087228 0 -27.19479544

128 ADMG 2016 0.181653763 21.33898007 1 -26.83624059

129 ADMG 2017 0.181653763 21.37458489 0 -26.56515131

130 ADMG 2018 0.181653763 21.42825072 0 -24.42344781

131 BRNA 2014 0.007429029 21.58961857 0 -25.67297178

132 BRNA 2015 0.007429029 22.0791198 0 -26.37034566

133 BRNA 2016 0.007429029 21.73387207 0 -25.07408738

134 BRNA 2017 0.007429029 21.47677972 1 -25.95614088

135 BRNA 2018 0.007429029 21.56199797 0 -25.10039386

136 FPNI 2014 0.181653763 22.08082425 0 -25.15463748

137 FPNI 2015 0.269256857 22.43373896 1 -26.75311116

138 FPNI 2016 0.269256857 22.03607027 0 -23.15486128

139 FPNI 2017 0.269256857 22.3879795 0 -24.42441768

140 FPNI 2018 0.269256857 22.3777664 0 -24.44647563

141 IGAR 2014 0.000225268 19.85657477 1 -24.10400395

142 IGAR 2015 0.000225268 20.52502812 0 -24.07824559

143 IGAR 2016 0.000225268 20.96446312 0 -22.44904416

144 IGAR 2017 0.269256857 21.62128545 0 -23.15251762

145 IGAR 2018 0.269256857 21.81797919 0 -24.47656689

146 IPOL 2014 0.010956171 21.89479007 0 -25.3867357

147 IPOL 2015 0.010956171 22.14690351 1 -26.42872564

148 IPOL 2016 0.010956171 22.25761254 0 -23.69800643

149 IPOL 2017 0.010956171 23.05840623 0 -25.08317413

150 IPOL 2018 0.010956171 23.07998389 0 -23.19802306

151 TRST 2014 0.269256857 21.3960614 0 -26.068724

152 TRST 2015 0.269256857 21.48688564 1 -25.42107134

153 TRST 2016 0.269256857 21.27454581 0 -26.04821497

154 TRST 2017 0.269256857 21.51363269 0 -25.97664538

155 TRST 2018 0.001924588 20.96400112 0 -24.73531498

156 IMPC 2014 0.010956171 21.29523085 0 -25.98201932

157 IMPC 2015 0.010956171 21.53667528 1 -23.23092117

158 IMPC 2016 0.010956171 22.33382236 0 -24.38257198

159 IMPC 2017 0.010956171 23.15469903 0 -24.98156297

160 IMPC 2018 0.010956171 22.98934334 0 -24.85508856

161 CPIN 2014 0.269256857 24.06863333 0 -28.00430939

162 CPIN 2015 0.269256857 24.39505 1 -24.63924102

163 CPIN 2016 0.269256857 25.07551602 0 -28.28943968

164 CPIN 2017 0.269256857 25.22529526 0 -27.31942743

92

165 CPIN 2018 0.269256857 25.35911071 0 -26.90631928

166 JPFA 2014 0.023885305 24.00590488 0 -27.7954061

167 JPFA 2015 0.023885305 24.0106224 0 -27.5567716

168 JPFA 2016 0.023885305 24.59469599 1 -27.08973113

169 JPFA 2017 0.269256857 24.5337654 0 -26.33069158

170 JPFA 2018 0.269256857 24.75651483 0 -26.74591893

171 MAIN 2014 0.00389436 22.55456103 0 -26.10317453

172 MAIN 2015 0.00389436 22.75078731 1 -24.30168948

173 MAIN 2016 0.00389436 22.52583121 0 -24.40322298

174 MAIN 2017 0.324414156 22.73916849 0 -26.13020986

175 MAIN 2018 0.324414156 22.82351036 0 -25.14999387

176 SIPD 2014 0.014493462 22.29258968 0 -24.07595798

177 SIPD 2015 0.014493462 23.70149849 0 -27.06473299

178 SIPD 2016 0.014493462 24.05878603 1 -23.62344024

179 SIPD 2017 0.014493462 24.29866859 0 -26.42887997

180 SIPD 2018 0.014493462 23.06391713 0 -25.22946615

181 CPRO 2014 0.269256857 24.67602763 0 -26.74450518

182 CPRO 2015 0.269256857 24.60148384 1 -27.82437163

183 CPRO 2016 0.269256857 24.45139004 0 -28.46572037

184 CPRO 2017 0.269256857 24.55901237 0 -28.54105431

185 CPRO 2018 0.269256857 24.7641393 0 -28.10904004

186 TIRT 2014 0.000283913 20.35925231 0 -24.68294853

187 TIRT 2015 0.000283913 19.95907987 0 -23.90948763

188 TIRT 2016 0.000498625 19.73772054 0 -24.01354027

189 TIRT 2017 0.000498625 20.41553854 0 -23.33741389

190 TIRT 2018 0.000498625 20.53125003 0 -23.93045556

191 ALDO 2014 0.000136748 20.73137983 0 -23.74856825

192 ALDO 2015 0.000136748 22.75078731 0 -23.80861021

193 ALDO 2016 7.87332E-05 22.52583121 0 -23.29019762

194 ALDO 2017 0.000196642 21.15063544 0 -23.51620941

195 ALDO 2018 0.000196642 21.9315704 0 -23.94754922

196 FASW 2014 0.181653763 21.77346243 0 -27.84318523

197 FASW 2015 0.181653763 21.79357553 0 -26.66815854

198 FASW 2016 0.181653763 22.81787926 1 -27.98794788

199 FASW 2017 0.181653763 22.83402707 0 -26.97238849

200 FASW 2018 0.181653763 24.2746804 0 -26.51590203

201 INRU 2014 0.004788209 23.76804853 0 -24.68186123

202 INRU 2015 0.004788209 23.28174554 0 -26.68028264

203 INRU 2016 0.004788209 23.55993462 0 -25.69621342

204 INRU 2017 0.004788209 23.27738133 0 -26.96192751

205 INRU 2018 0.004788209 23.68453445 0 -24.65975517

206 KBRI 2014 0.007429029 20.76568888 0 -24.26540587

93

207 KBRI 2015 0.007429029 21.25364318 0 -24.53379085

208 KBRI 2016 0.007429029 20.71642625 0 -25.9822188

209 KBRI 2017 0.006492152 20.43559936 0 -25.71725267

210 KBRI 2018 0.006492152 19.36341865 0 -25.54263347

211 TKIM 2014 0.03477944 25.99118983 0 -28.33737473

212 TKIM 2015 0.03477944 25.95056653 0 -29.20705212

213 TKIM 2016 0.03477944 25.69917064 0 -28.28284604

214 TKIM 2017 0.03477944 25.63849241 0 -25.94252549

215 TKIM 2018 0.03477944 25.77758543 0 -28.71342614

216 ASII 2014 0.324414156 27.96606376 0 -29.60064779

217 ASII 2015 0.324414156 28.03914934 1 -29.96180486

218 ASII 2016 0.324414156 28.20651025 0 -27.73086645

219 ASII 2017 0.324414156 28.65634561 0 -25.82313226

220 ASII 2018 0.324414156 28.96759988 0 -26.49158683

221 AUTO 2014 0.324414156 24.80991419 0 -27.25926299

222 AUTO 2015 0.324414156 24.85862438 1 -27.02233824

223 AUTO 2016 0.324414156 24.81445543 0 -27.07928322

224 AUTO 2017 0.324414156 25.09031842 0 -25.75730511

225 AUTO 2018 0.324414156 25.06622675 0 -21.56999211

226 BRAM 2014 0.181653763 21.61728123 0 -25.78847521

227 BRAM 2015 0.181653763 22.33652002 0 -25.9551168

228 BRAM 2016 0.181653763 21.91539727 1 -26.57270947

229 BRAM 2017 0.082184543 21.49159769 0 -22.65267034

230 BRAM 2018 0.082184543 21.95889363 0 -26.48989441

231 GJTL 2014 0.181653763 22.44513918 0 -25.5974703

232 GJTL 2015 0.181653763 22.99043098 0 -27.73444466

233 GJTL 2016 0.181653763 24.19339831 1 -27.22553551

234 GJTL 2017 0.181653763 24.39751377 0 -27.26549713

235 GJTL 2018 0.181653763 23.7340345 0 -27.04095926

236 IMAS 2014 0.269256857 23.5282391 0 -27.1043395

237 IMAS 2015 0.269256857 23.61620669 1 -27.42752193

238 IMAS 2016 0.269256857 23.47124158 0 -26.79097828

239 IMAS 2017 0.269256857 23.36768009 0 -26.99308844

240 IMAS 2018 0.269256857 23.83779743 0 -28.48099525

241 INDS 2014 0.014493462 20.74388196 0 -24.84892016

242 INDS 2015 0.014493462 21.40453292 0 -25.41192979

243 INDS 2016 0.014493462 20.7725827 1 -25.69224489

244 INDS 2017 0.014493462 20.97191318 0 -26.05411111

245 INDS 2018 0.014493462 20.41226478 0 -23.86079709

246 SMSM 2014 0.269256857 21.25153837 0 -24.08256426

247 SMSM 2015 0.269256857 22.33030086 1 -25.0381372

248 SMSM 2016 0.269256857 22.2801465 0 -25.11339704

94

249 SMSM 2017 0.269256857 22.59183201 0 -25.41787445

250 SMSM 2018 0.269256857 22.10580315 0 -25.41372341

251 ERTX 2014 0.003516571 20.89845296 0 -25.47750934

252 ERTX 2015 0.003516571 19.50089994 1 -25.65375498

253 ERTX 2016 0.003516571 19.75042717 0 -24.8335924

254 ERTX 2017 0.003516571 19.44743091 1 -24.0079894

255 ERTX 2018 0.003516571 19.5385433 0 -25.20652176

256 ESTI 2014 0.269256857 20.61349943 0 -24.598682

257 ESTI 2015 0.269256857 20.69041511 1 -24.44147492

258 ESTI 2016 0.269256857 20.93284303 0 -25.08365242

259 ESTI 2017 0.269256857 21.34620798 0 -25.0113788

260 ESTI 2018 0.269256857 21.9337881 0 -23.91257754

261 PRBX 2014 0.005470878 23.34792614 0 -25.46772437

262 PRBX 2015 0.005470878 23.69761892 0 -26.91171073

263 PRBX 2016 0.010956171 23.24365094 0 -27.21061207

264 PRBX 2017 0.010956171 24.10161424 0 -26.70169131

265 PRBX 2018 0.010956171 24.63723233 0 -26.71103108

266 POLU 2014 0.007429029 23.12615669 0 -27.71296561

267 POLU 2015 0.007429029 23.26705042 0 -26.3698471

268 POLU 2016 0.007429029 23.57159133 0 -26.56684517

269 POLU 2017 0.007429029 23.38012711 1 -26.46367744

270 POLU 2018 0.007429029 23.56317793 0 -26.03013211

271 RICY 2014 0.001182491 21.29591667 0 -24.19005634

272 RICY 2015 0.001182491 21.6944425 1 -25.50898014

273 RICY 2016 0.000406864 21.0892747 0 -24.94952561

274 RICY 2017 0.001182491 21.500545 0 -26.0027131

275 RICY 2018 0.001182491 22.16216079 0 -25.74406029

276 UNIT 2014 0.00025596 19.41385844 0 -23.99962807

277 UNIT 2015 0.00025596 19.81320565 0 -23.94735113

278 UNIT 2016 0.00025596 20.05481127 0 -24.1011133

279 UNIT 2017 0.004788209 19.86355287 0 -21.89667387

280 UNIT 2018 0.004788209 19.86516182 0 -22.28434846

281 ARGO 2014 0.00389436 20.40293358 0 -26.56991582

282 ARGO 2015 0.00389436 19.3392962 1 -25.24574373

283 ARGO 2016 0.00389436 20.72384174 0 -25.46890062

284 ARGO 2017 0.00389436 20.95944846 0 -25.99824242

285 ARGO 2018 0.00389436 19.19838938 0 -25.25291482

286 STAR 2014 0.000288764 19.62041379 0 -24.18842538

287 STAR 2015 0.000288764 20.33471094 0 -24.21328252

288 STAR 2016 0.000132431 19.43787327 0 -24.30478727

289 STAR 2017 0.003658609 19.9818251 0 -25.08239495

290 STAR 2018 0.003658609 20.36451732 0 -24.14305821

95

291 TFCO 2014 0.269256857 22.02634788 0 -26.33625137

292 TFCO 2015 0.269256857 21.78443531 1 -26.69699991

293 TFCO 2016 0.269256857 21.51017361 0 -26.21877125

294 TFCO 2017 0.269256857 22.16609154 0 -26.26008805

295 TFCO 2018 0.269256857 21.47839103 0 -24.65246261

296 TRIS 2014 0.003516571 22.02039423 0 -24.31979543

297 TRIS 2015 0.000383024 22.19785361 0 -23.67772464

298 TRIS 2016 0.000383024 22.75177419 0 -23.21175967

299 TRIS 2017 0.001924588 22.69183302 0 -24.13063659

300 TRIS 2018 0.001924588 22.91310873 0 -21.04416538

301 BIMA 2014 2.00584E-05 20.37377746 0 -21.21411125

302 BIMA 2015 0.000143775 20.26758633 0 -24.3934561

303 BIMA 2016 0.000143775 20.54810629 0 -19.54191568

304 BIMA 2017 0.000143775 19.40436093 0 -22.53578673

305 BIMA 2018 0.000143775 20.51462585 0 -21.89732188

306 IKBI 2014 0.269256857 21.3585434 0 -25.04573265

307 IKBI 2015 0.269256857 21.46516189 1 -22.3327856

308 IKBI 2016 0.269256857 21.79591686 0 -25.61975945

309 IKBI 2017 0.269256857 21.79511158 0 -25.57866275

310 IKBI 2018 0.269256857 21.98690081 0 -25.44506744

311 JECC 2014 0.014493462 21.44191262 0 -23.63157765

312 JECC 2015 0.014493462 21.56453729 0 -23.67219394

313 JECC 2016 0.014493462 20.86895021 1 -24.67350986

314 JECC 2017 0.014493462 21.38599814 0 -21.67614536

315 JECC 2018 0.014493462 22.06810415 0 -25.11752826

316 KBLI 2014 0.181653763 20.68602971 0 -25.30877213

317 KBLI 2015 0.181653763 20.8987916 0 -24.9608896

318 KBLI 2016 0.181653763 21.43637462 1 -24.61175064

319 KBLI 2017 0.181653763 21.65587113 0 -26.77499141

320 KBLI 2018 0.181653763 21.45191583 0 -25.70890395

321 KBLM 2014 0.005470878 19.45389758 0 -23.39049026

322 KBLM 2015 0.005470878 19.36747158 0 -23.56701474

323 KBLM 2016 0.00389436 20.30969101 0 -23.20804878

324 KBLM 2017 0.006492152 20.79066513 0 -24.62806936

325 KBLM 2018 0.006492152 21.52936833 0 -22.88906263

326 SCCO 2014 0.005470878 21.71371203 0 -25.04670649

327 SCCO 2015 0.005470878 20.7685751 0 -24.3832436

328 SCCO 2016 0.005470878 21.72650068 0 -25.92690435

329 SCCO 2017 0.006492152 22.06735791 0 -26.55215535

330 SCCO 2018 0.006492152 22.88095814 0 -26.68295201

331 VOKS 2014 0.001795582 20.96627392 0 -23.36036328

332 VOKS 2015 0.001795582 21.67321524 0 -23.48184666

96

333 VOKS 2016 0.001795582 21.84248105 0 -24.2557063

334 VOKS 2017 0.001795582 21.75913049 0 -25.30324582

335 VOKS 2018 0.001795582 21.90173959 0 -24.35325138

336 PTSN 2014 0.001291496 20.78795062 0 -25.11945493

337 PTSN 2015 0.001291496 20.92951019 0 -23.95571532

338 PTSN 2016 0.001182491 21.11788025 0 -25.31984048

339 PTSN 2017 0.001291496 21.07902404 0 -25.18338034

340 PTSN 2018 0.001291496 21.87264076 0 -24.6321536

341 KRAH 2014 0.007429029 21.5134888 0 -25.47654647

342 KRAH 2015 0.007429029 21.86435408 0 -23.51523476

343 KRAH 2016 0.000355111 21.36102363 0 -24.37970349

344 KRAH 2017 0.000355111 21.21072576 0 -24.54467585

345 KRAH 2018 0.000355111 21.44846172 0 -24.45049594

346 ADES 2014 0.014493462 21.12472292 0 -24.97610876

347 ADES 2015 0.014493462 21.69062984 0 -22.64004138

348 ADES 2016 0.014493462 21.89791281 1 -24.86964925

349 ADES 2017 0.014493462 21.49753207 0 -24.6142082

350 ADES 2018 0.014493462 22.14878091 0 -25.26261668

351 INDF 2014 0.269256857 25.59663707 0 -29.02722348

352 INDF 2015 0.269256857 25.16705762 1 -26.9460643

353 INDF 2016 0.269256857 25.17884493 0 -28.27744193

354 INDF 2017 0.269256857 25.19168803 0 -27.97499514

355 INDF 2018 0.269256857 25.07485904 0 -27.60465455

356 MYOR 2014 0.023885305 21.83403123 0 -27.87157862

357 MYOR 2015 0.023885305 22.5751238 0 -27.71403084

358 MYOR 2016 0.023885305 22.98827062 1 -27.31543592

359 MYOR 2017 0.023885305 22.87237117 0 -26.59657492

360 MYOR 2018 0.023885305 22.36018508 0 -27.89427809

361 PSDN 2014 0.269256857 21.99999825 0 -24.61238762

362 PSDN 2015 0.269256857 22.27516469 1 -23.71362886

363 PSDN 2016 0.269256857 22.7283482 0 -24.83563816

364 PSDN 2017 0.269256857 22.26133458 0 -22.7121582

365 PSDN 2018 0.269256857 22.36013909 0 -24.88856257

366 ROTI 2014 0.269256857 23.04298482 0 -25.89560761

367 ROTI 2015 0.269256857 23.17135331 1 -26.37566077

368 ROTI 2016 0.269256857 23.68273425 0 -25.62798533

369 ROTI 2017 0.269256857 23.82817427 0 -26.18392818

370 ROTI 2018 0.269256857 24.32259555 0 -25.85169021

371 STTP 2014 0.009537819 21.21352581 0 -25.0391608

372 STTP 2015 0.009537819 21.55116706 0 -22.9356988

373 STTP 2016 0.009537819 21.73368041 0 -22.80153066

374 STTP 2017 0.003516571 21.67935555 1 -25.1684514

97

375 STTP 2018 0.003516571 21.51774287 0 -23.03400858

376 SKBM 2014 0.010956171 21.05534902 0 -24.55747575

377 SKBM 2015 0.003516571 20.90981627 1 -23.82872334

378 SKBM 2016 0.003516571 21.12746894 0 -24.75537485

379 SKBM 2017 0.003516571 21.62066055 1 -25.547919

380 SKBM 2018 0.003516571 21.63317082 0 -24.9965237

381 BTEK 2014 0.000463357 19.05764903 0 -22.90129738

382 BTEK 2015 0.005470878 20.9899384 0 -27.04061251

383 BTEK 2016 0.001954419 20.86029372 0 -25.63986169

384 BTEK 2017 0.001954419 22.76525531 0 -25.49042681

385 BTEK 2018 0.006492152 22.63170904 0 -27.64303612

386 CEKA 2014 0.269256857 22.00859335 0 -25.96399841

387 CEKA 2015 0.269256857 21.51803765 1 -24.85144682

388 CEKA 2016 0.269256857 19.82364784 0 -25.0220426

389 CEKA 2017 0.269256857 19.80947199 0 -25.34263594

390 CEKA 2018 0.269256857 19.80947199 0 -25.99426355

391 GGRM 2014 0.082184543 24.93514155 1 -28.95939262

392 GGRM 2015 0.082184543 25.04132712 0 -28.81029561

393 GGRM 2016 0.082184543 25.24919799 0 -26.3028749

394 GGRM 2017 0.082184543 25.22768708 0 -26.8308053

395 GGRM 2018 0.082184543 25.40614678 0 -28.86405707

396 HMSP 2014 0.324414156 25.9712158 0 -27.54993253

397 HMSP 2015 0.324414156 25.55455913 1 -29.88778685

398 HMSP 2016 0.324414156 25.55982548 0 -27.90436336

399 HMSP 2017 0.324414156 25.42157111 0 -28.62641171

400 HMSP 2018 0.324414156 25.51403553 0 -29.52639933

401 RMBA 2014 0.324414156 23.49027653 0 -27.78592523

402 RMBA 2015 0.324414156 23.98362903 1 -27.80094025

403 RMBA 2016 0.181653763 23.88383435 1 -26.90135932

404 RMBA 2017 0.181653763 22.73750197 0 -26.91105551

405 RMBA 2018 0.181653763 24.25241658 0 -27.11948024

406 DVLA 2014 0.269256857 21.58919211 0 -23.851716

407 DVLA 2015 0.269256857 22.85646424 1 -25.38927138

408 DVLA 2016 0.269256857 22.10218633 0 -24.28975557

409 DVLA 2017 0.269256857 21.95338581 0 -24.94993753

410 DVLA 2018 0.269256857 22.29976911 0 -25.88245641

411 KAEF 2014 0.007429029 22.91728098 0 -24.07223054

412 KAEF 2015 0.007429029 22.82459996 0 -25.21843029

413 KAEF 2016 0.009537819 23.18343889 0 -25.02119075

414 KAEF 2017 0.009537819 23.74981109 0 -26.51159371

415 KAEF 2018 0.009537819 24.46836049 0 -25.68986744

416 KLBF 2014 0.269256857 24.07507616 0 -25.98827547

98

417 KLBF 2015 0.269256857 24.12283731 1 -26.63662627

418 KLBF 2016 0.269256857 24.17822575 0 -25.97580966

419 KLBF 2017 0.269256857 24.39228851 0 -26.82119376

420 KLBF 2018 0.269256857 24.23103594 0 -26.33461859

421 MERK 2014 0.082184543 21.19886441 1 -25.4014872

422 MERK 2015 0.082184543 23.02420498 0 -24.83685313

423 MERK 2016 0.082184543 22.61154067 0 -23.45232206

424 MERK 2017 0.082184543 24.18629414 0 -23.41501679

425 MERK 2018 0.082184543 24.10147418 0 -27.62536445

426 PYFA 2014 0.014493462 19.04098838 0 -20.89594155

427 PYFA 2015 0.014493462 20.01014141 0 -23.25797848

428 PYFA 2016 0.014493462 20.23411173 1 -21.36850453

429 PYFA 2017 0.014493462 20.32025924 0 -23.34816384

430 PYFA 2018 0.014493462 20.23436228 0 -22.00918111

431 SQBI 2014 0.324414156 20.71294678 0 -22.08662749

432 SQBI 2015 0.324414156 21.18027794 1 -23.05480926

433 SQBI 2016 0.324414156 21.52517414 0 -23.38286817

434 SQBI 2017 0.324414156 22.44985121 0 -23.30909454

435 SQBI 2018 0.324414156 21.63933414 0 -23.66932671

436 TSPC 2014 0.014493462 23.14176275 0 -25.01145869

437 TSPC 2015 0.014493462 23.41035117 0 -26.24129419

438 TSPC 2016 0.014493462 23.5302583 1 -24.70924886

439 TSPC 2017 0.014493462 23.57252826 0 -23.30160601

440 TSPC 2018 0.014493462 23.55774058 0 -25.74246451

441 MBTO 2014 0.014493462 20.71383548 0 -21.65543796

442 MBTO 2015 0.014493462 21.06986897 0 -23.43581913

443 MBTO 2016 0.014493462 21.96915997 1 -22.08869499

444 MBTO 2017 0.014493462 21.72197549 0 -23.87045814

445 MBTO 2018 0.014493462 21.37566112 0 -25.45973307

446 MRAT 2014 0.001924588 21.88838602 0 -24.11556321

447 MRAT 2015 0.003516571 21.99037417 1 -22.95530812

448 MRAT 2016 0.003516571 22.07218466 0 -23.11933831

449 MRAT 2017 0.006492152 22.19319494 0 -22.9284391

450 MRAT 2018 0.006492152 22.31868724 0 -21.97428512

451 UNVR 2014 0.082184543 24.06421769 1 -27.00740373

452 UNVR 2015 0.082184543 25.7464685 0 -26.82637462

453 UNVR 2016 0.082184543 26.07383404 0 -26.4053036

454 UNVR 2017 0.082184543 25.36713737 0 -24.73603875

455 UNVR 2018 0.082184543 25.43223732 0 -27.80909031

456 KICI 2014 0.003516571 18.82198052 0 -22.0351712

457 KICI 2015 0.003516571 19.28374469 1 -22.91440035

458 KICI 2016 0.003516571 19.40135692 0 -19.94723196

99

459 KICI 2017 0.003516571 18.92889255 1 -21.26667771

460 KICI 2018 0.003516571 18.99846197 0 -19.65042115

461 LMPI 2014 0.009537819 19.32205598 0 -22.52165874

462 LMPI 2015 0.005470878 19.12642991 0 -20.34580445

463 LMPI 2016 0.009537819 19.51871905 0 -23.12524007

464 LMPI 2017 0.003516571 19.57965252 1 -23.38650858

465 LMPI 2018 0.000415681 19.57470415 0 -25.04675026

466 CINT 2014 0.000143775 19.90486746 0 -22.73455941

467 CINT 2015 0.000383024 20.5311501 0 -22.35731275

468 CINT 2016 0.000383024 20.5191733 0 -23.67514419

469 CINT 2017 0.000415681 21.17057191 0 -21.99635251

470 CINT 2018 0.000415681 20.27321101 0 -23.87294277

Keterangan:

AMC : Audit Market Concentration (Konsentrasi Pasar Audit)

FEE : Audit Fee (Biaya Jasa Audit)

FLOW : Auditor Flow (Perpindahan Auditor)

AQ : Audit Quality (Kualitas Audit)

100

LAMPIRAN 4

Daftar Perhitungan Konsentrasi Pasar Audit

No. Kode Nama KAP Tahun Total Aset (a/A)

