Pengaruh Profitabilitas, Financial Leverage, dan Dividend Payout Ratio terhadap Perilaku Perataan Laba pada Perusahaan Otomotif yang Terdaftar di Bursa Efek Indoesia

Lampiran I Daftar Populasi dan Perusahaan Sampel

No Perusahaan Kriteria Sampel

1 2 3 1 Polychem Indonesia (formerly GT Petrochem

Industries) Tbk

√ √ √ 1

2 Astra International Tbk √ √ √ 2

3 Astra Otoparts Tbk √ √ √ 3

4 Indo Kordsa (formerly Branta Mulia) Tbk √ √ √ 4

5 Goodyear Indonesia Tbk √ √ √ 5

6 Gajah Tunggal Tbk √ √ √ 6

7 Hexindo Adiperkasa Tbk √ √ √ 7

8 Indomobil Sukses Internasional Tbk √ √ √ 8

9 Indospring Tbk √ √ √ 9

10 Intraco Penta Tbk √ √ √ 10

11 Multi Prima Sejahtera Tbk (formerly Lippo Enterprise) √ √ √ 11

12 Multistrada Arah Sarana Tbk √ √ √ 12

13 Nipress Tbk √ √ √ 13

14 Prima Alloy Steel Tbk √ √ √ 14

15 Allbond Makmur Usaha (formerly Sanex Qianjiang

Motor International) Tbk √

X √ -

16 Selamat Sempurna Tbk √ √ √ 15

17 Sugi Samapersada Tbk √ √ X -

18 Tunas Ridean Tbk √ √ √ 16

Lampiran II Data Laba Bersih dan Total Asset Perusahaan yang Diamati Tahun 2005-2010

(dalam rupiah)

No Kode Emiten

2005 2006 2007

Laba Bersih

sebelum Pajak Total Asset

Laba Bersih

sebelum Pajak Total Asset

Laba Bersih

sebelum Pajak Total Asset 1 ADMG _{41,936,548,000 4,431,915,116,000 -266,963,936,000 3,987,067,222 57,976,636 4,161,340,040} 2 ASII 5,457,285,000,000 46,985,862,000,000 3,712,097,000,000 57,929,290,000,000 6,519,273,000,000 63,519,598,000,000 3 AUTO 279,027,000,000 3,028,465,000,000 282,058,000,000 3,028,160,000,000 454,907,000,000 3,454,254,000,000 4 BRAM 119,495,991,000 1,709,355,091,000 18,313,909,000 1,528,904,206,000 39,148,712,000 1,554,863,136,000 5 GDYR -7,249,294,000 452,102,650,000 25,396,749,000 454,850,967,000 42,399,174,000 579,661,339,000 6 GJTL 346,835,000,000 7,479,373,000,000 118,401,000,000 7,276,025,000,000 90,841,000,000 8,454,693,000,000 7 HEXA 97,771,090,333 1,069,514,138,765 39,428,000,000 1,204,104,000,000 49,522,000,000 1,383,840,000,000 8 IMAS 38,358,377,183 4,275,870,730,082 1,247,961,945 4,418,691,931,106 1,382,852,849 4,907,499,956,145 9 INDS -5,836,886,305 459,703,456,907 2,171,591,250 490,604,325,073 9,887,928,336 599,273,413,629 10 INTA 17,997,762,600 869,207,667,998 7,065,909,337 831,846,049,822 9,513,887,731 863,817,636,457 11 LPIN -11,304,994,481 117,058,911,777 -939,128,143 108,745,776,153 18,034,504,389 139,252,657,007 12 MASA 59,719,910,483 1,038,290,507,039 170,006,652,739 1,433,688,362,871 29,204,495,783 1,799,172,358,609 13 NIPS 3,069,003,450 190,224,877,780 7,650,174,389 220,228,504,723 6,393,947,393 288,147,591,200 14 PRAS 4,600,058,545 561,115,028,226 -2,761,453,528 593,160,244,451 2,773,564,587 542,959,754,143 15 SMSM _{60,135,250,713 663,138,307,944 66,174,829,417 716,685,940,960 80,324,965,210 830,049,538,892} 16 TURI 29,200,000,000 3,011,600,000,000 22,211,000,000 2,857,847,000,000 189,816,000,000 3,345,245,000,000 17 UNTR 1,050,729,000,000 10,633,839,000,000 930,372,000,000 11,247,846,000,000 1,493,037,000,000 13,002,619,000,000

Data Laba Bersih dan Total Asset Perusahaan yang Diamati Tahun 2005-2010 (lanjutan)

