PENGARUH PENGUNGKAPAN KEUANGAN DAN SUKU BUNGA PINJAMAN BANK TERHADAP KINERJA KEUANGAN MELALUI KAPITALISASI ASET SEWA PADA PERUSAHAAN PEMBIAYAAN (2020 – 2021)

Rizky Yoga Syara Cakra Buana¹, Trinandari Prasetya Nugrahanti²

Institut Keuangan, Perbankan, dan Informatika Asia Perbanas, Jakarta, Indonesia

rizkyyoga@hotmail.com¹, trinandari@perbanas.id²

		*Abstract*
Received:	10-10-2022	*Introduction: PSAK 73 has been applied for more than two years since the beginning of 2020. This study will focus on the post-implementation period where the increase in the amount of leased assets will not be as significant as at the beginning of the application of the accounting standard. The increase in leased assets only depends on the company's operational policies. Methods: The research method used is descriptive quantitative by taking secondary data on finance companies and bank loan interest rates issued by Bank Indonesia. Testing the relationship between variables with the outer model and inner model through SmartPLS software with mediating variables using the indirect effects method. Results: The results of the study indicate that loan interest rates have a significant negative effect on capitalization of leased assets, as well as loan interest rates on financial performance through capitalization of leased assets. Financial leverage has a significant positive effect on the capitalization of leased assets as well as financial leverage on financial performance through capitalization of leased assets. The partial capitalization of leased assets also has a significant positive impact on financial performance. Conclusion*: The significant negative impact caused by the increase in bank loan interest rates will affect the calculation of the capitalization of leased assets where every increase in loan interest rates results in an increase in interest costs, this condition will reduce the portion of the capitalization balance of leased assets recorded in the financial statements
Accepted:	26-10-2022
Published:	10-11-2022
*Keywords*:	Financial Leverage; Bank Loan Interest Rate; Financial Performanc; Leas Asset Capitalization; PSAK 73
		Abstrak
Kata kunci:	Financial Leverag; Suku Bunga Pinjaman Bank; Kinerja Keuangan; Kapitalisasi Aset Sewa; PSAK 73	Pendahuluan: PSAK 73 telah diterapkan selama lebih dari dua tahun sejak awal tahun 2020. Penelitian ini akan fokus pada periode pasca penerapan dimana peningkatan besarnya aset sewa tidak akan sesignifikan pada awal penerapan standar akuntansi tersebut. Peningkatan aset sewa hanya bergantung pada kebijakan operasional perusahaan. Metode: Metode penelitian yang digunakan adalah deskriptif kuantitatif dengan mengambil data sekunder perusahaan pembiayaan dan suku bunga pinjaman bank yang diterbitkan oleh Bank Indonesia. Pengujian hubungan antar variabel dengan outer model dan inner model melalui software SmartPLS dengan variabel mediasi menggunakan metode indirect effects. Hasil: Hasil penelitian menyatakan bahwa suku bunga pinjaman memberikan pengaruh negatif signifikan pada kapitalisasi aset sewa, begitu juga dengan suku bunga pinjaman terhadap kinerja keuangan melalui kapitalisasi aset sewa. Financial leverage memberikan pengaruh positif signifikan pada kepitalisasi aset sewa begitu juga dengan financial leverage terhadap kinerja keuangan melalui kapitalisasi aset sewa. Kapitalisasi aset sewa secara parsial juga memberikan dampak positif signifikan terhadap kinerja keuangan. Kesimpulan: Dampak negatif signifikan disebabkan kenaikan suku bunga pinjaman bank akan mempengaruhi perhitungan kapitalisasi aset sewa dimana setiap kenaikan suku bunga pinjaman mengakibat kenaikan biaya bunga, kondisi tersebut akan menurunkan porsi saldo kapitalisasi aset sewa yang tercatat dalam laporan keuangan.

Corresponding Author: Rizky Yoga Syara Cakra Buana

E-mail: rizkyyoga@hotmail.com

PENDAHULUAN

Bisnis saat ini memiliki kebutuhan untuk membagikan informasi keuangan mereka; untuk memberikan informasi yang lebih jelas dan transparan serta untuk memfasilitasi perbandingan informasi antara satu entitas dengan entitas yang lain, perusahaan harus menerapkan aturan yang sama. Salah satu poin terpenting yang meningkatkan efektivitas komunikasi keuangan sebenarnya adalah “kepatuhan terhadap semua persyaratan peraturan”.

Sewa atau Leasing sebagai salah satu sumber utama pembiayaan dalam bisnis menjadi bagian dari informasi keuangan yang menjadi poin penting dalam penyajiannya. Peraturan sebelumnya mengklasifikasikan sewa sebagai “sewa pembiayaan” dan “sewa operasi”. Menurut IAS 17, sewa pembiayaan dilaporkan sebagai aset dan kewajiban pada laporan posisi keuangan penyewa, kemudian bunga serta penyusutan yang dialokasikan untuk aset dilaporkan pada laporan laba rugi komprehensif pada akhir periode akuntansi. Sewa operasi, di sisi lain, dilaporkan sebagai beban sewa pada laporan laba rugi komprehensif namun tidak dilaporkan di dalam laporan posisi keuangan.

Pendekatan mengenai pengklasifikasian sewa yang dilakukan sebelumnya telah dikritik selama bertahun-tahun oleh pihak terkait. Kritik berfokus pada fakta bahwa dua transaksi yang memiliki sifat serupa secara ekonomi dilaporkan secara berbeda dan ini mengakibatkan laporan keuangan memberikan informasi secara tidak transparan dan tidak dapat mewakili kondisi sebenarnya dari suatu perusahaan (Juwita, 2013). Mempertimbangkan kritik ini, IASB (Dewan Standar Akuntansi Internasional) telah mengeluarkan standar sewa baru (IFRS 16 – Sewa) yang kemudian di Indonesia diadopsi menjadi PSAK 73. Standar Baru menghapus klasifikasi “sewa pembiayaan” – “sewa operasi” dan menentukan model tunggal untuk penyewa. Menurut model ini, penyewa akan melaporkan semua sewa sebagai aset dan kewajiban di neraca.

Standar Baru yang mulai diterapkan di Indonesia sejak awal tahun 2020 diharapkan akan mempengaruhi laporan keuangan di sektor-sektor yang menggunakan aset berwujud bernilai tinggi seperti bangunan, tanah, kendaraan dan peralatan dan yang memilih untuk memperoleh aset tersebut dengan sewa. Dengan diperkenalkannya standar baru, bisnis yang menggunakan sewa operasi dalam jumlah tinggi akan mengalami peningkatan besar dalam aset dan kewajiban, serta peningkatan beberapa rasio keuangan yang terkait dengannya (Purnomo et al., 2020).