1 INTP Purwantono, Suherman, Surja (EY) 2014 28,884,635,000,000 0.269256857

2 INTP Purwantono, Sungkoro, Surja (EY) 2015 27,638,360,000,000 0.269256857




6 SMGR Osman Bing Satrio & Eny (Deloitte) 2014 34,314,666,027,000 0.181653763

7 SMGR Osman Bing Satrio & Eny (Deloitte) 2015 38,153,118,932,000 0.181653763

8 SMGR Satrio Bing Eny & Rekan (Deloitte) 2016 44,226,895,982,000 0.181653763



11 SMBR Doli, Bambang, Sulistiyanto, Dadang & Ali 2014 2,928,480,366,000 0.005470878

12 SMBR Doli, Bambang, Sulistiyanto, Dadang & Ali 2015 3,268,667,933,000 0.005470878

13 SMBR Herman Dody Tanumihardja & Rekan 2016 4,368,876,996,000 0.003658609



16 ARNA Purwantono, Suherman, Surja (EY) 2014 1,259,938,133,543 0.269256857

17 ARNA Purwantono, Sungkoro, Surja (EY) 2015 1,430,779,475,454 0.269256857




21 IKAI Doli, Bambang, Sulistiyanto, Dadang & Ali 2014 518,546,655,125 0.005470878

22 IKAI Herman Dody Tanumihardja & Rekan 2015 390,042,617,783 0.003658609

23 IKAI Herman Dody Tanumihardja & Rekan 2016 264,872,333,000 0.003658609

24 IKAI Tanubrata Sutanto Fahmi Bambang & Rekan (BDO) 2017 219,245,635,000 0.014493462

25 IKAI Tanubrata Sutanto Fahmi Bambang & Rekan (BDO) 2018 1,337,016,109,000 0.014493462

26 KIAS Mulyamin Sensi Suryanto & Lianny 2014 2,268,246,639,101 0.023885305

101

27 KIAS Mulyamin Sensi Suryanto & Lianny 2015 2,124,390,696,518 0.023885305

28 KIAS Siddharta Widjaja & Rekan (KPMG) 2016 1,859,669,927,962 0.082184543



31 MLIA Osman Bing Satrio & Eny (Deloitte) 2014 7,220,918,333,000 0.181653763

32 MLIA Osman Bing Satrio & Eny (Deloitte) 2015 7,125,800,277,000 0.181653763

33 MLIA Satrio Bing Eny & Rekan (Deloitte) 2016 7,723,578,677,000 0.181653763



36 TOTO Purwantono, Suherman, Surja (EY) 2014 2,062,386,924,390 0.269256857

37 TOTO Purwantono, Sungkoro, Surja (EY) 2015 2,439,540,859,205 0.269256857




41 ALKA Johannes Juara & Rekan 2014 245,297,737,000 0.000406864




45 ALKA Anwar & Rekan 2018 648,968,295,000 0.00389436

46 BTON Aryanto, Amir Jusuf, Mawar & Saptoto (RSM) 2014 174,088,741,855 0.010956171

47 BTON Amir Abadi Jusuf, Aryanto, Mawar & Rekan (RSM) 2015 183,116,245,288 0.010956171



50 BTON Hadori Sugiarto Adi & Rekan 2018 217,362,960,011 0.009537819

51 CTBN Purwantono, Suherman, Surja (EY) 2014 3,220,716,695,946 0.269256857

52 CTBN Purwantono, Sungkoro, Surja (EY) 2015 3,166,311,291,676 0.269256857




56 GDST Drs Binsar B. Lumbanradja 2014 1,357,932,144,522 0.000260556

57 GDST Hadori Sugiarto Adi & Rekan 2015 1,183,934,183,257 0.009537819

102




61 KRAS Purwantono, Suherman, Surja (EY) 2014 32,236,730,946,000 0.269256857

62 KRAS Purwantono, Sungkoro, Surja (EY) 2015 50,815,628,544,000 0.269256857




66 LION Kosasih, Nurdiyaman, Tjahjo & Rekan (Crowe) 2014 605,165,911,239 0.001924588

67 LION Kosasih, Nurdiyaman, Mulyadi, Tjahjo & Rekan (Crowe) 2015 639,330,150,373 0.001924588




71 LMSH Kosasih, Nurdiyaman, Tjahjo & Rekan (Crowe) 2014 141,034,984,628 0.001924588

72 LMSH Kosasih, Nurdiyaman, Mulyadi, Tjahjo & Rekan (Crowe) 2015 133,782,751,041 0.001924588




76 NIKL Siddharta Widjaja & Rekan (KPMG) 2014 1,509,369,222,882 0.082184543



79 NIKL Satrio Bing Eny & Rekan (Deloitte) 2017 1,700,135,896,680 0.181653763

80 NIKL Satrio Bing Eny & Rekan (Deloitte) 2018 2,129,321,847,708 0.181653763

81 PICO Griselda, Wisnu & Arum 2014 626,626,507,164 0.000120235

82 PICO Djoko, Sidik & Indra 2015 605,788,310,444 0.000116237

83 PICO Herman Dody Tanumihardja & Rekan 2016 638,566,761,462 0.003658609



86 BAJA Tjahjadi & Tamara (Morison Ksi) 2014 959,445,449,616 0.000554671



103

89 BAJA Mirawati Sensi Idiris (Moore Stephens) 2017 946,448,936,464 0.023885305

90 BAJA Mirawati Sensi Idiris (Moore Stephens) 2018 901,181,796,270 0.023885305

91 ISSP Hadori Sugiarto Adi & Rekan 2014 5,443,158,000,000 0.009537819



94 ISSP Kanaka Puradiredja, Suhartono (Nexia) 2017 6,269,365,000,000 0.006492152

95 ISSP Kanaka Puradiredja, Suhartono (Nexia) 2018 6,494,070,000,000 0.006492152

96 BRPT Osman Bing Satrio & Eny (Deloitte) 2014 28,783,751,688,000 0.181653763

97 BRPT Osman Bing Satrio & Eny (Deloitte) 2015 30,925,830,984,000 0.181653763

98 BRPT Satrio Bing Eny & Rekan (Deloitte) 2016 49,948,054,590,000 0.181653763



101 DPNS Paul Hadiwinata, Hidajat, Arsono, Ade Fatma & Rekan (PKF) 2014 268,891,042,610 0.003516571

102 DPNS Paul Hadiwinata, Hidajat, Arsono, Achmad, Suharli & Rekan (PKF) 2015 274,483,110,371 0.003516571

103 DPNS Paul Hadiwinata, Hidajat, Arsono, Achmad, Suharli & Rekan (PKF) 2016 296,129,188,330 0.003516571

104 DPNS Paul Hadiwinata, Hidajat, Arsono, Retno, Palilingan & Rekan (PKF) 2017 308,491,173,960 0.003516571

105 DPNS Paul Hadiwinata, Hidajat, Arsono, Retno, Palilingan & Rekan (PKF) 2018 322,185,012,261 0.003516571

106 EKAD Teramihardja, Pradono & Chandra (Rodl & Partner) 2014 411,726,182,748 0.000415681

107 EKAD Budiman, Wawan, Pamudji & Rekan 2015 389,961,595,500 0.004788209

108 EKAD Hendrawinata Eddy Siddharta & Tanzil 2016 702,508,630,708 0.007429029

109 EKAD Kanaka, Puradiredja, Suhartono (Nexia) 2017 796,767,646,172 0.006492152

110 EKAD Kanaka, Puradiredja, Suhartono (Nexia) 2018 853,267,454,400 0.006492152

111 INCI Hananta Budianto & Rekan 2014 147,755,842,523 2.8351E-05

112 INCI Hendrawinata Eddy Siddharta & Tanzil 2015 169,546,066,314 0.007429029

113 INCI Hendrawinata Eddy Siddharta & Tanzil 2016 269,351,381,344 0.007429029

114 INCI Kanaka, Puradiredja, Suhartono (Nexia) 2017 303,788,390,330 0.006492152

115 INCI Arman Eddy Ferdinand & Rekan 2018 391,362,697,956 7.50937E-05

116 SRSN Aryanto, Amir Jusuf, Mawar & Saptoto (RSM) 2014 464,949,206,000 0.010956171

117 SRSN Amir Abadi Jusuf, Aryanto, Mawar & Rekan (RSM) 2015 574,073,314,000 0.010956171



104


121 TPIA Osman Bing Satrio & Eny (Deloitte) 2014 23,809,219,158,000 0.181653763

122 TPIA Osman Bing Satrio & Eny (Deloitte) 2015 25,563,110,236,000 0.181653763

123 TPIA Satrio Bing Eny & Rekan (Deloitte) 2016 28,466,197,261,000 0.181653763



126 ADMG Osman Bing Satrio & Eny (Deloitte) 2014 5,768,971,817,790 0.181653763

127 ADMG Osman Bing Satrio & Eny (Deloitte) 2015 5,765,060,444,432 0.181653763

128 ADMG Satrio Bing Eny & Rekan (Deloitte) 2016 5,091,911,484,618 0.181653763



131 BRNA Hendrawinata Eddy Siddharta & Tanzil 2014 1,334,086,016,000 0.007429029



134 BRNA Hendrawinata Hanny Erwin & Sumargo 2017 1,964,877,082,000 0.007429029

135 BRNA Hendrawinata Hanny Erwin & Sumargo 2018 2,461,326,183,000 0.007429029

136 FPNI Osman Bing Satrio & Eny (Deloitte) 2014 3,171,330,246,000 0.181653763

137 FPNI Purwantono, Sungkoro, Surja (EY) 2015 3,199,956,106,000 0.269256857




141 IGAR Hertanto, Grace, Karunawan 2014 350,619,526,939 0.000225268



144 IGAR Purwantono, Sungkoro, Surja (EY) 2017 513,022,591,574 0.269256857

145 IGAR Purwantono, Sungkoro, Surja (EY) 2018 570,197,810,698 0.269256857

146 IPOL Aryanto, Amir Jusuf, Mawar & Saptoto (RSM) 2014 3,532,749,192,354 0.010956171

147 IPOL Amir Abadi Jusuf, Aryanto, Mawar & Rekan (RSM) 2015 3,853,987,254,546 0.010956171




105

151 TRST Purwantono, Suherman, Surja (EY) 2014 3,261,285,495,052 0.269256857

152 TRST Purwantono, Sungkoro, Surja (EY) 2015 3,357,359,499,954 0.269256857



155 TRST Kosasih, Nurdiyaman, Mulyadi, Tjahjo & Rekan (Crowe) 2018 4,284,901,587,126 0.001924588

156 IMPC Aryanto, Amir Jusuf, Mawar & Saptoto (RSM) 2014 1,740,439,269,199 0.010956171

157 IMPC Amir Abadi Jusuf, Aryanto, Mawar & Rekan (RSM) 2015 1,675,232,685,157 0.010956171




161 CPIN Purwantono, Suherman, Surja (EY) 2014 20,841,795,000,000 0.269256857

162 CPIN Purwantono, Sungkoro, Surja (EY) 2015 24,684,915,000,000 0.269256857




166 JPFA Mulyamin Sensi Suryanto & Lianny 2014 15,758,959,000,000 0.023885305

167 JPFA Mulyamin Sensi Suryanto & Lianny 2015 17,159,466,000,000 0.023885305

168 JPFA Mirawati Sensi Idiris (Moore Stephens) 2016 18,252,742,000,000 0.023885305

169 JPFA Purwantono, Sungkoro, Surja (EY) 2017 19,959,548,000,000 0.269256857

170 JPFA Purwantono, Sungkoro, Surja (EY) 2018 23,038,028,000,000 0.269256857

171 MAIN Anwar, Sugiharto & Rekan 2014 3,531,219,815,000 0.00389436

172 MAIN Anwar & Rekan 2015 3,962,068,064,000 0.00389436

173 MAIN Anwar & Rekan 2016 3,769,007,416,000 0.00389436

174 MAIN Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2017 4,008,635,719,000 0.324414156

175 MAIN Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2018 4,335,844,455,000 0.324414156

176 SIPD Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 2,799,604,621,544 0.014493462

177 SIPD Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 2,246,770,166,899 0.014493462

178 SIPD Tanubrata Sutanto Fahmi Bambang & Rekan (BDO) 2016 2,567,211,000,000 0.014493462



181 CPRO Purwantono, Suherman, Surja (EY) 2014 7,089,842,000,000 0.269256857

106

182 CPRO Purwantono, Suherman, Surja (EY) 2015 9,086,586,000,000 0.269256857

183 CPRO Purwantono, Sungkoro, Surja (EY) 2016 7,323,273,000,000 0.269256857



186 TIRT Pieter, Uways & Rekan 2014 716,491,912,027 0.000283913

187 TIRT Pieter, Uways & Rekan 2015 763,168,027,178 0.000283913

188 TIRT S. Mannan, Ardiansyah & Rekan 2016 815,997,477,795 0.000498625



191 ALDO Arsyad & Rekan 2014 346,674,687,826 0.000136748

192 ALDO Arsyad & Rekan 2015 366,010,819,198 0.000136748

193 ALDO Richard Risambessy & Rekan 2016 410,330,576,602 7.87332E-05

194 ALDO Hendrik & Rekan 2017 498,701,656,995 0.000196642

195 ALDO Hendrik & Rekan 2018 526,129,315,163 0.000196642

196 FASW Osman Bing Satrio & Eny (Deloitte) 2014 5,581,000,723,245 0.181653763

197 FASW Osman Bing Satrio & Eny (Deloitte) 2015 6,993,634,266,969 0.181653763

198 FASW Satrio Bing Eny & Rekan (Deloitte) 2016 8,583,223,835,997 0.181653763



201 INRU Budiman, Wawan, Pamudji & Rekan 2014 4,087,636,452,000 0.004788209





206 KBRI Hendrawinata Eddy Siddharta & Tanzil 2014 1,298,895,336,018 0.007429029



209 KBRI Kanaka Puradiredja, Suhartono (Nexia) 2017 1,171,234,610,856 0.006492152

210 KBRI Kanaka Puradiredja, Suhartono (Nexia) 2018 1,058,927,511,760 0.006492152

211 TKIM Y. Santosa & Rekan (Praxity) 2014 33,555,099,348,000 0.03477944


107




216 ASII Tanudiredja, Wibisana & Rekan (PWC) 2014 236,027,000,000,000 0.324414156

217 ASII Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2015 245,435,000,000,000 0.324414156




221 AUTO Tanudiredja, Wibisana & Rekan (PWC) 2014 14,387,568,000,000 0.324414156

222 AUTO Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2015 14,339,110,000,000 0.324414156




226 BRAM Osman Bing Satrio & Eny (Deloitte) 2014 3,816,363,632,706 0.181653763

227 BRAM Osman Bing Satrio & Eny (Deloitte) 2015 4,005,722,021,572 0.181653763

228 BRAM Satrio Bing Eny & Rekan (Deloitte) 2016 3,958,032,797,762 0.181653763

229 BRAM Siddharta Widjaja & Rekan (KPMG) 2017 4,104,439,278,480 0.082184543

230 BRAM Siddharta Widjaja & Rekan (KPMG) 2018 4,270,827,859,362 0.082184543

231 GJTL Osman Bing Satrio & Eny (Deloitte) 2014 16,122,036,000,000 0.181653763

232 GJTL Osman Bing Satrio & Eny (Deloitte) 2015 17,509,505,000,000 0.181653763

233 GJTL Satrio Bing Eny & Rekan (Deloitte) 2016 18,697,779,000,000 0.181653763



236 IMAS Purwantono, Suherman, Surja (EY) 2014 23,473,796,788,460 0.269256857

237 IMAS Purwantono, Sungkoro, Surja (EY) 2015 24,680,957,839,497 0.269256857




241 INDS Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 2,282,666,078,493 0.014493462

242 INDS Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 2,553,928,346,219 0.014493462

243 INDS Tanubrata Sutanto Fahmi Bambang & Rekan (BDO) 2016 2,477,272,502,538 0.014493462

108



246 SMSM Purwantono, Suherman, Surja (EY) 2014 1,757,634,000,000 0.269256857

247 SMSM Purwantono, Sungkoro, Surja (EY) 2015 2,220,108,000,000 0.269256857




251 ERTX Paul Hadiwinata, Hidajat, Arsono, Ade Fatma & Rekan (PKF) 2014 576,817,300,356 0.003516571

252 ERTX Paul Hadiwinata, Hidajat, Arsono, Achmad, Suharli & Rekan (PKF) 2015 727,351,185,486 0.003516571

253 ERTX Paul Hadiwinata, Hidajat, Arsono, Achmad, Suharli & Rekan (PKF) 2016 703,998,130,893 0.003516571

254 ERTX Paul Hadiwinata, Hidajat, Arsono, Retno, Palilingan & Rekan (PKF) 2017 798,809,567,600 0.003516571

255 ERTX Paul Hadiwinata, Hidajat, Arsono, Retno, Palilingan & Rekan (PKF) 2018 901,799,570,286 0.003516571

256 ESTI Purwantono, Suherman, Surja (EY) 2014 862,059,608,622 0.269256857

257 ESTI Purwantono, Sungkoro, Surja (EY) 2015 780,148,999,416 0.269256857




261 PRBX Doli, Bambang, Sulistiyanto, Dadang & Ali 2014 4,546,165,932,846 0.005470878

262 PRBX Doli, Bambang, Sulistiyanto, Dadang & Ali 2015 6,078,438,613,172 0.005470878

263 PRBX Amir Abadi Jusuf, Aryanto, Mawar & Rekan (RSM) 2016 6,946,622,868,023 0.010956171



266 POLU Hendrawinata Eddy Siddharta & Tanzil 2014 3,408,553,501,980 0.007429029



269 POLU Hendrawinata Hanny Erwin & Sumargo 2017 3,121,522,553,400 0.007429029

270 POLU Hendrawinata Hanny Erwin & Sumargo 2018 3,432,898,544,652 0.007429029

271 RICY Joachim Poltak Lian Michell & Rekan 2014 1,170,752,424,106 0.001182491

272 RICY Joachim Poltak Lian & Rekan 2015 1,198,193,867,892 0.001182491

273 RICY Johannes Juara & Rekan 2016 1,288,683,925,066 0.000406864


109


276 UNIT Achmad, Rasyid, Hisbullah & Jerry 2014 440,522,832,644 0.00025596



279 UNIT Budiman, Wawan, Pamudji & Rekan 2017 426,384,622,878 0.004788209

280 UNIT Budiman, Wawan, Pamudji & Rekan 2018 419,701,649,147 0.004788209

281 ARGO Anwar, Sugiharto & Rekan 2014 1,805,088,703,578 0.00389436

282 ARGO Anwar & Rekan 2015 1,787,835,795,020 0.00389436

283 ARGO Anwar & Rekan 2016 1,552,910,058,677 0.00389436

284 ARGO Anwar & Rekan 2017 1,327,238,670,160 0.00389436

285 ARGO Anwar & Rekan 2018 1,272,658,902,192 0.00389436

286 STAR Noor Salim, Nursehan & Sinarahardja 2014 775,917,827,931 0.000288764

287 STAR Noor Salim, Nursehan & Sinarahardja 2015 729,020,553,284 0.000288764

288 STAR Liasta, Nirwan, Syafruddin & Rekan 2016 690,187,353,961 0.000132431

289 STAR Herman Dody Tanumihardja & Rekan 2017 614,705,038,056 0.003658609

290 STAR Herman Dody Tanumihardja & Rekan 2018 615,956,006,710 0.003658609

291 TFCO Purwantono, Suherman, Surja (EY) 2014 4,212,414,440,628 0.269256857

292 TFCO Purwantono, Sungkoro, Surja (EY) 2015 4,323,976,392,990 0.269256857




296 TRIS Paul Hadiwinata, Hidajat, Arsono, Ade Fatma & Rekan (PKF) 2014 521,920,090,728 0.003516571

297 TRIS Gideon Adi & Rekan 2015 574,346,433,075 0.000383024

298 TRIS Gideon Adi & Rekan 2016 639,701,164,511 0.000383024

299 TRIS Kosasih, Nurdiyaman, Mulyadi, Tjahjo & Rekan (Crowe) 2017 544,968,319,987 0.001924588

300 TRIS Kosasih, Nurdiyaman, Mulyadi, Tjahjo & Rekan (Crowe) 2018 633,014,281,325 0.001924588

301 BIMA AF. Rachman & Soetjipto WS. 2014 104,537,589,283 2.00584E-05

302 BIMA Koesbandijah, Beddy Samsi & Setiasih 2015 99,558,394,760 0.000143775




110

306 IKBI Purwantono, Suherman, Surja (EY) 2014 941,645,531,628 0.269256857

307 IKBI Purwantono, Sungkoro, Surja (EY) 2015 1,053,722,866,236 0.269256857




311 JECC Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 1,064,129,232,000 0.014493462

312 JECC Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 1,358,464,081,000 0.014493462

313 JECC Tanubrata Sutanto Fahmi Bambang & Rekan (BDO) 2016 1,587,210,576,000 0.014493462



316 KBLI Osman Bing Satrio & Eny (Deloitte) 2014 1,340,881,252,563 0.181653763

317 KBLI Osman Bing Satrio & Eny (Deloitte) 2015 1,551,799,840,976 0.181653763

318 KBLI Satrio Bing Eny & Rekan (Deloitte) 2016 1,871,422,416,044 0.181653763



321 KBLM Doli, Bambang, Sulistiyanto, Dadang & Ali 2014 647,249,655,440 0.005470878

322 KBLM Doli, Bambang, Sulistiyanto, Dadang & Ali 2015 654,385,717,061 0.005470878

323 KBLM Anwar & Rekan 2016 639,091,366,917 0.00389436

324 KBLM Kanaka Puradiredja, Suhartono (Nexia) 2017 1,235,198,847,468 0.006492152

325 KBLM Kanaka Puradiredja, Suhartono (Nexia) 2018 1,298,358,278,375 0.006492152

326 SCCO Doli, Bambang, Sulistiyanto, Dadang & Ali 2014 1,656,007,190,010 0.005470878



329 SCCO Kanaka Puradiredja, Suhartono (Nexia) 2017 4,014,244,589,706 0.006492152

330 SCCO Kanaka Puradiredja, Suhartono (Nexia) 2018 4,165,196,478,857 0.006492152

331 VOKS Gani Sigiro & Handayani (Grant Thornton) 2014 1,557,960,734,712 0.001795582





336 PTSN Johan Malonda Mustika & Rekan 2014 809,433,699,918 0.001291496

111


338 PTSN Joachim Poltak Lian & Rekan 2016 882,623,425,457 0.001182491


340 PTSN Johan Malonda Mustika & Rekan 2018 4,143,684,601,260 0.001291496

341 KRAH Hendrawinata Eddy Siddharta & Tanzil 2014 480,333,185,402 0.007429029

342 KRAH Hendrawinata Eddy Siddharta & Tanzil 2015 533,537,626,101 0.007429029

343 KRAH Rama Wendra (McMillan Woods) 2016 598,711,565,464 0.000355111



346 ADES Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 502,990,000,000 0.014493462

347 ADES Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 653,224,000,000 0.014493462

348 ADES Tanubrata Sutanto Fahmi Bambang & Rekan (BDO) 2016 767,479,000,000 0.014493462



351 INDF Purwantono, Suherman, Surja (EY) 2014 86,077,251,000,000 0.269256857

352 INDF Purwantono, Sungkoro, Surja (EY) 2015 91,831,526,000,000 0.269256857




356 MYOR Mulyamin Sensi Suryanto & Lianny 2014 10,297,997,020,540 0.023885305

357 MYOR Mulyamin Sensi Suryanto & Lianny 2015 11,342,715,686,221 0.023885305

358 MYOR Mirawati Sensi Idiris (Moore Stephens) 2016 12,922,421,852,142 0.023885305



361 PSDN Purwantono, Suherman, Surja (EY) 2014 622,508,294,824 0.269256857

362 PSDN Purwantono, Sungkoro, Surja (EY) 2015 620,398,854,182 0.269256857




366 ROTI Purwantono, Suherman, Surja (EY) 2014 2,142,894,276,216 0.269256857

367 ROTI Purwantono, Sungkoro, Surja (EY) 2015 2,706,323,637,034 0.269256857

112




371 STTP Hadori Sugiarto Adi & Rekan 2014 1,700,204,093,895 0.009537819



374 STTP Paul Hadiwinata, Hidajat, Arsono, Retno, Palilingan & Rekan (PKF) 2017 2,342,432,443,196 0.003516571

375 STTP Paul Hadiwinata, Hidajat, Arsono, Retno, Palilingan & Rekan (PKF) 2018 2,631,189,810,030 0.003516571

376 SKBM Aryanto, Amir Jusuf, Mawar & Saptoto (RSM) 2014 652,976,510,619 0.010956171

377 SKBM Paul Hadiwinata, Hidajat, Arsono, Achmad, Suharli & Rekan (PKF) 2015 764,484,248,710 0.003516571

378 SKBM Paul Hadiwinata, Hidajat, Arsono, Achmad, Suharli & Rekan (PKF) 2016 1,001,657,012,004 0.003516571

379 SKBM Paul Hadiwinata, Hidajat, Arsono, Retno, Palilingan & Rekan (PKF) 2017 1,623,027,475,045 0.003516571

380 SKBM Paul Hadiwinata, Hidajat, Arsono, Retno, Palilingan & Rekan (PKF) 2018 1,771,365,972,009 0.003516571

381 BTEK Rexon Nainggolan & Rekan 2014 2,414,861,570,200 0.000463357

382 BTEK Doli, Bambang, Sulistiyanto, Dadang & Ali 2015 3,198,250,747,295 0.005470878

383 BTEK Morhan & Rekan 2016 4,879,715,095,300 0.001954419

384 BTEK Morhan & Rekan 2017 5,306,055,112,389 0.001954419

385 BTEK Kanaka Puradiredja, Suhartono (Nexia) 2018 5,165,236,468,705 0.006492152

386 CEKA Purwantono, Suherman, Surja (EY) 2014 1,284,150,037,341 0.269256857

387 CEKA Purwantono, Sungkoro, Surja (EY) 2015 1,485,826,210,015 0.269256857




391 GGRM Siddharta Widjaja & Rekan (KPMG) 2014 58,234,278,000,000 0.082184543





396 HMSP Tanudiredja, Wibisana & Rekan (PWC) 2014 28,380,630,000,000 0.324414156

397 HMSP Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2015 38,010,724,000,000 0.324414156


113



401 RMBA Tanudiredja, Wibisana & Rekan (PWC) 2014 10,821,467,000,000 0.324414156

402 RMBA Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2015 12,667,314,000,000 0.324414156

403 RMBA Satrio Bing Eny & Rekan (Deloitte) 2016 13,470,943,000,000 0.181653763



406 DVLA Purwantono, Suherman, Surja (EY) 2014 1,241,239,780,000 0.269256857

407 DVLA Purwantono, Sungkoro, Surja (EY) 2015 1,376,278,237,000 0.269256857




411 KAEF Hendrawinata Eddy Siddharta & Tanzil 2014 3,194,664,199,612 0.007429029

412 KAEF Hendrawinata Eddy Siddharta & Tanzil 2015 3,434,879,313,034 0.007429029

413 KAEF Hadori Sugiarto Adi & Rekan 2016 4,216,562,541,064 0.009537819



416 KLBF Purwantono, Suherman, Surja (EY) 2014 12,439,267,396,015 0.269256857

417 KLBF Purwantono, Sungkoro, Surja (EY) 2015 13,696,417,381,439 0.269256857




421 MERK Siddharta Widjaja & Rekan (KPMG) 2014 711,055,830,000 0.082184543




425 MERK Siddharta Widjaja & Rekan (KPMG) 2018 1,263,113,689,000 0.082184543

426 PYFA Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 172,557,400,461 0.014493462

427 PYFA Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 159,951,537,229 0.014493462

428 PYFA Tanubrata Sutanto Fahmi Bambang & Rekan (BDO) 2016 167,062,795,608 0.014493462


114


431 SQBI Tanudiredja, Wibisana & Rekan (PWC) 2014 459,352,720,000 0.324414156

432 SQBI Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2015 464,027,522,000 0.324414156




436 TSPC Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 5,609,556,653,195 0.014493462

437 TSPC Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 6,284,729,099,203 0.014493462

438 TSPC Tanubrata Sutanto Fahmi Bambang & Rekan (BDO) 2016 6,585,807,349,438 0.014493462



441 MBTO Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 623,002,100,394 0.014493462

442 MBTO Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 648,899,377,240 0.014493462

443 MBTO Tanubrata Sutanto Fahmi Bambang & Rekan (BDO) 2016 709,959,168,088 0.014493462



446 MRAT Kosasih, Nurdiyaman, Tjahjo & Rekan (Crowe) 2014 500,138,658,228 0.001924588

447 MRAT Paul Hadiwinata, Hidajat, Arsono, Achmad, Suharli & Rekan (PKF) 2015 497,090,038,108 0.003516571

448 MRAT Paul Hadiwinata, Hidajat, Arsono, Achmad, Suharli & Rekan (PKF) 2016 483,037,173,864 0.003516571

449 MRAT Kanaka Puradiredja, Suhartono (Nexia) 2017 497,354,419,089 0.006492152