(dalam rupiah) No Kode

Emiten

2008 2009 2010

Laba Bersih

sebelum Pajak Total Asset

Laba Bersih

sebelum Pajak Total Asset

Laba Bersih

sebelum Pajak Total Asset 1 ADMG _{-263,386,627,000 3,855,930,121,000 53,811,287,000 3,719,872,147,000 37,586,000,000 3,766,135,000,000} 2 ASII 9,191,000,000,000 80,740,000,000,000 10,040,000,000,000 88,938,000,000,000 14,366,000,000,000 112,857,000,000,000 3 AUTO 566,025,000,000 3,981,316,000,000 768,265,000,000 4,644,939,000,000 1,141,179,000,000 5,585,852,000,000 4 BRAM 94,775,520,000 1,672,766,471,000 72,105,574,000 1,349,630,935,000 134,160,199,000 1,492,727,607,000 5 GDYR 812,053,000 1,022,329,205,000 121,085,749,000 1,127,629,806,000 74,158,680,000 1,276,850,850,000 6 GJTL -624,788,000,000 8,713,559,000,000 905,330,000,000 8,877,146,000,000 830,624,000,000 10,371,567,000,000 7 HEXA 61,293,300,000 1,795,922,890,000 340,257,030,000 2,175,625,090,000 301,503,530,000 2,305,057,220,000 8 IMAS 23,046,929,947 5,578,514,465,713 117,593,451,463 5,093,148,275,101 448,671,163,584 7,985,019,561,240 9 INDS 31,827,215,353 918,227,729,873 58,765,937,255 621,140,423,109 71,109,354,932 770,609,281,603 10 INTA 22,943,741,774 1,137,218,196,524 37,473,252,355 1,039,510,978,420 83,081,383,677 1,634,903,848,219 11 LPIN 4,763,329,650 182,939,871,224 10,210,751,529 137,909,659,938 14,122,435,304 150,937,167,032 12 MASA 2,974,000,000 2,379,024,000,000 174,860,000,000 2,536,045,000,000 176,082,000,000 3,038,412,000,000 13 NIPS 1,550,888,421 325,008,127,626 3,685,250,963 314,477,779,213 12,662,580,885 337,605,715,524 14 PRAS -14,813,293,705 555,320,858,382 -36,216,313,566 420,714,339,156 306,000 461,969,000,000 15 SMSM 91,471,918,506 929,753,183,773 132,850,275,038 941,651,276,002 150,420,111,988 1,067,103,249,531 16 TURI 245,079,000,000 3,583,328,000,000 310,387,000,000 1,770,692,000,000 269,004,000,000 2,100,154,000,000 17 UNTR 2,660,742,000,000 22,847,721,000,000 3,817,541,000,000 24,404,828,000,000 3,872,931,000,000 20,480,311,000,000

Lampiran III Data Total Kewajiban dan Total Ekuitas Perusahaan yang Diamati Tahun 2005-2010

(dalam rupiah) No Kode

Emiten

2005 2006 2007

Total Kewajiban Total Ekuitas Total Kewajiban Total Ekuitas Total Kewajiban Total Ekuitas 1 ADMG _{2,924,141,045,000 1,506,447,972,000 2,734,523,719,000 1,251,220,303,000 2,841,379,532 1,319,130,871} 2 ASII 22,754,709,000,000 20,424,345,000,000 31,498,444,000,000 22,375,766,000,000 31,511,736,000,000 26,962,594,000,000 3 AUTO 1,160,179,000,000 1,636,389,000,000 1,066,929,000,000 1,864,461,000,000 1,094,734,000,000 2,261,414,000,000 4 BRAM 712,179,302,000 822,095,206,000 507,214,761,000 1,528,904,206,000 462,352,034,000 894,005,659,000 5 GDYR 182,810,564,000 269,292,086,000 173,617,886,000 281,233,081,000 280,137,084,000 299,524,255,000 6 GJTL 5,449,447,000,000 2,029,926,000,000 5,140,783,000,000 2,135,242,000,000 6,068,879,000,000 2,385,814,000,000 7 HEXA 635,091,677,440 344,760,896,151 858,555,000,000 345,549,000,000 1,003,049,000,000 380,791,000,000 8 IMAS 3,863,772,427,132 197,573,228,137 4,018,951,679,342 192,314,668,938 4,505,911,554,456 166,643,158,780 9 INDS 392,919,730,146 66,663,222,985 421,649,007,062 68,834,814,236 520,430,167,282 78,722,742,572 10 INTA 558,569,763,408 310,637,904,590 521,270,332,476 310,575,717,346 543,728,031,380 320,089,605,077 11 LPIN 54,672,528,274 62,386,383,503 47,298,520,793 61,447,255,360 61,412,812,511 77,839,844,496 12 MASA 527,018,515,395 556,271,991,644 712,066,090,788 721,622,272,083 511,230,617,593 1,287,941,741,016 13 NIPS 106,857,680,011 83,367,197,768 131,294,305,664 88,934,199,059 192,819,444,747 95,328,146,453 14 PRAS 431,560,624,263 129,554,403,963 466,367,294,016 126,792,950,435 413,393,239,121 129,566,515,022 15 SMSM 226,164,074,590 370,521,785,104 238,605,678,305 451,061,900,565 315,575,744,877 482,203,832,914 16 TURI 2,333,400,000,000 678,100,000,000 2,183,994,000,000 673,853,000,000 2,488,969,000,000 856,276,000,000 17 UNTR 6,485,918,000,000 4,105,713,000,000 6,606,651,000,000 4,594,437,000,000 7,216,432,000,000 5,733,335,000,000

