Terjemahan Teoh & Wong.docx

PERSEPSI KUALITAS AUDITOR DAN EARNINGS RESPONSE COEFFICIENT Siew Hong Teoh & T.J. Wong

SINOPSIS DAN PENDAHULUAN Reputasi auditor sangat mempengaruhi kredibilitas dari laporan laba-rugi yang diaudit. Terdapat sebuah isu yang belum terpecahkan yakni apakah ukuran auditor berhubungan dengan kualitas auditor, dimana auditor yang berkualitas tinggi dianggap sebagai auditor mampu menyajikan laporan laba rugi yang lebih kredibel. Berdasarkan keyakinan dasar dan model modifikasi Holthausen-Verrecchia (1988), para investor akan merespon terhadap laba yang fluktuatif bergantung pada kredibilitas laporan laba-rugi yang disajikan. Dalam penelitian ini, penelini menguji earnings response coefficient (ERC) berdasarkan laporan laba rugi yang disajikan oleh KAP Big Eight dan Non Big Eight. Penelitian ini menguji hipotesis terkait hubungan ukuran KAP sebagai proksi dari kredibilitas auditor dengan model modifikasi H-V. Konsisten dengan hipotesis yang dirumuskan, peneliti menemukan bahwa ERC dari klien Big Eight secara statistik signifikan lebih tinggi dibanding klien Non Big Eight. Hasil penelitian tetap serupa baik untuk sampel berpasangan berdasarkan kelompok industri dan sampel yang dipindahkan berdasarkan auditor B8 dan Non B8. Hasil dari penelitian ini juga lebih kuat dikarenakan beberapa faktor penjelas yang mempengaruhi ERC berdasarkan penelitian sebelumnya juga diikutkan dalam penelitian ini seperti tingkat pertumbuhan, risiko, ukuran perusahaan dan pra-pengungkapan informasi lingkungan.

I. MOTIVASI PENELITIAN Beberapa penelitian yang telah dilakukan sebelumnya terkait pasar modal hanya berfokus pada faktor yang mempengaruhi ERC, yakni korelasi antara laba tidak diperkirakan (unexpected earning) dengan respon abnormal perubahan harga saham. ERC sering diestimasikan dengan koefisien slope dalam regresi return abnormal saham sebagai ukuran dari laba “kejutan” (earnings surprise). Oleh karenanya ukuran sejauh mana informasi terkait laba akan dikapitalisasi dalam harga saham. Bukti saat ini mengindikasikan variasi ERC bersifat cross-sectionally dan intertemporally: sebagai contoh Kormendi dan Lipe (1987), Collins dan Kothari (1989), Easton dan Zmijewski (1989), Biddle dan Seow (1991) dan Lipe (1990). Secara bersamaan, penelitian yang telah dilakukan menunjukkan bahwa ERC bervariasi tergantung pada tingkat persistensi laba, predikbilitas laba, kovariasi keamanan dengan return pasar, tingkat pertumbuhan perusahaan dan kelompok industri. Para peneliti ERC mulai mencoba untuk menguji apakah reaksi harga saham terhadap laba kejutan berhubungan dengan kualitas dari angka laba dalam laporan. Imhoff dan Lobo (1992) menemukan bahwa perusahaan dengan konsensus yang rendah dalam prediksi laba cenderung memiliki ERC yang rendah pula. Meskipun ada kemungkinan bahwa ketidakpastian yang tinggi dalam memberikan nilai perusahaan dapat menyebabkan bias dalam prediksi, Imhoff dan Lobo mneyimpulkan bahwa lebih memungkinkan untuk menciptakan proksi dari noise pengukuran akuntansi dibandingkan mencari kepastian terkait arus kas.

Lang dan McNichols (1990) menggunakan korelasi antara arus kas dan laba sebagai proksi dari kualitas laba. Untuk menjamin kualitas audit yang baik serta sesuai dengan prinsip akuntansi berterima umum (PABU), maka auditor akan mengurangi akrual diskresioner yang diijinkan. Oleh karena itu, timbul ekspektasi bahwa akan timbul korelasi yang lebih kuat antara prediksi arus kas masa depan dengan laba akuntansi yang diaudit oleh auditor berkualitas tinggi. Dengan penalaran yang serupa, peneliti memprediksikan bahwa laporan laba akan memiliki efek yang lebih kuat terhadap penilaian investor ketika angka laba yang dilaporkan mampu secara akurat mencerminkan nilai ekonomi yang sebenarnya. Pernyataan tersebut dapat ditampilkan secara teoritis menggunakan model Holthausen dan Verrecchia (1988) yang akan disajikan pada bagian berikutnya. Model H-V memprediksikan peningkatan respon harga saham dipengaruhi oleh presisi atau kualitas dari informasi. Karena investor tidak dapat secara langsung mengamati laba sebenarnya dari perusahaan, maka para investor akan mengandalkan angka akuntansi yang dilaporkan. Untuk menjamin kredibilitas dari laporan, para auditor eksternal harus memastikan bahwa pelaksanaan audit telah sesuai PABU serta menjamin keandalam data keuangan yang disajikan. Hal tersebut merefleksikan peran atestasi dari proses audit (Abdel-khalik dan Solomon, 1988). Auditor dengan kemampuan yang lebih baik akan memastikan bahwa laporan laba yang diaudit sesuai dengan PABU. Oleh karena itu tampak masuk akal jika investor menganggap tinggi kualitas (keterampilan) auditor, maka auditor akan merespons dengan kuat terhadap laba kejutan yang dilaporkan. Meskipun kaitan antara sifat informatif laba dan kesesuaian perusahaan dengan PABU terlihat masuk akal, namun hal tersebut tidaklah krusial untuk argumen. Jika setiap auditor mengikuti kebijakan yang dapat menyebabkan laporan laba menjadi lebih informatif dibanding auditor lain, maka teori valuasi mempresiksikan bahwa ERC akan berbeda untuk setiap auditor. Kualitas auditor dapat didefinisikan sebagai karakteristik yang mengarah pada upaya untuk menghasilkan laporan laba yang lebih informatif. Isu yang menarik untuk dibahasi terkait hal tersebut adalah apakah auditor menghasilkan laporan laba yang lebih baik ditujukan untuk investor atau bukan. Untuk menguji hal tersebut, penelitian ini berfokus pada karakteristik yang dapat diamati yakni ukuran KAP yang diyakini oleh para manajer berkaitan dengan kualitas audit. DeAngelo (1981) menyatakan bahwa kondisi awal terkait spesifikasi klien akan menjadi dasar menentukan sewa ekonomi untuk auditor yang bertugas pada periode berikutnya sebagai konsekuensi atas keuntungan penggerak pertama. Jika auditor gagal dalam mendeteksi bukti audit yang material dan salah menyajikan laporan salah satu klien, maka auditor akan kehilangan beberapa atau seluruh klien. Terdapat anggapan bahwa KAP besar akan memiliki komitmen lebih terkait akurasi. Dopuch dan Simunic (1980, 1982) menyebutkan bahwa investor secara rasional lebih meyakini bahwa auditor B8 memiliki kualitas audit yang lebih baik. Hal tersebut dikarenakan KAP yang lebih besar memiliki beberapa karakteristik yang terkait dengan kualitas audit (mis: pelatihan spesialisasi, akreditasi dari pihak bereputasi dan adanya peer reviews). Dalam model penelitian terkait faktor penentu ukuran optimal dan struktur KAP, John (1991) menunjukkan bahwa peningkatan kualitas audit sejalan dengan peningkatan ukuran perusahaan.