450 MRAT Kanaka Puradiredja, Suhartono (Nexia) 2018 511,887,783,867 0.006492152

451 UNVR Siddharta Widjaja & Rekan (KPMG) 2014 14,280,670,000,000 0.082184543





456 KICI Paul Hadiwinata, Hidajat, Arsono, Ade Fatma & Rekan (PKF) 2014 100,322,024,001 0.003516571

457 KICI Paul Hadiwinata, Hidajat, Arsono, Achmad, Suharli & Rekan (PKF) 2015 133,831,888,816 0.003516571

458 KICI Paul Hadiwinata, Hidajat, Arsono, Achmad, Suharli & Rekan (PKF) 2016 139,809,135,385 0.003516571

459 KICI Paul Hadiwinata, Hidajat, Arsono, Retno, Palilingan & Rekan (PKF) 2017 149,420,009,884 0.003516571

460 KICI Paul Hadiwinata, Hidajat, Arsono, Retno, Palilingan & Rekan (PKF) 2018 154,088,747,766 0.003516571

115

461 LMPI Hadori Sugiarto Adi & Rekan 2014 808,892,238,344 0.009537819

462 LMPI Doli, Bambang, Sulistiyanto, Dadang & Ali 2015 793,093,512,600 0.005470878

463 LMPI Hadori Sugiarto Adi & Rekan 2016 810,364,824,722 0.009537819

464 LMPI Paul Hadiwinata, Hidajat, Arsono, Retno, Palilingan & Rekan (PKF) 2017 834,548,374,286 0.003516571

465 LMPI Teramihardja, Pradono & Chandra (Rodl & Partner) 2018 786,704,752,983 0.000415681

466 CINT Koesbandijah, Beddy Samsi & Setiasih 2014 370,186,989,798 0.000143775

467 CINT Gideon Adi & Rekan 2015 382,807,494,765 0.000383024

468 CINT Gideon Adi & Rekan 2016 399,336,626,636 0.000383024

469 CINT Teramihardja, Pradono & Chandra (Rodl & Partner) 2017 476,577,841,605 0.000415681

470 CINT Teramihardja, Pradono & Chandra (Rodl & Partner) 2018 491,382,035,136 0.000415681 Total Aset Keseluruhan Sektor

5,211,661,570,954,580

116

LAMPIRAN 5

Daftar Perhitungan Audit Fee

No. Kode Tahun Professional Fees Log Natural

1 INTP 2014 20,807,000,000 23.75855531

2 INTP 2015 35,211,000,000 24.28462437

3 INTP 2016 39,076,000,000 24.3887743

4 INTP 2017 60,663,000,000 24.82859979

5 INTP 2018 70,974,000,000 24.98557945

6 SMGR 2014 52,454,481,000 24.6832116

7 SMGR 2015 75,932,076,000 25.05310504

8 SMGR 2016 81,935,827,000 25.12920218

9 SMGR 2017 96,903,822,000 25.2969848

10 SMGR 2018 254,157,062,000 26.26121827

11 SMBR 2014 3,291,956,000 21.91474775

12 SMBR 2015 8,279,126,000 22.83700324

13 SMBR 2016 6,462,244,000 22.58924246

14 SMBR 2017 7,393,649,000 22.72388723

15 SMBR 2018 8,500,031,000 22.86333565

16 ARNA 2014 3,493,513,458 21.97417379

17 ARNA 2015 2,933,292,804 21.79939145

18 ARNA 2016 2,917,496,021 21.79399156

19 ARNA 2017 3,943,462,642 22.09532502

20 ARNA 2018 3,076,663,970 21.84711172

21 IKAI 2014 274,030,302 19.42874925

22 IKAI 2015 230,093,129 19.25399469

23 IKAI 2016 75,082,000 18.13409141

24 IKAI 2017 868,416,000 20.58218142

25 IKAI 2018 11,233,709,000 23.14218483

26 KIAS 2014 10,248,366,824 23.0503842

27 KIAS 2015 25,483,689,893 23.96130447

28 KIAS 2016 5,395,066,343 22.40875073

29 KIAS 2017 7,886,512,570 22.78841987

30 KIAS 2018 7,167,743,790 22.69285677

31 MLIA 2014 2,660,540,000 21.70179495

32 MLIA 2015 2,412,975,000 21.60412626

33 MLIA 2016 5,069,659,000 22.34653939

34 MLIA 2017 9,191,796,000 22.94157718

35 MLIA 2018 3,682,065,000 22.02673957

36 TOTO 2014 4,940,354,061 22.32070284

37 TOTO 2015 13,159,702,233 23.30042514

38 TOTO 2016 4,625,068,383 22.25475699

117

39 TOTO 2017 6,246,506,513 22.55528819

40 TOTO 2018 4,362,472,881 22.19630491

41 ALKA 2014 1,383,618,000 21.04796764

42 ALKA 2015 716,426,000 20.38978552

43 ALKA 2016 594,633,000 20.20345497

44 ALKA 2017 1,524,945,000 21.14522418

45 ALKA 2018 3,356,743,000 21.934237

46 BTON 2014 133,900,000 18.71260381

47 BTON 2015 119,900,000 18.60216862

48 BTON 2016 238,725,450 19.2908247

49 BTON 2017 241,869,388 19.30390842

50 BTON 2018 722,147,036 20.39773933

51 CTBN 2014 46,930,159,626 24.57192637

52 CTBN 2015 39,539,307,764 24.40056115

53 CTBN 2016 19,192,335,865 23.67777686

54 CTBN 2017 17,690,073,600 23.59626951

55 CTBN 2018 22,924,978,362 23.85549291

56 GDST 2014 1,404,964,760 21.06327806

57 GDST 2015 1,376,790,270 21.04302074

58 GDST 2016 1,666,909,559 21.23423719

59 GDST 2017 1,538,722,311 21.15421824

60 GDST 2018 2,054,811,707 21.44345005

61 KRAS 2014 28,407,510,000 24.06991938

62 KRAS 2015 31,171,746,000 24.16277794

63 KRAS 2016 25,267,410,000 23.95278126

64 KRAS 2017 33,605,640,000 24.23795975

65 KRAS 2018 45,532,440,000 24.54169088

66 LION 2014 306,316,000 19.54012781

67 LION 2015 326,988,760 19.60543636

68 LION 2016 326,332,280 19.60342668

69 LION 2017 448,555,200 19.92154231

70 LION 2018 470,447,640 19.96919522

71 LMSH 2014 826,049,507 20.53216527

72 LMSH 2015 669,536,021 20.32209552

73 LMSH 2016 658,237,881 20.30507695

74 LMSH 2017 773,425,303 20.46633965

75 LMSH 2018 1,021,387,636 20.74442797

76 NIKL 2014 1,209,132,552 20.91316904

77 NIKL 2015 1,162,262,776 20.87363461

78 NIKL 2016 3,284,215,171 21.91239355

79 NIKL 2017 784,347,280 20.48036244

80 NIKL 2018 662,223,231 20.31111326

118

81 PICO 2014 691,615,723 20.35454105

82 PICO 2015 722,957,600 20.39886113

83 PICO 2016 641,800,909 20.2797887

84 PICO 2017 305,727,272 19.53820399

85 PICO 2018 201,500,000 19.12129994

86 BAJA 2014 346,601,056 19.66368498

87 BAJA 2015 954,916,282 20.67713423

88 BAJA 2016 354,161,727 19.68526422

89 BAJA 2017 476,049,400 19.98103219

90 BAJA 2018 326,254,948 19.60318968

91 ISSP 2014 3,061,000,000 21.8420075

92 ISSP 2015 3,250,000,000 21.90192083

93 ISSP 2016 3,896,000,000 22.08321622

94 ISSP 2017 7,283,000,000 22.7088087

95 ISSP 2018 8,137,000,000 22.8196874

96 BRPT 2014 28,011,414,000 24.05587791

97 BRPT 2015 23,155,762,000 23.86550948

98 BRPT 2016 41,858,339,000 24.45755687

99 BRPT 2017 98,188,320,000 25.3101531

100 BRPT 2018 216,524,043,000 26.10096743

101 DPNS 2014 161,627,625 18.90080564

102 DPNS 2015 297,420,191 19.51065648

103 DPNS 2016 178,808,736 19.00182728

104 DPNS 2017 274,277,750 19.42965184

105 DPNS 2018 148,063,471 18.8131516

106 EKAD 2014 946,902,462 20.66870665

107 EKAD 2015 1,542,118,240 21.15642279

108 EKAD 2016 1,628,971,093 21.21121442

109 EKAD 2017 1,836,579,611 21.33117077

110 EKAD 2018 1,936,416,497 21.38410494

111 INCI 2014 237,090,000 19.28395037

112 INCI 2015 229,852,200 19.25294705

113 INCI 2016 161,500,000 18.9000157

114 INCI 2017 181,825,000 19.01855524

115 INCI 2018 141,800,000 18.76992817

116 SRSN 2014 1,046,125,000 20.7683587

117 SRSN 2015 1,306,729,000 20.99079291

118 SRSN 2016 1,071,455,000 20.79228337

119 SRSN 2017 1,404,822,000 21.06317644

120 SRSN 2018 1,329,238,000 21.00787168

121 TPIA 2014 20,374,188,000 23.73753464

122 TPIA 2015 15,565,284,000 23.46830889

119

123 TPIA 2016 14,224,616,000 23.37823982

124 TPIA 2017 14,585,360,000 23.40328412

125 TPIA 2018 21,714,363,000 23.80123977

126 ADMG 2014 2,727,851,262 21.72678005

127 ADMG 2015 1,596,169,088 21.19087228

128 ADMG 2016 1,850,978,157 21.33898007

129 ADMG 2017 1,918,069,200 21.37458489

130 ADMG 2018 2,023,816,095 21.42825072

131 BRNA 2014 2,378,221,000 21.58961857

132 BRNA 2015 3,880,073,000 22.0791198

133 BRNA 2016 2,747,266,000 21.73387207

134 BRNA 2017 2,124,452,000 21.47677972

135 BRNA 2018 2,313,432,000 21.56199797

136 FPNI 2014 3,886,692,000 22.08082425

137 FPNI 2015 5,531,578,000 22.43373896

138 FPNI 2016 3,716,582,000 22.03607027

139 FPNI 2017 5,284,160,000 22.3879795

140 FPNI 2018 5,230,467,000 22.3777664

141 IGAR 2014 420,340,128 19.85657477

142 IGAR 2015 820,174,862 20.52502812

143 IGAR 2016 1,272,772,103 20.96446312

144 IGAR 2017 2,454,736,975 21.62128545

145 IGAR 2018 2,988,325,975 21.81797919

146 IPOL 2014 3,226,907,466 21.89479007

147 IPOL 2015 4,152,197,356 22.14690351

148 IPOL 2016 4,638,294,336 22.25761254

149 IPOL 2017 10,330,910,240 23.05840623

150 IPOL 2018 10,556,249,535 23.07998389

151 TRST 2014 1,959,708,158 21.3960614

152 TRST 2015 2,146,030,393 21.48688564

153 TRST 2016 1,735,472,963 21.27454581

154 TRST 2017 2,204,204,901 21.51363269

155 TRST 2018 1,272,184,223 20.96400112

156 IMPC 2014 1,771,745,139 21.29523085

157 IMPC 2015 2,255,585,185 21.53667528

158 IMPC 2016 5,005,596,193 22.33382236

159 IMPC 2017 11,375,173,226 23.15469903

160 IMPC 2018 9,641,507,766 22.98934334

161 CPIN 2014 28,371,000,000 24.06863333

162 CPIN 2015 39,322,000,000 24.39505

163 CPIN 2016 77,653,000,000 25.07551602

164 CPIN 2017 90,200,000,000 25.22529526

120

165 CPIN 2018 103,115,000,000 25.35911071

166 JPFA 2014 26,646,000,000 24.00590488

167 JPFA 2015 26,772,000,000 24.0106224

168 JPFA 2016 48,011,000,000 24.59469599

169 JPFA 2017 45,173,000,000 24.5337654

170 JPFA 2018 56,444,000,000 24.75651483

171 MAIN 2014 6,241,966,000 22.55456103

172 MAIN 2015 7,595,238,000 22.75078731

173 MAIN 2016 6,065,187,000 22.52583121

174 MAIN 2017 7,507,501,000 22.73916849

175 MAIN 2018 8,168,167,000 22.82351036

176 SIPD 2014 4,803,399,234 22.29258968

177 SIPD 2015 19,653,052,177 23.70149849

178 SIPD 2016 28,092,993,200 24.05878603

179 SIPD 2017 35,709,000,000 24.29866859

180 SIPD 2018 10,388,000,000 23.06391713

181 CPRO 2014 52,079,000,000 24.67602763

182 CPRO 2015 48,338,000,000 24.60148384

183 CPRO 2016 41,601,000,000 24.45139004

184 CPRO 2017 46,328,000,000 24.55901237

185 CPRO 2018 56,876,000,000 24.7641393

186 TIRT 2014 694,881,795 20.35925231

187 TIRT 2015 465,712,883 19.95907987

188 TIRT 2016 373,235,647 19.73772054

189 TIRT 2017 735,115,757 20.41553854

190 TIRT 2018 825,293,821 20.53125003

191 ALDO 2014 1,008,147,000 20.73137983

192 ALDO 2015 7,595,238,000 22.75078731

193 ALDO 2016 6,065,187,000 22.52583121

194 ALDO 2017 1,533,219,244 21.15063544

195 ALDO 2018 3,347,803,843 21.9315704

196 FASW 2014 2,858,212,969 21.77346243

197 FASW 2015 2,916,282,505 21.79357553

198 FASW 2016 8,122,300,446 22.81787926

199 FASW 2017 8,254,522,516 22.83402707

200 FASW 2018 34,862,598,066 24.2746804

201 INRU 2014 21,005,466,000 23.76804853

202 INRU 2015 12,916,166,000 23.28174554

203 INRU 2016 17,058,844,000 23.55993462

204 INRU 2017 12,859,920,000 23.27738133

205 INRU 2018 19,322,469,000 23.68453445

206 KBRI 2014 1,043,335,763 20.76568888

121

207 KBRI 2015 1,699,573,514 21.25364318

208 KBRI 2016 993,183,745 20.71642625

209 KBRI 2017 750,011,696 20.43559936

210 KBRI 2018 256,700,000 19.36341865

211 TKIM 2014 194,012,772,000 25.99118983

212 TKIM 2015 186,289,272,000 25.95056653

213 TKIM 2016 144,879,853,000 25.69917064

214 TKIM 2017 136,350,200,000 25.63849241

215 TKIM 2018 156,697,875,000 25.77758543

216 ASII 2014 1,398,000,000,000 27.96606376

217 ASII 2015 1,504,000,000,000 28.03914934

218 ASII 2016 1,778,000,000,000 28.20651025

219 ASII 2017 2,788,000,000,000 28.65634561

220 ASII 2018 3,806,000,000,000 28.96759988

221 AUTO 2014 59,540,000,000 24.80991419

222 AUTO 2015 62,512,000,000 24.85862438

223 AUTO 2016 59,811,000,000 24.81445543

224 AUTO 2017 78,811,000,000 25.09031842

225 AUTO 2018 76,935,000,000 25.06622675

226 BRAM 2014 2,444,927,316 21.61728123

227 BRAM 2015 5,019,117,790 22.33652002

228 BRAM 2016 3,294,094,862 21.91539727

229 BRAM 2017 2,156,166,440 21.49159769

230 BRAM 2018 3,440,537,793 21.95889363

231 GJTL 2014 5,595,000,000 22.44513918

232 GJTL 2015 9,652,000,000 22.99043098

233 GJTL 2016 32,141,000,000 24.19339831

234 GJTL 2017 39,419,000,000 24.39751377

235 GJTL 2018 20,303,000,000 23.7340345

236 IMAS 2014 16,526,634,041 23.5282391

237 IMAS 2015 18,046,303,110 23.61620669

238 IMAS 2016 15,610,999,140 23.47124158

239 IMAS 2017 14,075,198,094 23.36768009

240 IMAS 2018 22,522,877,944 23.83779743

241 INDS 2014 1,020,830,099 20.74388196

242 INDS 2015 1,976,380,394 21.40453292

243 INDS 2016 1,050,553,178 20.7725827

244 INDS 2017 1,282,289,748 20.97191318

245 INDS 2018 732,713,105 20.41226478

246 SMSM 2014 1,696,000,000 21.25153837

247 SMSM 2015 4,988,000,000 22.33030086

248 SMSM 2016 4,744,000,000 22.2801465

122

249 SMSM 2017 6,479,000,000 22.59183201

250 SMSM 2018 3,985,000,000 22.10580315

251 ERTX 2014 1,191,469,146 20.89845296

252 ERTX 2015 294,532,508 19.50089994

253 ERTX 2016 378,008,475 19.75042717

254 ERTX 2017 279,197,760 19.44743091

255 ERTX 2018 305,831,025 19.5385433

256 ESTI 2014 896,043,420 20.61349943

257 ESTI 2015 967,683,000 20.69041511

258 ESTI 2016 1,233,156,560 20.93284303

259 ESTI 2017 1,864,405,320 21.34620798

260 ESTI 2018 3,355,236,513 21.9337881

261 PRBX 2014 13,799,885,616 23.34792614

262 PRBX 2015 19,576,954,568 23.69761892

263 PRBX 2016 12,433,383,904 23.24365094

264 PRBX 2017 29,322,302,600 24.10161424

265 PRBX 2018 50,097,268,836 24.63723233

266 POLU 2014 11,055,088,872 23.12615669

267 POLU 2015 12,727,749,198 23.26705042

268 POLU 2016 17,258,857,609 23.57159133

269 POLU 2017 14,251,487,360 23.38012711

270 POLU 2018 17,114,260,932 23.56317793

271 RICY 2014 1,772,960,656 21.29591667

272 RICY 2015 2,641,050,265 21.6944425

273 RICY 2016 1,441,968,019 21.0892747

274 RICY 2017 2,175,544,907 21.500545

275 RICY 2018 4,216,034,344 22.16216079

276 UNIT 2014 269,980,000 19.41385844

277 UNIT 2015 402,500,000 19.81320565

278 UNIT 2016 512,500,000 20.05481127

279 UNIT 2017 423,283,561 19.86355287

280 UNIT 2018 423,965,151 19.86516182

281 ARGO 2014 725,907,810 20.40293358

282 ARGO 2015 250,581,856 19.3392962

283 ARGO 2016 1,000,576,067 20.72384174

284 ARGO 2017 1,266,405,560 20.95944846

285 ARGO 2018 217,647,945 19.19838938

286 STAR 2014 331,923,071 19.62041379

287 STAR 2015 678,036,000 20.33471094

288 STAR 2016 276,542,000 19.43787327

289 STAR 2017 476,427,014 19.9818251

290 STAR 2018 698,550,000 20.36451732

123

291 TFCO 2014 3,680,623,056 22.02634788

292 TFCO 2015 2,889,748,506 21.78443531

293 TFCO 2016 2,196,593,545 21.51017361

294 TFCO 2017 4,232,639,120 22.16609154

295 TFCO 2018 2,127,877,893 21.47839103

296 TRIS 2014 3,658,775,010 22.02039423

297 TRIS 2015 4,369,234,264 22.19785361

298 TRIS 2016 7,602,737,274 22.75177419

299 TRIS 2017 7,160,409,552 22.69183302

300 TRIS 2018 8,933,809,456 22.91310873

301 BIMA 2014 705,048,720 20.37377746

302 BIMA 2015 634,017,000 20.26758633

303 BIMA 2016 839,323,100 20.54810629

304 BIMA 2017 267,428,000 19.40436093

305 BIMA 2018 811,687,400 20.51462585

306 IKBI 2014 1,887,545,976 21.3585434

307 IKBI 2015 2,099,913,288 21.46516189

308 IKBI 2016 2,923,118,481 21.79591686

309 IKBI 2017 2,920,765,520 21.79511158

310 IKBI 2018 3,538,259,631 21.98690081

311 JECC 2014 2,051,655,000 21.44191262

312 JECC 2015 2,319,314,000 21.56453729

313 JECC 2016 1,156,831,000 20.86895021

314 JECC 2017 1,940,086,000 21.38599814

315 JECC 2018 3,837,566,000 22.06810415

316 KBLI 2014 963,448,617 20.68602971

317 KBLI 2015 1,191,872,692 20.8987916

318 KBLI 2016 2,040,324,338 21.43637462

319 KBLI 2017 2,541,120,937 21.65587113

320 KBLI 2018 2,072,281,132 21.45191583

321 KBLM 2014 281,009,091 19.45389758

322 KBLM 2015 257,742,500 19.36747158

323 KBLM 2016 661,282,051 20.30969101

324 KBLM 2017 1,069,722,531 20.79066513

325 KBLM 2018 2,239,163,795 21.52936833

326 SCCO 2014 2,692,435,540 21.71371203

327 SCCO 2015 1,046,351,407 20.7685751

328 SCCO 2016 2,727,089,294 21.72650068

329 SCCO 2017 3,834,703,317 22.06735791

330 SCCO 2018 8,651,150,377 22.88095814

331 VOKS 2014 1,275,078,931 20.96627392

332 VOKS 2015 2,585,578,828 21.67321524

124

333 VOKS 2016 3,062,449,874 21.84248105

334 VOKS 2017 2,817,541,376 21.75913049

335 VOKS 2018 3,249,411,010 21.90173959

336 PTSN 2014 1,066,822,686 20.78795062

337 PTSN 2015 1,229,053,492 20.92951019

338 PTSN 2016 1,483,811,941 21.11788025

339 PTSN 2017 1,427,262,400 21.07902404

340 PTSN 2018 3,156,219,405 21.87264076

341 KRAH 2014 2,203,887,767 21.5134888

342 KRAH 2015 3,130,172,915 21.86435408

343 KRAH 2016 1,892,233,336 21.36102363

344 KRAH 2017 1,628,175,271 21.21072576

345 KRAH 2018 2,065,135,592 21.44846172

346 ADES 2014 1,494,000,000 21.12472292

347 ADES 2015 2,631,000,000 21.69062984

348 ADES 2016 3,237,000,000 21.89791281

349 ADES 2017 2,169,000,000 21.49753207

350 ADES 2018 4,160,000,000 22.14878091

351 INDF 2014 130,761,000,000 25.59663707

352 INDF 2015 85,097,000,000 25.16705762

353 INDF 2016 86,106,000,000 25.17884493

354 INDF 2017 87,219,000,000 25.19168803

355 INDF 2018 77,602,000,000 25.07485904

356 MYOR 2014 3,036,681,758 21.83403123

357 MYOR 2015 6,371,646,804 22.5751238

358 MYOR 2016 9,631,170,654 22.98827062

359 MYOR 2017 8,577,181,253 22.87237117

360 MYOR 2018 5,139,312,146 22.36018508

361 PSDN 2014 3,584,906,562 21.99999825

362 PSDN 2015 4,720,425,062 22.27516469

363 PSDN 2016 7,426,705,542 22.7283482

364 PSDN 2017 4,655,590,431 22.26133458

365 PSDN 2018 5,139,075,792 22.36013909

366 ROTI 2014 10,172,815,208 23.04298482

367 ROTI 2015 11,566,204,844 23.17135331

368 ROTI 2016 19,287,715,954 23.68273425

369 ROTI 2017 22,307,176,386 23.82817427

370 ROTI 2018 36,573,711,401 24.32259555

371 STTP 2014 1,632,740,638 21.21352581

372 STTP 2015 2,288,510,621 21.55116706

373 STTP 2016 2,746,739,492 21.73368041

374 STTP 2017 2,601,503,928 21.67935555

125

375 STTP 2018 2,213,283,216 21.51774287

376 SKBM 2014 1,393,868,791 21.05534902

377 SKBM 2015 1,205,085,401 20.90981627

378 SKBM 2016 1,498,108,184 21.12746894

379 SKBM 2017 2,453,203,473 21.62066055

380 SKBM 2018 2,484,086,483 21.63317082

381 BTEK 2014 189,074,000 19.05764903

382 BTEK 2015 1,305,612,864 20.9899384

383 BTEK 2016 1,146,860,125 20.86029372

384 BTEK 2017 7,705,924,675 22.76525531

385 BTEK 2018 6,742,583,770 22.63170904

386 CEKA 2014 3,615,852,014 22.00859335

387 CEKA 2015 2,213,935,738 21.51803765

388 CEKA 2016 406,725,000 19.82364784

389 CEKA 2017 401,000,000 19.80947199

390 CEKA 2018 401,000,000 19.80947199

391 GGRM 2014 67,483,000,000 24.93514155

392 GGRM 2015 75,043,000,000 25.04132712

393 GGRM 2016 92,382,000,000 25.24919799

394 GGRM 2017 90,416,000,000 25.22768708

395 GGRM 2018 108,081,000,000 25.40614678

396 HMSP 2014 190,176,000,000 25.9712158

397 HMSP 2015 125,373,000,000 25.55455913

398 HMSP 2016 126,035,000,000 25.55982548

399 HMSP 2017 109,761,000,000 25.42157111

400 HMSP 2018 120,394,000,000 25.51403553

401 RMBA 2014 15,911,000,000 23.49027653

402 RMBA 2015 26,059,000,000 23.98362903

403 RMBA 2016 23,584,000,000 23.88383435

404 RMBA 2017 7,495,000,000 22.73750197

405 RMBA 2018 34,095,000,000 24.25241658

406 DVLA 2014 2,377,207,000 21.58919211

407 DVLA 2015 8,441,824,000 22.85646424

408 DVLA 2016 3,970,613,000 22.10218633

409 DVLA 2017 3,421,640,000 21.95338581

410 DVLA 2018 4,838,009,000 22.29976911

411 KAEF 2014 8,971,161,406 22.91728098

412 KAEF 2015 8,177,071,892 22.82459996

413 KAEF 2016 11,706,837,224 23.18343889

414 KAEF 2017 20,625,852,283 23.74981109

415 KAEF 2018 42,313,011,958 24.46836049

416 KLBF 2014 28,554,379,587 24.07507616

126

417 KLBF 2015 29,951,262,401 24.12283731

418 KLBF 2016 31,657,019,673 24.17822575

419 KLBF 2017 39,213,562,621 24.39228851

420 KLBF 2018 33,373,764,633 24.23103594

421 MERK 2014 1,608,977,000 21.19886441

422 MERK 2015 9,983,554,000 23.02420498

423 MERK 2016 6,607,959,000 22.61154067

424 MERK 2017 31,913,474,000 24.18629414

425 MERK 2018 29,318,196,000 24.10147418

426 PYFA 2014 185,950,000 19.04098838

427 PYFA 2015 490,110,489 20.01014141

428 PYFA 2016 613,144,832 20.23411173

429 PYFA 2017 668,307,691 20.32025924

430 PYFA 2018 613,298,470 20.23436228

431 SQBI 2014 989,734,000 20.71294678

432 SQBI 2015 1,579,348,000 21.18027794

433 SQBI 2016 2,229,792,000 21.52517414

434 SQBI 2017 5,621,426,000 22.44985121

435 SQBI 2018 2,499,444,000 21.63933414

436 TSPC 2014 11,228,968,467 23.14176275

437 TSPC 2015 14,688,800,519 23.41035117

438 TSPC 2016 16,560,038,321 23.5302583

439 TSPC 2017 17,275,035,505 23.57252826

440 TSPC 2018 17,021,457,364 23.55774058

441 MBTO 2014 990,613,973 20.71383548

442 MBTO 2015 1,414,255,338 21.06986897

443 MBTO 2016 3,476,041,465 21.96915997

444 MBTO 2017 2,714,776,574 21.72197549

445 MBTO 2018 1,920,134,590 21.37566112

446 MRAT 2014 3,206,308,205 21.88838602

447 MRAT 2015 3,550,570,637 21.99037417

448 MRAT 2016 3,853,257,231 22.07218466

449 MRAT 2017 4,348,926,815 22.19319494

450 MRAT 2018 4,930,406,306 22.31868724

451 UNVR 2014 28,246,000,000 24.06421769

452 UNVR 2015 151,897,000,000 25.7464685

453 UNVR 2016 210,728,000,000 26.07383404

454 UNVR 2017 103,946,000,000 25.36713737

455 UNVR 2018 110,938,000,000 25.43223732

456 KICI 2014 149,376,500 18.82198052

457 KICI 2015 237,041,239 19.28374469

458 KICI 2016 266,625,850 19.40135692

127

459 KICI 2017 166,231,600 18.92889255

460 KICI 2018 178,208,000 18.99846197

461 LMPI 2014 246,298,797 19.32205598

462 LMPI 2015 202,536,345 19.12642991

463 LMPI 2016 299,827,855 19.51871905

464 LMPI 2017 318,665,500 19.57965252

465 LMPI 2018 317,092,520 19.57470415

466 CINT 2014 441,137,625 19.90486746

467 CINT 2015 825,211,357 20.5311501

468 CINT 2016 815,386,916 20.5191733

469 CINT 2017 1,564,092,946 21.17057191

470 CINT 2018 637,593,196 20.27321101

128

LAMPIRAN 6

Daftar Perpindahan Auditor

No. Kode Nama KAP & Perubahannya Tahun Flow

1 INTP Purwantono, Suherman, Surja (EY) 2014 0

2 INTP Purwantono, Sungkoro, Surja (EY) 2015 1




6 SMGR Osman Bing Satrio & Eny (Deloitte) 2014 0

7 SMGR Osman Bing Satrio & Eny (Deloitte) 2015 0

8 SMGR Satrio Bing Eny & Rekan (Deloitte) 2016 1



11 SMBR Doli, Bambang, Sulistiyanto, Dadang & Ali 2014 0

12 SMBR Doli, Bambang, Sulistiyanto, Dadang & Ali 2015 0

13 SMBR Herman Dody Tanumihardja & Rekan 2016 0



16 ARNA Purwantono, Suherman, Surja (EY) 2014 0

17 ARNA Purwantono, Sungkoro, Surja (EY) 2015 1




21 IKAI Doli, Bambang, Sulistiyanto, Dadang & Ali 2014 0

22 IKAI Herman Dody Tanumihardja & Rekan 2015 0

23 IKAI Herman Dody Tanumihardja & Rekan 2016 0

24 IKAI Tanubrata Sutanto Fahmi Bambang & Rekan

(BDO)