Data Total Kewajiban dan Total Ekuitas Perusahaan yang Diamati Tahun 2005-2010 (lanjutan)

(dalam rupiah) No Kode

Emiten

2008 2009 2010

Total Kewajiban Total Ekuitas Total Kewajiban Total Ekuitas Total Kewajiban Total Ekuitas 1 ADMG _{2,844,074,885,000 1,011,161,814,000 2,629,537,989,000 1,089,679,078,000 2,516,787,000,000 1,249,300,000,000} 2 ASII 40,163,000,000,000 33,080,000,000,000 40,006,000,000,000 39,894,000,000,000 54,168,000,000,000 49,310,000,000,000 3 AUTO 1,190,886,000,000 2,652,969,000,000 1,262,292,000,000 3,208,778,000,000 1,482,705,000,000 3,860,827,000,000 4 BRAM 480,181,057,000 998,024,806,000 224,872,806,000 981,987,623,000 283,850,592,000 1,072,556,312,000 5 GDYR 725,600,897,000 296,728,308,000 712,275,749,000 415,354,057,000 814,612,050,000 462,238,800,000 6 GJTL 7,064,134,000,000 1,649,425,000,000 6,206,486,000,000 2,670,660,000,000 6,844,970,000,000 3,526,597,000,000 7 HEXA 1,035,732,490,000 760,190,400,000 1,183,618,300,000 992,006,790,000 1,133,346,900,000 1,171,710,320,000 8 IMAS 5,098,497,333,042 286,812,501,309 4,442,314,213,689 437,331,682,843 6,377,070,785,562 1,277,322,403,505 9 INDS 809,432,268,172 108,674,957,925 455,454,024,153 165,565,895,180 543,188,527,716 227,300,250,112 10 INTA 808,594,720,711 328,623,475,813 682,054,367,132 357,456,611,288 1,198,084,207,003 412,045,570,300 11 LPIN 100,286,847,078 82,603,174,146 45,095,734,263 92,813,925,675 44,000,806,053 106,936,360,979 12 MASA 1,094,227,000,000 1,284,797,000,000 1,076,388,000,000 1,459,657,000,000 1,409,277,000,000 1,629,135,000,000 13 NIPS 201,689,883,168 123,318,244,458 187,474,283,792 127,003,495,421 189,439,039,218 148,166,676,306 14 PRAS 440,567,637,065 114,753,221,317 342,177,431,405 78,536,907,751 326,703,000,000 135,266,000,000 15 SMSM 341,289,214,734 546,221,696,384 397,397,235,616 497,821,548,960 498,627,884,127 519,374,643,860 16 TURI 2,558,698,000,000 1,024,630,000,000 770,475,000,000 1,000,217,000,000 886,701,000,000 1,213,453,000,000 17 UNTR 11,644,916,000,000 11,131,607,000,000 10,453,748,000,000 13,843,710,000,000 4,343,973,000,000 16,136,338,000,000

Lampiran IV Data Jumlah Dividen yang Dibagikan Perusahaan yang Diamati Tahun 2005-2010

(dalam rupiah) No Kode

Emiten 2005 2006 2007 2008 2009 2010

1 ADMG _{130,348,000 0 0 0 0 0}

2 ASII 1,497,891,000,000 1,983,694,000,000 1,821,760,000,000 3,973,000,000,000 4,281,000,000,000 6,394,000,000,000 3 AUTO 46,269,000,000 88,683,000,000 69,404,000,000 251,205,000,000 235,866,000,000 506,130,000,000 4 BRAM 16,326,164,000 25,360,970,000 13,804,220,000 24,875,536,000 56,082,292,000 56,150,646,000 5 GDYR 9,040,283,000 20,059,933,000 24,071,672,000 3,608,000,000 2,460,000,000 9,870,750,000 6 GJTL 1,577,000,000 15,781,000,000 13,210,000,000 17,332,000,000 52,272,000,000 59,097,000,000 7 HEXA 36,120,000,000 38,640,000,000 14,280,000,000 17,640,000,000 111,475,810,000 121,800,000,000 8 IMAS 9,822,517,647 858,000,000 7,262,050,000 9,012,000,000 23,390,350,000 0