Gambar 1. Road Map Penerapan PSAK 73

Sumber: Ojk.go.id disajikan kembali di www.finansialku.com

IFRS 16 memberikan definisi baru tentang sewa dan memperkenalkan kriteria berbasis kontrol untuk aset (“hak penggunaan”) untuk membedakan sewa dari kontrak layanan. Namun, standar saat ini (IAS 17 Sewa) membedakan kontrak sewa sebagai sewa operasi dan sewa pembiayaan. Saat ini, lessee biasanya menghitung sewa operasi berdasarkan akrual (biaya yang ditunjukkan dalam laporan keuangan biasanya sama dengan biaya yang dibayarkan untuk tahun tersebut), mirip dengan akuntansi untuk sewa/penyewaan (dan jasa pada umumnya), tanpa pengakuan kewajiban pembayaran masa depan (penyewa harus mengungkapkan komitmen pembayaran masa depan dalam catatan atas laporan keuangan). Namun, akuntansi untuk sewa pembiayaan melibatkan pengakuan aset dalam laporan posisi keuangan dan pengakuan liabilitas untuk pembayaran sewa di masa depan (Magli, Nobolo, & Ogliari, 2018).

Sesuai dengan hak penggunaan yang diakui sebagai aset dalam laporan keuangan, akan ada liabilitas keuangan. Entitas harus mengakui liabilitas sewa sebesar nilai kini dari pembayaran sewa masa depan yang didiskontokan dengan tarif sewa yang tersirat dalam perjanjian sewa, jika dapat ditentukan. Jika entitas tidak dapat mengestimasi suku bunga yang tersirat dalam kontrak, maka suku bunga yang digunakan akan menjadi suku bunga pinjaman inkremental entitas (Ahmar, 2018).

Sewa operasi memiliki permasalahan dalam menentukan suku bunga untuk menentukan nilai kini asset dari pembayaran sewa masa depan sesuai dengan kontrak yang ada (Amrulloh & Jasmadeti, 2022). Kesulitan dalam menentukan suku bunga disebabkan oleh klausa kontrak yang umumnya tidak menyajikan informasi suku bunga dan hanya menyajikan nilai pembayaran tetap yang ditanggung oleh penyewa setiap bulan (kuartal/semester/tahun). Dalam hal ini. suku bunga yang digunakan dalam penerapan PSAK 73 atas sewa operasi dapat mengacu pada suku bunga pinjaman pada kontrak sewa pembiayaan pada bulan atau tahun yang sama.

Pendekatan penentuan suku bunga pinjaman dengan mengacu paka kontrak pembiayaan tidak dapat dilakukan pada perusahaan dengan seluruh transaksi sewa merupakan sewa operasi, dengan kontrak jangka panjang atau lebih dari satu tahun (Kholipah, Hardiyanto, & Octavianty, 2018). Perusahaan memiliki kesulitan karena tidak memiliki dasar dalam penetuan suku bunga pinjaman. Seluruh kontrak yang dimiliki tidak menyajikan suku bunga sehingga diperlukan dasar penentuan suku bunga dari entitas di luar perusahaan.

Bank Indonesia secara berkala mengeluarkan data statistik suku bunga pinjaman bank atas transaksi pinjaman modal kerja, investasi maupun konsumsi. Secara detail data fluktuasi bulanan atas suku bunga yang diberikan oleh bank menurut kelompok bank dan jenis pinjaman disajikan dalam tabel, terdiri atas pinjaman dari Bank Persero, Pemerintah Daerah, Swasta nasional, Bank Asing dan Campuran, serta Bank Umum.

Perusahaan dapat menggunakan data statistik suku bunga pinjaman Bank Indonesia sebagai dasar perhitungan nilai kini asset serta kewajiban yang tercatat di laporan posisi keuangan. Nilai suku bunga yang digunakan oleh perusahaan dapat dipilih berdasarkan Bank yang digunakan dalam transaksi umum yang terjadi secara rutin terjadi dengan tipe pinjaman konsumsi. Apabila perusahaan memiliki beberapa jenis akun bank makan suku bunga bank swasta nasional dapat dipilih dengan pertimbangan nilai bunga berada diantara bank persero dan bank umum.

Suku bunga pinjaman pada perusahaan yang menggunakan data statistik Bank Indonesia menjadi faktor eksternal yang mempengaruhi naik turunnya laporan posisi keuangan. Berbeda dengan nilai sewa yang dapat ditentukan oleh perusahaan dengan pemilihan vendor penyedia jasa sewa aset, Suku bunga tidak dapat dikontrol nilainya karena berdasarkan data perbankan yang dihimpun oleh Bank Indonesia.

PSAK 73 lebih menekan bahwa semua sewa dikategorikan sebagai sewa pembiayaan atau finance lease. Adanya perubahan pada PSAK 73 tersebut mengharuskan entitas untuk mengakui adanya perubahan struktur laporan keuangan. Perubahan tersebut berdampak pada perubahan rasio keuangan perusahaan secara keseluruhan. Setelah penerapkannya PSAK 73 terjadi kenaikan rasio leverage yang diukur melalui Debt to Equity Ratio (DER) dan Debt to Aset Ratio (DAR) dikarenakan adanya pengungkapan aset hak guna dan liabilitas sewa pembiayaan pada laporan keuangan (Prajanto, 2020)

Penelitian sebelumnya fokus pada perbandingan kondisi antara sebelum penerapan dengan setelah penerapan PSAK 73 dengan melihat perubahan pada rasio perusahaan dan pos-pos pada laporan posisi keuangan serta laporan laba rugi. Penerapan secara bersamaan antara PSAK 73 dengan PSAK sebelumnya juga dilakukan agar dapat diketahui dampak yang timbul dengan dasar laporan keuangan yang sama. Penerapan tersebut memperlihatkan bahwa PSAK 73 memiliki peran pada kenaikan biaya akibat pengakuan biaya bunga dan depresiasi. Dampak lainnya yaitu peningkatan nilai asset yang mengakibatkan penurunan rasio asset dan profitabilitas (Laksana & Sudradjat, 2019).

Penelitian yang dilakukan pada perusahaan minyak dan gas di Nigeria memberikan kesimpulan bahwa sewa aset memberikan dampak positif yang signifikan terhadap ROA, (Bello, Ahmad, & Aliyu, 2016). Sedangkan di Indonesia, kapitalisasi aset sewa memberikan dampak yang signifikan namun negatif. Penelitian dilakukan dengan membandingkan ROA sebelum penerapan dengan ROA setelah penerapan di perusahaan yang terdaftar di Bursa Efek (Mashuri, Mashuri, A. A. A., & Ermaya, 2021).

Pebedaan hasil tersebut mengarahkan penulis untuk melakukan peneliatian yang sama dengan industri yang lebih spesifik, yaitu pada industri pembiayaan. Penelitian ini akan mengambil periode setelah penerapan PSAK 73, dengan menambahkan faktor eksternal yang mempengaruhi nilai sewa yaitu suku bunga pinjaman yang diterbitkan oleh Bank Indonesia. Suku bunga akan menjadi variable yang terkait dengan kapitalisasi aset sewa, karena menjadi salah satu dasar pehitungan nilai kini aset sewa.

Berdasarkan uraian diatas, maka penulis ingin menguji dan mengkaji kembali dengan lebih detail lagi mengenai “Pengaruh Financial Leverage dan Suku Bunga Pinjaman Bank terhadap Kinerja Keuangan melalui Kapitalisasi Aset Sewa pada Perusahaan Pembiayaan (2020 – 2021)”

Berdasarkan penjelasan rumusan masalah maka tujuan penelitian adalah: 1. Mengetahui dan menganalisis Pengaruh Suku Bunga Pinjaman Bank terhadap Kapitalisasi Aset Sewa. 2. Mengetahui dan menganalisis Pengaruh Financial Leverage terhadap Kapitalisasi Aset Sewa. 3. Mengetahui dan menganalisis Pengaruh Kapitalisasi Aset Sewa terhadap Kinerja Keuangan. 4. Mengetahui dan menganalisis Pengaruh Suku Bunga Pinjaman Bank terhadap Kinerja Keuangan melalui Kapitalisasi Aset Sewa. 5. Mengetahui dan menganalisis Pengaruh Financial Leverage terhadap Kinerja Keuangan melalui Kapitalisasi Aset Sewa.