2017 0

25 IKAI Tanubrata Sutanto Fahmi Bambang & Rekan

(BDO)

2018 0

26 KIAS Mulyamin Sensi Suryanto & Lianny 2014 0

27 KIAS Mulyamin Sensi Suryanto & Lianny 2015 0

28 KIAS Siddharta Widjaja & Rekan (KPMG) 2016 0



31 MLIA Osman Bing Satrio & Eny (Deloitte) 2014 0

32 MLIA Osman Bing Satrio & Eny (Deloitte) 2015 0

33 MLIA Satrio Bing Eny & Rekan (Deloitte) 2016 1



36 TOTO Purwantono, Suherman, Surja (EY) 2014 0

129

37 TOTO Purwantono, Sungkoro, Surja (EY) 2015 1




41 ALKA Johannes Juara & Rekan 2014 1




45 ALKA Anwar & Rekan 2018 0

46 BTON Aryanto, Amir Jusuf, Mawar & Saptoto (RSM) 2014 0

47 BTON Amir Abadi Jusuf, Aryanto, Mawar & Rekan

(RSM)

2015 1


(RSM)

2016 0


(RSM)

2017 0

50 BTON Hadori Sugiarto Adi & Rekan 2018 0

51 CTBN Purwantono, Suherman, Surja (EY) 2014 0

52 CTBN Purwantono, Sungkoro, Surja (EY) 2015 1




56 GDST Drs Binsar B. Lumbanradja 2014 0

57 GDST Hadori Sugiarto Adi & Rekan 2015 0




61 KRAS Purwantono, Suherman, Surja (EY) 2014 0

62 KRAS Purwantono, Sungkoro, Surja (EY) 2015 1




66 LION Kosasih, Nurdiyaman, Tjahjo & Rekan (Crowe) 2014 0

67 LION Kosasih, Nurdiyaman, Mulyadi, Tjahjo &

Rekan (Crowe)

2015 1


Rekan (Crowe)

2016 0


Rekan (Crowe)

2017 0


Rekan (Crowe)

2018 0

71 LMSH Kosasih, Nurdiyaman, Tjahjo & Rekan (Crowe) 2014 0

72 LMSH Kosasih, Nurdiyaman, Mulyadi, Tjahjo &

Rekan (Crowe)

2015 1

130


Rekan (Crowe)

2016 0


Rekan (Crowe)

2017 0


Rekan (Crowe)

2018 0

76 NIKL Siddharta Widjaja & Rekan (KPMG) 2014 1



79 NIKL Satrio Bing Eny & Rekan (Deloitte) 2017 0

80 NIKL Satrio Bing Eny & Rekan (Deloitte) 2018 0

81 PICO Griselda, Wisnu & Arum 2014 0

82 PICO Djoko, Sidik & Indra 2015 0

83 PICO Herman Dody Tanumihardja & Rekan 2016 0



86 BAJA Tjahjadi & Tamara (Morison Ksi) 2014 0



89 BAJA Mirawati Sensi Idiris (Moore Stephens) 2017 0

90 BAJA Mirawati Sensi Idiris (Moore Stephens) 2018 0

91 ISSP Hadori Sugiarto Adi & Rekan 2014 0



94 ISSP Kanaka Puradiredja, Suhartono (Nexia) 2017 0

95 ISSP Kanaka Puradiredja, Suhartono (Nexia) 2018 0

96 BRPT Osman Bing Satrio & Eny (Deloitte) 2014 0

97 BRPT Osman Bing Satrio & Eny (Deloitte) 2015 0

98 BRPT Satrio Bing Eny & Rekan (Deloitte) 2016 1



101 DPNS Paul Hadiwinata, Hidajat, Arsono, Ade Fatma

& Rekan (PKF)

2014 0

102 DPNS Paul Hadiwinata, Hidajat, Arsono, Achmad,

Suharli & Rekan (PKF)

2015 1

103 DPNS Paul Hadiwinata, Hidajat, Arsono, Achmad,


2016 0

104 DPNS Paul Hadiwinata, Hidajat, Arsono, Retno,

Palilingan & Rekan (PKF)

2017 1

105 DPNS Paul Hadiwinata, Hidajat, Arsono, Retno,


2018 0

106 EKAD Teramihardja, Pradono & Chandra (Rodl &

Partner)

2014 0

107 EKAD Budiman, Wawan, Pamudji & Rekan 2015 0

108 EKAD Hendrawinata Eddy Siddharta & Tanzil 2016 0

131

109 EKAD Kanaka, Puradiredja, Suhartono (Nexia) 2017 0

110 EKAD Kanaka, Puradiredja, Suhartono (Nexia) 2018 0

111 INCI Hananta Budianto & Rekan 2014 0

112 INCI Hendrawinata Eddy Siddharta & Tanzil 2015 0

113 INCI Hendrawinata Eddy Siddharta & Tanzil 2016 0

114 INCI Kanaka, Puradiredja, Suhartono (Nexia) 2017 0

115 INCI Arman Eddy Ferdinand & Rekan 2018 0

116 SRSN Aryanto, Amir Jusuf, Mawar & Saptoto (RSM) 2014 0

117 SRSN Amir Abadi Jusuf, Aryanto, Mawar & Rekan

(RSM)

2015 1


(RSM)

2016 0


(RSM)

2017 0


(RSM)

2018 0

121 TPIA Osman Bing Satrio & Eny (Deloitte) 2014 0

122 TPIA Osman Bing Satrio & Eny (Deloitte) 2015 0

123 TPIA Satrio Bing Eny & Rekan (Deloitte) 2016 1



126 ADMG Osman Bing Satrio & Eny (Deloitte) 2014 0

127 ADMG Osman Bing Satrio & Eny (Deloitte) 2015 0

128 ADMG Satrio Bing Eny & Rekan (Deloitte) 2016 1



131 BRNA Hendrawinata Eddy Siddharta & Tanzil 2014 0



134 BRNA Hendrawinata Hanny Erwin & Sumargo 2017 1

135 BRNA Hendrawinata Hanny Erwin & Sumargo 2018 0

136 FPNI Osman Bing Satrio & Eny (Deloitte) 2014 0

137 FPNI Purwantono, Sungkoro, Surja (EY) 2015 1




141 IGAR Hertanto, Grace, Karunawan 2014 1



144 IGAR Purwantono, Sungkoro, Surja (EY) 2017 0

145 IGAR Purwantono, Sungkoro, Surja (EY) 2018 0

146 IPOL Aryanto, Amir Jusuf, Mawar & Saptoto (RSM) 2014 0

147 IPOL Amir Abadi Jusuf, Aryanto, Mawar & Rekan

(RSM)

2015 1

132


(RSM)

2016 0


(RSM)

2017 0


(RSM)

2018 0

151 TRST Purwantono, Suherman, Surja (EY) 2014 0

152 TRST Purwantono, Sungkoro, Surja (EY) 2015 1



155 TRST Kosasih, Nurdiyaman, Mulyadi, Tjahjo &

Rekan (Crowe)

2018 0

156 IMPC Aryanto, Amir Jusuf, Mawar & Saptoto (RSM) 2014 0

157 IMPC Amir Abadi Jusuf, Aryanto, Mawar & Rekan

(RSM)

2015 1


(RSM)

2016 0


(RSM)

2017 0


(RSM)

2018 0

161 CPIN Purwantono, Suherman, Surja (EY) 2014 0

162 CPIN Purwantono, Sungkoro, Surja (EY) 2015 1




166 JPFA Mulyamin Sensi Suryanto & Lianny 2014 0

167 JPFA Mulyamin Sensi Suryanto & Lianny 2015 0

168 JPFA Mirawati Sensi Idiris (Moore Stephens) 2016 1

169 JPFA Purwantono, Sungkoro, Surja (EY) 2017 0

170 JPFA Purwantono, Sungkoro, Surja (EY) 2018 0

171 MAIN Anwar, Sugiharto & Rekan 2014 0

172 MAIN Anwar & Rekan 2015 1

173 MAIN Anwar & Rekan 2016 0

174 MAIN Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2017 0

175 MAIN Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2018 0

176 SIPD Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 0

177 SIPD Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 0

178 SIPD Tanubrata Sutanto Fahmi Bambang & Rekan

(BDO)

2016 1


(BDO)

2017 0


(BDO)

2018 0

181 CPRO Purwantono, Suherman, Surja (EY) 2014 0

133

182 CPRO Purwantono, Sungkoro, Surja (EY) 2015 1




186 TIRT Pieter, Uways & Rekan 2014 0

187 TIRT Pieter, Uways & Rekan 2015 0

188 TIRT S. Mannan, Ardiansyah & Rekan 2016 0



191 ALDO Arsyad & Rekan 2014 0

192 ALDO Arsyad & Rekan 2015 0

193 ALDO Richard Risambessy & Rekan 2016 0

194 ALDO Hendrik & Rekan 2017 0

195 ALDO Hendrik & Rekan 2018 0

196 FASW Osman Bing Satrio & Eny (Deloitte) 2014 0

197 FASW Osman Bing Satrio & Eny (Deloitte) 2015 0

198 FASW Satrio Bing Eny & Rekan (Deloitte) 2016 1



201 INRU Budiman, Wawan, Pamudji & Rekan 2014 0





206 KBRI Hendrawinata Eddy Siddharta & Tanzil 2014 0



209 KBRI Kanaka Puradiredja, Suhartono (Nexia) 2017 0

210 KBRI Kanaka Puradiredja, Suhartono (Nexia) 2018 0

211 TKIM Y. Santosa & Rekan (Praxity) 2014 0





216 ASII Tanudiredja, Wibisana & Rekan (PWC) 2014 0

217 ASII Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2015 1




221 AUTO Tanudiredja, Wibisana & Rekan (PWC) 2014 0

222 AUTO Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2015 1


134



226 BRAM Osman Bing Satrio & Eny (Deloitte) 2014 0

227 BRAM Osman Bing Satrio & Eny (Deloitte) 2015 0

228 BRAM Satrio Bing Eny & Rekan (Deloitte) 2016 1

229 BRAM Siddharta Widjaja & Rekan (KPMG) 2017 0

230 BRAM Siddharta Widjaja & Rekan (KPMG) 2018 0

231 GJTL Osman Bing Satrio & Eny (Deloitte) 2014 0

232 GJTL Osman Bing Satrio & Eny (Deloitte) 2015 0

233 GJTL Satrio Bing Eny & Rekan (Deloitte) 2016 1



236 IMAS Purwantono, Suherman, Surja (EY) 2014 0

237 IMAS Purwantono, Sungkoro, Surja (EY) 2015 1




241 INDS Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 0

242 INDS Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 0

243 INDS Tanubrata Sutanto Fahmi Bambang & Rekan

(BDO)

2016 1


(BDO)

2017 0


(BDO)

2018 0

246 SMSM Purwantono, Suherman, Surja (EY) 2014 0

247 SMSM Purwantono, Sungkoro, Surja (EY) 2015 1




251 ERTX Paul Hadiwinata, Hidajat, Arsono, Ade Fatma

& Rekan (PKF)

2014 0

252 ERTX Paul Hadiwinata, Hidajat, Arsono, Achmad,


2015 1

253 ERTX Paul Hadiwinata, Hidajat, Arsono, Achmad,


2016 0

254 ERTX Paul Hadiwinata, Hidajat, Arsono, Retno,


2017 1

255 ERTX Paul Hadiwinata, Hidajat, Arsono, Retno,


2018 0

256 ESTI Purwantono, Suherman, Surja (EY) 2014 0

257 ESTI Purwantono, Sungkoro, Surja (EY) 2015 1



135


261 PRBX Doli, Bambang, Sulistiyanto, Dadang & Ali 2014 0

262 PRBX Doli, Bambang, Sulistiyanto, Dadang & Ali 2015 0

263 PRBX Amir Abadi Jusuf, Aryanto, Mawar & Rekan

(RSM)

2016 0


(RSM)

2017 0


(RSM)

2018 0

266 POLU Hendrawinata Eddy Siddharta & Tanzil 2014 0



269 POLU Hendrawinata Hanny Erwin & Sumargo 2017 1

270 POLU Hendrawinata Hanny Erwin & Sumargo 2018 0

271 RICY Joachim Poltak Lian Michell & Rekan 2014 0

272 RICY Joachim Poltak Lian & Rekan 2015 1

273 RICY Johannes Juara & Rekan 2016 0



276 UNIT Achmad, Rasyid, Hisbullah & Jerry 2014 0



279 UNIT Budiman, Wawan, Pamudji & Rekan 2017 0

280 UNIT Budiman, Wawan, Pamudji & Rekan 2018 0

281 ARGO Anwar, Sugiharto & Rekan 2014 0

282 ARGO Anwar & Rekan 2015 1




286 STAR Noor Salim, Nursehan & Sinarahardja 2014 0

287 STAR Noor Salim, Nursehan & Sinarahardja 2015 0

288 STAR Liasta, Nirwan, Syafruddin & Rekan 2016 0

289 STAR Herman Dody Tanumihardja & Rekan 2017 0

290 STAR Herman Dody Tanumihardja & Rekan 2018 0

291 TFCO Purwantono, Suherman, Surja (EY) 2014 0

292 TFCO Purwantono, Sungkoro, Surja (EY) 2015 1




296 TRIS Paul Hadiwinata, Hidajat, Arsono, Ade Fatma

& Rekan (PKF)

2014 0

297 TRIS Gideon Adi & Rekan 2015 0

298 TRIS Gideon Adi & Rekan 2016 0

136

299 TRIS Kosasih, Nurdiyaman, Mulyadi, Tjahjo &

Rekan (Crowe)

2017 0

300 TRIS Kosasih, Nurdiyaman, Mulyadi, Tjahjo &

Rekan (Crowe)

2018 0

301 BIMA AF. Rachman & Soetjipto WS. 2014 0

302 BIMA Koesbandijah, Beddy Samsi & Setiasih 2015 0




306 IKBI Purwantono, Suherman, Surja (EY) 2014 0

307 IKBI Purwantono, Sungkoro, Surja (EY) 2015 1




311 JECC Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 0

312 JECC Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 0

313 JECC Tanubrata Sutanto Fahmi Bambang & Rekan

(BDO)

2016 1


(BDO)

2017 0


(BDO)

2018 0

316 KBLI Osman Bing Satrio & Eny (Deloitte) 2014 0

317 KBLI Osman Bing Satrio & Eny (Deloitte) 2015 0

318 KBLI Satrio Bing Eny & Rekan (Deloitte) 2016 1



321 KBLM Doli, Bambang, Sulistiyanto, Dadang & Ali 2014 0

322 KBLM Doli, Bambang, Sulistiyanto, Dadang & Ali 2015 0

323 KBLM Anwar & Rekan 2016 0

324 KBLM Kanaka Puradiredja, Suhartono (Nexia) 2017 0

325 KBLM Kanaka Puradiredja, Suhartono (Nexia) 2018 0

326 SCCO Doli, Bambang, Sulistiyanto, Dadang & Ali 2014 0



329 SCCO Kanaka Puradiredja, Suhartono (Nexia) 2017 0

330 SCCO Kanaka Puradiredja, Suhartono (Nexia) 2018 0

331 VOKS Gani Sigiro & Handayani (Grant Thornton) 2014 0





336 PTSN Johan Malonda Mustika & Rekan 2014 0


137

338 PTSN Joachim Poltak Lian & Rekan 2016 0



341 KRAH Hendrawinata Eddy Siddharta & Tanzil 2014 0

342 KRAH Hendrawinata Eddy Siddharta & Tanzil 2015 0

343 KRAH Rama Wendra (McMillan Woods) 2016 0



346 ADES Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 0

347 ADES Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 0

348 ADES Tanubrata Sutanto Fahmi Bambang & Rekan

(BDO)

2016 1


(BDO)

2017 0


(BDO)

2018 0

351 INDF Purwantono, Suherman, Surja (EY) 2014 0

352 INDF Purwantono, Sungkoro, Surja (EY) 2015 1




356 MYOR Mulyamin Sensi Suryanto & Lianny 2014 0

357 MYOR Mulyamin Sensi Suryanto & Lianny 2015 0

358 MYOR Mirawati Sensi Idiris (Moore Stephens) 2016 1



361 PSDN Purwantono, Suherman, Surja (EY) 2014 0

362 PSDN Purwantono, Sungkoro, Surja (EY) 2015 1




366 ROTI Purwantono, Suherman, Surja (EY) 2014 0

367 ROTI Purwantono, Sungkoro, Surja (EY) 2015 1




371 STTP Hadori Sugiarto Adi & Rekan 2014 0



374 STTP Paul Hadiwinata, Hidajat, Arsono, Retno,


2017 1

375 STTP Paul Hadiwinata, Hidajat, Arsono, Retno,


2018 0

376 SKBM Aryanto, Amir Jusuf, Mawar & Saptoto (RSM) 2014 0

138

377 SKBM Paul Hadiwinata, Hidajat, Arsono, Achmad,


2015 1

378 SKBM Paul Hadiwinata, Hidajat, Arsono, Achmad,


2016 0

379 SKBM Paul Hadiwinata, Hidajat, Arsono, Retno,


2017 1

380 SKBM Paul Hadiwinata, Hidajat, Arsono, Retno,


2018 0

381 BTEK Rexon Nainggolan & Rekan 2014 0

382 BTEK Doli, Bambang, Sulistiyanto, Dadang & Ali 2015 0

383 BTEK Morhan & Rekan 2016 0

384 BTEK Morhan & Rekan 2017 0

385 BTEK Kanaka Puradiredja, Suhartono (Nexia) 2018 0

386 CEKA Purwantono, Suherman, Surja (EY) 2014 0

387 CEKA Purwantono, Sungkoro, Surja (EY) 2015 1




391 GGRM Siddharta Widjaja & Rekan (KPMG) 2014 1





396 HMSP Tanudiredja, Wibisana & Rekan (PWC) 2014 0

397 HMSP Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2015 1




401 RMBA Tanudiredja, Wibisana & Rekan (PWC) 2014 0

402 RMBA Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2015 1

403 RMBA Satrio Bing Eny & Rekan (Deloitte) 2016 1



406 DVLA Purwantono, Suherman, Surja (EY) 2014 0

407 DVLA Purwantono, Sungkoro, Surja (EY) 2015 1




411 KAEF Hendrawinata Eddy Siddharta & Tanzil 2014 0

412 KAEF Hendrawinata Eddy Siddharta & Tanzil 2015 0

413 KAEF Hadori Sugiarto Adi & Rekan 2016 0



139

416 KLBF Purwantono, Suherman, Surja (EY) 2014 0

417 KLBF Purwantono, Sungkoro, Surja (EY) 2015 1




421 MERK Siddharta Widjaja & Rekan (KPMG) 2014 1





426 PYFA Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 0

427 PYFA Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 0

428 PYFA Tanubrata Sutanto Fahmi Bambang & Rekan

(BDO)

2016 1


(BDO)

2017 0


(BDO)

2018 0

431 SQBI Tanudiredja, Wibisana & Rekan (PWC) 2014 0

432 SQBI Tanudiredja, Wibisana, Rintis & Rekan (PWC) 2015 1




436 TSPC Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 0

437 TSPC Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 0

438 TSPC Tanubrata Sutanto Fahmi Bambang & Rekan

(BDO)

2016 1


(BDO)

2017 0


(BDO)

2018 0

441 MBTO Tanubrata Sutanto Fahmi & Rekan (BDO) 2014 0

442 MBTO Tanubrata Sutanto Fahmi & Rekan (BDO) 2015 0

443 MBTO Tanubrata Sutanto Fahmi Bambang & Rekan

(BDO)

2016 1


(BDO)

2017 0


(BDO)

