3.7.1 Statistik Deskriptif
Statistik deskriptif digunakan untuk mengetahui tingkat kecakapan manajerial, investment opportunity set, struktur modal, pertumbuhan
penjualan, pertumbuhan aset, corporate governance, dan earning management pada perusahaan manufaktur yang terdaftar di BEI.
Pengukuran statistik deskriptif ini meliputi jumlah sampel, nilai minimum, nilai maksimum, mean, dan standar deviasi. Minimum digunakan untuk
mengetahui jumlah terkecil yang bersangkutan bervariasi dari rata-rata. Maksimum digunakan untuk mengetahui jumlah terbesar data yang
bersangkutan. Standar deviasi digunakan untuk mengetahui seberapa besar data bersangkutan bervariasi dari rata-rata.
3.7.2 Uji Asumsi Klasik
Uji asumsi klasik ini bertujuan untuk mengetahui dan menguji kelayakan atas model regresi yang digunakan dalam ini. Pengujian ini juga
dimaksudkan untuk memastikan bahwa data yang dihasilkan berdistribusi normal dan di dalam model regresi yang digunakan tidak terdapat
multikolinearitas. Uji asumsi klasik terdiri dari uji normalitas, uji multikolinearitas, uji heterokedastisitas dan uji autokolerasi.
3.7.2.1 Uji Normalitas
Pengujian ini bertujuan untuk menguji apakah dalam model regresi
variabel terikat dan variabel bebas mempunyai distribusi normal atau
tidak, nilai residualnya mempunyai distribusi normal atau tidak.
Data yang baik adalah data yang berdistribusi normal.
Universitas Sumatera Utara
Uji normalitas dilakukan dengan tiga pendekatan yaitu pendekatan histogram, pendekatan grafik, dan pendekatan Kolmogorov-
Smirnov. Pendekatan histogram menguji normalitas dengan kurva normal yaitu kurva yang memiliki ciri-ciri khusus, salah satunya
yaitu memiliki mean, median, dan modus yang sama. Data yang normal akan terlihat pada grafik histogram yang
berbentuk lonceng Situmorang dan Lufti, 2012. Pendekatan grafik yaitu dengan melihat scatter plot terlihat titik mengikuti data
disepanjang garis diagonal yang berarti data tersebur berdistribusi normal. Pendekatan Kolmogorov-Smirnov dilakukan untuk menilai
apakah data yang disepanjang garis diagonal berdistribusi normal. Jika nilai signifikansi 0,05 maka data berdistribusi normal.
3.7.2.2 Uji Multikolinearitas
Pengujian ini bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antara variabel bebas.
Untuk mendeteksi ada tidaknya multikolinearitas dapat dilakukan dengan melihat toleransi variabel dan variance inflation factor
VIF. Ketentuan suatu model regresi tidak terdapat gejala multikolinearitas adalah jika nilai Variance Inflation Factor VIF
10 dan Tolerance 0,1.
3.7.2.3. Uji Heterokedastisitas
Uji heterokedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual
Universitas Sumatera Utara
suatu pengamatan ke pengamatan lain Ghozali, 2013. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi
heterokedastisitas. Cara untuk mendeteksi ada atau tidaknya heterokedastisitas yaitu dengan melihat grafik plot antara nilai
prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya pola tertentu pada
grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y
prediksi – Y sesungguhnya yang telah di – studentized. Dasar
analisis : a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar
kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik
menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
3.7.2.4 Uji Autokorelasi
Pengujian ini bertujuan untuk menguji apakah di dalam model regresi linier ditemukan adanya korelasi antar kesalahan
penggangu pada periode t dengan kesalahan penggangu pada periode t-1.
Autokorelasi terjadi karena penelitian yang berurutan sepanjang waktu berkaitan satu sama lainnya Ghozali,2013.
Metode untuk mendeteksi autokorelasi ada empat yaitu, metode grafik, metode Runs Test, percobaan d dari Durbin-Watson, dan The
Universitas Sumatera Utara
Breusch-Golfrey. Model regresi dikatakan bebas dari autokorelasi jika nilai hitung berada diantara nilai tabel dan 4
– nilai tabel du dw 4
– du.
3.7.3 Analisis Regresi
Data yang telah dikumpulkan kemudian dianalisis dengan menggunakan alat analisis statistic yakni:
1. Analisis regresi linier berganda
Penelitian ini memiliki satu variabel dependenua yaitu earning management dan variabel independen terdiri dari kecakapan
manajerial, investment opportunity set, struktur modal, pertumbuhan penjualan, dan pertumbuhan aset. Maka dapat dibuat persamaan
sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ e
Keterangan : Y
: Manajemen Laba a
: Harga Konstan e
: disturbance erorr b
1
, b
2
, b
3
: Koefisien regresi X
1
: Kecakapan Manajerial X
2
: Investment Opportunity Set X
3
: Struktur Modal X
4
: Pertumbuhan Penjualan X
5
: Pertumbuhan Aset
Universitas Sumatera Utara
2. Analisis Uji Residual
Langkah uji residual dapat digambarkan dengan persamaan regresi sebagai berikut:
Z = a + b1X1 + b2X2 + … + e 1 │e│ = a + b1 Y
2 Analisis
residual ingin
menguji pengaruh
deviasi penyimpangan dari suatu model. Fokusnya adalah ketidakcocokan
lack of fit yang dihasilkan dari deviasi hubungan linear antar variabel independen. Lack of fit ditunjukkan oleh nilai residual didalam regresi.
Dalam hal ini jika terjadi kecocokan antara kecakapan manajerial, investment opportunity set, struktur modal, pertumbuhan penjualan,
dan pertumbuhan aset dan corporate governance nilai residual kecil atau nol yaitu kecakapan manajerial, investment opportunity set,
struktur modal, pertumbuhan penjualan, dan pertumbuhan aset tinggi dan corporate governance juga tinggi. Sebaliknya jika terjadi
ketidakcocokan lack of fit antara kecakapan manajerial, investment opportunity set, struktur modal, pertumbuhan penjualan, dan
pertumbuhan aset dan corporate governance nilai residual besar yaitu kecakapan manajerial, investment opportunity set, struktur
modal, pertumbuhan penjualan, dan pertumbuhan aset tinggi dan corporate governance rendah, maka earning management akan rendah.
Persamaan regresi 2 menggambarkan apakah variabel corporate governance merupakan variabel moderating dan ini
Universitas Sumatera Utara
ditunjukkan dengan nilai koefisien b1 earning management signifikan dan negatif hasilnya yang berarti adanya lack of fit antara kecakapan
manajerial, investment opportunity set, struktur modal, pertumbuhan penjualan, dan pertumbuhan aset dan corporate governance
mengakibatkan earning management turun atau berpengaruh negatif
3.7.3 Pengujian Hipotesis 3.7.4.1 Uji Simultan Uji F