43 pustaka dari jurnal-jurnal ilmiah serta literatur yang memuat pembahasan
berkaitan dengan penelitian ini.
3.5. Metode analisis
Data yang telah dikumpulkan akan dianalisis dengan melakukan analisis statistik deskriptif dan uji asumsi klasik. Analisis statistik deskriptif dilakukan
untuk mengetahui dispersi dan distribusi data. Sedangkan uji asumsi klasik dilakukan untuk menguji kelayakan model regresi yang selanjutnya akan
digunakan untuk menguji hipotesis penelitian.
3.5.1 Analisis statistik deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi tentang suatu data yang dilihat melalui nilai rata-rata mean, standar deviasi, varian,
maksimum,minimum, sum, range, kurtosis, dan skewness Ghozali, 2009. Skewness mengukur kemencengan dari data dan kurtosis mengukur puncak dari
distribusi data. Data yang terdistribusi secara normal mempunyai nilai skewness dan kurtosis mendekati nol Ghozali, 2009.
3.5.2. Uji asumsi klasik
Uji asumsi klasik bertujuan untuk mengetahui kelayakan penggunaan model regresi dalam penelitian ini. Uji asumsi terdiri dari uji multikolonieritas, uji
autokorelasi, uji heteroskedastisitas, dan uji normalitas Ghozali, 2009. 1. Uji multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Untuk mendeteksi ada atau
Universitas sumatera Utara
44 tidaknya multikolonieritas di dalam model regresi sebagai berikut Ghozali,
2009: a. Nilai R2 yang dihasilkan sangat tinggi, tetapi secara individual variabel-
variabel independen banyak yang tidak signifikan dan mempengaruhi variabel dependen.
b. Menganalisis matriks korelasi variabel-variabel independen. Jika cukup tinggi, maka terdapat multikolonieritas.
c. Dilihat dari nilai tolerance dan variance inflation factor VIF. Suatu model regresi yang bebas dari masalah multikolonieritas apabila mempunyai
tolerance value 0,10 dan nilai VIF 10.
2. Uji autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2005. Untuk menguji ada atau
tidaknya autokorelasi dilakukan dengan uji Durbin-Watson DW test. Uji autokorelasi dengan Durbin-Watson DW test hanya digunakan untuk
autokorelasi tingkat satu dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variabel lag diantara variabel independen.
Pengambilan keputusan ada atau tidaknya autokorelasi, yaitu:
Universitas sumatera Utara
45
Tabel 3.4 Pengambilan Keputusan Uji
Durbin-Watson DW-Test
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif Tidak ada
keputusan dl d du
Tidak ada korelasi negatif Tolak
4 - dl d 4 Tidak ada korelasi negatif
Tidak ada keputusan
4 - du d 4 – dl
Tidak ada autokorelasi positif atau negatif
Tidak ditolak du d 4 – du
3. Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Model regresi yang baik adalah yang tidak terjadi heterokedastisitas. Pengujian heterokedastisitas dilakukan dengan menggunakan grafik scatterplot
dan uji gletser. Dasar analisis yang digunakan untuk mengambil keputusan dalam grafik scatterplot adalah sebagai berikut:
1. Jika ada pola tertentu , seperti titik – titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heterokedastisitas. 2. Jika tidak ada pola yang jelas, serta titik–titik menyebar di atas dan dibawah
angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. 3. Uji heteroskedastisitas dengan menggunakan Uji Glejser dilakukan dengan cara
meregres nilai absolut residual terhadap variabel independen. Dalam pengambilan keputusan dapat dilihat dari koefisien parameter, jika nilai
Universitas sumatera Utara
46 probabilitas signifikansinya di atas 0,05 maka dapat disimpulkan tidak terjadi
heteroskedastisitas. Namun sebaliknya, jika nilai probabilitas signifikansinya di bawah 0,05 maka dapat dikatakan telah terjadi heteroskedastisitas.
4. Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Menurut Ghozali 2009
ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan cara analisis grafik dan analisis statistik. Analisis grafik
Histogram dan P-Plot kemudian uji statistik non-parametrik Kolmogorov- Smirnov K-S .
a. Pada uji normalitas dengan menggunakan analisis grafik, normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari
grafik atau dengan melihat histogram dari residualnya. b. Cara pengambilan keputusan pada uji statistik non-parametrik
Kolmogorov-Smirnov K-S : 1. Jika nilai Asymp.Sig. 2-tailed 0,05 artinya data residual tidak
berdistribusi normal. 2. Jika nilai Asymp.Sig. 2-tailed 0,05 artinya data residual
berdistribusi normal.
3.5.3 Uji hipotesis
Hipotesis diuji dengan analisis linear berganda. Analisis linear berganda dilakukan untuk mengetahui seberapa besar hubungan antara variabel independen
Universitas sumatera Utara
47 dengan variabel dependen. Persamaan regeresi linear berganda yang digunakan
dalam penelitian adalah sebagai berikut : Y
1
= α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
3
X
4
+ β
3
X
5
+ є
Keterangan : Y
1 =
Manajemen laba α = Konstanta
β
1
,β
2,
β
3,
β
4,
β
5=
koefisien regresi dan variable independen X
1 =
Ukuran dewan direksi X
2 =
Ukuran dewan komisaris X
3 =
Komite audit X4= Kepemilikan manajerial
X5 = Leverage Є = error
Persamaan di atas kemudian dianalisis dengan SPSS dengan tingkat signifikansi 5 α = 0,05.
3.5.3.1 Uji koefisien determinasi
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen
Ghozali,2006. Lebih lanjut Ghozali 2006 menjelaskan bahwa nilai koefisien determinasi adalah antara nol dan sampai dengan satu. Nilai adjusted R
2
yang mendekati satu berarti kemampuan variabel-variabel independen memberikan
hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Universitas sumatera Utara
48
3.5.3.2 Uji signifikansi simultan Uji F
Uji statistik F menunjukkan apakah semua variabel independen atau bebas mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau
terikat Ghozali, 2005 : 84. Pengujian ini dilakukan dengan membandingkan nilai F hitung dengan F tabel dan melihat nilai signifikansi F pada output hasil regresi
menggunakan SPSS dengan nilai signifikansi 0,05. Dengan cara sebagai berikut: a. Bila F hitung F tabel atau probabilitas nilai signifikan Sig
≤ 0,05, maka hipotesis tidak dapat ditolak, ini berarti bahwa secara simultan variabel
independen mempunyai pengaruh signifikan terhadap variabel dependen. b. Bila F hitung F tabel atau probabilitas nilai signifikan Sig
≥ 0,05, maka hipotesis tidak dapat diterima, ini berarti bahwa secara simultan variabel
independen tidak mempunyai pengaruh signifikan terhadap variabel dependen.
3.5.3.3 Pengujian koefisien regresi parsial uji-t
Pengujian ini untuk mengetahui apakah variabel independen secara individu berpengaruh terhadap variabel dependen. Jika tingkat probabilitas lebih
kecil dari 0,05 maka dapat dikatakan variabel independen berpengaruh terhadap variabel dependen.