9 INDS 887,140,282 8,147,781 0 1,852,253,751 1,818,525,374 9,062,695,469

10 INTA 2,598,489,000 7,128,096,581 0 0 3,859,836,480 7,125,714,674

11 LPIN 26,003,625 0 26,003,625 26,003,625 0 0

12 MASA 0 3,000,000,000 6,118,875,000 6,119,000,000 0 6,122,000,000

13 NIPS 0 0 0 0 0 0

14 PRAS 59,068,030 0 0 0 0 0

15 SMSM 32,466,720,000 29,842,033,920 53,313,410,100 28,793,377,200 185,808,607,500 129,570,197,400 16 TURI 47,400,000,000 26,505,000,000 7,393,000,000 234,360,000,000 100,440,000,000 50,220,000,000 17 UNTR 99,772,000,000 441,999,000,000 413,200,000,000 760,456,000,000 1,165,300,000,000 1,629,228,000,000

Lampiran V Data Total Penjualan (Sales) Perusahaan yang Diamati Tahun 2005-2010

(dalam rupiah) No Kode

Emiten 2005 2006 2007 2008 2009 2010

1 ADMG _{3,958,342,198,000 3,258,933,569,000 3,858,495,710,000 4,002,532,044,000 3,142,960,000,000 3,627,172,000,000} 2 ASII 61,731,635,000,000 55,508,235,000,000 70,183,000,000,000 97,064,000,000,000 98,526,000,000,000 129,991,000,000,000 3 AUTO 3,852,998,000,000 3,371,898,000,000 4,184,279,000,000 5,337,720,000,000 5,265,798,000,000 6,255,109,000,000 4 BRAM 1,764,996,480,000 1,500,834,620,000 1,547,111,952,000 1,537,886,215,000 1,500,639,310,000 1,805,359,612,000 5 GDYR 875,047,306,000 982,428,331,000 1,088,862,056,000 1,244,519,327,000 1,261,263,460,000 1,933,713,460,000 6 GJTL 4,834,003,000,000 5,470,730,000,000 6,659,854,000,000 7,963,473,000,000 7,936,432,000,000 9,853,904,000,000 7 HEXA 1,423,316,735,746 1,395,735,768,380 1,741,151,000,000 2,792,930,000,000 2,295,750,150,000 3,592,783,610,000 8 IMAS 4,529,675,595,587 2,909,094,130,573 5,084,057,100,076 8,197,135,054,996 6,939,569,696,730 10,935,334,616,535 9 INDS 432,282,485,831 390,975,793,831 564,440,846,044 963,198,182,833 720,228,798,921 1,027,120,388,110 10 INTA 716,913,027,513 552,057,009,273 711,000,000,000 1,120,470,000,000 934,303,648,833 1,532,682,624,147 11 LPIN 43,329,381,801 29,234,527,055 49,153,659,260 59,249,037,246 58,088,299,182 59,519,384,547 12 MASA 327,152,707,578 568,031,938,696 898,334,865,525 1,333,604,315,215 1,691,475,000,000 2,006,840,000,000 13 NIPS 218,827,682,017 260,153,168,468 405,748,680,778 480,457,824,504 279,929,010,718 400,894,525,220 14 PRAS 688,563,010,572 746,120,875,043 658,094,216,269 410,673,009,414 161,201,000,000 287,200,000,000 15 SMSM 861,531,261,202 881,116,458,927 1,064,055,094,611 1,353,586,085,743 1,374,651,605,661 1,561,786,956,669 16 TURI 4,607,300,000,000 3,874,394,000,000 4,412,018,000,000 5,541,965,000,000 302,700,000,000 324,600,000,000 17 UNTR 13,281,246,000,000 13,719,567,000,000 18,165,598,000,000 27,903,196,000,000 29,241,883,000,000 37,323,872,000,000

Lampiran VI

Data Rata-Rata per Dua Tahun Return On Asset (ROA) Perusahaan yang Diamati Tahun 2005-2010

N o

Kode

Emiten 2005-2006

2006-2007

2007-2008 2008-2009

2009-2010 1 ADMG -33,474 -33,4718 -0,02719 -0,02692 0,012223 2 ASII 0,090114 0,083357 0,108234 0,113361 0,120091 3 AUTO 0,09264 0,11242 0,136933 0,153784 0,184848 4 BRAM 0,040943 0,018578 0,040918 0,055042 0,071651 5 GDYR 0,0199 0,06449 0,03697 0,054088 0,08273 6 GJTL 0,031322 0,013509 -0,03048 0,015141 0,091035 7 HEXA 0,062081 0,034265 0,034958 0,095262 0,143598 8 IMAS 0,004627 0,000282 0,002207 0,01361 0,039639 9 INDS -0,00414 0,010463 0,025581 0,064636 0,093443 10 INTA 0,0146 0,009754 0,015595 0,028112 0,043433 11 LPIN -0,05261 0,060437 0,077773 0,050039 0,083802 12 MASA 0,088049 0,067406 0,008741 0,0351 0,063451 13 NIPS 0,025435 0,028464 0,013481 0,008245 0,024613 14 PRAS 0,001771 0,000226 -0,01078 -0,05638 -0,04304 15 SMSM 0,091509 0,094553 0,097577 0,119733 0,141022 16 TURI 0,008734 0,032257 0,062568 0,121843 0,15169 17 UNTR 0,090763 0,098771 0,115641 0,136441 0,172765

