Earnings Management METODE PENELITIAN

PROSIDING Seminar Nasional dan Call for Papers “Tantangan Pengembangan Ilmu Akuntansi, Inklusi Keuangan, dan Kontribusinya Terhadap Pembangunan Ekonomi Berkelanjutan” 220 TA = Firm’s asset’s

3.3.3. Teknik Analisis Data

Sebelum dilakukan analisis regresi linier berganda multiple regression dilakukan pengujian asumsi klasik normalitas, multikolinearitas, dan heteroskedastisitas. Untuk menguji hipotesis, penelitian ini menggunakan analisis regresi linear berganda. Persamaan regresi yang digunakan dalam penelitian adalah: Y = β + β 1 IFR+ β 2 DAt + β 3 LEV + β 4 LogTA + e it Keterangan: Y = Tobin’s q IFR = Indeks Internet Financial Reporting pada periode t DAt = Discretionary accruals pada periode t LEV = Leverage pada periode t LogTA = Log Total Asset pada periode t = Konstanta 1, 2 , γ, 4 = Koefisien regresi e it = error term

4. HASIL DAN PEMBAHASAN

4.1. Statistik Deskriptif Variabel

Penelitian Berdasarkan hasil analisis deskripsi statistik, Tabel 4.1. berikut ini akan menampilkan karakteristik sampel yang digunakan di dalam penelitian ini meliputi jumlah sampel N, rata-rata sampel mean, nilai maksimum, nilai minimum serta standar deviasi untuk masing-masing variabel. Tabel 4.1. Hasil Analisis Deskriptif Statistik Sebelum dilakukan analisis data, dalam penelitian ini perlu dilakukan pengujian normalitas data yang dilakukan sebagai berikut:

4.1.1. Uji Normalitas

Untuk menentukan normalitas data dengan probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Data yang normal atau mendekati distribusi normal memiliki bentuk seperti lonceng. Alat analisis yang digunakan dalam uji ini adalah uji Kolmogorov-Smirnov dengan koreksi Lilliefors. Pengambilan keputusan mengenai normalitas adalah sebagai berikut: a. Jika p 0,05 maka distribusi data tidak normal. b. Jika p 0,05 maka distribusi data normal. Descriptive Statistics 90 1.00 89354.00 19164.02 26027.80090 90 .80 .90 .8833 .03748 90 -5.68 .84 -.0641 .60968 90 .74 1.00 .8818 .04175 90 4.31 12.72 8.4021 1.55084 90 TOBINQ IFR DA LEV LogTA Valid N listwise N Minimum Maximum Mean St d. Dev iation