Signalling theory menjelaskan bahwa pihak pengirim (pemilik informasi) memberikan suatu isyarat atau sinyal berupa informasi yang mencerminkan kondisi suatu perusahaan yang bermanfaat bagi pihak penerima (investor). Didasarkan pada asumsi bahwa informasi yang diterima oleh masing-masing pihak tidak sama. Teori ini berkaitan dengan asimetri informasi yang mana adanya asimetri antara pihak manajemen perusahaan dengan pihak-pihak yang berkepentingan dengan informasi. Untuk itu, manajemen perlu memberikan informasi bagi pihak-pihak yang berkepentingan melalui penyusunan laporan keuangan.

Pihak eksekutif perusahaan yang memiliki informasi lebih baik mengenai perusahaannya akan terdorong untuk menyampaikan informasi tersebut kepada calon investor agar harga saham perusahaannya meningkat. Signalling theory menekankan pentingnya informasi yang diberikan oleh perusahaan kepada pihak di luar perusahaan yaitu dengan penyajian yang relevan, akurat dan tepat waktu. Informasi ini penting karena informasi pada dasarnya menyajikan keterangan, catatan atau gambaran baik untuk keadaan masa lalu, saat ini maupun masa depan.

METODE PENELITIAN

Penelitian ini dilakukan untuk menganalisis pengaruh dari Financial Leverage dan Suku Bunga Pinjaman terhadap Kinerja Keuangan Perusahaan melalui Kapitalisasi Aset Sewa pada perusahaan pembiayaan di Indonesia. Penelitian deskriptif digunakan sebagai metode penelitian untuk mengetahui situasi, kondisi, dan fenomena yang terjadi kemudian mengetahui bagaimana hubungan antara variabel penelitian.

Penelitian deskriptif dilakukan untuk mengetahui nilai variabel mandiri, baik satu atau lebih (independen) tanpa membuat perbandingan atau mengubungkan dengan variable yang lain . Penelitian ini bersifat kausalitas, yaitu penelitian yang bertujuan untuk mencari penjelasan dalam bentuk sebab akibat (cause-effect) antar variabel, yaitu variabel-variabel yang mempengaruhi (variabel independen) dan variabel yang dipengaruhi (variabel dependen).

Penelitian ini mengunakan pendekataan kuantitatif karena analisis dibantu oleh alat statistik ekonomi yang akan menguji teori, dan mencari generalisasi yang mempunyai nilai prediktif. Pendekatan kuantitatif juga dianggap tepat karena penelitian ini menggunakan data laporan keuangan perusahaan pembiayaan yang berupa angka-angka kemudian di analisis menggunakan rasio keuangan untuk dapat mengetahui kinerja keuangan perusahaan.

Populasi adalah wilayah generalisasi yang terdiri atas objek/subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan untuk dipelajari dan kemudian ditarik kesimpulannya, populasi bukan hanya dalam bentuk orang tetapi juga dalam bentuk objek dan benda-benda alam yang lain (Yani, n.d.). Populasi dalam penelitian ini adalah seluruh perusahaan keuangan di Indonesia selama periode 2020 dan 2021, dengan karakteristik memiliki kantor (gedung usaha) tersebar di Indonesia yang umumnya diperoleh dengan sewa (aset hak-guna). Sampel penelitian yang digunakan dalam penelitian ini adalah perusahaan keuangan di sektor pembiayaan. Kriteria sampel yaitu seluruh data keuangan perusahaan pembiayaan yang telah dikumpulkan oleh Asosiasi Perusahaan Pembiayaan Indonesia (APPI). Setidaknya ada 162 perusahaaan pembiayaan yang datanya telah terangkum dan tersaji dalam satu laporan keuangan yang tersedia secara runtut.

Statistik deskriptif adalah aktivitas penghimpunan, penataan, peringkasan dan penyajian data dengan harapan agar data lebih bermakna, mudah dibaca dan dipahami oleh pengguna data. Statistik deskriptif hanya sebatas memberikan deskripsi atau gambaran umum mengenai karakteristik objek yang diteliti tanpa maksud untuk melakukan generalisasi sampel terhadap populasi. Statistik deskriptif digunakan untuk menjelaskan atau memberikan gambaran mengenai karakteristik dari serangkaian data tanpa mengambil kesimpulan umum (Ghozali, 2018).

HASIL DAN PEMBAHASAN

A. Deskripsi Objek Penelitian

Penelitian ini menggunbakan data yang bersumber dari laporan keuangan serta data statistik Bank Indonesia, yang kemudian diolah oleh penulis dengan menggunakan software aplikasi SmartPLS. Obyek yang digunakan dalam penelitian ini adalah perusahaan sektor pembiayaan yang terdaftar di Asosiasi Perusahaan Pembiayaan Indonesia (APPI) dan Statistik Ekonomi dan Keuangan Indonesia (SEKI) yang mencakup sektor Moneter berupa data suku bunga pinjaman.

Data yang tersaji di APPI merupakan data akumulasi dari setidaknya 162 perusahaan pembiayaan yang terdiri dari data laporan keuangan, data rasio keuangan serta statistik perusahaan pembiayaan. Data suku bunga pinjaman bank akan menggunakan bank persero dan swasta nasional sesuai dengan penjelasan pada operasionalisasi variabel, dengan jenis pinjaman konsumsi.

Berdasarkan data yang diperoleh dari seumber yang telah dijelaskan sebelumnya, penulis mengolah data keungan untuk mendapatkan rasio keuangan yang digunakan sebagai variabel penelitian. Berikut data pengukuran variabel yang dihasilkan:

Tabel 1. Data Variabel Penelitian

No	Bulan-Tahun	Suku Bunga Pinjaman Bank (%)		Financial Leverage		(Milliar Rp)	Kinerja Keuangan
No	Bulan-Tahun	Persero	Swasta Nasional	DAR	ER	Asset Sewa	O	OE
		X1.1	X1.2	X2.1	X2.2	Y	Z1	Z2
1	Jan-20	11.04	11.10	0.738	2.821	4 002	0.055	0.170
2	Feb-20	11.02	11.06	0.736	2.787	4 053	0.054	0.159
3	Mar-20	10.99	11.01	0.749	2.984	4 108	0.046	0.125
4	Apr-20	10.92	10.91	0.746	2.936	4 176	0.028	0.074
5	Mei-20	10.78	10.86	0.740	2.843	4 126	0.020	0.048
6	Jun-20	10.75	10.83	0.732	2.725	4 100	0.017	0.043
7	Jul-20	10.73	10.78	0.730	2.698	4 089	0.018	0.045
8	Agu-20	10.70	10.77	0.725	2.636	4 098	0.018	0.045
9	Sep-20	10.67	10.75	0.721	2.579	4 051	0.020	0.052
10	Okt-20	10.64	10.69	0.716	2.525	3 996	0.016	0.042
11	Nov-20	10.59	10.66	0.710	2.446	4 005	0.018	0.047
12	Des-20	10.56	10.65	0.706	2.402	4 028	0.020	0.053
13	Jan-21	10.57	10.61	0.703	2.370	4 029	0.018	0.046
14	Feb-21	10.54	10.57	0.698	2.310	4 029	0.015	0.039
15	Mar-21	10.51	10.57	0.696	2.286	3 993	0.017	0.045
16	Apr-21	10.49	10.53	0.695	2.274	3 980	0.022	0.058
17	Mei-21	10.47	10.47	0.694	2.270	3 970	0.026	0.072
18	Jun-21	10.37	10.47	0.695	2.277	4 075	0.031	0.081
19	Jul-21	10.28	10.41	0.692	2.242	4 113	0.032	0.083
20	Agu-21	10.25	10.38	0.689	2.214	4 118	0.035	0.091
21	Sep-21	10.22	10.33	0.688	2.207	4 145	0.038	0.101
22	Okt-21	10.18	10.29	0.687	2.194	4 199	0.041	0.108
23	Nov-21	10.16	10.19	0.685	2.179	4 236	0.044	0.114
24	Des-21	10.14	10.13	0.690	2.223	4 252	0.045	0.114

Sumber : Data diolah Penulis (2022)

B. Analisis Data

a. Analisis Data Deskriptif

Statistik deskriptif memberikan gambaran atau deskripsi suatu data tiap variabel yang diteliti dilihat dari nilai rata-rata (mean), nilai tengah (median). standar deviasi, maksimum, minimum, keruncingan (kurtosis) dan kemiringan (skewness). Hasil output statistik deskriptif atas variabel suku bunga pinjaman (X1), financial leverage (X2), Kapitalisasi Aset Sewa (Y) dan Kinerja Keuangan (Z) melalui software SmartPLS tersaji dalam Gambar dibawah ini:

Gambar 2. Hasil Uji Statistik Deskriptif

Sumber: Data olahan SmartPLS (2022)

Hasil Uji Statistik Deskriptif menunjukkan bahwa variabel suku bunga pinjaman memiliki nilai rata-rata 10,56 untuk bank persero dan 10,63 untuk bank swasta nasional. Nilai tersebut sejalan dengan nilai tengah yang juga lebih tinggi pada bank swasta nasional yaitu 10,65. Rentang data lebih besar pada bank swasta nasional ditunjukan dengan nilai minimum 10,13 dan nilai maksimum 11,10, sedangkan pada bank persero nilai terendah sebesar 10,14 dan tertinggi sebesar 11,04. Rentang variasi data suku bunga pinjaman sebesar 0.27 untuk bank persero dan 0.26 untuk bank swasta nasional. Nilai kurtosis suku bunga pinjaman negatif menunjukkan bahwa distribusi data melandai (varians besar), sedangkan kemiringan (skewness) bernilai positif untuk bank persero menunjukkan distribusi melandai ke kanan dan pada bank swasta nasional bernilai negatif menunjukkan distribusi melandai ke kiri.

Statistik deskriptif pada variabel financial leverage menunjukkan nilai rata-rata dan nilai tengah sama-sam sebesar 0,71 untuk Debt to Asset Ratio (DAR) sedangkan pada Debt to Equity Ratio (DER) sebesar 2,47 dan 2,40. Rentang data rasio DAR berapa diantara nilai minimal 0,68 hingga nilai maksimal 0,75 sedangkan untuk rasio DER berada diantara nilai minimal 2,18 hingga nilai maksimal 2,98. Rentang data yang lebih kecil mengakibatkan deviasi atau penyimpangan yang juga nilainya lebih kecil yaitu pada DAR dan DER masing-masing sebesar 0,02 dan 0.26. Nilai kurtosis Rasio DAR dan DER negatif menunjukkan bahwa distribusi data pada kedua indikator tersebut melandai. Nilai Skewness positif pada kedua rasio menunjukkan bahwa distribusi data lebih landai ke kiri.

Kapitalisasi aset sewa memiliki nilai rata-rata sebesar 4082 milliar rupiah sedangkan nilai tengahnya sebesar 4089 milliar rupiah. Rentang data yang dimiliki yaitu antar nilai minimal sebesar 3970 milliar rupiah pada bulan Mei 2021 hingga nilai maksimum sebesar 4252 milliar rupiah pada bulan Desember 2021. Penyimpangan data terhadap nilai rata-rata yaitu sebesar 77,88. Distribusi data melandai ke kanan denga varians besar ditunjukkan dengan nilai kutosis negatif sedangkan nilai Skewness positif.

Kinerja keuangan memiliki nilai rata-rata dan nilai tengah sebesar 0,03 untuk Return on Asset (ROA) sedangkan Return on Equity (ROE) sebesar 0,08 dan 0,07. ROA memiliki nilai terendah pada bulan Februari 2021 sedangkan nilai tertinggi pada bulan Januari 2020. ROE memiliki nilai terendah sebesar 0,04 pada bulan yg Februari 2021, sedangkan nilai tertinggi pada bulan Januari 2020 sebesar 0,17. Nilai minimum dan maksimum tersebut mengindikasikan perolehan laba tertinggi pada bulan Januari 2020 sedangkan terendah pada bulan Februari 2021. Rentang variasi data kinerja keuangan berada pada nilai 0,01 untuk ROA dan 0,04 untuk ROE. Distribusi data kinerja keuangan landau ke kiri ditunukkan dengan Skewness positif.

b. Analisis SEM (Structural Equation Modeling)-PLS

Structural Equation Modeling-PLS merupakan sebuah pendekatan permodelan kausal yang bertujuan memaksimumkan variansi dari variabel laten kriterion yang dapat dijelaskan oleh variabel laten prediktor. SEM-PLS diperoleh dengan menghubungkan antar variabel laten di software SmartPLS setelah sebelumnya ditentukan indikator reflektif (manifest) untuk setiap variabel penelitian. Structural Equation Modeling pada penelitian ini tersaji pada Gambar 4.1 berikut:

Gambar 3. Structural Equation Modeling pada Variabel Penelitian

Sumber: Data olahan SmartPLS (2022)

Variabel suku bunga pinjaman bank (X₁) terdiri atas dua indikator reflektif yaitu suku bunga pinjaman konsumsi pada bank persero (X_1.1) dan suku bunga pinjaman konsumsi pada bank persero (X_1.2). Selanjutnya untuk variabel financial leverage (X₂) terdiri dari dua indikator reflektif yaitu debt to asset ratio (X_2.1) dan debt to equity ratio (X_2.2). Kedua variabel bebas tersebut merupakan variabel bebas atas variabel terikat kapitalisasi aset sewa (Y) yang indicator reflektinya nilai net dari aset sewa yang disajikan dalam laporan keuangan perusahaan pembiayaan.