2018 0

446 MRAT Kosasih, Nurdiyaman, Tjahjo & Rekan (Crowe) 2014 0

447 MRAT Paul Hadiwinata, Hidajat, Arsono, Achmad,


2015 1

448 MRAT Paul Hadiwinata, Hidajat, Arsono, Achmad,


2016 0

449 MRAT Kanaka Puradiredja, Suhartono (Nexia) 2017 0

140

450 MRAT Kanaka Puradiredja, Suhartono (Nexia) 2018 0

451 UNVR Siddharta Widjaja & Rekan (KPMG) 2014 1





456 KICI Paul Hadiwinata, Hidajat, Arsono, Ade Fatma

& Rekan (PKF)

2014 0

457 KICI Paul Hadiwinata, Hidajat, Arsono, Achmad,


2015 1

458 KICI Paul Hadiwinata, Hidajat, Arsono, Achmad,


2016 0

459 KICI Paul Hadiwinata, Hidajat, Arsono, Retno,


2017 1

460 KICI Paul Hadiwinata, Hidajat, Arsono, Retno,


2018 0

461 LMPI Hadori Sugiarto Adi & Rekan 2014 0

462 LMPI Doli, Bambang, Sulistiyanto, Dadang & Ali 2015 0

463 LMPI Hadori Sugiarto Adi & Rekan 2016 0

464 LMPI Paul Hadiwinata, Hidajat, Arsono, Retno,


2017 1

465 LMPI Teramihardja, Pradono & Chandra (Rodl &

Partner)

2018 0

466 CINT Koesbandijah, Beddy Samsi & Setiasih 2014 0

467 CINT Gideon Adi & Rekan 2015 0

468 CINT Gideon Adi & Rekan 2016 0

469 CINT Teramihardja, Pradono & Chandra (Rodl &

Partner)

2017 0

470 CINT Teramihardja, Pradono & Chandra (Rodl &

Partner)

2018 0

141

LAMPIRAN 7

Daftar Perhitungan Akrual Diskresioner

No. Kode TACCt 1/A(t-1) ∆REVt/A(t-1)

-

∆RECt/A(t-1)

PPEt/

A(t-1)