Universitas sumatera Utara
49
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Data penelitian
Populasi yang digunakan dalam penelitian ini adalah perusahaan manufaktur barang konsumsi yang terdaftar di Bursa Efek Indonesia BEI selama
periode 2009-2012. Berdasarkan data yang didapat dari Indonesia Capital Market Directory ICMD, terdapat 10 perusahaan manufaktur barang konsumsi yang
terdaftar di BEI selama periode 2009-2012. Pemilihan sampel dilakukan dengan metode purposive sampling. Data yang diperoleh adalah sebagai berikut:
Tabel 4.1 Data Hasil Pemilhan Sampel
No Kriteria Sampel Jumlah
1 Perusahaan manufaktur barang konsumsi yang terdaftar di Bursa
Efek Indonesia selama periode tahun 2009-2012 30
2 Sampel dikeluarkan karena Perusahaan menerbitkan laporan
keuangan yang mengalami kerugian pada tahun yang diteliti 4
3 Sampel dikeluarkan tidak memiliki kelengkapan,
tidak mempublikasikan laporan keuangan yang diaudit secara lengkap
untuk periode 31 Desember 2009-2012 dalam Bursa Efek Indonesia
16 4
Jumlah populasi yang masuk kriteria sampel 10
Universitas sumatera Utara
50
4.2 Analisis data 4.2.1 Analisis Statistik deskriptif
Uji Statistik deskriptif bertujuan untuk memberikan gambaran atau deskripsi dari suatu data yang dilihat dari jumlah sampel, nilai minimum, nilai maksimum, nilai
rata-rata mean, dan standar deviasi dari masing-masing variabel. Berikut ini dijelaskan statistik data penelitian:
Tabel 4.2 Analisis statistif deskriptif
Descriptive Statistics
N Minimum Maximum
Mean Std. Deviation
Manajemen_Laba 40
-.096 .220
.02270 .058759
Dewan_Direksi 40
2.00 9.00
5.3500 2.27077
Dewan_Komisaris 40
2.00 10.00
4.3750 2.04673
Komite_Audit 40
3.00 4.00
3.1000 .30382
Kepemilikan_Manajerial 40
.00 17.97
1.7418 4.77567
Leverage 40
.13 .69
.3765 .15812
Valid N listwise 40
Gambar 4.2 Analistis statistik deskriptif Sumber : Hasil olahan SPSS 17.00 for windows
Berdasarkan hasil analisis statistik deskriptif tersebut, dapat dijelaskan beberapa hal sebagai berikut, yaitu :
a. Variabel Manajemen laba menunjukkan nilai minimum -0.096 dan nilai maksimum 0,220 yang berarti perusahaan manufaktur barang konsumsi di
Indonesia masih melakukan tindakan manajemen laba baik dengan cara menurunkan laba earnings management negative maupun menaikkan
Universitas sumatera Utara
51 laba nilai earning management positif dengan rata-rata manajemen laba
sebesar 0,02270 sedangkan standar deviasinya adalah 0,058759. b. Variabel ukuran dewan direksi menunjukkan nilai rata-rata perusahaan
sampel memiliki jumlah dewan direksi rata-rata 5,3500 yang berarti bahwa rata-rata perusahaan sampel memiliki jumlah dewan direksi sebanyak 5,35
orang. Jumlah dewan direksi yang dimiliki oleh perusahaan paling sedikit 2 orang dan paling banyak 9 orang dan standar deviasi yang dihasilkan
yaitu 2,27077. c. Variabel ukuran dewan komisaris menunjukkan rata-rata 4,3750 yang
berarti bahwa rata-rata perusahaan sampel memiliki jumlah dewan komisaris sebanyak 4,3 orang. Jumlah dewan komisaris yang dimiliki
perusahaan paling sedikit 2 orang dan paling banyak 10 orang dan standar deviasi yang dihasilkan 2,046673.