Lampiran VII

Data Rata-Rata per Dua Tahun Debt to Equity Ratio (DER) Perusahaan yang Diamati Tahun 2005-2010

N o

Kode

Emiten 2005-2006

2006-2007

2007-2008

2008-2009

2009-2010 1 ADMG 2,063284 2,169732 2,483329 2,612905 2,213844 2 ASII 1,2609 1,288212 1,191419 1,108462 1,050664 3 AUTO 0,640616 0,528169 0,46649 0,421138 0,388713 4 BRAM 0,599024 0,42446 0,49915 0,355064 0,246823 5 GDYR 0,648101 0,776309 1,690306 2,080101 1,738591 6 GJTL 2,546071 2,475662 3,41326 3,303369 2,132454 7 HEXA 2,163367 2,559365 1,998292 1,27781 1,080207 8 IMAS 20,22697 23,96854 22,40785 13,96709 7,57515 9 INDS 6,00981 6,368222 7,02956 5,099544 2,570316 10 INTA 1,738269 1,688537 2,079613 2,184313 2,407863 11 LPIN 0,823048 0,779353 1,001522 0,849976 0,44867 12 MASA 0,967084 0,691847 0,624305 0,794549 0,801236 13 NIPS 1,37904 1,7495 1,829108 1,555829 1,377344 14 PRAS 3,504648 3,434384 3,514924 4,098081 3,386081 15 SMSM 0,56969 0,591716 0,639631 0,711545 0,879163 16 TURI 3,34107 3,073895 2,701965 1,63375 0,750517 17 UNTR 1,508849 1,348324 1,152396 0,900619 0,512165

Lampiran VIII

Data Rata-Rata per Dua Tahun Dividend Payout Ratio (DPR) Perusahaan yang Diamati Tahun 2005-2010

N o

Kode

Emiten 2005-2006

2006-2007

2007-2008

2008-2009

2009-2010

1 ADMG _{0,001554 0 0 0 0}

2 ASII 0,404431 0,406914 0,355856 0,429333 0,435737 3 AUTO 0,240118 0,233491 0,298186 0,375408 0,375263 4 BRAM 0,760709 0,868701 0,307539 0,520124 0,598157 5 GDYR -0,2286 0,678801 2,505399 2,231688 0,07671 6 GJTL 0,068916 0,139352 0,058839 0,014999 0,064443 7 HEXA 0,674724 0,634185 0,288077 0,307709 0,365799 8 IMAS 0,471797 2,96951 2,821263 0,294968 0,099454 9 INDS -0,07412 0,001876 0,029099 0,044571 0,079196 10 INTA 0,57659 0,504401 0 0,051501 0,094385 11 LPIN -0,00115 0,000721 0,003451 0,00273 0 12 MASA 0,008823 0,113582 1,133508 1,028749 0,017384

13 NIPS 0 0 0 0 0

14 PRAS 0,00642 0 0 0 0

15 SMSM 0,495426 0,55734 0,48925 0,856705 1,13001 16 TURI 1,408308 0,616138 0,497606 0,63993 0,255142 17 UNTR 0,285016 0,375915 0,281279 0,295527 0,36296

Lampiran IX

Data Rata-Rata per Dua Tahun Perataan Laba (Income Smoothing) Perusahaan

yang Diamati Tahun 2005-2010

N o

Kode

Emiten 2005-2006

2006-2007

2007-2008

2008-2009

2009-2010 1 ADMG -24,3087 -24,5125 -100,668 -20,3106 -1,8443 2 ASII 2,918869 1,991125 1,034539 6,044501 1,431063 3 AUTO 0,051008 1,72263 0,779963 22,76618 3,051833 4 BRAM 7,738204 9,095525 121,8119 12,29609 4,114144 5 GDYR 8,750656 4,598003 7,690013 206,75 2,008635 6 GJTL 9,192286 0,593838 14,06544 1449,834 0,998257 7 HEXA 31,48056 0,434895 0,166557 8,350197 0,444654 8 IMAS 1,402189 0,003798 0,42612 4,603591 5,073548 9 INDS 4,731642 1,085629 1,342753 2,705875 0,981596 10 INTA 2,073186 0,481521 1,025412 2,440052 2,382951 11 LPIN 6,29412 8,152112 11,25063 40,16491 23,39313 12 MASA 5,099204 4,747614 0,671161 5,349249 0,043156 13 NIPS 6,478157 0,504212 3,788253 0,621991 4,336891 14 PRAS -8,13352 -3,99872 -4,5203 -5,45594 -18,2792 15 SMSM 3,764252 0,944181 0,46996 23,97734 1,146072 16 TURI 0,170578 5,576546 0,87485 0,222973 33,80141 17 UNTR 2,773309 1,278194 1,211157 8,727665 0,06922