Survei manajemen dari Carpenter dan Strawser (1971) menyimpulkan bahwa mayoritas perusahaan yang menerbitkan saham (emiten-perusahaan publik) beralih menggunakan jasa KAP B8 untuk memastikan penawaran harga saham yang terbaik. Penelitian empiri lainnya mendukung korelasi antara ukuran dan kualitas audit yakni Palmrose (1988) dan Beatty (1989). Melalui indikator kasus litigasi sebagai pengukur kualitas audit, Palmrose menemukan bahwa auditor NB8 menghadapi kasus litigasi lebih banyak dibandingkan auditor B8. Hasil ini berlaku meskipun ada kemungkinan kecenderungan yang lebih tinggi untuk menuntut auditor yang lebih besar yang dengan “kantong yang lebih dalam”. Beatty menemukan bahwa pengembalian perdana saat penawaran perdana ke publik Initial Publik Offering (IPO) pada klien NB8 lebih tinggi dari klien B8 (sedikit klien B8 yang mengalami underpricing saat IPO). Sebaliknya, beberapa peneltiian tidak menemukan hubungan antara ukuran KAP dengan pengukuran kualitas. Imhoff (1988) mensurvei beberapa analis keuangan dan menemukan bahwa mereka meyakini tidak terdapat perbedaan kualitas antara klien B8 dan NB8. Bahkan penelitian terkait pergantian auditor juga menyajikan bahwa hal tersebut sulit untuk dinilai. Nichols dan Smith (1983) menemukan bahwa reaksi harga saham akan lebih besar ketika emiten mengganti auditor dr NB8 ke B8 dibandingkan dari auditor B8 ke NB8, namun perbedaan tersebut secara statistik tidak begitu signifikan. Para investor berhipotesis bahwa auditor dengan kualitas yang lebih baik akan menghasilkan laporan yang lebih kredibel, sehingga pergantian ke auditor B8 dianggap sebagai berita baik. Pembuktian secara teoritis terkait hubungan antara nilai perusahaan dan kualitas auditor dibuktikan oleh Timan dan Trueman (1986) serta Datar et al. (199). Namun, model tersebut hanya menganalisis terkait pemilihan auditor pertama kali untuk perusahaan yang akan going public, dan oleh karenanya prediksi mereka terkait hubungan antara kualitas auditor dan nilai perusahaan tidak sesuai dengan mekanisme pergantian auditor. Sebagai contoh, Teoh (1992a) menunjukkan bahwa pergantian auditor dapat menghasilkan informasi yang menguntungkan atau merugikan tentang nilai perusahaan kepada investor walaupun semua auditor identik. Karenanya, diperlukan model yang lebih kompleks terkait dengan isu pergantian auditor dan kualitas auditor, sebelum menentukan lebih lanjut apakah pergantian auditor merupakan berita baik atau buruk. Penelitian yang dilakukan Teoh & Wong berbeda dengan penelitian terdahulu dalam menguji ukuran auditor dan output dari hasil kerja auditor yakni kredibilitas laporan keuangan. Konsekuensi penting terkait dengan ukuran auditor mungkin berkaitan dengan litigasi dan pengungkapan informasi, tetapi peneliti percaya juga penting untuk memeriksa apakah auditor besar lebih kredibel terkait pelaporan keuangan. Pengujian empiris yang akan dilakukan digunakan untuk menguji hubungan antara ukuran KAP dan ERC. Oleh karenanya joint test dilakukan untuk menguji dua hipotesis yakni: kualitas laporan laba merupakan faktor penting yang akan mempengaruhi ERC dan kredibilitas auditor meningkat seiring dengan peningkatan ukuran KAP. Jika terdapat pernyataan bahwa terdapat kaitan antara ukuran auditor dan kualitas dari laporan keuangan, maka bukti dari penelitian ini akan menunjukkan apakah kualitas dari laporan laba merupakan faktor penting yang mempengaruhi ERC. Kemudian, jika ada pernyataan yang mnegatakan bahwa koefisien ERC meningkat seiring

peningkatan kualitas laba, maka bukti penelitian ini akan menunjukkan apakah kredibilitas auditor meingkat seiring dengan peningkatan ukuran KAP.

II. KEAKURATAN SINYAL LABA DAN ERC Pada bagian ini dikembangkan sebuah formula analisis sederhana terkait respons harga saham dengan keakuratan dari sinyal laba. Peneliti menggunakan periode tunggal dengan sinyal informasi tunggal yang merupakan model dari Hotlhausen dan Verrecchia (1988). Tujuannya adalah untuk menyajikan situasi paling sederhana terkait pengujian antara hubungan respon pasar modal terhadap sebuah sinyal informasi dan keakuratan dari sinyal tersebut. Beberapa asumsi sederhana namun kuat akan dibuat, namun peneliti berharap bahwa hasil dasar yang diperoleh dapat diterapkan pada situasi dengan sinyal informasi yang banyak. Oleh karena itu, peneliti menggunakan beberapa faktor terkait yang dapat diterapkan dalam model yang lebih umum, seperti risiko perusahaan, tingkat keakuratan dan prediktabilitas laba, serta karakteristik time series lainnya. Di awal periode pada tanggal 0, harga dari saham perusahaan i adalah P0. (Karena seluruh parameter perusahaan dalam model disimbolkan dengan i, maka peneliti tidak menggunakan sub-skrip untuk menyederhanakan model). Pada tanggal 1, maka harga saham dari perusahaan adalah P 1. Respons harga saham terhadap sebuah pengumuman informasi diukur dengan δ = P1 – P0. Kemudian asumsikan bahwa nilai perusahaan i adalah ũ dan asumsikan bahwa hal tersebut didistibusi dengan rata-rata m dan varians v. Pada tanggal 0, harga saham perusahaan i adalah:

Kemudian anggap bahwa x merupakan sinyal informasi terkait laba yang dirilis pada tanggal 1, dan asumsikan pula bahwa sinyal laba yang mengomunikasikan nilai perusahaan mengandung noise dengan simbol ε: x = ũ + ε. Variabel acak ε memiliki distribusi normal dengan rata-rata nol dan varians η. Karenanya, x – m merupakan pengukuran dari laba kejutan untuk perusahaan i. Pada tanggal 1:

Oleh karenanya, respon harga saham adalah:

yang merupakan fungsi linear positif dari pengukuran laba kejutan. ERC merupakan rasio v/(v+η). Sehingga menjadi jelas bahwa semakin tinggi sinyal laba x, maka semakin baik pula respon investor; dimana ϑδ / ϑx = (v / v + η) > 0. Dan menariknya, ERC akan bervariasi tergantung pada jumlah ketidakpastian sebelumnya, v dan noise dari sinyal laba η. Hal tersebut dapat dilihat dnegan membedakan ERC terkait v dan η, masing-masing:

Dengan demikian, respon harga saham meningkat dengan v dan berkurang dengan η. Perlu diingat bahwa v dan η megukur jenis ketidakpastian yang berbeda; v mengukur ketidakpastian awal investor tentang nilai perusahaan, dan η mengukur tentang noise dari sinyal laba x. Persamaan (4) mengimplikasikan bahwa respon harga saham akan semakin tinggi pada perusahaan dengan v yang tinggi, hal ini dikarenakan nilai informasi sinyal laba akan menjadi lebih besar ketika ada ketidakpastian sebelumnya yang lebih besar. Sebaliknya, η mengukur noise dari sinyal laba, sehingga semakin tinggi η, berimplikasi pada semakin kurang kredibel atau rendahnya kualitas sinyal laba. Oleh karena itu, ERC akan meningkat seiring dengan peningkatan kualitas dari sinyal laba ketika terdapat perbedaan konstan dalam ketidakpastian sebelumnya tentang arus kas, sebagaimana dinyatakan oleh persamaan (5). Peneliti menguji prediksi tersebut dengan menggunakan ukuran KAP sebagai proksi dari kualitas laba.