d. Variabel komite audit menunjukkan rata-rata 3,1000 yang berarti bahwa rata-rata perusahaan sampel memiliki jumlah komite audit sebanyak 3,1
orang. Jumlah komite audit yang dimiliki perusahaan paling sedikit 3 orang, paling banyak 4 orang dan strandar deviasi yang dihasilkan adalah
0,30382. e. Variabel kepemilikan manajerial yang dimiliki perusahaan mempunyai
nilai minimum 0,00 dan nilai maksimum 17,97 dengan nilai rata-rata sebesar 1,7418 sedangkan standar deviasinya adalah 4,77567. Artinya
kepemilikan manajerial yang dimiliki perusahaan sampel paling kecil 0 dan paling besar adalah 17,97 . Sedangkan rata-rata kepemilikan
Universitas sumatera Utara
52 manajerial yang dimiliki perusahaan sampel adalah 17,4 dengan
strandar deviasi 47,75 . f. Variabel leverage nilai minimum 0,13 dan nilai maksimum 0,69 dengan
nilai rata-rata 0,3765 sedangkan standar deviasinya adalah 0,15812. Artinya leverage ratio yang dimiliki oleh perusahaan sampel paling kecil
adalah 13 dan yang paling besar adalah 69 . Sedangkan rata-rata ratio leverage perusahaan sampel adalah 37,65 dengan standar deviasi
15,81.
4.2.2 Pengujian asumsi klasik 4.2.2.1 Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variable pengganggu atau residual memiliki distribusi normal. Ada dua cara untuk
mengetahui apakah residual terdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik Ghozali, 2005 : 110. Karena analisis grafik histogram dan
P-Plot dapat menyesatkan, maka dilakukan juga uji statistic kolmogorov-smirnov dengan melihat tingkat signifikansinya. Uji ini dilakukan sebelum data diolah.
Pendeteksian normalitas data apakah terdistribusi normal atau tidak dengan menggunakan uji kolmogorov-smirnov. Residual dinyatakan terdistribusi normal
jika nilai signifikansi kolmogorov-smirnov 0,05.
Universitas sumatera Utara
53
Gambar 4.1 Histogram Dependent Variabel Sumber : Hasil Olahan SPSS 17.00 for windows
Gambar 4.1 menunjukkan bahwa grafik histogram memberikan pola distribusi yang tidak menceng ke kanan atau kiri. Hal ini berarti data residual
mempunyai distribusi normal. Uji normalitas dapat juga dilakukan melalui grafik normal P – P Plot of Regression Standardized.
Gambar 4.2 Normal P Plot Sumber : Hasil Olahan SPSS 17.00 for windows
Universitas sumatera Utara
54 Gambar 4.2 menunjukkan bahwa tititk – titik scatterplot sudah mengikuti
garis diagonal disepanjang garis normal. Hal ini menunjukkan bahwa data residual mempunyai distribusi normal. Uji normalitas dapat juga dilakukan dengan analisis
statistik. Analisis statistik memberikan hasil yang lebih akurat dibandingkan dengan analisis grafik. Maka untuk itu dilakukan Uji one sample kolmogrov –
smirnov test untuk mengetahui apakah data berdistribusi normal.
Tabel 4.3 Uji normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .04908335
Most Extreme Differences Absolute
.146 Positive
.146 Negative
-.125 Kolmogorov-Smirnov Z
.925 Asymp. Sig. 2-tailed
.359 a. Test distribution is Normal.
b. Calculated from data.
Uji normalitas yang digunakan dalam analisis statistik ini adalah uji statistik non - parametik one sampel kolmogrov sminornov. Data yang dimiliki
berdistribusi normal, dapat dilihat dari tabel 4.2. Berdasarkan Tabel 4.2 terlihat bahwa nilai Asymp.Sig 2 tailed adalah 0,359 dan diatas nilai signifikan 0,05
Universitas sumatera Utara
55 yang nilainya lebih besar dari tar
af nyata α 0,05 yang artinya data telah berdistribusi normal.