NDACCt DACCt ABS_LN_DACCt

1 INTP -53425000000 3.00631E-15 0.003335059 0.026011641 0.0293467 -53425000000.03 -24.70154464

2 INTP -692456000000 2.76964E-15 -0.005496582 0.027259886 0.021763304 -692456000000.02 -27.26351054

3 INTP 324206000000 2.89453E-15 -0.006983885 0.030200439 0.023216554 324205999999.98 -26.50464495

4 INTP -921987000000 2.65335E-15 -0.002069026 0.028318819 0.026249794 -921987000000.03 -27.54979696

5 INTP -838595000000 2.77165E-15 0.000741878 0.028905519 0.029647397 -838595000000.03 -27.45499371

6 SMGR -1147593599000 2.598E-15 0.0050253 0.037430752 0.042456052 -1147593599000.04 -27.76868834

7 SMGR -2763145499000 2.33136E-15 -0.000631945 0.04180597 0.041174025 -2763145499000.04 -28.64739082

8 SMGR -644974153000 2.09681E-15 -0.002235697 0.046084431 0.043848734 -644974153000.04 -27.19247608

9 SMGR -1109929147000 1.80885E-15 0.001099647 0.041916189 0.043015836 -1109929147000.04 -27.7353173

10 SMGR -1376756246000 1.63037E-15 0.003096739 0.038042356 0.041139095 -1376756246000.04 -27.9507513

11 SMBR 30238814000 2.95049E-14 4.23169E-05 0.011728446 0.011770763 30238813999.99 -24.13239217

12 SMBR -168448057000 2.73179E-14 0.00755857 0.015318643 0.022877213 -168448057000.02 -25.84989327

13 SMBR 171783826000 2.44748E-14 -0.00263287 0.060686586 0.058053716 171783825999.94 -25.8695027

14 SMBR -36587673000 1.83113E-14 -0.002929366 0.05015839 0.047229023 -36587673000.05 -24.32297722

15 SMBR 11605431000 1.58092E-14 0.005519111 0.045197751 0.050716862 11605430999.95 -23.17473902

16 ARNA 22713057303 7.04694E-14 0.007262734 0.036964504 0.044227238 22713057302.96 -23.84620581

17 ARNA -40708203834 6.34952E-14 -0.020733708 0.040028277 0.019294569 -40708203834.02 -24.42969548

18 ARNA -4242454199 5.59136E-14 0.009187075 0.034209194 0.043396269 -4242454199.04 -22.16840776

19 ARNA -123415288098 5.18398E-14 0.007804018 0.030793595 0.038597614 -123415288098.04 -25.53882083

20 ARNA -198557111986 4.9958E-14 0.012597122 0.028317559 0.040914681 -198557111986.04 -26.01434261

21 IKAI -10916106030 1.65955E-13 0.006004707 0.040579021 0.046583728 -10916106030.05 -23.11350515

142

22 IKAI -103446113409 1.54277E-13 -0.016204673 0.026895102 0.010690429 -103446113409.01 -25.36231667

23 IKAI -173390335180 2.05106E-13 -0.006930113 0.03279438 0.025864266 -173390335180.03 -25.87881116

24 IKAI -31947704000 3.02032E-13 -0.017914667 0.044881631 0.026966965 -31947704000.03 -24.18736615

25 IKAI 140844365000 3.64888E-13 -0.000722679 0.230243672 0.229520993 140844364999.77 -25.67092132

26 KIAS 27664916087 3.62708E-14 -0.00274897 0.036332424 0.033583453 27664916086.97 -24.04343088

27 KIAS -87885000000 3.52695E-14 -0.006486646 0.035049253 0.028562608 -87885000000.03 -25.19929498

28 KIAS -277738000000 3.76579E-14 0.002859826 0.035458675 0.038318501 -277738000000.04 -26.34994406

29 KIAS -67432108109 4.30184E-14 -0.003369521 0.037568167 0.034198647 -67432108109.03 -24.93438712

30 KIAS -59518787076 4.5259E-14 0.001617405 0.03647501 0.038092415 -59518787076.04 -24.80955785

31 MLIA -335620310000 1.11196E-14 0.004159053 0.043555078 0.047714132 -335620310000.05 -26.53924633

32 MLIA -523514574000 1.10789E-14 0.002155496 0.043578723 0.045734219 -523514574000.05 -26.98383071

33 MLIA -225531580000 1.12268E-14 0.000361205 0.048338033 0.048699237 -225531580000.05 -26.14172603

34 MLIA -196016871000 1.03579E-14 0.003672991 0.028732576 0.032405567 -196016871000.03 -26.00146657

35 MLIA -38306640000 1.54241E-14 -0.008532744 0.044804372 0.036271628 -38306640000.04 -24.36888909

36 TOTO -13904729241 4.53591E-14 0.011910552 0.026084727 0.037995278 -13904729241.04 -23.35549485

37 TOTO 45425642180 3.879E-14 0.008271544 0.024186655 0.032458199 45425642179.97 -24.53934259

38 TOTO -137238081095 3.27931E-14 -0.004817309 0.020602172 0.015784863 -137238081095.02 -25.64498307

39 TOTO -142404257164 2.84251E-14 0.001404219 0.016331772 0.017735991 -142404257164.02 -25.68193573

40 TOTO -10015996704 2.83036E-14 0.003913028 0.014770069 0.018683097 -10015996704.02 -23.02744932

41 ALKA 21493197000 3.3019E-13 0.036811466 0.003374476 0.040185942 21493196999.96 -23.7910023

42 ALKA 1704596000 3.26134E-13 -0.108492014 0.003661663 -0.104830351 1704596000.10 -21.25659397

43 ALKA -12039633000 5.53142E-13 0.221105035 0.009480903 0.230585938 -12039633000.23 -23.21146979

44 ALKA 19084471000 5.85571E-13 0.361615251 0.00943061 0.371045861 19084470999.63 -23.6721408

45 ALKA -48682724000 2.62116E-13 0.337098747 0.003777886 0.340876633 -48682724000.34 -24.60859006

46 BTON -106919052 4.54201E-13 -0.006996391 0.004607784 -0.002388607 -106919052.00 -18.48758258

47 BTON 4244065670 4.59536E-13 -0.01213408 0.004308687 -0.007825393 4244065670.01 -22.16878753

48 BTON -4180730715 4.36881E-13 -0.001623533 0.003699216 0.002075683 -4180730715.00 -22.15375188

143

49 BTON 5365202789 4.51236E-13 0.009332615 0.003539115 0.01287173 5365202788.99 -22.40320001

50 BTON 2252484582 4.35963E-13 0.010662632 0.003116967 0.013779598 2252484581.99 -21.5352997

51 CTBN -56031344064 2.3551E-14 -0.011340156 0.011633645 0.000293489 -56031344064.00 -24.74917709

52 CTBN -175726250262 2.23998E-14 -0.018870164 0.01323596 -0.005634204 -175726250261.99 -25.89219322

53 CTBN -336613291636 2.59407E-14 0.001190168 0.014134737 0.015324905 -336613291636.02 -26.54220061

54 CTBN -202585433640 2.6769E-14 -0.017025632 0.012533123 -0.004492509 -202585433640.00 -26.03442753

55 CTBN 220978715031 3.71499E-14 0.011022368 0.017709493 0.028731861 220978715030.97 -26.12133222

56 GDST -234162794788 6.70238E-14 -0.01137018 0.032352385 0.020982206 -234162794788.02 -26.17928241

57 GDST -15896429180 5.89131E-14 -0.016823585 0.029881119 0.013057534 -15896429180.01 -23.48936034

58 GDST -55576442298 6.75713E-14 -0.009414185 0.036833057 0.027418872 -55576442298.03 -24.74102525

59 GDST -38155470117 6.36127E-14 0.040120029 0.036895189 0.077015218 -38155470117.08 -24.36493497

60 GDST -94405639791 5.81824E-14 0.008947684 0.038497384 0.047445068 -94405639791.05 -25.27086665

61 KRAS -1880057286000 2.71193E-15 -0.006082569 0.026247141 0.020164572 -1880057286000.02 -28.26232336

62 KRAS -3467077792000 2.23792E-15 -0.015062228 0.051573311 0.036511083 -3467077792000.04 -28.87433322

63 KRAS -3314696491000 1.61636E-15 0.001073362 0.037789022 0.038862384 -3314696491000.04 -28.82938718

64 KRAS -3912664360000 1.50753E-15 0.001607006 0.037999735 0.03960674 -3912664360000.04 -28.99523968

65 KRAS 43054092000 1.34943E-15 0.005156925 0.039499663 0.044656588 43054091999.96 -24.48572312

66 LION -12831673236 1.58917E-13 0.003909405 0.011504718 0.015414122 -12831673236.02 -23.27518242

67 LION -3487140585 1.32195E-13 -0.000439858 0.010639106 0.010199247 -3487140585.01 -21.97234792

68 LION -10954643202 1.25131E-13 -0.002838053 0.010733836 0.007895783 -10954643202.01 -23.11702924

69 LION -378768689 1.1665E-13 -0.003467166 0.008110003 0.004642837 -378768689.00 -19.75243626

70 LION 5702479791 1.17313E-13 0.005932473 0.007403766 0.013336239 5702479790.99 -22.46416697

71 LMSH -2596654976 5.60481E-13 -0.003746561 0.011789512 0.008042951 -2596654976.01 -21.67748991

72 LMSH -8966358556 5.67235E-13 -0.038896557 0.011235355 -0.027661201 -8966358555.97 -22.91674547

73 LMSH -618558434 5.97984E-13 -0.008757563 0.026371661 0.017614098 -618558434.02 -20.24290222

74 LMSH -2421546827 4.91315E-13 0.032261621 0.01955335 0.051814971 -2421546827.05 -21.60767236

75 LMSH 4871648958 4.96391E-13 0.00625069 0.018941207 0.025191897 4871648957.97 -22.30669831

144

76 NIKL 51653703450 5.17615E-14 -0.008523317 0.009755137 0.00123182 51653703450.00 -24.66782773

77 NIKL -219511709852 4.7797E-14 -0.013457952 0.013270225 -0.000187727 -219511709852.00 -26.11467142

78 NIKL -151457521321 5.26201E-14 -0.003701017 0.013013037 0.00931202 -151457521321.01 -25.74357104

79 NIKL 169873585040 4.95933E-14 0.005559538 0.01215454 0.017714077 169873585039.98 -25.85832038

80 NIKL 134654079033 4.40213E-14 0.002461544 0.013680654 0.016142198 134654079032.98 -25.62597495

81 PICO -8182749466 1.28719E-13 0.000229571 0.014857367 0.015086938 -8182749466.02 -22.82529405

82 PICO -9433497200 1.27668E-13 0.002427372 0.012658491 0.015085863 -9433497200.02 -22.96753272

83 PICO 30651665773 1.32059E-13 0.000507277 0.012143339 0.012650616 30651665772.99 -24.14595285

84 PICO 63141244672 1.25281E-13 -0.00461118 0.011092028 0.006480848 63141244671.99 -24.86864003

85 PICO -59983157063 1.1064E-13 0.003626522 0.014415207 0.018041729 -59983157063.02 -24.81732964

86 BAJA 93718670147 9.49072E-14 0.010452147 0.018733277 0.029185425 93718670146.97 -25.26356326

87 BAJA -36694273023 8.33815E-14 -0.004074337 0.014822533 0.010748195 -36694273023.01 -24.32588653

88 BAJA 158927008 8.43275E-14 -0.01871953 0.013252202 -0.005467329 158927008.01 -18.88395559

89 BAJA -75458856737 8.14144E-14 0.024220836 0.011649793 0.035870629 -75458856737.04 -25.0468534

90 BAJA -106821494812 8.45265E-14 0.00339724 0.01181681 0.01521405 -106821494812.02 -25.39442501

91 ISSP 405907000000 1.82084E-14 -0.001228684 0.02025323 0.019024546 405906999999.98 -26.72938991

92 ISSP -17317000000 1.46974E-14 0.00485731 0.019618594 0.024475904 -17317000000.02 -23.57495451

93 ISSP 477193000000 1.46849E-14 -0.004526572 0.020762121 0.016235549 477192999999.98 -26.89118686

94 ISSP -734793000000 1.3154E-14 0.004405887 0.020615006 0.025020893 -734793000000.03 -27.32285466

95 ISSP 423500000000 1.27605E-14 0.010452992 0.019975205 0.030428197 423499999999.97 -26.77181935

96 BRPT -719161800000 2.78453E-15 0.001282854 0.035307521 0.036590375 -719161800000.04 -27.3013522

97 BRPT -1035860042000 2.50639E-15 -0.033850224 0.038908217 0.005057993 -1035860042000.01 -27.66625316

98 BRPT -2794883033000 2.65591E-15 0.019114392 0.042681162 0.061795554 -2794883033000.06 -28.65881137

99 BRPT -1856789120000 1.58848E-15 0.012982279 0.032422327 0.045404606 -1856789120000.05 -28.24986983

100 BRPT -4324011219000 8.07924E-16 0.003178359 0.019528997 0.022707356 -4324011219000.02 -29.09520461

101 DPNS 8073654311 3.12016E-13 0.00102385 0.00282615 0.00385 8073654311.00 -22.81187204

102 DPNS 4753182745 2.97518E-13 -0.004236528 0.002612556 -0.001623972 4753182745.00 -22.28208028

145

103 DPNS -4118523559 2.91457E-13 0.000226317 0.002476945 0.002703262 -4118523559.00 -22.13876058

104 DPNS 9957504373 2.70152E-13 -0.002658456 0.002074799 -0.000583657 9957504373.00 -23.02159231

105 DPNS 22262281878 2.59327E-13 0.007792645 0.002015985 0.009808629 22262281877.99 -23.82615969

106 EKAD 36344557340 2.31627E-13 0.021548837 0.017385648 0.038934485 36344557339.96 -24.3163103

107 EKAD -53895191902 1.94304E-13 0.001628636 0.01337286 0.015001497 -53895191902.02 -24.71030711

108 EKAD 6195340130 2.05148E-13 0.005017776 0.051856328 0.056874103 6195340129.94 -22.54706325

109 EKAD 24589788984 1.13878E-13 0.007147617 0.029603202 0.036750819 24589788983.96 -23.92559711

110 EKAD 12825840468 1.00406E-13 0.008042771 0.026581033 0.034623805 12825840467.97 -23.27472776

111 INCI 18638223463 5.89299E-13 0.014904649 0.021157624 0.036062272 18638223462.96 -23.64848033

112 INCI -8821915335 5.41434E-13 0.009593808 0.018703511 0.028297319 -8821915335.03 -22.90050484

113 INCI 18278746303 4.71848E-13 0.008661276 0.042205151 0.050866427 18278746302.95 -23.62900482

114 INCI 4046604776 2.9701E-13 0.02042616 0.028763105 0.049189265 4046604775.95 -22.12114404

115 INCI 4583098897 2.63341E-13 0.022137437 0.03281947 0.054956908 4583098896.95 -22.24564122

116 SRSN 4977331000 1.89977E-13 0.012314727 0.016538566 0.028853293 4977330999.97 -22.32815964

117 SRSN 92237330000 1.72062E-13 0.006008298 0.015401164 0.021409463 92237329999.98 -25.24763077

118 SRSN -103765697000 1.39355E-13 -0.00431383 0.02185048 0.01753665 -103765697000.02 -25.36540128

119 SRSN -68166534000 1.11553E-13 0.004711882 0.016816373 0.021528256 -68166534000.02 -24.94521958

120 SRSN 7347095000 1.22563E-13 0.005496353 0.019583548 0.025079901 7347094999.97 -22.71757083

121 TPIA -1210048524000 3.38836E-15 0.00140627 0.034178849 0.035585118 -1210048524000.04 -27.82168158

122 TPIA -1076914508000 3.03006E-15 -0.041190461 0.038761793 -0.002428668 -1076914508000.00 -27.70512113

123 TPIA -2349842392000 3.21308E-15 0.019097624 0.040300135 0.059397759 -2349842392000.06 -28.48536937

124 TPIA -1014383480000 2.78721E-15 0.015267724 0.038753631 0.054021355 -1014383480000.05 -27.64530214

125 TPIA -3187256391000 1.85856E-15 0.004477866 0.032951787 0.037429653 -3187256391000.04 -28.7901816

126 ADMG -553038481566 1.15261E-14 -0.006197155 0.029772941 0.023575786 -553038481566.02 -27.03869342

127 ADMG -646471814840 1.25054E-14 -0.022684664 0.032893233 0.010208568 -646471814840.01 -27.19479544

128 ADMG -451680354850 1.42473E-14 -0.005632635 0.033341694 0.027709058 -451680354850.03 -26.83624059

129 ADMG -344428140520 1.55818E-14 0.00736884 0.032851059 0.040219899 -344428140520.04 -26.56515131

146

130 ADMG -40454665173 1.48408E-14 0.011335279 0.022487027 0.033822306 -40454665173.03 -24.42344781

131 BRNA -141133456000 7.10874E-14 0.015683765 0.036435854 0.052119619 -141133456000.05 -25.67297178

132 BRNA -283462494000 5.99661E-14 0.000347151 0.051360372 0.051707523 -283462494000.05 -26.37034566

133 BRNA -77542141000 4.39371E-14 0.001178155 0.037466589 0.038644745 -77542141000.04 -25.07408738

134 BRNA -187330613000 3.83014E-14 -0.002460835 0.030739426 0.02827859 -187330613000.03 -25.95614088

135 BRNA -79609069000 4.0715E-14 0.000687428 0.043657562 0.04434499 -79609069000.04 -25.10039386

136 FPNI -84046620000 2.22996E-14 0.013342143 0.025355972 0.038698115 -84046620000.04 -25.15463748

137 FPNI -415650732000 2.27486E-14 -0.047743204 0.026196146 -0.021547058 -415650731999.98 -26.75311116

138 FPNI 11377019000 2.56679E-14 -0.004510391 0.026028739 0.021518348 11377018999.98 -23.15486128

139 FPNI -40493920000 2.8991E-14 -0.001073138 0.026623148 0.02555001 -40493920000.03 -24.42441768

140 FPNI 41397057000 2.89387E-14 0.000357996 0.025289132 0.025647128 41397056999.97 -24.44647563

141 IGAR 29392457926 2.53978E-13 0.018345285 0.008338877 0.026684162 29392457925.97 -24.10400395

142 IGAR -28645024226 2.28168E-13 -0.008478168 0.010809203 0.002331035 -28645024226.00 -24.07824559

143 IGAR 5616891070 2.08368E-13 0.02080944 0.010480102 0.031289541 5616891069.97 -22.44904416

144 IGAR -11350386311 1.82039E-13 -0.005729792 0.011204916 0.005475124 -11350386311.01 -23.15251762

145 IGAR 42661678197 1.55939E-13 -0.000258439 0.014353734 0.014095295 42661678196.99 -24.47656689

146 IPOL -106003261032 2.32897E-14 -0.001236652 0.038898654 0.037662002 -106003261032.04 -25.3867357

147 IPOL -300503619972 2.04213E-14 -0.005297141 0.039029624 0.033732483 -300503619972.03 -26.42872564

148 IPOL -19584542218 2.1312E-14 -0.003428123 0.038339479 0.034911357 -19584542218.03 -23.69800643

149 IPOL -78249957640 2.09786E-14 -0.000396235 0.037650174 0.037253939 -78249957640.04 -25.08317413

150 IPOL 11878822827 1.92919E-14 0.001845473 0.035816255 0.037661729 11878822826.96 -23.19802306

151 TRST -209653918551 2.4533E-14 0.011006876 0.03461027 0.045617146 -209653918551.05 -26.068724

152 TRST -109706158088 2.45302E-14 0.000133368 0.036723588 0.036856956 -109706158088.04 -25.42107134

153 TRST -205397911801 2.38282E-14 -0.004328284 0.034387552 0.030059268 -205397911801.03 -26.04821497

154 TRST -191211384335 2.43117E-14 0.001967995 0.034509013 0.036477008 -191211384335.04 -25.97664538

155 TRST -55259989997 2.40031E-14 0.004624622 0.043363566 0.047988188 -55259989997.05 -24.73531498

156 IMPC 192241709339 4.85642E-14 0.008586278 0.013777573 0.02236385 192241709338.98 -25.98201932

147

157 IMPC 12276112836 4.59654E-14 -0.012639826 0.01525882 0.002618994 12276112836.00 -23.23092117

158 IMPC -38834388056 4.77546E-14 1.75416E-05 0.023816425 0.023833966 -38834388056.02 -24.38257198