III. PEMILIHAN SAMPEL Pada pengujian empiris, peneliti mengestimasikan regresi berganda model cross-sectional return abnormal saham dalam mengukur laba kejutan menggunakan OLS, dan pengujian ERC akan dibedakan berdasarkan kelompok B8 dan NB8. Variabel penjelas lainnya yang termasuk dalam kontrol persamaan regresi untuk faktor penentu ERC lainnya, telah diidentifikasi dalam penelitian sebelumnya. Regresi memperkirakan dua sampel akternatif yang diambil dari COMPUSTAT, dimana termasuk perusahaan yang terdafat di New York Stock Exchange (NYSE), the American Stock Exchange (AMEX) and NASDAQ (National Association of Security Dealers Automated Quotations). Sampel pertama terdiri dari pasangan perusahaan industri yang digunakan untuk mengontrol perbedaan dalam lingkungan informasi. Klien NB8 akan dipasangkan dengan klien B8 sesuai ukuran perusahaan dalam industri yang sama. Sampel kedua terdiri dari perusahaan yang telah melakukan pergantian auditor namun berganti ke kelompok dengan kelas yang berbeda, sehingga peristiwa masa lalu perusahaan bertindak sebagai kontrol dalam sampel yang melakukan pergantian tersebut. Pengujian hipotesis untuk mengevaluasi perbedaan dari ERC ketika perusahaan diaudit oleh auditor B8 versus NB8. Peneliti menyajikan hasil dari kedua sampel untuk memeriksa persistensi dikarenakan desain alterative dapat mengontrol kondisi berbeda yang mungkin relevan untuk ERC. Sampel berpasangan (matched-pair sample) memiki kelebihan dalam hal periode waktu yang tetap dan mengontrol beberapa kondisi yang mungkin terjadi pada suatu industri yang dapat mempengaruhi ERC. Sampel pergantian auditor (switch sample) menggunakan perusahaan yang sama sebagai pengontrol, dan juga sebagai pengontrol spesifik perusahaan terkait eror dalam pengukuran laba yang tak diekspektasi dan return saham residual, sepanjang distribusi error tersebut sama baik sebelum dan sesudah pergantian auditor. Sampel Berpasangan (The Matched-Pair Sample) Noise dalam laba akuntansi, error dalam pengukuran laba yang tak diekspektasi variasi informasi dapat menghasilkan estimasi untuk ERC yang berbeda pada lintas perusahaan, terlepas dari perbedaan faktor

kredibilitas auditor. Seperti yang ditunjukkan pada bagian II, pengujian memerllukan untuk mengontrol v yang berbeda – variansi dari arus kas yang sebenarnya dalam perusahaan. Perusahaan dalam industri yang sama cenderung menghadapi ketidakpastian yang sama terkait permintaan dan penawaran, sehingga sangat mungkin bila nilai v akan bervariasi pada lintas perusahaan di industri yang berbeda dibandingkan pada industri yang sama. Selanjutnya, jika anggota industri terlibat dalam transaksi yang sama dan cara pencatatan metode akuntansinya sama, maka noise dalam pengukuran akuntansi terkait laba ekonomi yang sebenarnya dapat terkait dengan keanggotaan suatu industri. Beberapa faktor tersebut menyarankan bahwa penting untuk memasangkan sampel perusahaan berdasarkan industri. Pengujian empiris yang dilakukan oleh Biddle dan Seow (1991) dan Teets (1992) menunjukkan bahwa ERC akan bervariasi pada lintas industri. Peneliti berusaha dalam mengontrol faktor relevan lainnya yang tidak terkait langsung dengan keanggotaan industri dengan memasukkan faktor-faktor tersebut sebagai variabel penjelas lainnya dalam persamaan regresi yang akan dijelaskan kemudian. Sampel penelitian dipilih dari sumber primer, sekunder, tersier (PST) serta seluruh file dari COMPUSTAT 1990 terkait laporan tahunan industrial. Sampel yang dipilih adalah sampel yang memiliki informasi laba setiap tahunnya dari tahun 1980-1989. Sampel perusahaan yang dipilih juga harus memiliki data pendapatan selama periode 1981-1988 hingga tiga tahun sebelum penghapusan. Peneliti mengecualikan penghapusan tiga tahun sebelumnya untuk mencegah kontaminasi hasil penelitian dengan keadaan yang terkait dengan penghapusan. PST dan data penelitian terdiri dari perusahaan yang diperdagangkan di pasar modal utama, lebih lanjut bahwa file CFI terdiri dari perusahaa-perusahaan NASDAQ. Berdasarkan file PST diperoleh 12.940 amatan, file FCI sebanyak 10.465 amatan serta 4.579 amatan dari file penelitian. Peneliti menggunakan ramalan konsensus dari para analis untuk mengukur ekspektasi pasar terhadap laba. Sehingga, peneliti kembali menyaring sampel dengan persyaratan bahwa amatan harus mengikuti peraturan Institutional Brokers Estimate System (IBES) dan ramalan konsensus terbaru dibuat selama kurang lebih 200 hari dari tanggal pengumuman laba. Persyaratan yang diajukan tersebut menyeleksi beberapa sampe hanya menjadi 9.624 amatan PST, 5.215 amatan FCI dan 2.604 amatan dari file penelitian. Untuk pemilihan sampel berikutnya, perusahaan yang diteliti harus memiliki ketersediaan data terkait return saham setiap hari dan dapat diakses mellalui Center for Research in Security Prices (CRSP) selama periode di antara tanggal prediksi konsensus IBES dan tanggal pengmuman laba. Persyaratan ini mengurangi amatan hingga menjadi 9.264 amatan PST, 4.998 amatan FCI, serta 2.513 amatan dari file penelitian. Dari total sampel tersebut, 15.480 amatan diaudit oleh KAP B8 dan 1.297 amatan diaudit KAP NB8. Klien B8 memiliki ukuran perusahaan yang lebih besar, hal ini tidak mengejutkan karena KAP B8 cenderung mengaudit perusahaan lebih besar dan perusahaan yang lebih besar cenderung diperhatikan oleh analis dan COMPUSTAT. Peneliti kemudian menyeleksi sampel dengan memperhatikan empat-digit kode industri SIC yang tidak direpresentasikan baik oleh klien KAP B8 dan NB8. Tahapan berikutnya adalah memasangkan perusahaan B8 dengan perusahaan NB8 pada industri dan tahun fiskal yang sama. Jika tidak ada klien B8 dengan empat digit kode SIC yang sama, maka kemudian dicari dengan menggunakan kode tiga digit dan kemudian dua digit. Jika