Kapitalisasi Aset sewa juga menjadi variabel bebas atas kinerja keuangan (Z) yang terdiri dari dua indikator reflektif yaitu return on asset (Z₁) dan return on equity (Z₂). Hubungan antara variabel laten dengan manifest-nya menunjukkan hubungan kasualitas dan antar indikator juga saling berkorelasi ditunjukkan dengan arah panah dalam Gambar 4.1 yang akan menentukan bagaimana analisis yang selanjutnya akan dilakukan, yaitu dengan pengukuran pada indikator reflektif.

c. Analisis Statistik Inferensial

a.) Evaluasi Model Pengukuran (Measurement Model/Outer Model)

Evaluasi Model pengukuran (Outer Model) dilakukan dengan melihat hubungan antara variabel laten dengan manifestnya. Evaluasi akan menilai apakah korelasi absolut telah memenuhi kriteria karena setiap variabel laten harus dapat menjelaskan varian indikator masing-masing setidak-tidaknya sebesar 50%.

1. Convergent Validity

Pada SmartPLS Convergent Validity ditunjukkan dengan nilai Outer Loading (nilai absolut loadings baku bagian luar) yang tersaji dalam Structural Equation Modeling pada garis hubungan antara variabel laten dengan manifest, atau dalam bentuk tabel sebagai berikut:

Gambar 4. Nilai Outer Loading Penelitian

Sumber: Data olahan SmartPLS (2022)

Convergent Validity telah memenuhi kriteria ditunjukkan dengan nilai outer loading > 0.7 untuk seluruh hubungan variabel laten dengan indikator reflektif (manifest). Dapat dikatakan bahwa data yang digunakan dalam penelitian telah valid dan variabel laten dapat dijelaskan dengan indikator tanpa perlu mengurangi atau menghapus indikator yang ada.

2. Discriminant Validity

Discriminant Validity dalam SmartPLS ditunjukkan dengan tabel Fornel-Lacker Criterion dan Cross Loading dengan melihat ukuran blok dimana akan dianggap valid apabila korelasi konstruk dengan item pengukuran lebih besar daripada ukuran konstruk lainnya.

Gambar 5. Fornel-Lacker Criterion

Sumber: Data olahan SmartPLS (2022)

Pada Gambar Fornel-Lacker Criterion menunjukkan bahwa data yang diteliti memiliki validitas diskriminan yang baik ditunjukkan dengan nilai korelasi konstruk pada item pengukuran lebih besar, sebagai contoh pada financial leverage nilai korelasi 1,000 > -0,093; 1,000 > 0,062; 1,000 > -0, 933, begitu juga dengan kapitalisasi aset sewa dan kinerja keuangan.

Gambar 6. Cross Loading

Sumber: Data olahan SmartPLS (2022)

Pada Gambar Cross Loading juga menunjukkan hasil yang sama, validitas diskriminan yang baik ditunjukkan dengan nilai korelasi konstruk pada item pengukuran lebih besar. Pada variabel financial leverage nilai korelasi konstruk sebesar X_2.1= 1,000 dan X_2.2= 0,999, nilai tersebut tertinggi dibandingkan nilai lain pada kolom tersebut (financial leverage) menunjukkan bahwa financial leverage memiliki validitas disrkiminan yang baik. Hal yang sama juga ditunjukkan pada variabel suku bunga pinjaman, kinerja keuangan dam kapitalisasi aset sewa.

3. Composite reliability

Composite reliability merupakan indikator yang menggunakan view latent variable coefficients untuk mengukur reliabilitas suatu konstruk. Evaluasi dilakukan dengan melihat nilai composite reliability di tabel Construct Reliability and Validity setelah proses PLS Algorithm di SmartPLS.

Gambar 7. Construct Reliability and Validity

Sumber: Data olahan SmartPLS (2022)

Nilai composite reliability untuk seluruh variabel berada diatas 0,7 menunjukkan bahwa variabel penelitian memiliki reliabilitas yang baik. Nilai average variance extracted (AVE) juga berada diatas 0,7 menujukkan bawa variabel penelitian validitas konvergen yang baik.

4. Cronbach’s Alpha

Cronbach’s Alpha merupakan alat uji untuk memperkuat hasil dari uji sebelumnya (composite reliability) dalam menilai reliabilitas. Masih pada tabel yang sama, nilai cronbach’s alpha berada diatas 0,7 untuk seluruh variabel penelitian menunjukkan bahwa reliabilitas baik.

b.) Evaluasi Model Struktural (Structural Model/Inner Model)

Evaluasi model structural (inner model) dilakukan dengan menjalankan fungsi bootstrapping pada smartPLS. Proses tersebut akan mengubah nilai/angka yang tampil dalam model struktural yang semula menampilkan outer loading menjadi nilai t-statistik.

Gambar 8. Structural Model (inner Model)

Sumber: Data olahan SmartPLS (2022)

Hasil dari proses bootstrapping kemudian akan digunakan dalam proses pengujian hipotesis penelitian meliputi uji-t dan uji untuk variabel mediasi (intervening) dengan metode tidak langsung. Apabila pada proses PLS Algorithm data yang tersaji masih menunjukkan hubungan indikator (manifest) dengan variabel laten, maka pada proses ini data yang tersaji adalah hubungan antar variabel.

c.) Predictive Relevance

Predictive Relevance dievaluasi dengan melihat Q-square untuk model variabelnya. Q-square mengukur seberapa baik estimasi parameter dan nilai observasi yang dihasilkan oleh suatu model. Pada SmartPLS, Q-square diperoleh dengan menjalankan fungsi blindfolding sehingga menghasilkan construct crossvalidated redundancy.

Gambar 8. Construct Crossvalidated Redundancy

Sumber: Data olahan SmartPLS (2022)

Nilai Q-square menunjukkan 0,718 untuk kapitalisasi aset sewa dan 0,119 untuk kinerja keuangan, dengan demikian dapat dikatakan bahwa model penelitian mempunyai nilai predictive relevance atau dapat melakukan estimasi dan observasi dengan baik, karena nilai Q-square lebih besar dari 0 (nol).

d. Analisis Mediasi SEM-PLS

Analisis mediasi SEM-PLS dilakukan melalui proses bootstrapping kemudian melihat tabel indirect effect karena dalam penelitian ini tidak ada efek langsung antara variabel suku bunga pinjaman dan financial leverage dengan kinerja keuangan. Pada kerangka pemikiran hubungan suku bunga pinjaman dan financial leverage hanya melalui kapitalisasi aset sewa untuk ke kinerja keuangan.

e. Metode Indirect Effect

Analisis mediasi dengan metode indirect effect dilakukan dengan melihat tabel total indirect effect, dengan melihat seluruh hubungan antar variabel yang terjadi pada model yang dibentuk. Hubungan antar variabel dengan mediasi (intervening) ditunjukkan dengan adanya nilai t-statistik dan P values.

Gambar 9. Total Indirect Effect

Sumber: Data olahan SmartPLS (2022)

Gambar total indirect effect menunjukkan setidaknya ada lima hubungan antar variabel yang terbentuk dari model sesuai dengan kerangka pemikiran. Hubungan tersebut telah sesuai dengan pengembangan hipotesis. Dari kelima hubungan tersedut, dua diantaranya adalah hubungan dengan variabel mediasi yaitu antara variabel financial leverage terhadap variabel kinerja keuangan dan variabel suku bunga pinjaman terhadap variabel kinerja keuangan. Hubungan antar variabel melaui variabel mediasi kapitalisasi aset sewa ditunjukkan dengan adanya nilai t-statistik dan p-value sebesar 1,815 dan 0,035 (financial leverage à kinerja keuangan) serta sebesar 1,856 dan 0,035 (suku bunga pinjaman à kinerja keuangan). Penjelasan mengenai pengaruh variabel mediasi akan dijelaskan lebih lanjut pada pembahasan (4.4).

f. Pengujian Hipotesis

Pengujian hipotesis dilakukan dengan uji koefisien determinasi, uji f dan uji-t. Koefisien determinasi mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Untuk memperoleh nilai koefisien determinasi digunakan tabel R-Square yang akan menilai bagaimana model dapat menerangkan variabel dependen kapitalisasi aset sewa dan kinerja keuangan.