159 IMPC 70689506420 3.51489E-14 -0.000366809 0.018586354 0.018219545 70689506419.98 -24.98156297

160 IMPC 62291359192 3.48633E-14 0.006353256 0.018813376 0.025166632 62291359191.97 -24.85508856

161 CPIN 1452503000000 5.09408E-15 0.013881356 0.03359753 0.047478885 1452502999999.95 -28.00430939

162 CPIN 50198000000 3.83844E-15 0.003440806 0.030930579 0.034371385 50197999999.97 -24.63924102

163 CPIN -1931735000000 3.24085E-15 0.028131598 0.025940105 0.054071703 -1931735000000.05 -28.28943968

164 CPIN 732279000000 3.3051E-15 0.03520549 0.025925789 0.06113128 732278999999.94 -27.31942743

165 CPIN -484469000000 3.261E-15 0.013095492 0.027150289 0.040245781 -484469000000.04 -26.90631928

166 JPFA -1178668000000 5.3563E-15 7.77955E-06 0.024278281 0.024286061 -1178668000000.02 -27.7954061

167 JPFA -928440000000 5.07648E-15 0.002965868 0.024627981 0.02759385 -928440000000.03 -27.5567716

168 JPFA -581997000000 4.66215E-15 0.009101827 0.019135522 0.028237349 -581997000000.03 -27.08973113

169 JPFA 272442000000 4.3829E-15 0.009325105 0.020333708 0.029658813 272441999999.97 -26.33069158

170 JPFA 412672000000 4.00811E-15 0.016426922 0.022661591 0.039088513 412671999999.96 -26.74591893

171 MAIN 217002460000 3.61272E-14 0.005177475 0.040580218 0.045757693 217002459999.95 -26.10317453

172 MAIN -35817036000 2.26551E-14 0.00641328 0.029410262 0.035823541 -35817036000.04 -24.30168948

173 MAIN -39644695000 2.01915E-14 0.009424811 0.028153542 0.037578353 -39644695000.04 -24.40322298

174 MAIN -222949217000 2.12257E-14 0.003701693 0.030836356 0.034538049 -222949217000.04 -26.13020986

175 MAIN -83657245000 1.99569E-14 0.026102033 0.029754962 0.055856995 -83657245000.06 -25.14999387

176 SIPD 28579570563 2.53511E-14 -0.00852209 0.016507028 0.007984938 28579570562.99 -24.07595798

177 SIPD -567628500209 2.85755E-14 -0.005835466 0.017633862 0.011798395 -567628500209.01 -27.06473299

178 SIPD 18177315318 3.56067E-14 0.009672834 0.021196833 0.030869667 18177315317.97 -23.62344024

179 SIPD -300550000000 3.11622E-14 0.000531997 0.020330897 0.020862894 -300550000000.02 -26.42887997

180 SIPD -90577000000 3.57191E-14 0.021031285 0.022376219 0.043407505 -90577000000.04 -25.22946615

181 CPRO -412089000000 1.11398E-14 0.021172682 0.018834361 0.040007043 -412089000000.04 -26.74450518

182 CPRO -1213308000000 1.12837E-14 -0.003432126 0.037115264 0.033683138 -1213308000000.03 -27.82437163

183 CPRO -2304121000000 8.80419E-15 0.003579337 0.028745675 0.032325012 -2304121000000.03 -28.46572037

148

184 CPRO -2484405000000 1.09241E-14 -0.021659462 0.03336938 0.011709918 -2484405000000.01 -28.54105431

185 CPRO 1612876000000 1.14177E-14 0.009740056 0.034218646 0.043958702 1612875999999.96 -28.10904004

186 TIRT -52440683331 1.09752E-13 0.005480276 0.01432192 0.019802197 -52440683331.02 -24.68294853

187 TIRT -24196833815 1.11655E-13 0.004844331 0.017243372 0.022087703 -24196833815.02 -23.90948763

188 TIRT 26850231346 1.04826E-13 6.70078E-05 0.018054182 0.01812119 26850231345.98 -24.01354027

189 TIRT 13655577551 9.80395E-14 -0.006859138 0.017723129 0.010863992 13655577550.99 -23.33741389

190 TIRT -24709547999 9.30991E-14 0.022956757 0.017112591 0.040069348 -24709547999.04 -23.93045556

191 ALDO 20600233493 2.75253E-13 0.01673887 0.020642291 0.037381161 20600233492.96 -23.74856825

192 ALDO 21874998659 2.30764E-13 0.006536937 0.019337712 0.02587465 21874998658.97 -23.80861021

193 ALDO -13025797122 2.18573E-13 0.021131431 0.017305443 0.038436874 -13025797122.04 -23.29019762

194 ALDO 16329014803 1.94965E-13 0.006062759 0.020504921 0.02656768 16329014802.97 -23.51620941

195 ALDO 25135555063 1.60417E-13 0.010837175 0.017111247 0.027948422 25135555062.97 -23.94754922

196 FASW -1236350772946 1.40547E-14 0.007739592 0.037383062 0.045122654 -1236350772946.05 -27.84318523

197 FASW -381798392716 1.43343E-14 -0.005056611 0.050209198 0.045152587 -381798392716.05 -26.66815854

198 FASW -1428931219922 1.1439E-14 0.005314414 0.051116228 0.056430643 -1428931219922.06 -27.98794788

199 FASW -517558545017 9.32051E-15 0.01104649 0.042732434 0.053778924 -517558545017.05 -26.97238849

200 FASW -327876230389 8.53799E-15 0.017037992 0.044188224 0.061226216 -327876230389.06 -26.51590203

201 INRU 52383696000 1.93561E-14 0.004068106 0.032892652 0.036960758 52383695999.96 -24.68186123

202 INRU -386455530000 1.76492E-14 -0.003152198 0.032528598 0.0293764 -386455530000.03 -26.68028264

203 INRU 144452045000 1.79213E-14 -0.003428408 0.031144434 0.027716026 144452044999.97 -25.69621342

204 INRU 512172600000 1.74845E-14 0.009324534 0.029974758 0.039299292 512172599999.96 -26.96192751

205 INRU -51238404000 1.63265E-14 -0.000600031 0.031092494 0.030492463 -51238404000.03 -24.65975517

206 KBRI 34540758666 1.01426E-13 -0.001211818 0.084285149 0.083073331 34540758665.92 -24.26540587

207 KBRI -45174149643 6.15908E-14 0.009548884 0.050002054 0.059550939 -45174149643.06 -24.53379085

208 KBRI -192280060780 5.49477E-14 -0.003450007 0.043165473 0.039715466 -192280060780.04 -25.9822188

209 KBRI -147523403773 6.33048E-14 -0.000541512 0.047933612 0.047392099 -147523403773.05 -25.71725267

210 KBRI -123886723543 6.8304E-14 -0.005533426 0.049771266 0.04423784 -123886723543.04 -25.54263347

149

211 TKIM -2026588050000 2.48107E-15 -0.00146128 0.025008512 0.023547232 -2026588050000.02 -28.33737473

212 TKIM -4835724704000 2.15E-15 -0.0023732 0.026180883 0.023807683 -4835724704000.02 -29.20705212

213 TKIM -1919039736000 2.22961E-15 -0.001591141 0.024721203 0.023130062 -1919039736000.02 -28.28284604

214 TKIM -184797320000 2.38018E-15 -0.000926881 0.025141506 0.024214625 -184797320000.02 -25.94252549

215 TKIM 2951770104000 2.15027E-15 0.001085497 0.022813846 0.023899343 2951770103999.98 -28.71342614

216 ASII 7168000000000 3.73842E-16 0.0022784 0.010987458 0.013265858 7167999999999.99 -29.60064779

217 ASII -

10286000000000

3.38944E-16 -0.004652421 0.010070941 0.00541852 -

10286000000000.00

-29.96180486

218 ASII -1105000000000 3.25952E-16 -0.001245503 0.010041392 0.008795889 -1105000000000.01 -27.73086645

219 ASII -164000000000 3.05513E-16 0.005460029 0.010536037 0.015996067 -164000000000.02 -25.82313226

220 ASII -320000000000 2.70426E-16 0.007100304 0.011123892 0.018224196 -320000000000.02 -26.49158683

221 AUTO 689521000000 6.40777E-15 0.008652059 0.015093516 0.023745575 689520999999.98 -27.25926299

222 AUTO -544067000000 5.56036E-15 -0.002166421 0.01389473 0.011728309 -544067000000.01 -27.02233824

223 AUTO -575948000000 5.57915E-15 0.005350613 0.014309776 0.019660389 -575948000000.02 -27.07928322

224 AUTO 153552000000 5.47485E-15 0.002931773 0.013757709 0.016689483 153551999999.98 -25.75730511

225 AUTO 2332000000 5.41921E-15 0.008874088 0.013509945 0.022384033 2331999999.98 -21.56999211

226 BRAM -158413606866 2.70378E-14 0.002676276 0.043541048 0.046217323 -158413606866.05 -25.78847521

227 BRAM -187138870222 1.89037E-14 0.000550726 0.03236454 0.032915266 -187138870222.03 -25.9551168

228 BRAM -347041245326 2.05047E-14 0.001415103 0.032556025 0.033971129 -347041245326.03 -26.57270947

229 BRAM 6885408760 2.00456E-14 0.003965027 0.032748048 0.036713075 6885408759.96 -22.65267034

230 BRAM -319458884292 1.82344E-14 0.006005198 0.030220941 0.036226139 -319458884292.04 -26.48989441

231 GJTL 130870000000 5.19109E-15 0.003632462 0.028152129 0.031784591 130869999999.97 -25.5974703

232 GJTL -1108961000000 4.96215E-15 -0.002117338 0.030879085 0.028761748 -1108961000000.03 -27.73444466

233 GJTL -666653000000 4.56895E-15 -0.000270576 0.029724817 0.029454241 -666653000000.03 -27.22553551

234 GJTL -693833000000 4.27858E-15 0.003622078 0.027132077 0.030754155 -693833000000.03 -27.26549713

235 GJTL -554293000000 4.39774E-15 0.003105922 0.029269682 0.032375604 -554293000000.03 -27.04095926

236 IMAS -590561429893 3.58389E-15 -0.003554174 0.011180163 0.007625989 -590561429893.01 -27.1043395

150

237 IMAS -815870866076 3.40806E-15 -0.003628882 0.011153885 0.007525003 -815870866076.01 -27.42752193

238 IMAS -431692029181 3.24137E-15 -0.008227448 0.008926089 0.000698641 -431692029181.00 -26.79097828

239 IMAS 528383635511 3.12094E-15 -6.80814E-05 0.010327557 0.010259476 528383635510.99 -26.99308844

240 IMAS 2339586330039 2.54449E-15 0.004829854 0.012837816 0.01766767 2339586330038.98 -28.48099525

241 INDS 61908303942 3.64213E-14 0.004727392 0.032368271 0.037095663 61908303941.96 -24.84892016

242 INDS -108707843810 3.50467E-14 -0.006056824 0.036142104 0.03008528 -108707843810.03 -25.41192979

243 INDS -143879918992 3.13243E-14 -0.0002157 0.030379961 0.030164261 -143879918992.03 -25.69224489

244 INDS -206612544804 3.22936E-14 0.008607789 0.028504298 0.037112087 -206612544804.04 -26.05411111

245 INDS -23046899637 3.28594E-14 0.010796899 0.028567333 0.039364232 -23046899637.04 -23.86079709

246 SMSM -28769000000 4.65697E-14 0.010697616 0.016354754 0.02705237 -28769000000.03 -24.08256426

247 SMSM -74804000000 4.55157E-14 0.006319915 0.023185313 0.029505228 -74804000000.03 -25.0381372

248 SMSM -80651000000 3.60343E-14 -0.001783192 0.016900397 0.015117205 -80651000000.02 -25.11339704

249 SMSM 109356000000 3.54808E-14 0.014382048 0.017286592 0.031668641 109355999999.97 -25.41787445

250 SMSM 108903000000 3.27421E-14 0.013360488 0.017476052 0.030836539 108902999999.97 -25.41372341

251 ERTX -116075809020 8.77521E-14 -0.000249468 0.023591623 0.023342154 -116075809020.02 -25.47750934

252 ERTX -138447216644 1.25071E-13 -0.013927401 0.033603007 0.019675606 -138447216644.02 -25.65375498

253 ERTX 60966623962 1.12925E-13 -0.004738683 0.020440394 0.015701711 60966623961.98 -24.8335924

254 ERTX -26701601880 1.12701E-13 0.001879552 0.032760167 0.034639719 -26701601880.03 -24.0079894

255 ERTX 88522426359 9.36921E-14 0.000665818 0.028367651 0.029033469 88522426358.97 -25.20652176

256 ESTI 48202754184 1.41856E-13 -0.007607021 0.032413405 0.024806384 48202754183.98 -24.598682

257 ESTI 41190559290 8.36872E-14 0.014478633 0.020870593 0.035349226 41190559289.96 -24.44147492

258 ESTI -78287393410 1.05283E-13 0.00746424 0.029984349 0.037448589 -78287393410.04 -25.08365242

259 ESTI 72828908240 1.20055E-13 -0.00197887 0.034092568 0.032113699 72828908239.97 -25.0113788

260 ESTI -24271715547 9.01905E-14 0.004259508 0.028982087 0.033241595 -24271715547.03 -23.91257754

261 PRBX -114945549084 2.76047E-14 -0.002569935 0.01844424 0.015874304 -114945549084.02 -25.46772437

262 PRBX 487088042150 1.58691E-14 0.01388958 0.019068487 0.032958066 487088042149.97 -26.91171073

263 PRBX 656778114336 1.35127E-14 0.008491419 0.015885436 0.024376855 656778114335.98 -27.21061207

151

264 PRBX 394818227280 1.14216E-14 0.007657277 0.013299582 0.020956859 394818227279.98 -26.70169131

265 PRBX 398523012507 9.68357E-15 0.006781051 0.011336009 0.01811706 398523012506.98 -26.71103108

266 POLU -1085395565550 1.83497E-14 -0.013313196 0.009930939 -0.003382257 -1085395565550.00 -27.71296561

267 POLU -283321207282 2.11654E-14 -0.027092599 0.012807903 -0.014284696 -283321207281.99 -26.3698471

268 POLU -345012045030 2.57381E-14 -0.010373675 0.017075108 0.006701433 -345012045030.01 -26.56684517

269 POLU -311192472600 2.56748E-14 0.011122819 0.016678172 0.027800991 -311192472600.03 -26.46367744

270 POLU 201717109647 2.39762E-14 0.026313846 0.016679301 0.042993147 201717109646.96 -26.03013211

271 RICY -32033764854 7.20808E-14 0.014727746 0.01636407 0.031091816 -32033764854.03 -24.19005634

272 RICY -119786896998 6.83321E-14 -0.005019909 0.016459598 0.011439689 -119786896998.01 -25.50898014

273 RICY -68460694289 6.67672E-14 0.00469251 0.015818073 0.020510584 -68460694289.02 -24.94952561

274 RICY -196261363809 6.20788E-14 0.022232084 0.014293585 0.036525669 -196261363809.04 -26.0027131

275 RICY -151531640549 5.83273E-14 0.028499774 0.013056418 0.041556192 -151531640549.04 -25.74406029

276 UNIT -26479271948 1.74253E-13 0.000396116 0.043102103 0.04349822 -26479271948.04 -23.99962807

277 UNIT 25130576588 1.81602E-13 0.001761012 0.042359482 0.044120494 25130576587.96 -23.94735113

278 UNIT -29307617450 1.73709E-13 -0.002080268 0.038033046 0.035952777 -29307617450.04 -24.1011133

279 UNIT -3232992022 1.84795E-13 -0.000760506 0.037879123 0.037118617 -3232992022.04 -21.89667387

280 UNIT -4763976068 1.87624E-13 -0.000592542 0.035824297 0.035231755 -4763976068.04 -22.28434846

281 ARGO -346073085672 3.65871E-14 -0.007591341 0.036903247 0.029311906 -346073085672.03 -26.56991582

282 ARGO -92063438980 3.99667E-14 -0.031687742 0.041898703 0.010210961 -92063438980.01 -25.24574373

283 ARGO -115080833284 4.59417E-14 0.002793445 0.036334737 0.039128182 -115080833284.04 -25.46890062

284 ARGO -195385900440 5.1092E-14 -0.010019934 0.035659071 0.025639137 -195385900440.03 -25.99824242

285 ARGO -92726007156 5.63893E-14 -0.001556532 0.039676765 0.038120233 -92726007156.04 -25.25291482

286 STAR 31981561735 1.06752E-13 -0.007406375 0.024245814 0.016839439 31981561734.98 -24.18842538

287 STAR -32786494805 1.03104E-13 -0.002560364 0.023237571 0.020677208 -32786494805.02 -24.21328252

288 STAR -35928161521 1.09736E-13 -0.002241472 0.023721249 0.021479777 -35928161521.02 -24.30478727

289 STAR -78189010959 1.15911E-13 -0.001286496 0.023992129 0.022705633 -78189010959.02 -25.08239495

290 STAR -30563068649 1.30144E-13 0.001146414 0.025984796 0.02713121 -30563068649.03 -24.14305821

152

291 TFCO -273960937176 1.78687E-14 -0.00454409 0.038066402 0.033522312 -273960937176.03 -26.33625137

292 TFCO -392970315106 1.71264E-14 -0.019702839 0.039166126 0.019463287 -392970315106.02 -26.69699991

293 TFCO -243594610495 1.89955E-14 9.99966E-05 0.040952165 0.041052162 -243594610495.04 -26.21877125

294 TFCO -253869972320 1.84146E-14 0.007639528 0.037885539 0.045525068 -253869972320.05 -26.26008805

295 TFCO -50866104258 1.67651E-14 0.002280023 0.035610233 0.037890256 -50866104258.04 -24.65246261

296 TRIS 36471443731 1.68286E-13 0.002527907 0.014529414 0.017057321 36471443730.98 -24.31979543

297 TRIS -19191333674 1.5328E-13 0.017424558 0.013870351 0.031294909 -19191333674.03 -23.67772464

298 TRIS 12043123470 1.39289E-13 0.004887765 0.013194741 0.018082506 12043123469.98 -23.21175967

299 TRIS -30185774021 1.25058E-13 -0.011293414 0.011282716 -1.06979E-05 -30185774021.00 -24.13063659

300 TRIS -1378367106 1.46798E-13 0.012003828 0.012749057 0.024752886 -1378367106.02 -21.04416538

301 BIMA -1633696791 6.75317E-13 0.007224927 0.006750082 0.013975009 -1633696791.01 -21.21411125

302 BIMA -39259374836 7.65275E-13 -0.048756814 0.00705717 -0.041699644 -39259374835.96 -24.3934561

303 BIMA 306864145 8.03549E-13 -0.038339198 0.006506847 -0.031832351 306864145.03 -19.54191568

304 BIMA 6125870628 8.69175E-13 -0.014220302 0.006805971 -0.00741433 6125870628.01 -22.53578673

305 BIMA 3235087714 8.95583E-13 -0.00437074 0.007561666 0.003190926 3235087714.00 -21.89732188

306 IKBI -75374333262 8.90749E-14 0.012315748 0.016421135 0.028736883 -75374333262.03 -25.04573265

307 IKBI 5000409252 7.66142E-14 -0.01530065 0.016027522 0.000726872 5000409252.00 -22.3327856

308 IKBI -133819732776 7.79487E-14 0.002482445 0.017780075 0.02026252 -133819732776.02 -25.61975945

309 IKBI 128431657080 7.25461E-14 0.006039361 0.022331469 0.02837083 128431657079.97 -25.57866275

310 IKBI -112370517306 6.82015E-14 0.051491149 0.022698707 0.074189856 -112370517306.07 -25.44506744

311 JECC -18325835000 6.45128E-14 0.002617996 0.005597778 0.008215775 -18325835000.01 -23.63157765

312 JECC -19085485000 7.51788E-14 0.012936199 0.021221838 0.034158038 -19085485000.03 -23.67219394

313 JECC -51948042000 5.889E-14 0.01772962 0.017149631 0.03487925 -51948042000.03 -24.67350986

314 JECC -2593166000 5.04029E-14 0.008336496 0.020384225 0.028720721 -2593166000.03 -21.67614536