setelah ditentukan berdasarkan industri yang sama dan ditemukan banyak kandidat dari B8, maka perusahaan dengan total aset yang serupa yang akan dipilih. Kriteria terakhir dalam menentukan amatan adalah dengan menghapus amatan yang memiliki nilai absolut laba kejutan melebihi 100%. Sampel akhir terdiri dari 1.263 pasang amatan sesuai empat kode digit, empat pasang berdasarkan kode tiga-digit dan 15 pasang amatan berdasarkan kode dua-digit. Spectrum industri yang luas tergambarkan dalam sampel berpasangan, dan total sebanyak 194 kode empat digit dapat terwakilkan. Industri ekstraktif meruapakan industri yang paling banyak terwakili dalam sampel (contoh pertambangan emas dan perak sebanyak 3,52% dari sampel; minyak dan gas bumi sebanyak 3,05%). Kategori lainnya yang cukup banyak muncul dalam sampel adalah farmasi (3,36%), telefon dan telegraf (2,89%), dan industri makanan (2,58%). Atiase (1985) menyatakan bahwa ada kemungkinan terdapat perbedaan lingkungan informasi prapengungkapan perusahaan pada bursa efek yang berbeda. Namun berdasarkan tabel dapat dilihat bahwa distribusi lintas bursa efek tidak berbeda pada masing-masing kelompok KAP. Sehingga, peneliti tidak memasukkan variabel dummy terkait bursa efek dalam persamaan regresi.

Sampel Pergantian (The Switch Sample) Sampel awal terkait pergantian auditor sebanyak 160 amatan diambil dari penelitian Teoh (1992b) yang terdiri dari 59 pergantian dari B8 ke NB8 (B-N) dan 101 pergantian dari NB8 ke B8 (N-B). Data terkait pergantian KAP dari tahun 1977-1985 diambil dari Who Audits America dan tahun 1973-1976 diambil dari Disclosure, Inc. Peneliti menambahkan sampel pergantian KAP dari COMPUSTAT untuk tahun 1985-1988 dengan kriteria: (1) data terkait akuntansi dan return tersedia di COMPUSTAT dan CRSP selama dua tahun sebelum dan sesudah pergantian KAP, (2) KAP pengganti bukanlah anak perusahaan KAP yang diganti, dan (3) perusahaan harus mempertahankan auditor yang sama sebelum dan sesudah pergantian. Peneliti lebih lanjut menginginkan perusahaan amatan harus memiliki analis prediksi laba selama periode pengujian. Peneliti menggunakan prediksi konsensus analis IBES ketika data tersebut tersedia (dari tahun 1976 dan setelahnya) dan prediksi tambahan dri Value Line untuk 15 pergantian yang terjadi sebelum tahun 1976 (tiga pergantian B-N dan 12 N-B). Sampel akhir sebanyak 134 pergantian KAP (114 N-B dan 20 B-N) dan distribusi pergantian selama periode 1973-1988 disajikan pada Tabel 1.

Rendahnya pergantian KAP dari B8 ke NB8 mencerminkan hasil penemuan dari Public Acccounting Report (Februari 1984) yang menyatakan bahwa KAP B8 mendapatkan klien yang lebih banyak melakukan jualbeli sahamnya pada bursa utama dibandingkan dengan KAP NB8. Terdapat kecenderungan pergantian KAP pada beberapa tahun, dan pergantian tersebut adalah pergantian dari NB8 ke B8 pada tahun 1986 dan 1987 serta beberapa tahun lainnya. Dominasi pergantian terjadi bursa NASDAQ (35 dari 83 pergantian tahun 1984 – 1988 dilakukan oleh perusahaan NASDAQ). Sampel pergantian KAP juga telah mencakup sebagian besar industri. Dari 15 perusahaan dua digit kode SIC direpresentasikan melalui 20 pergantian KAP B8 ke NB8. Dengan paling banyak dua pergantian KAP B8NbB dalam satu industri, tampaknya tidak akan ada pengelompokan pergantian KAP B8-NB8. Pergantian KAP NB8-B8 sebanyak 114 meliputi 44 industri dua digit kode SIC dan hanya terdapat tiga industri yang meliputi lebih dari enam pergantian (industri kimia; 10-pergantian; industi peralatan komputer dan mesin: 8-pergantian; industri listrik dan elektronik: 13-pergantian). Selain itu terdapat tumpang tindih pergantian B8-NB8 dan NB8B8 pada 11 industri. Sehingga, sama seperti sampel berapasangan, maka efek industri tidak akan dijadikan pertimbangan dalam representasi hasil.

IV. PROSEDUR DAN DATA PENGUJIAN Persamaan regresi yang digunakan adalah regresi berganda dari return abnormal laba kejutan dan beberapa variabel kontrol lainnya dengan variabel dummy untuk kelompok auditor. Prosedur regresi membatasi koefisien regresi menjadi serupa untuk perusahaan pada kelompok KAP yang sama, dan diperbolehkan berbeda untuk untuk KAP yang berbeda. Untuk sampel industri berpasangan, data dikumpulkan berdasarkan lintas perusahaan dan tahun sehingga regresi time-series cross-sectional diestimasi dengan metode OLS sebagai berikut:

Intersep rata-rata dari klien B8 diukur menggunakan λ0; λ1 digunakan untuk mengukur pergeseran intersep KAP NB8 ke KAP B8; λ4, λ6, λ8, dan λ10 merupakan koefisien untuk ERC yang dikontribusikan oleh variabel kontrol KAP B8. Pergeseran dalam koefisien variabel kontrol untuk KAP NB8 dari koefisien kemiringan KAP B8 diperkirakan oleh λ5, λ7, λ9, dan λ11. Residu ERC yang tidak dapat dijelaskan oleh variabel kontrol diestimasi menggunaka λ2 untuk KAP B8, dan pergeseran koefisien untuk KAP NB8 dari KAP B8 diestimasikan dengan λ3. Dengan demikian, residu ERC untuk kelompok NB8 diestimsikan dengan penjumlahan λ2+λ3. Hipotesis yang diajukan digunakan untuk menguji apakah residu ERC untuk kelompok klien NB8 lebih kecil dari klien B8, sehingga berimplikasi pada pengujian apakah koefisien λ3 adalah negatif:

Untuk sampel pergantian, peneliti mengestimasi regresi pooled cross-sectional dengan variabel kontrol dari persamaan (6), tetapi dengan menggunakan satu modifikasi dari variabel dummy: Dit = 1 jika perusahaan merupakan klien NB8 pada tahun t, 0 sebaliknya. Dalam kasus ini, λ2 mengukur rata-rata residu ERC selama periode perusahaan diaudit oleh KAP B8. Sehingga, untuk pergantian B8-NB8, λ2 mengukur residu ERC pada periode sebelum pergantian; untuk pergantian NB8-B8 mengukur residu ERC setelah pergantian. Perbedaan residu ERC di antara periode penggunaan KAP B8 versus penggunaaan KAP NB8 diukur menggunakan λ3. Pengujian yang digunakan untuk membuktikan residu ERC pada KAP NB8 lebih kecil dari B8 dioperasionalisasikan menggunakan λ3 < 0, seperti pada sampel industri berpasangan. Variabel kontrol yang mempengaruhi ERC dalam penelitian ini adalah variabel yang disarankan dari penelitian sebelumnya seperti tingkat pertumbuhan, risiko perusahaan, ukuran perusahaan dan noise dalam lingkungan sebelum pengungkapan. Penelitian ini dapat berbeda dari berbagai dimensi, seperti cara faktor penentu ERC diukur, pengukuran empiris dari masing-masing faktor dan metode pengujian serta periode penelitian. Kormendi dan Lipe (1987) dan Lipe (1990) menemukan bahwa persistensi laba dan prediktabilitas laba merupakan faktor penentu yang penting. Collins dan Kothari (1989) menekankan bahwa tingkat pertumbuhan laba dan risiko perusahaan akan mempengaruhi persistensi laba. Easton dan Zmijewski (1989) mempertimbangkan revisi dari prediksi analis (yang digunakan sebagai interpretasi pengukuran persistensi) dan tingkat return yang diharapkan (terkait dengan risiko perusahaan). Beberapa penelitian juga mempertimbangkan ukuran perusahaan, namun hasilnya masih diperdebatkan. Sebagai contoh, Easton dan Zmijewski menemukan bahwa ukuran perusahaan secara umum tidak penting sebagai faktor penentu ERC, dan Lipe menemukan bahwa ukuran perusahaan sedikit berpengaruh terhadap ERC (ketika diukur dengan menggunakan nilai pasar ekuitas). Namun, Shevlin dan Shores (1990) melaporkan bahwa ukuran perusahaan mungkin berkorelasi dengan variabel kontrol lain yang digunakan dalam penelitian ini dan Atiase (1985) menemukan juga bahwa lingkungan prapengungkapan akan berbeda menurut ukuran perusahaan. Klien B8 dan NB8 kemungkinan berbeda pada beberapa faktor dikarenakan perbedaan mendasar terkait karakteristik ekonomi perusahaan. Jika faktor yang digunakan tersebut merupakan faktor penting yang

mempengaruhi ERC, perbedaan dalam ERC dapat terjadi meskipun kelompok auditor tidak relevan untuk dipertimbangkan. Dikarenakan penelitian ini bertujuan untuk melihat pengaruh KAP yang digunakan terhadap ERC, maka untuk menghilangkan faktor-faktor ambiguitas tersebut akan ditambahkan beberapa faktor lain jika proksi empiris dapat diukur secara wajar tanpa mengganggu proses pengamatan. Oleh karena itu, λ3 mengukur pengaruh kelompok auditor terhadap residu ERC yang tidak dijelaskan oleh faktor lainnya. sehingga, prosedur pengujian akan menyajikan pengukuran konservatif dari pentingnya kredibilitas jika perbedaan mendasar terkait karakteristik ekonomi perusahaan berkaitan dengan ERC berdasarkan korelasinya dengan ukuran auditor (kredibilitas). Proksi Empiris Laba kejutan (unexpected earning) diukur dengan menggunakan laba aktual yang diungkapkan dikurangi dengan ekspektasi laba yang diinginkan investor dan diskalakan dnegan harga saham,

Price merupakan harga saham pada hari sebelum periode kumulasi return saham dimulai, jika tersedia; atau jika tidak tersedia maka yang digunakan adalah harga saham pada akhir tahun fiskal. Christie (1987) seta Kormendi dan Lipe (1987) menemukan bahwa harga adalah faktor penskalaan yang sesuai dari derivasi teoritis ERC berdasarkan formula kapitalisasi dividen dan pendapatan. Dalam memilih proksi untuk laba ekspektasi, peneliti berupaya meminimalkan kesalahan pengukuran dengan menggunakan perkiraan pendapatan konsensus analis IBES yang dikeluarkan sebelum pengumuman laba dan memilih jeda waktu paling minimal antara perkiraan dan pengumuman laba. Prediksi yang tepat waktu lebih cenderung mampu menangkap ekspektasi laba pasar dengan lebih akurat. Peneliti menyeleksi amatan ketika |UE| melebihi serratus persen untuk menghindari penggunaan observasi lain yang mungkin memiliki pengaruh yang tidak semestinya pada estimasi parameter regresi (lihat Collins dan Kothari, 1989). Peneliti juga mengeliminasi amatan yang prediksinya dibuat lebih dari 200 hari perdagangan sebelum tanggal pengumumuman laba karena pengumuman berita setelah prediksi cenderung merevisi ekspektasi pasar. Bukti dari penelitian sbeelumnya menemukan bahwa prediksi analis merupakan proksi yang lebih baik untuk laba ekspektasi dibandingkan model laba time-series dan hasil prediksi laba dari analis sering mengungguli bentuk model (lihat Brown et al. 1985; O’Brien 1988). Prediksi dari analis cenderung lebih unggul daripada model annual random-walk untuk memprediksi laba ekspektasi dalam penelitian ini dikarenakan periode pengujian yang digunakan lebih pendek dari satu tahun. Tidak seperti prediksi analis, model random-walk untuk laba ekspektasi tidak akan mempertimbangkan sumber informasi baru setelah pengumuman laba tahun sebelumnya. Prediksi konsensus analis terkait laba tahunan selalu diperbaharui setiap Kamis ketiga setiap bulannya. Prediksi konsensus terbaru yang tersedia sebelum pengumuman laba akan dipilih sebagai berikut: Jika pengumuman laba perusahaan terjadi setelah Kamis ketiga pada bulan tersebut, maka prediksi konsensus tersebut

yang dipilih. Sebaliknya, jika pengumuman laba terjadi sebelum prediksi konsensus, maka prediksi konsensus bulan sebelumnya yang dipilih. Hal ini bertujuan untuk meminimalisir jeda waktu antara pengumuman laba tahunan dengan prediksi konsensus terkini yang tersedia sebelum pengungkapan laba perusahaan. Angka serta tanggal laba aktual untuk masing-masing perusahaan diproksikan dengan laba per lembar saham yang dipublikasikan dalam The Wall Street Journal Index. Kumulatif (terdiri dari return abnormal) CARit merupakan proksi empiris dari δi dalam persamaan (3). Variabel tersebut untuk mengukur residu perubahan harga dari perusahaan i yang tidak dapat dijelaskan oleh risiko beta perusahaan. Ini dianggap sebagai reaksi investor terhadap informasi baru dalam pengumuman laba. Peneliti mengumulasikan return abnormal dari saat prediksi konsensus hingga hari pengumuman laba untuk meminimalisir kesalahan pengukuran laba kejutan. Peneliti mengukur return abnormal selama periode yang sama dengan horizon prediksi. Peneliti mengestimasi CARit dengan dua cara. Pertama mengukur asumsi bahwa model pasar β sama untuk seluruh perusahaan dalam sampel, sehingga return abnormal diestimasi sebagai return tanpa risiko (raw return) dikurangi dengan return pasar pada hari yang sama, dan terus bertambah antara tanggal perkiraan konsensus IBES dan tanggal pengumuman laba:

Dimana IB merupakan tanggal prediksi konsensus IBES dan ED merupakan tanggal pengumuman laba, return pasar adalah indeks saham rata-rata tertimbang CRSP jika perusahaan diperdagangkan pada NYSE dan AMEX dan indeks pasar NASDAQ untuk perusahaan yang diperdagangkan di NASDAQ. Pengukuran kedua adalah residual dari regresi model pasar dan dihitung dengan

Dimana parameter model pasar αi dan βi merupakan ertimasi dari regresi time-series perusahaan terkait return saham dalam retur pasar yang didefinisikan untuk CAR1. Periode estimasi untuk regresi ini meliputi 360 hari sebelum tanggal prediksi konsensus IBES. Harus terdapat minimal 100 return harian dalam periode untuk regresi model pasar. Peneliti mempertimbangkan kedua pengukuran CARit untuk mengukur apakah hasilnya peka terhadap kesalahan dalam mengukur variabel yang relevan, karena tindakan yang berbeda akan menghasilkan noise yang berbeda dalam pengukuran. Sebagai contoh, CAR1 dapat salah diukur jika nilai β yang benar tidak sama dan CAR2 dapat menjadi pengukuran yang noisy jika estimasi dari parameter tidak akurat karena perdagangan yang jarang terjadi di antara perusahaan-perusahaan NASDAQ dalam sampel (lihat Marais et al. 1989). Sehingga metode sederhana dari pengukuran pertama mungkin lebih baik untuk menghindari noise yang tidak perlu ke dalam persamaan regresi. Peneliti mengukur MBit sebagai perbandingan nilai pasar terhadap nilai buku ekuitas pada awal setiap tahun t. Karena masuk akal jika laba masa depan dipengaruhi oleh tingkat pertumbuhan perusahaan, maka

semakin tinggi nilai pasar terhadap buku, semakin besar pula tingkat pertumbuhan laba yang diharapkan. Collins dan Kothari (1989) menemukan bahwa rasio tersebut juga dipengaruhi oleh persistensi. Untuk menjangkau hal tersebut dalam kasus ini, maka juga diperlukan normalisasi untuk persistensi. Peneliti menemukan bahwa βit dari estimasi model pasar untuk return yang diharapkan sesuai dengan yang telah dibahas sebelumnya, dan itu adalah proksi untuk risiko laba perusahaan. Dalam Kormendi dan Lipe (1987), dan Easton dan Zmijewski (1989), risiko perusahaan masuk ke dalam model penilaian sebagai faktor diskonto nilai sekarang untuk revisi dalam laba yang diharapkan pada setiap periode. Dengan demikian, diperkirakan terdapat hubungan negatif antara ERC dan risiko perusahaan. Bukti empiris yang disajikan bervariasi pada penelitian sebelumnya. Easton dan Zmijewski tidak menemukan korelasi parsial yang signifikan antara ERC dan β. Collins dan Kothari menemukan bahwa terdapat hubungan positif signifikan antara β dan koefisien respon return mereka dalam regresi balik atas laba kejutan pada berbagai variabel penjelas, termasuk raw return, dan β. Mereka menginterpretasikan hal tersebut sebagai konfirmasi atas hubungan negatif antara ERC dan risiko. Faktor perancu lain dalam hubungan antara ERC dan risiko dapat dilihat di bagian II. Peneliti mungkin menganggap ukuran risiko perusahaan sebagai proksi untuk v dalam model; lebih banyak perusahaan berisiko memiliki varians yang lebih tinggi dalam arus kas yang mendasarinya. Jika hal tersebut benar, maka persamaan (4) memprediksikan bahwa ERC seharusnya berhubungan positif dengan risiko. Diperlukan model keseimbangan yang lebih umum sebelum hubungan antara risiko dan ERC dapat diprediksi. Sehingga, peneliti memasukkan β dalam regresi sebagai variabel kontrol tanpa memaksakan kejelasan tanda koefisien yang digunakan. Peneliti juga mempertimbangkan ukuran perusahaan (log natural dari nilai pasar pada awal tahun) dalam persamaan regresi sebagai variabel kontrol untuk faktor lain yang mungkin tidak dipertimbangkan. (Seperti disebutkan sebelumnya, tidak terdapat alasan ekonomi yang jelas untuk memasukkan ukuran dalam persamaan, dan penelitian sebelumnya tidak menemukan bahwa ukuran perusahaan merupakan faktor penting.) Akhirnya, peneliti menyertakan jumlah perkiraan analis yang digunakan dalam menghitung prediksi konsensus dalam upaya untuk mengendalikan perbedaan dalam lingkungan pra-pengungkapan. Jika ada lebih banyak analis yang terlibat perusahaan, mungkin ada lebih banyak informasi tentang perusahaan, sehingga ekspektasi pasar terhadap laba perusahaan mungkin lebih akurat. Peneliti menggunakan pengukuran biner (berpasangan) untuk variabel kontrok dikarenakan adanya kemungkinan nonlinearitas. Sehingga, MBit, βit, LMVit dan 1/N memiliki nilai 1 ketika pengukuran melebihi median dan 0 untuk sebaliknya. Pengukuran biner dimaksudkan untuk mengurangi noise dari kesalahan pengukuran dari variabel-variabel tersebut, dan dengan demikian mengurangi kemungkinan bahwa pengukuran yang besar memiliki pengaruh yang tidak semestinya pada regresi. Oleh karena itu, tanggung jawab harus dilakukan dalam menafsirkan hasil untuk variabel-variabel lain. Untuk memeriksa apakah kelompok B8 dan NB8 berbeda dalam dimensi variabel kontrol, peneliti telah menyajikan ringkasan statistik dalam Tabel 2 untuk setiap kelompok secara terpisah, untuk sampel berpasangan dan sampel pergantian. Data menunjukkan bahwa untuk sampel berpasangan, tidak terdapat perbedaan secara