Gambar 10. R-Square

Sumber: Data olahan SmartPLS (2022)

Gambar R-Square menunjukkan bahwa kapitalisasi aset sewa dapat dijelaskan lebih baik karena nilainya lebih mendekati 1 dibandingkan dengan kinerja keuangan. Hal tersebut disebabkan varibel bebas yang digunakan untuk kapitalisasi aset sewa lebih banyak dibandingkan variabel bebas untuk kinerja keuangan pada hubungan variabel secara langsung.

Untuk menilai besarnya pengaruh antar variabel dengan Effect Size digunakan Uji statistik F square dengan melihat nilai yang dihasilkan dari tabel F square. Akan dinilai bagaimana variabel suku bunga pinjaman dan financial leverage mempengaruhi kapitalisasi aset sewa, kemudian kapitalisasi sewa mempengaruhi kinerja keuangan.

Gambar 11. F-Square

Sumber: Data olahan SmartPLS (2022)

Serupa dengan uji R-Square, pada tabel F square menunjukkan bahwa suku bunga pinjaman dan financial leverage memiliki pengaruh antar variabel yang kuat ditunjukkan dengan nilainya masing-masing 3,509 > 0,350 dan 2,812 > 0,350. Sedangkan kinerja keuangan memiliki pengaruh antar variabel dalam tingkat sedang ditunjukkan dengan nilai 0,150 < 0,177 <0,350.

Untuk menjawab hipotesis penelitian digunakan uji t-statistik dengan melihat hasil tabel path coefficients untuk hipotesis 1, hipotesis 2, dan hipotesis 3 yang merupakan hubungan variabel langsung. Untuk hipotesis 4 & hipotesis 5 dengan variabel mediasi digunakan tabel specific indirect effects.

Gambar 12. Path Coefficients

Sumber: Data olahan SmartPLS (2022)

g. Uji Hipotesis 1

Hipotesis pertama yang dirumuskan yaitu suku bunga pinjaman bank berpengaruh negatif terhadap kapitalisasi aset sewa (H₁). Berdasarkan original sample (O) antara suku bunga pinjaman dengan kapitalisasi aset sewa yang nilainya sebesar -2,443 menunjukkan bahwa hubungan kedua variabel tersebut negatif dengan setiap meningkatan satu unit suku bunga pinjaman akan mengakibatkan penurunan nilai kapitalisasi aset sewa sebesar 2,443. Dengan demikian maka H₁ diterima.

h. Uji Hipotesis 2

Hipotesis kedua yang dirumuskan yaitu financial leverage berpengaruh positif terhadap kapitalisasi aset sewa (H₂). Berdasarkan original sample (O) antara financial leverage dengan kapitalisasi aset sewa yang nilainya sebesar 2,186 menunjukkan bahwa hubungan kedua variabel tersebut positif dengan setiap meningkatan satu unit financial leverage juga akan mengakibatkan kenaikan nilai kapitalisasi aset sewa sebesar 2,186. Dengan demikian maka H₂ diterima.

i. Uji Hipotesis 3

Hipotesis ketiga yang dirumuskan yaitu kapitalisasi aset sewa berpengaruh positif terhadap kinerja keuangan (H₃). Berdasarkan original sample (O) antara kapitalisasi aset sewa dengan kinerja keuangan yang nilainya sebesar 0,387 menunjukkan bahwa hubungan kedua variabel tersebut positif dengan setiap meningkatan satu unit kapitalisasi aset sewa juga akan mengakibatkan kenaikan nilai kinerja keuangan sebesar 0,387. Dengan demikian maka H₃ diterima.

j. Uji Hipotesis 4

Gambar 13. Specific Indirect Effects

Sumber: Data olahan SmartPLS (2022)

Hipotesis keempat yang dirumuskan yaitu suku bunga pinjaman berpengaruh negatif terhadap kinerja keuangan melalui kapitalisasi aset sewa (H₄). Berdasarkan original sample (O) antara suku bunga pinjaman dengan kinerja keuangan melalui kapitalisasi aset sewa yang nilainya sebesar -0,946 menunjukkan bahwa hubungan antar variabel tersebut negatif dengan setiap meningkatan satu unit suku bunga pinjaman akan mengakibatkan penurunan nilai kinerja keuangan sebesar 0,946. Dengan demikian maka H₄ diterima.

k. Uji Hipotesis 5

Hipotesis kelima yang dirumuskan yaitu financial leverage berpengaruh positif terhadap kinerja keuangan melalui kapitalisasi aset sewa (H₅). Berdasarkan original sample (O) antara financial leverage dengan kinerja keuangan melalui kapitalisasi aset sewa yang nilainya sebesar 0,847 menunjukkan bahwa hubungan antar variabel tersebut positif dengan setiap meningkatan satu unit financial leverage akan mengakibatkan peningkatan nilai kinerja keuangan sebesar 0,847. Dengan demikian maka H₅ diterima.

l. Interpretasi Hasil

Setelah seluruh hipotesis penelitian diterima maka persamaan regresi atas model kerangka pemikiran dapat ditentukan dengan melihat nilai original sample (O) untuk masing-masing hubungan pada tabel path coefficients. Untuk mempermudah dalam membaca persamaan regresi maka dapat digunakan tabel matrix antar variabel.

Gambar 14. Path Coefficients - Matrix

Sumber: Sumber: Data olahan SmartPLS disajikan kembali oleh Penulis (2022)

Dari gambar path coefficients – matrix diketahui bahwa terdapat dua persamaan regresi dari model struktural (structural model/inner model) yang terdapat pada penelitian. Persamaan regresi pertama menjelaskan variabel kapitalisasi aset sewa sedangkan persamaan regresi kedua menjelaskan variabel kinerja keuangan.

Model 1 : Kapitalisasi aset sewa

Y = -2,446 X₁ + 2,186 X₂

Model 2 : Kinerja keuangan

Z = -0,946 X₁ + 0,847 X₂ + 0,387 Y

Dari kedua model diatas, model pertama (kapitalisasi aset sewa) memiliki nilai prediksi yang lebih baik dan dapatat menerangkan variabel dependen denganlebih baik. Hal tersebut dibuktikan dengan nilai Q-Square dan R-Square yang lebih tinggi pada evaluasi model structural dan uji hipotesis.