315 JECC 80984876000 4.14941E-14 0.038258268 0.017406436 0.055664704 80984875999.94 -25.11752826

316 KBLI -98052817814 5.94659E-14 -0.010076958 0.017437513 0.007360556 -98052817814.01 -25.30877213

317 KBLI 69243118155 5.96623E-14 0.011953979 0.023469874 0.035423853 69243118154.96 -24.9608896

153

318 KBLI -48836833088 5.1553E-14 0.007756631 0.020589306 0.028345937 -48836833088.03 -24.61175064

319 KBLI 424845498803 4.27482E-14 0.007238106 0.031792228 0.039030334 424845498802.96 -26.77499141

320 KBLI 146296898862 2.65449E-14 0.017430208 0.018030369 0.035460577 146296898861.97 -25.70890395

321 KBLM 14399945476 1.22269E-13 -0.013711457 0.025242432 0.011530975 14399945475.99 -23.39049026

322 KBLM -17180051287 1.236E-13 0.009200921 0.025645305 0.034846226 -17180051287.03 -23.56701474

323 KBLM -11998515652 1.22252E-13 0.009680431 0.021265593 0.030946023 -11998515652.03 -23.20804878

324 KBLM 49640325548 1.25178E-13 0.015424881 0.061215736 0.076640617 49640325547.92 -24.62806936

325 KBLM -8721548422 6.47669E-14 -0.00242316 0.032025856 0.029602696 -8721548422.03 -22.88906263

326 SCCO 75447771910 4.54021E-14 -0.003880584 0.009555836 0.005675253 75447771909.99 -25.04670649

327 SCCO -38860478886 4.8309E-14 -0.002005323 0.010945194 0.008939871 -38860478886.01 -24.3832436

328 SCCO -181933004175 4.51176E-14 -0.001361379 0.010367744 0.009006366 -181933004175.01 -25.92690435

329 SCCO 339980924571 3.26539E-14 0.027372713 0.039257734 0.066630447 339980924570.93 -26.55215535

330 SCCO 387488501216 1.9929E-14 0.012173782 0.023901981 0.036075763 387488501215.96 -26.68295201

331 VOKS -13972588461 4.0848E-14 -0.006217483 0.008876627 0.002659143 -13972588461.00 -23.36036328

332 VOKS -15777436006 5.13492E-14 -0.020400969 0.010474534 -0.009926435 -15777436005.99 -23.48184666

333 VOKS -34207347570 5.2075E-14 0.015956148 0.010935282 0.02689143 -34207347570.03 -24.2557063

334 VOKS 97512441962 4.79556E-14 0.00802228 0.010444298 0.018466578 97512441961.98 -25.30324582

335 VOKS 37712271490 3.79117E-14 0.012579359 0.011688628 0.024267987 37712271489.98 -24.35325138

336 PTSN -81141057792 8.22001E-14 -0.088088202 0.02292936 -0.065158842 -81141057791.93 -25.11945493

337 PTSN -25341654952 8.91282E-14 -0.031907674 0.028928739 -0.002978935 -25341654952.00 -23.95571532

338 PTSN -99144129668 9.42131E-14 -0.013184425 0.029574111 0.016389685 -99144129668.02 -25.31984048

339 PTSN -86497412560 8.98925E-14 0.016436504 0.034890586 0.05132709 -86497412560.05 -25.18338034

340 PTSN -49843483119 8.26158E-14 0.236568411 0.057510905 0.294079316 -49843483119.29 -24.6321536

341 KRAH 115964097023 2.41004E-13 -0.00656359 0.013700529 0.007136939 115964097022.99 -25.47654647

342 KRAH 16313107425 1.66551E-13 0.00070821 0.008807668 0.009515877 16313107424.99 -23.51523476

343 KRAH -38723151394 1.49943E-13 0.004607435 0.01678792 0.021395355 -38723151394.02 -24.37970349

344 KRAH -45668556405 1.3362E-13 -0.004158925 0.013892857 0.009733932 -45668556405.01 -24.54467585

154

345 KRAH -41563820901 1.23848E-13 0.000671021 0.011865929 0.012536951 -41563820901.01 -24.45049594

346 ADES -70305000000 1.8138E-13 0.008955494 0.022135277 0.031090771 -70305000000.03 -24.97610876

347 ADES 6799000000 1.59049E-13 0.010635396 0.032226605 0.042862001 6798999999.96 -22.64004138

348 ADES -63205000000 1.22469E-13 0.022480416 0.032650498 0.055130914 -63205000000.06 -24.86964925

349 ADES -48957000000 1.04237E-13 -0.006135989 0.035514311 0.029378322 -48957000000.03 -24.6142082

350 ADES -93630000000 9.52113E-14 -0.000133429 0.030340515 0.030207086 -93630000000.03 -25.26261668

351 INDF -4039829000000 1.02857E-15 0.009060817 0.016109702 0.025170518 -4039829000000.03 -29.02722348

352 INDF -504112000000 9.29398E-16 -0.000208654 0.016618694 0.01641004 -504112000000.02 -26.9460643

353 INDF -1908697000000 8.71161E-16 0.001951454 0.021803283 0.023754737 -1908697000000.02 -28.27744193

354 INDF -1410542000000 9.67356E-16 0.00280573 0.027219713 0.030025444 -1410542000000.03 -27.97499514

355 INDF -973978000000 9.04968E-16 0.002478846 0.02733151 0.029810356 -973978000000.03 -27.60465455

356 MYOR 1271958072629 8.23641E-15 0.015070726 0.021038435 0.036109161 1271958072628.96 -27.87157862

357 MYOR -1086552369395 7.7685E-15 0.002449396 0.020871016 0.023320413 -1086552369395.02 -27.71403084

358 MYOR 729361930490 7.05298E-15 0.017211392 0.019394557 0.036605949 729361930489.96 -27.31543592

359 MYOR 355423161825 6.19079E-15 0.006476302 0.017594161 0.024070464 355423161824.98 -26.59657492

360 MYOR 1301161038516 5.36342E-15 0.017631214 0.016272833 0.033904046 1301161038515.97 -27.89427809

361 PSDN -48867951168 1.17233E-13 -0.036310938 0.024563561 -0.011747377 -48867951167.99 -24.61238762

362 PSDN -19892902745 1.28512E-13 -0.00582244 0.026309172 0.020486732 -19892902745.02 -23.71362886

363 PSDN -61091474355 1.28949E-13 0.003509733 0.025923605 0.029433338 -61091474355.03 -24.83563816

364 PSDN 7307435306 1.2236E-13 0.051472453 0.023531173 0.075003626 7307435305.93 -22.7121582

365 PSDN -64411792677 1.15772E-13 -0.007047287 0.022138327 0.01509104 -64411792677.02 -24.88856257

366 ROTI -176327273237 4.38912E-14 0.014538458 0.052537187 0.067075644 -176327273237.07 -25.89560761

367 ROTI -284973140174 3.73327E-14 0.009302014 0.048447821 0.057749835 -284973140174.06 -26.37566077

368 ROTI -134925057587 2.95604E-14 0.008982533 0.03881102 0.047793554 -134925057587.05 -25.62798533

369 ROTI -235253191934 2.74006E-14 -0.001987396 0.038922187 0.036934791 -235253191934.04 -26.18392818

370 ROTI -168751019963 1.75455E-14 0.003164951 0.027779261 0.030944212 -168751019963.03 -25.85169021

371 STTP -74880608939 5.44196E-14 0.022704877 0.033435609 0.056140485 -74880608939.06 -25.0391608

155

372 STTP -9137921557 4.70532E-14 0.015594726 0.033734746 0.049329472 -9137921557.05 -22.9356988

373 STTP 7990591812 4.1676E-14 0.000508921 0.03366496 0.034173881 7990591811.97 -22.80153066

374 STTP -85215689462 3.42289E-14 0.006165699 0.027455346 0.033621044 -85215689462.03 -25.1684514

375 STTP 10081910177 3.41525E-14 -0.001661113 0.026673206 0.025012093 10081910176.98 -23.03400858

376 SKBM 46256866365 1.60001E-13 0.032835199 0.028581551 0.061416751 46256866364.94 -24.55747575

377 SKBM -22319427862 1.22516E-13 -0.012227605 0.034334918 0.022107313 -22319427862.02 -23.82872334

378 SKBM 56379691407 1.04646E-13 0.007561534 0.032509586 0.04007112 56379691406.96 -24.75537485

379 SKBM 124543264695 7.98677E-14 0.022904673 0.027631049 0.050535722 124543264694.95 -25.547919

380 SKBM 71755023317 4.92906E-14 0.00318906 0.020462768 0.023651828 71755023316.98 -24.9965237

381 BTEK -8828909817 2.17147E-13 -0.024391922 0.234734586 0.210342664 -8828909817.21 -22.90129738

382 BTEK -554100829920 3.31282E-14 0.03535563 0.06416168 0.09951731 -554100829920.10 -27.04061251

383 BTEK -136537028559 2.50137E-14 -0.014580157 0.054562087 0.039981931 -136537028559.04 -25.63986169

384 BTEK 117584941377 1.63944E-14 0.001085716 0.035484261 0.036569977 117584941376.96 -25.49042681

385 BTEK -1012087478515 1.50771E-14 0.003300915 0.017839437 0.021140353 -1012087478515.02 -27.64303612

386 CEKA 188808367801 7.47924E-14 0.08197968 0.011806829 0.093786509 188808367800.91 -25.96399841

387 CEKA -62064923254 6.2298E-14 -0.009670524 0.009809738 0.000139214 -62064923254.00 -24.85144682

388 CEKA 73609696264 5.38421E-14 0.031489772 0.008285397 0.039775169 73609696263.96 -25.0220426

389 CEKA -101430121168 5.61024E-14 0.007270945 0.00848677 0.015757715 -101430121168.02 -25.34263594

390 CEKA -194610029653 5.7445E-14 -0.034747542 0.0081869 -0.026560642 -194610029652.97 -25.99426355

391 GGRM 3774891000000 1.57568E-15 0.015791853 0.021300795 0.037092648 3774890999999.96 -28.95939262

392 GGRM 3252014000000 1.37376E-15 0.006801498 0.01968033 0.026481828 3252013999999.97 -28.81029561

393 GGRM -264968000000 1.25974E-15 0.006531375 0.018399064 0.024930439 -264968000000.03 -26.3028749

394 GGRM -449232000000 1.27082E-15 0.008430798 0.019384545 0.027815343 -449232000000.03 -26.8308053

395 GGRM -3431632000000 1.19832E-15 0.014884339 0.019431384 0.034315723 -3431632000000.03 -28.86405707

396 HMSP -922112000000 2.91922E-15 0.016994611 0.012312432 0.029307043 -922112000000.03 -27.54993253

397 HMSP 9552145000000 2.81882E-15 0.018802098 0.01261519 0.031417288 9552144999999.97 -29.88778685

398 HMSP -1314350000000 2.10467E-15 0.011209591 0.010340306 0.021549897 -1314350000000.02 -27.90436336

156

399 HMSP -2705781000000 1.88199E-15 0.006067016 0.009239912 0.015306929 -2705781000000.02 -28.62641171

400 HMSP -6655065000000 1.85438E-15 0.01381616 0.009629823 0.023445983 -6655065000000.02 -29.52639933

401 RMBA -1167546000000 8.05213E-15 0.011687586 0.02162133 0.033308916 -1167546000000.03 -27.78592523

402 RMBA 1185209000000 7.39271E-15 0.017980236 0.022819142 0.040799379 1185208999999.96 -27.80094025

403 RMBA 482072000000 6.31547E-15 0.010252672 0.019957043 0.030209715 482071999999.97 -26.90135932

404 RMBA -486769000000 5.93871E-15 0.004220265 0.021105804 0.025326069 -486769000000.03 -26.91105551

405 RMBA -599571000000 5.68037E-15 0.005739069 0.021112834 0.026851903 -599571000000.03 -27.11948024

406 DVLA -22838556000 6.69396E-14 0.001802068 0.012736333 0.014538401 -22838556000.01 -23.851716

407 DVLA -106272393000 6.44517E-14 0.009617784 0.011860014 0.021477798 -106272393000.02 -25.38927138

408 DVLA -35392139000 5.81278E-14 0.00459219 0.016756903 0.021349094 -35392139000.02 -24.28975557

409 DVLA -68488900000 5.2241E-14 0.005382204 0.01473938 0.020121583 -68488900000.02 -24.94993753

410 DVLA 174023540000 4.87541E-14 0.001695871 0.013712615 0.015408486 174023539999.99 -25.88245641

411 KAEF -28473240084 3.18126E-14 0.006264677 0.012729854 0.018994531 -28473240084.02 -24.07223054

412 KAEF 89582899733 2.50418E-14 0.0072049 0.01203441 0.01923931 89582899732.98 -25.21843029

413 KAEF 73547018784 2.32905E-14 0.017854123 0.016706403 0.034560526 73547018783.97 -25.02119075

414 KAEF 326466673807 1.89728E-14 0.004087644 0.023871821 0.027959465 326466673806.97 -26.51159371

415 KAEF 143538257058 1.3123E-14 0.01840542 0.025186368 0.043591788 143538257057.96 -25.68986744

416 KLBF -193448173229 7.06751E-15 0.007922692 0.017143494 0.025066186 -193448173229.03 -25.98827547

417 KLBF -369947250277 6.43125E-15 0.00316372 0.018047217 0.021210937 -369947250277.02 -26.63662627

418 KLBF 191051652375 5.84094E-15 0.006804421 0.018959564 0.025763984 191051652374.97 -25.97580966

419 KLBF 444934874538 5.25417E-15 0.002845541 0.02000075 0.022846291 444934874537.98 -26.82119376

420 KLBF -273513984702 4.81457E-15 0.002377524 0.021449478 0.023827002 -273513984702.02 -26.33461859

421 MERK -107578559000 1.14371E-13 0.005558552 0.006713493 0.012272045 -107578559000.01 -25.4014872

422 MERK -61165744000 1.12509E-13 0.011057681 0.008880731 0.019938412 -61165744000.02 -24.83685313

423 MERK -15318423000 1.24679E-13 0.007644903 0.011547694 0.019192598 -15318423000.02 -23.45232206

424 MERK 14757493000 1.07536E-13 -0.053280459 0.013617534 -0.039662925 14757493000.04 -23.41501679

425 MERK 994359306000 9.44503E-14 0.00759274 0.01256704 0.02015978 994359305999.98 -27.62536445

157

426 PYFA 1188480630 4.57016E-13 0.008983839 0.029864931 0.03884877 1188480629.96 -20.89594155

427 PYFA -12612805969 4.63614E-13 0.002183343 0.027797542 0.029980885 -12612805969.03 -23.25797848

428 PYFA -1906442033 5.00151E-13 -0.004507325 0.028492522 0.023985196 -1906442033.02 -21.36850453

429 PYFA -13803166176 4.78862E-13 0.003428801 0.025906482 0.029335283 -13803166176.03 -23.34816384

430 PYFA 3617977883 5.01366E-13 0.010654376 0.032285039 0.042939415 3617977882.96 -22.00918111

431 SQBI 3909313000 1.89939E-13 0.00870604 0.011797496 0.020503536 3909312999.98 -22.08662749

432 SQBI 10293817000 1.74158E-13 0.001389556 0.011206637 0.012596193 10293816999.99 -23.05480926

433 SQBI -14290605000 1.72404E-13 0.005783151 0.010566677 0.016349829 -14290605000.02 -23.38286817

434 SQBI -13274285000 1.66933E-13 0.003560891 0.009527743 0.013088634 -13274285000.01 -23.30909454

435 SQBI -19030841000 1.62486E-13 0.009247153 0.009342149 0.018589302 -19030841000.02 -23.66932671

436 TSPC 72834726584 1.47682E-14 0.008903464 0.016355777 0.025259241 72834726583.97 -25.01145869

437 TSPC -249143329840 1.42614E-14 0.008040506 0.016426264 0.02446677 -249143329840.02 -26.24129419

438 TSPC 53838187815 1.27293E-14 0.011375258 0.016386453 0.027761711 53838187814.97 -24.70924886

439 TSPC 13175251362 1.21473E-14 0.00308738 0.017173022 0.020260402 13175251361.98 -23.30160601

440 TSPC 151290021912 1.07601E-14 0.004796237 0.017413635 0.022209872 151290021911.98 -25.74246451

441 MBTO 2540020423 1.30116E-13 0.000562483 0.013809194 0.014371677 2540020422.99 -21.65543796

442 MBTO -15067698715 1.2841E-13 -0.001257077 0.01329193 0.012034853 -15067698715.01 -23.43581913

443 MBTO 3917403848 1.23286E-13 -0.002282849 0.012892003 0.010609155 3917403847.99 -22.08869499

444 MBTO -23270635959 1.12683E-13 0.000544121 0.012130947 0.012675068 -23270635959.01 -23.87045814

445 MBTO -114030645614 1.02476E-13 -0.008897309 0.009808204 0.000910895 -114030645614.00 -25.45973307

446 MRAT 29734184354 1.81141E-13 0.002535231 0.010006685 0.012541916 29734184353.99 -24.11556321

447 MRAT 9318878401 1.59956E-13 -0.003049867 0.008046085 0.004996218 9318878401.00 -22.95530812

448 MRAT 10979967510 1.60937E-13 -0.011032355 0.007422436 -0.00360992 10979967510.00 -23.11933831

449 MRAT 9071823285 1.65619E-13 0.000978106 0.00741482 0.008392926 9071823284.99 -22.9284391

450 MRAT 3493902426 1.60851E-13 -0.003923545 0.006850494 0.002926949 3493902426.00 -21.97428512

451 UNVR -536002000000 6.29749E-15 0.021115019 0.032970322 0.05408534 -536002000000.05 -27.00740373

452 UNVR -447246000000 5.60198E-15 0.008753136 0.033212186 0.041965322 -447246000000.04 -26.82637462

158

453 UNVR -293547000000 5.08584E-15 0.015204597 0.034531598 0.049736194 -293547000000.05 -26.4053036

454 UNVR -55300000000 4.77735E-15 0.000659754 0.035475481 0.036135235 -55300000000.04 -24.73603875

455 UNVR 1194908000000 4.23137E-15 0.001342547 0.032039978 0.033382525 1194907999999.97 -27.80909031

456 KICI 3713242042 8.00624E-13 0.002940129 0.004708062 0.007648191 3713242041.99 -22.0351712

457 KICI -8945355976 7.97432E-13 -0.008298959 0.027902563 0.019603604 -8945355976.02 -22.91440035

458 KICI 460227718 5.97765E-13 -0.00032085 0.019879142 0.019558292 460227717.98 -19.94723196

459 KICI 1721871665 5.72209E-13 0.008489293 0.01838782 0.026877113 1721871664.97 -21.26667771

460 KICI -342034153 5.35404E-13 -0.013929126 0.016419389 0.002490263 -342034153.00 -19.65042115

461 LMPI -6039932893 9.73012E-14 -0.017234147 0.01830834 0.001074193 -6039932893.00 -22.52165874

462 LMPI -685599673 9.89007E-14 -0.00500701 0.018444713 0.013437703 -685599673.01 -20.34580445

463 LMPI -11044960156 1.00871E-13 -0.005711558 0.018802154 0.013090597 -11044960156.01 -23.12524007

464 LMPI -14342723563 9.8721E-14 0.001998655 0.018439497 0.020438152 -14342723563.02 -23.38650858

465 LMPI -75451073886 9.58602E-14 0.009908121 0.017797067 0.027705188 -75451073886.03 -25.04675026

466 CINT 7472977904 2.9413E-13 -0.003218151 0.032100133 0.028881982 7472977903.97 -22.73455941

467 CINT 5124571526 2.16107E-13 0.008253587 0.02449042 0.032744008 5124571525.97 -22.35731275

468 CINT -19141875116 2.08982E-13 0.003286628 0.027071844 0.030358472 -19141875116.03 -23.67514419

469 CINT -3571860722 2.00332E-13 0.010554847 0.033507668 0.044062515 -3571860722.04 -21.99635251

470 CINT 23328526594 1.67863E-13 -0.001310133 0.030725697 0.029415565 23328526593.97 -23.87294277

Documents

DAN AUDITOR FLOW TERHADAP AUDIT QUALITYrepository.uinjkt.ac.id/.../51858/1/RISDAYANTI-FEB.pdf · 2020. 8. 13. · 1. Nama : Risdayanti 2. NIM : 11160820000009 3. Jurusan : Akuntansi