Lampiran X

Hasil Olah Data Variabel dengan Metode Ordinary Least Square (OLS)

Dependent Variable: IS? Method: Pooled Least Squares Date: 07/27/13 Time: 05:04 Sample: 2005 2010

Included observations: 5 Cross-sections included: 17

Total pool (balanced) observations: 85

Variable Coefficient Std. Error t-Statistic Prob. C 25.70263 22.44893 1.144938 0.2556 ROA? 1.503888 3.479141 0.432258 0.6667 DER? 0.360453 4.650980 0.077500 0.9384 DPR? -6.221758 33.38310 -0.186374 0.8526 R-squared 0.002547 Mean dependent var 23.13924 Adjusted R-squared -0.034395 S.D. dependent var 159.3588 S.E. of regression 162.0762 Akaike info criterion 13.05993 Sum squared resid 2127764. Schwarz criterion 13.17487 Log likelihood -551.0468 Hannan-Quinn criter. 13.10616 F-statistic 0.068952 Durbin-Watson stat 2.488014 Prob(F-statistic) 0.976310

Lampiran XI

Hasil Olah Data Variabel dengan Metode Fixed Effect Model (FEM) Dependent Variable: IS?

Method: Pooled Least Squares Date: 07/27/13 Time: 11:21 Sample: 2005 2010

Included observations: 5 Cross-sections included: 17

Total pool (balanced) observations: 85

Variable Coefficient Std. Error t-Statistic Prob.

C 12.01175 35.70891 0.336380 0.7377

ROA? -0.537465 4.434385 -0.121204 0.9039

DER? 4.258391 13.76663 0.309327 0.7581

DPR? -2.161678 47.38914 -0.045615 0.9638

Fixed Effects (Cross)

_ADMG--C -63.37166

_ASII--C -13.41834

_AUTO--C -7.688510

_BRAM--C 18.53531

_GDYR--C 30.34625

_GJTL--C 271.2743

_HEXA--C -10.54739

_IMAS--C -81.89704

_INDS--C -32.84825

_INTA--C -18.38947

_LPIN--C 2.541572

_MASA--C -11.10985

_NIPS--C -15.57552

_PRAS--C -35.37565

_SMSM--C -7.255951

_TURI--C -12.15992

_UNTR--C -13.05986

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.195669 Mean dependent var 23.13924

Adjusted R-squared -0.039443 S.D. dependent var 159.3588 S.E. of regression 162.4711 Akaike info criterion 13.22120

Sum squared resid 1715796. Schwarz criterion 13.79594

Log likelihood -541.9011 Hannan-Quinn criter. 13.45238

F-statistic 0.832239 Durbin-Watson stat 3.067194

Lampiran XII Hasil Olah Data Variabel dengan Metode White Cross Section (WCS)

Dependent Variable: IS? Method: Pooled Least Squares Date: 07/27/13 Time: 11:22 Sample: 2005 2010

Included observations: 5 Cross-sections included: 17

Total pool (balanced) observations: 85

White cross-section standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob.

C 12.01175 11.72379 1.024562 0.3094

ROA? -0.537465 0.830300 -0.647315 0.5197

DER? 4.258391 4.520158 0.942089 0.3496

DPR? -2.161678 8.833183 -0.244722 0.8074

Fixed Effects (Cross)

_ADMG--C -63.37166

_ASII--C -13.41834

_AUTO--C -7.688510

_BRAM--C 18.53531

_GDYR--C 30.34625

_GJTL--C 271.2743

_HEXA--C -10.54739

_IMAS--C -81.89704

_INDS--C -32.84825

_INTA--C -18.38947

_LPIN--C 2.541572

_MASA--C -11.10985

_NIPS--C -15.57552

_PRAS--C -35.37565

_SMSM--C -7.255951

_TURI--C -12.15992

_UNTR--C -13.05986

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.195669 Mean dependent var 23.13924

Adjusted R-squared -0.039443 S.D. dependent var 159.3588

S.E. of regression 162.4711 Akaike info criterion 13.22120

Sum squared resid 1715796. Schwarz criterion 13.79594

Log likelihood -541.9011 Hannan-Quinn criter. 13.45238

F-statistic 0.832239 Durbin-Watson stat 3.067194

Lampiran XIII Hasil Olah Data Variabel dengan Metode Random Effect Model (REM)

Dependent Variable: IS?