Gambar 15. Hasil Uji Model Regresi

Sumber: Data olahan SmartPLS disajikan kembali oleh Penulis (2022)

Pembahasan

Untuk mengukur signifikansi hubungan antar variabel masih menggunakan data tabel yang sama dengan uji hipotesis yaitu dengan melihat besarnya nilai t statistik dan P value. Signifikansi hubungan antara variabel bebas dan variabel terikat dengan dan tanpa variabel mediasi dapat terlihat pada tabel 4.13 sebagai berikut:

Gambar 16. Hasil Uji Path Coefficient & Indirect Effect

Sumber: Data olahan SmartPLS disajikan kembali oleh Penulis (2022)

a. Pengaruh Suku Bunga Pinjaman Bank terhadap Kapitalisasi Aset Sewa

Suku bunga pinjaman bank memiliki dampak yang signifikan terhadap kapitalisasi aset sewa ditunjukkan dengan nilai P-value 0,000 < 0,050 dan nilai t statistik 5.927 > 1.960. Dua indikator tersebut menjelaskan bahwa hubungan kedua variabel adalah signifikan setelah sebelumnya menjawab hipotesis pertama yaitu hubungan keduanya negatif.

Hubungan kedua variabel tersebut telah sesuai dengan teori dalam menghitung kapitalisasi aset sewa menurut PSAK 73 yaitu dalam menentukan besarnya aset sewa diperlukan suku bunga pinjaman, dimana semakin tinggi nilai suku bunga maka nilai kapitalisasi aset sewa akan semakin rendah akibat semakin besarnya porsi biaya bunga.

Kesimpulan tersebut juga serupa dengan hasil penelitian sebelumnya oleh (Putra & Haryaningsih, 2021) yang menjelaskan bahwa terdapat hubungan langsung dengan pengaruh negatif signifikan antara perubahan tingkat bunga kredit terhadap jumlah asset. Penelitian lain juga menjelaskan bahwa tingkat suku bunga memiliki dampak yang signifikan terhadap pertumbuhan aset (Sari & Suindari, 2020).

b. Pengaruh Financial Leverage terhadap Kapitalisasi Aset Sewa

Financial leverage memiliki dampak yang signifikan terhadap kapitalisasi aset sewa ditunjukkan dengan nilai P-value 0,000 < 0,050 dan nilai t statistik 7,294 > 1,960. Dua indikator tersebut menjelaskan bahwa hubungan kedua variabel adalah signifikan setelah sebelumnya menjawab hipotesis perkedua yaitu hubungan keduanya positif.

Hubungan kedua variabel tersebut sesuai penjelasan bahwa financial leverage akan memperoleh dampak akibat kapitalisasi asset sewa karena adanya perubahan pada laporan posisi keuangan yaitu peningkatan pada aset dan liabilitas serta penurunan pada ekuitas (Maulana & Satria, 2021). Pada penerapan PSAK 73, penurunan nilai asset berdasarkan depresiasi dengan metode garis lurus sedangkan penurunan liabilitas dan ekuitas sangat tergantung pada suku bunga pinjaman yang dihitung saat pembayaran sewa.

Kesimpulan tersebut juga serupa dengan penelitian pada perusahaan penerbangan (maskapai) di Indonesia, DAR secara signifikan berdampak pada kapitalisasi asset sewa (Prajanto, 2020). Penelitian lain di Turki, DER memiliki dampak signifikan pada kapitalisasi aset sewa akibat kenaikan liabilitas yang juga signifikan. (Sari, et al., 2016). Dampak positif financial leverage pada penerapan kapitalisasi aset sewa terlihat pada metriks performa perusahaan di Bulgaria (Stancheva-Todorova & Velinova-Sokolova, 2019). Penelitian tersebut menilai pada rasio dan komponen laporan keuangan mana memberikan dampak positif mupun negatif

c. Pengaruh Kapitalisasi Aset Sewa terhadap Kinerja Keuangan

Kapitalisasi aset sewa memiliki dampak yang signifikan terhadap kinerja keuangan ditunjukkan dengan nilai P-value 0,025 < 0,050 dan nilai t statistik 1.965 > 1,960. Dua indikator tersebut menjelaskan bahwa hubungan kedua variabel adalah signifikan setelah sebelumnya menjawab hipotesis ketiga yaitu hubungan keduanya positif.

Hubungan kedua variabel tersebut telah sesuai dengan teori dalam PSAK 73 bahwa terdapat keterkaitan antara kapitalisasi aset sewa dengan kinerja keuangan yaitu dalam semakin besar nilai aset sewa maka besarnya biaya bunga akan semakin turun sehingga besarnya laba yang menentukan kinerja perusahaan akan semakin meningkat.

Kesimpulan tersebut juga serupa dengan hasil penelitian sebelumnya pada perusahaan minyak dan gas di Nigeria menunjukkan bahwa Aset sewa (Finance lease & Operating lease) memiliki dampak positif signifikan terhadap ROA (Bello et al., 2016). Penelitan lain pada perusahaan penerbangan di Republik Ceko menunjukkan bahwa kapitalisasi aset sewa memberikan dampak signifikan pada profitabilitas yang diwakili oleh ROA (Veverková, 2019).

d. Pengaruh Suku Bunga Pinjaman Bank terhadap Kinerja Keuangan melalui Kapitalisasi Aset Sewa

Suku bunga pinjaman bank memiliki dampak yang signifikan terhadap kinerja keuangan melalui kapitalisasi aset sewa ditunjukkan dengan nilai P-value 0,035 < 0,050 walaupun nilai t statistik tidak memenuhi kriteria 1.821 < 1.960. Dengan menggunakan indikator P-value sebagai dasar penilaian maka dapat dikatakan bahwa hubungan kedua variabel dengan intervening adalah signifikan setelah sebelumnya menjawab hipotesis keempat yaitu hubungan keduanya negatif.

Kesimpulan tersebut juga serupa dengan hasil penelitian sebelumnya pada PT Bank CIMB Niaga Tbk, yangmenghasilkan kesimpulan yaitu terdapat pengaruh yang negatif signifikan antara suku bunga kredit terhadap ROA (Wulandari & Sipahutar, 2021). Penelitian lain menunjukkan bahwa pertumbuhan aset dapat memediasi tingkat suku bunga terhadap profitabilitas (ROA) melalui uji Sobel pada Lembaga Perkreditan Desa tahun 2017-2019 (Sari & Suindari, 2020).

e. Pengaruh Financial Leverage terhadap Kinerja Keuangan melalui Kapitalisasi Aset

Financial leverage memiliki dampak yang signifikan terhadap kinerja keuangan melalui kapitalisasi aset sewa ditunjukkan dengan nilai P-value 0,037 < 0,050 walaupun nilai t statistik tidak memenuhi kriteria 1.791 < 1.960. Dengan menggunakan indikator P-value sebagai dasar penilaian maka dapat dikatakan bahwa hubungan kedua variabel dengan intervening adalah signifikan setelah sebelumnya menjawab hipotesis kelima yaitu hubungan keduanya positif.

Hubungan kedua variabel tersebut telah sesuai PSAK 73 dalam menghitung kapitalisasi aset sewa yaitu dalam menentukan besarnya aset sewa dimana peningkatan liabilitas yang akan mempengaruhi financial leverage akan sejalan dengan meningkatan laba yang akan menjadi dasar penilaian kinerja keuangan. Kenaikan liabilitas akan menurunkan porsi biaya bunga yang mengakibatkan laba meningkat.