4.2.2.2 Uji autokorelasi
Istilah autokorelasi dapat didefenisikan sebagai korelasi antara anggota serangkaian observasi yang diturunkan menurut waktu. Uji autokorelasi bertujuan
untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu. Untuk mendeteksi gejala autokorelasi digunakan durbin watson
statistik, dengan nilai d yang menunjukkan gejala autokorelasi yang tidak berbahaya atau tidak ada autokorelasi yang tidak berbahaya atau tidak
autokorelasi. Kriterianya adalah sebagai berikut :
Tabel 4.4 Kriteria pengambilan keputusan DW test
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
tolak 0 d dl
Tidak ada autokorelasi positif tidak ada keputusan
dl d du Tidak ada korelasi negatif
tolak 4 - dl d 4
Tidak ada korelasi negatif tidak ada keputusan
4 - du d 4 – dl
Tidak ada autokorelasi positif tidak ditolak
du d 4 – du
Universitas sumatera Utara
56 Hasil uji autokorelasi durbin watson terlihat seperti pada tabel dibawah ini:
Tabel 4.5 Uji autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .550
a
.302 .200
.052569 1.901
a. Predictors: Constant, Leverage, Kepemilikan_Manajerial, Komite_Audit, Dewan_Direksi, Dewan_Komisaris
b. Dependent Variable: Manajemen_Laba
Berdasarkan tabel 4.5 diatas dapat dilihat bahwa nilai DW adalah 1,901. Kriteria yang menunjukkan tidak terjadi autokorelasi adalah sebagai berikut:
jumlah sampel N 40 dengan jumlah variabel bebas K 5 pada tingkat signifikansi 5 diperoleh du 1,7859 Sehingga disimpulkan bahwa nilai DW
sebesar 1,901 lebih besar dari batas atas du 1,7859 dan kurang dari 4 – 1,7859 4
– du, maka dengan demikian tidak terjadi autokorelasi. 4.2.2.3 Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain
dalam model regresi Ghozali, 2006. Model regresi yang baik adalah jika variance dari residual satu pengamatan ke pengamatan lain berbeda
heteroskedastisitas. Heteroskedastisitas dapat dilihat melalui grafik plot scatterplot antara nilai prediksi variabel terikat dengan residualnya. Apabila pola
pada grafik ditunjukkan dengan titik-titik menyebar secara acak tanpa pola yang
Universitas sumatera Utara
57 jelas serta tersebar di atas maupun dibawah angka 0 pada sumbu Y, maka dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Selain menggunakan grafik scatterplots, uji heteroskedastisitas juga
dapat dilakukan dengan menggunakan Uji Glejser. Jika probabilitas signifikan 0.05, maka model regresi tidak mengandung heteroskedastisitas.
4.2.2.3.1 Grafik Scatterplot
Heteroskedastisitas melalui grafik plot scatterplot antara nilai prediksi variabel terikat dengan residualnya. Apabila pola pada grafik ditunjukkan dengan
titik-titik menyebar secara acak tanpa pola yang jelas serta tersebar di atas maupun dibawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa tidak
terjadi heteroskedastisitas pada model regresi.
Gambar 4.5 Scatterplot Dependen Variabel Sumber : SPSS 17 for windows
Gambar 4.5 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat beberapa plot yang berpencar dan tidak menunjukkan pola
Universitas sumatera Utara
58 tertentu. Maka dapat disimpulkan bahwa tidak terdapat gejala heteroskedasitas
dalam model regresi ini.