Method: Pooled EGLS (Cross-section random effects) Date: 07/27/13 Time: 11:23

Sample: 2005 2010 Included observations: 5 Cross-sections included: 17

Total pool (balanced) observations: 85

Swamy and Arora estimator of component variances

White cross-section standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob. C 25.19282 20.59040 1.223523 0.2247 ROA? 1.352016 0.594366 2.274721 0.0256 DER? 0.383460 1.040431 0.368559 0.7134 DPR? -5.365392 8.753278 -0.612958 0.5416 Random Effects (Cross)

_ADMG--C -4.677654 _ASII--C -2.313827 _AUTO--C -2.019238 _BRAM--C 0.981341 _GDYR--C 2.855128 _GJTL--C 29.75483 _HEXA--C -1.700816 _IMAS--C -2.491249 _INDS--C -2.772287 _INTA--C -2.543942 _LPIN--C -0.851027 _MASA--C -2.202031 _NIPS--C -2.508427 _PRAS--C -3.828022 _SMSM--C -1.742377 _TURI--C -1.590577 _UNTR--C -2.349823 Effects Specification

S.D. Rho Cross-section random 25.62304 0.0243 Idiosyncratic random 162.4711 0.9757

Weighted Statistics

R-squared 0.002008 Mean dependent var 21.82210 Adjusted R-squared -0.034955 S.D. dependent var 157.6397 S.E. of regression 160.3712 Sum squared resid 2083232. F-statistic 0.054321 Durbin-Watson stat 2.540120 Prob(F-statistic) 0.983210

Unweighted Statistics

R-squared 0.002514 Mean dependent var 23.13924 Sum squared resid 2127834. Durbin-Watson stat 2.486876

Lampiran XIV Hasil Olah Data Variabel dengan Metode Hausman Test

Correlated Random Effects - Hausman Test Pool: POOL1

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. Cross-section random 0.000000 3 1.0000 * Cross-section test variance is invalid. Hausman statistic set to zero.

** Warning: robust standard errors may not be consistent with assumptions of Hausman test variance calculation. Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob. ROA? -0.537465 1.352016 0.336127 0.0011 DER? 4.258391 0.383460 19.349331 0.3784 DPR? -2.161678 -5.365392 1.405244 0.0069 Cross-section random effects test equation:

Dependent Variable: IS? Method: Panel Least Squares Date: 07/29/13 Time: 13:20 Sample: 2006 2010 Included observations: 5 Cross-sections included: 17

Total pool (balanced) observations: 85

White cross-section standard errors & covariance (d.f. corrected)

Coefficient Std. Error t-Statistic Prob. C 12.01175 11.72379 1.024562 0.3094 ROA? -0.537465 0.830300 -0.647315 0.5197 DER? 4.258391 4.520158 0.942089 0.3496 DPR? -2.161678 8.833183 -0.244722 0.8074

Effects Specification Cross-section fixed (dummy variables)

R-squared 0.195669 Mean dependent var 23.13924 Adjusted R-squared -0.039443 S.D. dependent var 159.3588 S.E. of regression 162.4711 Akaike info criterion 13.22120 Sum squared resid 1715796. Schwarz criterion 13.79594 Log likelihood -541.9011 Hannan-Quinn criter. 13.45238 F-statistic 0.832239 Durbin-Watson stat 3.067194 Prob(F-statistic) 0.662179

DAFTAR PUSTAKA

Albahi, Muhammad, Ade Fatma Lubis, Syahyunan, 2009. Pengaruh Return on Asset dan Economic Value Added terhadap Tingkat Keuntungan Saham Perusahaan yang Go-Publik di Indonesia. MEPA Ekonomi Universitas Sumatera Utara.

Almilia, Luciana Spica dan Lucas Setiady. 2006. Faktor-faktor yang Mempengaruhi Penyelesaian dan Penyajian Laporan Keuangan pada perusahaan yang Terdaftar di BEJ. Seminar Nasional Good Coorporate Governance. Universitas Trisakti Jakarta, hal 1-28.

Belkaouli, Ahmed Riahi. 2000. Accounting Theory. Edisi Kelima. Jakarta : Salemba Empat.

Brigham, Eugene F and Joel F.Houston. 2006. Dasar-Dasar Manajemen Keuangan, alih bahasa Ali Akbar Yulianto, Buku Satu, Edisi Sepuluh, PT. Salemba Empat, Jakarta.

Budiasih, Igan. 2007. Faktor-faktor yang Mempengaruhi Praktik Perataan Laba. Skripsi Universitas Udayana.