signifikan dalam tingkat rata-rata dan median dari proksi untuk pertumbuhan dan persistensi, risiko perusahaan, dan ukuran perusahaan. Jumlah rata-rata analis yang terlibat dalam perusahaan secara signifikan berbeda antara kelompok, dengan perusahaan B8 memiliki lebih banyak visibilitas dengan analis. Hasil ini harus ditafsirkan dengan hati-hati karena jumlah rata-rata analis adalah sama untuk kedua kelompok. Ini menunjukkan adanya ketidaknormalan dalam distribusi analis, dan oleh karena itu, penggunaan ukuran biner mungkin tepat. Tingkat rata-rata dari variabel kontrol tidak berbeda secara signifikan antara kelompok kelas auditor dalam sampel pergantian. Ringkasan statistik untuk variabel dependen, ukuran laba kejutan, dan panjang periode kumulasi untuk return abnormal juga dimasukkan dalam Tabel 2. Tidak ada variabel yang berbeda secara signifikan dalam ratarata antara perusahaan B8 dan NB8 dalam samper berpasangan. Dalam sampel pergantian, laba kejutan dan jangka waktu pengamatan (window) akumulasi juga tidak berbeda di antara kelompok, tetapi return abnormal kumulatif lebih besar ketika menggunakan auditor B8. Terdapat perbedaan derajat noise dalam mengukur CAR antara kelompok-kelompok auditor karena periode CAR yang berbeda dapat mengakibatkan heteroskedastisitas dalam kesalahan persamaan regresi. Perbedaan yang tidak signifikan dalam rata-rata dan median periode CAR antara kelompok-kelompok dalam Tabel 2 mengeliminasi sumber potensial heteroskedastisitas dalam persamaan regresi. Selain itu, matriks korelasi Pearson untuk variabel-variabel disajikan dalam Tabel 3 untuk masing-masing kelompok auditor baik dalam sampel berpasangan dan sampel pergantian. Beberapa perbedaan dalam korelasi parsial antar variabel dalam kelompok B8 dan NB8 menunjukkan bahwa mungkin tepat untuk membiarkan koefisien kemiringan variabel kontrol bervariasi antara kedua kelompok seperti dalam persamaan regresi (6). Kehadiran korelasi yang signifikan di antara beberapa variabel kontrol menunjukkan bahwa mungkin sulit untuk menafsirkan koefisien untuk variabel kontrol secara terpisah meskipun variabel tersebut mungkin merupakan faktor penting yang menentukan ERC.

V. HASIL PENGUJIAN EMPIRIS Regresi OLS untuk sampel berpasangan dan sampel pergantian disajikan pada Tabel 4 dan juga termasuk hasil terkait return penyesuaian pasar digunakan sebagai ukuran return abnormal saham (CAR1) dan untuk residu model pasar sebagai ukuran return abnormal. (CAR2). Spesifikasi regresi tampaknya memadai untuk kedua panel baik A dan B. Uji F untuk good-of-fit signifikan pada tingkat 0,0001 untuk keempat regresi. Selain itu, uji x2 untuk menguji adanya heteroskedastisitas dari kesalahan residu yang tidak signifikan dalam tiga dari empat regresi. Pengecualian adalah di mana x2 = statistik untuk CAR1 signifikan pada tingkat 5 persen. Dengan demikian, peneliti menggunakan estimasi matriks kovarial model White’s heteroscedasticity-corrected dan menjajikan nila uji z dan nilai-p yang sesuai.

Adjusted R2 untuk keempat regresi berada di kisaran sesuai penelitian oleh Lev (1989) dalam survei literatur terkait penelitian laba (umumnya kurang dari 10 persen dan berada di antara 1 persen hingga 5 persen pada mayoritas penelitian). Dalam Tabel 4, adjusted R2 untuk sampel berpasangan adalah 4,65 dan 1,19 persen yang mencerminkan regresi CAR1 dan CAR2, dan 8,69 serta 6,43 persen untuk sampel perganian. Kekuatan penjelas yang lebih besar tercantum pada sampel pergantian dibandingkan dengan sampel industri berpasangan, hal tersebut menunjukkan bahwa dengan menggunakan riwayat masa lalu perusahaan sebagai kontrolnya

mungkin dapat menghindari hilangnya faktor penentu ERC. Kekuatan penjelas lebih tinggi untuk regresi CAR1 di kedua panel, yang menunjukkan bahwa model pasar mungkin merupakan pengukuran yang lebih noise untuk return yang diharapkan. Pada keempat regresi, hasil penelitian konsisten dengan hipotesis yang diajukan yakni residu ERC pada perusahaan klien NB8 lebih kecil dari perusahaan klien B8. Koefisien λ3 yang bertanda negatif (seperti diprediksikan) dan signifikan secara statistik pada level 0,0001 baik untuk regresi panel B dan kurang dari tingkat 5 persen (one-tailed) pada panel A. Parameter estimasi dari λ3 adalah sebesal -0,401 (uji white-z = -1,97; t = 2,53) dalam panel A untuk regresi CAR1 dan -0,317 (t = -1,78) untuk regresi CAR2. Pada keempat regresi, residu ERC kelompok B8 adalah positif berkisar di antara 0,264 hingga 0,857 dan signifikan secara statistik pada level 0,0001 untuk tiga regresi serta level 0,02 untuk regresi keempat. Secara kontras, residu ERC untuk kelompok NB8 (diestimasi dengan penjumlahan λ2 dan λ3) memiliki tanda negatif untuk tiga regresi dan bertanda positif untuk regresi keempat. Dikarenakan residu ERC hanya mengukur bagian yang tidak dapat dijelaskan oleh variabel kontrol, hal ini tidak berarti bahwa ERC adalah bertanda positif untuk kelompok B8 dan negatif untuk NB8. Tabel 4 juga menyajikan beberapa bukti menarik terkait perbandingan dengan penelitian sebelumnya terkait faktor penentu ERC. Dikarenakan hasil kualitatif untuk regresi CAR1 dan CAR2 yang serupa, maka pembahasan berikutnya hanya akan mengomentari terkait hasil CAR1. Pertama, pertimbangkan dulu hasil untuk proksi pertumbuhan dan persistensi. Dalam panel A, koefisien dari λ4 untuk proksi adalah bertanda positif dan signifikan pada level 1 persen seperti yang diharapkan. Koefisien yang diprediksikan untuk kelompok NB8 lebih kecil, seperti dibuktikan dengan koefisien bertanda negatif untuk λ5, tetapi juga positif (λ4 + λ5 >0). Sehingga, investor lebih responsif terhadap laba kejutan dari perusahaan yang tumbuh dan/atau diperkirakan mampu bertahan/persisten. Pada panel B dalam Tabel 4, λ4 negatif tetapi tidak signifikan secara statistik, dan λ5 bertanda positif serta signifikan pada tingkat 5 persen. Hasil penelitian menunjukkan bahwa pertumbuhan/persistensi relatif lebih penting untuk ERC dalam pergantian kelas auditor ketika perusahaan diaudit oleh auditor NB8 daripada ketika perusahaan diaudit oleh auditor B8. Sebagian hal tersebut dapat dijelaskan bahwa ada variasi yang tidak memadai dalam ukuran pertumbuhan/persistensi untuk pergantian selama tahun-tahun ketika auditor B8 digunakan dan variasi yang lebih besar selama tahun-tahun ketika auditor NB8 digunakan. Misalnya, pergantian NB8-B8 mungkin mengalami pertumbuhan laba tinggi sesaat sebelum pergantian, dan pergantian B8-NB8 mungkin mengalami penurunan laba setelah pergantian. Pada panel A dalam Tabel 4, koefisien λ6 untuk proksi risiko kelompok B8 adalah negatif meskipun uji White-z tidak signifikan secara statistik. Koefisien untuk kelompok NB8 juga negatif dan tidak berbeda secara statistik dari koefisien untuk klien B8. Pada panel B, λ6 memiliki koefisien tanda positif meskipun nilai koefisien kecil dan tidak signifikan secara statistik. Koefisien untuk kelompok NB8 secara signifikan lebih negatif daripada kelompok B8, sebagaimana dibuktikan oleh koefisien λ7 yang signifikan secara statistik. Dengan demikian, proksi