Kesimpulan tersebut juga serupa dengan hasil penelitian sebelumnya pada perusahaan jasa penunjang migas menunjukkan bahwa Debt to Asset (DAR) secara parsial berpengaruh signifikan terhadap profitabilitas perusahaan yang diwakili oleh Return on Asset (ROA) (Widodo, 2018). Hasil yang sama juga ditunjukan pada perusahaan rokok, dengan menggunakan data sekunder dari empat perusahaan selama 8 tahun, hasil penelitian memperlihatkan bahwa DER secara parsial berpengaruh signifikan terhadap ROA (Darminto & Fuadati, 2020).

KESIMPULAN

Berdasarkan hasil analisis dan pengujian hipotesis, maka kesimpulan yang dapat diambil adalah sebagai berikut: 1. Setelah penerapan PSAK 73 dan diberlakukannya kapitalisasi aset sewa, suku bunga pinjaman terbukti memiliki dampak signifikan dan negatif terhadap kapitalisasi aset sewa. Kenaikan suku bunga yang diwakili oleh indikator suku bunga pinjaman bank persero dan swasta nasional akan mengakibatkan turunnya nilai kapitalisasi aset sewa pada perusahaan pembiayaan. 2. Financial leverage dengan indikator debt to asset ratio dan debt to equity ratio memiliki dampak positif dan signifikan terhadap kapitalisasi aset sewa. Setiap peningkatan financial leverage akan diikuti oleh peningkatan kapitalisasi aset sewa. Dampak positif signifikan akibat pada saat awal perhitungan aset setiap kenaikan kapitalisasi aset sewa akan diikuti oleh kenaikan liabilitas sewa yang menjadi dasar dalam perhitungan financial leverage. 3. Kapitalisasi aset sewa memiliki dampak positif dan signifikan terhadap kinerja keuangan. Setiap peningkatan kapitalisasi aset sewa akan diikuti oleh peningkatan kinerja keuangan. Dampak positif signifikan akibat saat perhitungan nilai aset sewa, kenaikan kapitalisasi sewa akan diikuti penurunan biaya bunga yang kemudian akan meningkatkan laba bersih yang bukukan oleh perusahaan yang menjadi dasar perhitungan kinerja keuangan. 4. Kapitalisasi aset sewa mampu memediasi pengaruh suku bunga pinjaman terhadap kinerja keuangan, dibuktikan dengan hubungan yang negatif dan signifikan antara suku bunga pinjaman terhadap kinerja keuangan melalui kapitalisasi aset sewa. 5. Kapitalisasi aset sewa mampu memediasi pengaruh financial leverage terhadap kinerja keuangan, dibuktikan dengan hubungan yang positif dan signifikan antara financial leverage terhadap kinerja keuangan melalui kapitalisasi aset sewa.

BIBLIOGRAFI

Ahmar, Nurmala. (2018). Investigasi atas revaluasi aset, penyajian laporan keuangan, dan kualitas auditor berbasis mandatory IFRS. Jurnal Ekonomi Dan Bisnis, 21(1), 75–96.

Amrulloh, Amrulloh, & Jasmadeti, Jasmadeti. (2022). Analisis Implementasi Penerapan Psak 73 Sewa Dan Aspek Perpajakannya Terhadap Laporan Keuangan (Studi Empiris Pada Pt Mahabbah Realty). Eqien-Jurnal Ekonomi Dan Bisnis, 10(1), 403–414.

Bello, Umar, Ahmad, Hannatu Sabo, & Aliyu, Almustapha Alhaji. (2016). The impact of lease financing on the financial performance of Nigerian oil and gas industry. Research Journal of Finance and Accounting, 7(4), 28–34.

Darminto, Adelina Anggraini, & Fuadati, Siti Rokhmi. (2020). Pengaruh Cr, Der, Tato Terhadap Roa Pada Perusahaan Rokok Di Bei. Jurnal Ilmu Dan Riset Manajemen (JIRM), 9(4).

Ghozali, Imam. (2018). Aplikasi analisis multivariate dengan program IBM SPSS 25.

Juwita, Rukmi. (2013). Pengaruh implementasi standar akuntansi pemerintahan dan sistem informasi akuntansi terhadap kualitas laporan keuangan. Trikonomika, 12(2), 201–214.

Kholipah, Dina, Hardiyanto, Arief Tri, & Octavianty, Ellyn. (2018). Penerapan Psak No. 30 Mengenai Perlakuan Akuntansi Sewa Aset Tetap Ditinjau Dari Pihak Lessee (Studi Kasus Di Pt Dagsap Endura Eatore). Jurnal Online Mahasiswa (JOM) Bidang Akuntansi, 5(2).

Laksana, Mahardika Putra, & Sudradjat, Sudradjat. (2019). Analisis Proyeksi Laporan Keuangan Perusahaan Penerbangan Saat Transisi PSAK 30 Menjadi PSAK 73. Jurnal Ilmiah Akuntansi Kesatuan, 7(3), 369–378.

Magli, Francesca, Nobolo, Alberto, & Ogliari, Matteo. (2018). The effects on financial leverage and performance: The IFRS 16. International Business Research, 11(8), 76–89.

Mashuri, Mashuri, A. A. A., & Ermaya, H. N. L. (2021). (2021). Penerapan standar akuntansi PSAK 73 leases terhadap kinerja keuangan perusahaan yang terdaftar di Bursa Efek. Jurnal MONEX, 10(1), 26–43.

Maulana, Jaka, & Satria, M. Rizal. (2021). Analisis Dampak Penerapan PSAK 73 Atas Sewa Terhadap Kinerja Keuangan Pada Industri Jasa Yang Terdaftar di Bursa Efek Indonesia Tahun 2019. JPAK: Jurnal Pendidikan Akuntansi Dan Keuangan, 9(2), 169–178.

Prajanto, Agung. (2020). Implementasi PSAK 73 atas sewa terhadap kinerja keuangan pada BUMN yang terdaftar Di Bursa Efek Indonesia. JAKA (Jurnal Akuntansi, Keuangan, Dan Auditing), 1(2).

Purnomo, Agung, Sudirman, Acai, Hasibuan, Abdurrozzaq, Sudarso, Andriasan, Sahir, Syafrida Hafni, Salmiah, Salmiah, Mastuti, Rini, Chamidah, Dina, Koryati, Try, & Simarmata, Janner. (2020). Dasar-Dasar Kewirausahaan: Untuk Perguruan Tinggi dan Dunia Bisnis. Yayasan Kita Menulis.

Putra, Windhu, & Haryaningsih, Sri. (2021). Kontribusi perubahan kebijakan suku bunga, jumlah anggota, dan dana pihak ketiga terhadap asset perusahaan melalui pembiayaan kredit. JPPI (Jurnal Penelitian Pendidikan Indonesia), 7(2), 292–304.

Stancheva-Todorova, Eleonora, & Velinova-Sokolova, Nadya. (2019). IFRS 16 leases and its impact on company’s financial reporting, financial ratios and performance metrics. Economic Alternatives, 1(2019), 44–62.

Veverková, Alžběta. (2019). IFRS 16 and its Impacts on Aviation Industry. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis.

Yani, Jenderal Achmad. (n.d.). Sugiyono. 2017. Metode Penelitian Kuantitatif, Kualitatif, Dan R&D. Bandung: Alfabeta. Ferrari, JR, Jhonson, JL, & McCown, WG (1995). Procrastination And Task Avoidance: Theory, Research & Treatment. New York: Plenum Press. Yudistira P, Chandra. Diktat Kuliah Psikometri. Fakultas Psikologi Universitas.