4.2.2.4 Uji multikolinearitas
Uji multikolinearitas dilakukan untuk menunjukkan ada tidaknya hubungan linear diantara variabel bebas dalam model regresi. Gejala
multikolinearitas dapat dideteksi atau dilihat dari variance inflation factor VIF. Multikolieritas dapat diketahui dari besarnya tolerance dan variance inflation
factor VIF dengan membandingkan sebagai berikut : a. VIF 5, maka diduga mempunyai persoalan multikolinearitas dan jika
VIF 5, maka tidak terdapat multikolinearitas b. Tolerance 0,1 maka diduga mempunyai persoalan multikolinearitas dan
jika tolerance 0,1 maka tidak terdapat multikolinearitas
Tabel 4.6 Uji Multikonealiritas
Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficient
s t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant .049
.124 .391
.698 Dewan_Direksi
-.017 .006
-.649 -2.958 .006
.427 2.341
Dewan_Komisaris .019
.009 .659 2.195
.035 .228
4.395 Komite_Audit
-.014 .048
-.074 -.294
.771 .326
3.063 Kepemilikan_Manajerial
-.004 .002
-.323 -2.070 .046
.842 1.188
Leverage .086
.056 .230 1.530
.135 .905
1.104 a. Dependent Variable: Manajemen_Laba
Universitas sumatera Utara
59 Berdasarkan tabel 4.6 hasil output SPSS 17.00 for windows diatas dapat
diambil keputusan bahwa semua data variabel tidak terkena multikolinearitas, karena nilai tolerance untuk ukuran dewan direksi, ukuran dewan komisaris,
komite audit, kepemilikan manajerial dan leverage 0,427, 0,228, 0,326, 0,842 dan 0,905 0,1 dan nilai variance inflation factor VIF untuk ukuran dewan direksi,
dewan komisaris komite audit,kepemilikan manajerial dan leverage, 2,341, 4,395, 3,063, 1,188 dan 1,104 5. Sehingga pada model regresi tidak terjadi gejala
Multikolinearitas.
4.2.3 Pengujian hipotesis
Hipotesis di uji dengan analisis linear. Analisis regresi dilakukan untuk mengetahui seberapa besar hubungan variabel dependen. Dalam penelitian ini
digunakan analisis linear berganda. Berdasarkan hasil pengolahan data dengan program SPPS versi 17 maka diperoleh hasil sebagai berikut :
Tabel 4.7 Hasil analisis regresi linear berganda
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant .049
.124 .391
.698 Dewan_Direksi
-.017 .006
-.649 -2.958
.006 Dewan_Komisaris
.019 .009
.659 2.195
.035 Komite_Audit
-.014 .048
-.074 -.294
.771 Kepemilikan_Manajerial
-.004 .002
-.323 -2.070
.046 Leverage
.086 .056
.230 1.530
.135 a. Dependent Variable: Manajemen_Laba
Universitas sumatera Utara
60 Berdasarkan hasil pengolahan data di atas, diperoleh persamaan regresi sebagai
berikut: Y = 0,049-0,017
X1
+0,019
X2
-0,014
X3
-0,004
X4
+0,086
X5
+ ɛ
Keterangan: 1 Konstanta sebesar 0,049 menunjukkan bahwa bila tidak ada variabel
independen X1=X2=X3=X4=X5=0, akan terjadi manajemen laba sebesar 0,049; 2 Nilai b1 sebesar -0,017 menunjukkan bahwa setiap peningkatan ukuran dewan
direksi dalam perusahaan sebesar 1 akan diikuti penurunan tindakan manajemen laba sebesar 0,017 dengan asumsi variabel lainnya tetap;
3 Nilai b2 sebesar 0,019 menunjukkan bahwa setiap peningkatan ukuran dewan komisaris sebesar 1 akan diikuti peningkatan manajemen laba sebesar 0,019
dengan asumsi variabel lain tetap; 4 Nilai b3 sebesar -0,014 menunjukkan bahwa setiap peningkatan anggota
komite audit perusahaan sebesar 1 akan diikuti penurunan manajemen laba sebesar 0,014 dengan asumsi variabel lain tetap;
5 Nilai b4 sebesar -0,004 menunjukkan bahwa setiap peningkatan kepemilikan manajerial dalam perusahaan sebesar 1 akan diikuti penurunan tindakan
manajemen laba sebesar 0,004 dengan asumsi variabel lainnya tetap; 6 Nilai b5 sebesar 0,086 menunjukkan bahwa setiap peningkatan leverage ratio
perusahaan sebesar 1 akan diikuti peningkatan manajemen laba sebesar 0,086 dengan asumsi variabel lainnya tetap.
Universitas sumatera Utara
61
4.2.4. Uji determinasi uji goodness of fit
Kategori