risiko untuk kelompok NB8 di panel B secara signifikan bertanda negatif. Lemahnya bukti temuan serta tanda koefisien yang tidak konsisten bukanlah hal mengejutkan, mengingat hasil yang tidak meyakinkan dari penelitian sebelumnya dan kemungkinan bahwa β mungkin mewakili risiko sistematis perusahaan dan juga kemungkinan jumlah ketidakpastian informasi sebelumnya, seperti yang dibahas pada bagian IV. Seperti disebutkan sebelumnya, masih terdapat pertentangan bukti empiris terkait hubungan antara ukuran perusahaan klien dan ERC. Hal ini tidak mengherankan mengingat (1) tidak adanya teori untuk relevansi ukuran perusahaan klien untuk ERC, (2) kemungkinan bahwa ukuran perusahaan klien merupakan proksi dari banyak faktor lain yang relevan, dan (3) banyak metode alternatif untuk mempelajari ukuran dalam penelitian sebelumnya. Hasil dalam penelitian ini juga saling bertentangan. Dalam kedua panel dari Tabel 4, koefisien untuk ukuran proksi perusahaan secara signifikan negatif untuk klien B8 pada level 1 persen tetapi positif untuk klien NB8. Perbedaan antara koefisien untuk masing-masing kelompok auditor adalah signifikan secara statistik. Akhirnya, tidak ada hasil yang konsisten yang diperoleh untuk 1/N, kebalikan dari jumlah analis yang mengikuti perusahaan. Pada panel A dari Tabel 4, jumlah analis tampaknya tidak penting untuk ERC, seperti λ10 dan λ11 tidak signifikan secara statistik pada level 5 persen. Namun, di panel B λ10 secara signifikan negatif pada tingkat 1 persen, λ10 + λ11 bertanda positif, dan λ11 positif signifikan pada tingkat 1 persen. Bukti ini menunjukkan bahwa ERC meningkat (menurun) dengan jumlah analis untuk perusahaan klien B8 (NB8). Model pada bagian II memprediksi hubungan positif antara ERC dan jumlah ketidakpastian sebelumnya dari perusahaan. Jika sejumlah kecil analis yang terlibat dalam perusahaan menyiratkan bahwa sedikit informasi yang diketahui tentang arus kas yang mendasari perusahaan (lebih besar ketidakpastian), maka model memprediksi hubungan negatif antara jumlah analis dan ERC. Dengan demikian, hasil untuk kelompok NB8 konsisten dengan prediksi model, tetapi tidak untuk kelompok B8. Beberapa penjelasan dimungkinkan untuk hasil yang lemah dan saling bertentangan ini. Seperti yang terlihat dalam matriks korelasi (Tabel 3), N secara signifikan berkorelasi dengan ukuran perusahaan. Koefisien untuk 1/N dan LMV mungkin secara terpisah tidak dapat diandalkan meskipun keduanya merupakan variabel penting untuk ERC. Selain itu, hubungan antara jumlah ketidakpastian sebelumnya dalam informasi perusahaan dan jumlah analis tidak perlu menurun secara monoton (lihat O'Brien dan Bhushan 1990). Sebagai contoh, ketidakpastian yang lebih besar dari arus kas dapat meningkatkan insentif analis untuk terlibat dalam perusahaan karena ada kemungkinan nilai potensi informasi yang lebih besar.

VI. KESIMPULAN Peneliti telah menguji apakah beberapa auditor memiliki kualitas yang lebih tinggi daripada auditor lain dalam hal menghasilkan laporan laba dengan kredibilitas yang lebih baik bagi investor. Peneliti menguji masalah ini bersama-sama dengan prediksi model modifikasi Holthausen dan Verrecchia (1988) bahwa laporan laba dengan lebih sedikit noise memiliki ERC yang lebih tinggi. Tes empiris digunakan untuk menguji perbedaan ERC antara klien B8 dan NB8 dalam regresi return saham abnormal pada laba kejutan dan variabel kontrol terkait faktor lain penentu ERC. Peneliti menemukan bahwa klien B8 memiliki ERC yang lebih besar dan signifikan

secara statistik daripada klien NB8. Hasil tersebut sama baik untuk sampel pasangan perusahaan berdasarkan keanggotaan industri dan sampel pergantian yang dikelompokkan berdasarkan ukuran auditor. Dengan demikian, hasil penelitian konsisten dengan hipotesis bersama bahwa auditor yang lebih besar menghasilkan laba yang lebih “tepat” (precise) dan terbuktinya prediksi Holthausen Verrecchia yang menghubungkan ERC dengan ketepatan laba. Penelitian ini juga memberikan bukti baru mengenai faktor penentu ERC. Penelitian sebelumnya telah menemukan bahwa ERC akan meningkat seiring dengan pertumbuhan dan persistensi, namun ada juga temuan yang tidak konsisten untuk ukuran dan risiko perusahaan klien di seluruh studi, dan belum mempertimbangkan jumlah analis yang terlibat dalam perusahaan sebagai penentu. Penelitian ini menemukan bahwa hubungan ERC dengan tingkat pertumbuhan dan persitensi adalah positif, dan hubungan ERC dengan risiko perusahaan adalah lemah dan negatif. Hubungan ERC dengan jumlah analis yang terlibat dalam perusahaan, sebagai proksi untuk noise di lingkungan informasi, menyajikan hasil yang berbeda antara perusahaan klien B8 dan NB8. Hasil penelitian menunjukkan hubungan positif untuk klien B8 dan negatif untuk klien NB8. Hubungan ERC dengan ukuran perusahaan klien juga ditemukan berbeda antara kelompok; hubungan negatif untuk klien B8 dan positif untuk klien NB8. Peneliti juga melakukan pemeriksaan ketahanan pada hasil dengan menggunakan dua desain sampel alternatif dan termasuk faktor penentu ERC lainnya sebagai variabel kontrol. Namun, hasilnya mungkin bias jika ada faktor lain penentu ERC yang tidak sepenuhnya dapat ditangkap oleh variabel kontrol yang disertakan. Hasil tersebut juga dapat bervariasi secara sistematis antara kelompok kelas auditor. Selain itu, kesalahan pengukuran dari variabel-variabel yang diteliti yang berbeda antara kelompok juga dapat membiaskan hasil. Namun, sejauh variabel kontrol yang disertakan terkait dengan ERC berdasarkan korelasinya dengan ukuran dan kredibilitas auditor, prosedur pengujian memberikan estimasi konservatif dari pengaruh ukuran auditor pada ERC. Dengan menghubungkan perbedaan dalam persepsi kualitas auditor dengan ERC, penelitian ini memberikan bukti terkait pandangan bahwa auditor dengan ukuran lebih besar merupakan auditor yang lebih kredibel. Isu mengenai apakah kualitas auditor terkait dengan ukuran mungkin relevan untuk topik debat kebijakan saat ini tentang perizinan merger di antara perusahaan audit besar. Penelitian ini juga relevan untuk penelitian pasar modal karena memberikan bukti terkait tambahan dalam mempertimbangkan faktor penentu ERC yakni ukuran auditor dan jumlah analis yang terlibat dalam perusahaan. Akhirnya, penelitian ini memberikan verifikasi empiris pertama dari model Holthausen-Verrecchia tentang ketepatan laba dan perubahan harga saham.