Dewi, Diastiti Okkarisma. 2010. Pengaruh Jenis Usaha, Ukuran Perusahaan dan Financial Leverage terhadap Tindakan Perataan Laba pada Perusahaan yang Terdaftar di Bursa Efek Indonesia. Skripsi Universitas Diponegoro. Semarang.

Djarwanto, 2004. Pokok-pokok Analisa Laporan Keuangan. BPFE-Yogyakarta, Yogyakarta.

Djoesvita, Indah. 2011. Pengaruh Pendekatan Traditional Accounting dan Economic Value Added terhadap Stock Return pada Perusahaan Sektor Perbankan di Bursa Efek Indonesia. Universitas Sumatera Utara.

Eckel, N. 1981. The Income Smoothing Hipothesis Revisited, Abacus, vol. 17 No. 1.

Erlina, 2007. Penelitian Bisnis untuk Akuntansi dan Manajemen, Edisi Kedua, Medan: USU Press.

Erlina dan Sri Mulyani. 2007. Metodologi Penelitian Bisnis, Terbitan Pertama. USU Press: Medan.

Gujarati, Damodar dan Sumarno Zain. 2003. Ekonometrika Dasar. Penerbit Erlangga Jakarta.

Hakim, Rahman, 2006. Perkembangan Kinerja Keungan Perusahaan Dengan Metode EVA, ROA dan pengaruhnya Terhadap Return Saham pada Perusahaan yang Tergabung dalam Indeks LQ 45 di Bursa Efek Jakarta.

Skripsi,Universitas IslamIndonesia.

Hanafi M. dan Halim A., 2000. Analisis Laporan Keungan. Yogyakarta : UPP AMP YKNP.

Harahap, Sofyan Syafri. 2001. Teori Akuntasi. Edisi Revisi. Jakarta: PT. Raja Gofindo Persada.

Harto, Wahyudi. Opini Teori Keagenan.

Hertanti, Dewi. 2005. Pengaruh Faktor-faktor Foundamental terhadap Kelengkapan Laporan Keuangan yang Terdaftar di Bursa Efek Jakarta. Skripsi Universitas Negeri Semarang. Semarang.

Ikatan Akuntan Indonesia (IAI). 2009. Standar Akuntansi Keuangan, per 31 Oktober 2009, Jakarta: Salemba Empat.

Indonesian Capital Market Directory (ICMD). 2010. Jakarta Stock Exchange.

Jumingan, 2006. Analisis Laporan Keungan . Jakarta : Bumi Aksara.

Jurusan Akuntansi, Fakultas Ekonomi Universitas Sumatera Utara, 2004. Buku Petunjuk Teknis Penulisan Proposal Penelitian dan Penulisan Skripsi, Medan.

Kuncoro, Mudrajad. 2004. Otonomi Dan Pembangunan Daerah: Reformasi, Perencanaan, Strategi, dan Peluang. Jakarta: Penerbit Erlangga.

Kustono, Alwan Sri. 2009. Pengaruh Ukuran Perusahaan, Devidend Payout, Risiko Spesifik, dan Pertumbuhan Perusahaan terhadap Praktik Perataan Laba pada Perusahaan Manufaktur Studi Empiris Bursa Efek Jakarta 2002 – 2006. Universitas Jember.

Munawir. 2004.”Analisa Laporan Keuangan”, Yogyakarta: Liberty.

Nachrowi D., Nachrowi dan Hardius Usman, Pendekatan Populer dan Praktis Ekonometrika untuk Analisis Ekonomi dan Keuangan, Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, 2006.

Narsa, I Made, Bernadetta D., dan Benedicta Maritza. 2003. “Faktor-faktor yang

Mempengaruhi Perataan Laba Selama Krisis Moneter pada Perusahaan yang Terdaftar di Bursa Efek Surabaya. Majalah Ekonomi. No.2. pp. 128-145.

Nugroho, Rebeca Novita, 2008. Analisis Faktor-faktor yang Mempengaruhi Perataan Laba dan Pengaruhnya terhadap Kinerja Saham Perusahaan Publik di Indonesia. Tesis. Program Pasca Sarjana Universitas Diponegoro Semarang.

Parikesit. 2003. Analisis Perataan Laba dan Faktor-faktor yang Mempengaruhi: Studi Empiris pada Perusahaan di Indonesia. Jurnal Riset Akuntansi dan Keuangan, Vol. 2, No. 1, hal.53-66.

Pratomo, Wahyu Ario dan Paidi Hidayat. 2007. Pedoman Praktis Penggunaan Eviews dalam Ekonometrika. Terbitan Pertama. Medan: USU Press.

Samosir, Valentina. 2010. Analisis Disparitas Pendapatan 25 Kabupaten / Kota Di Sumatera Utara. Skripsi. Fakultas Ekonomi Universitas Sumatera Utara. Sartono, Agus. 2001. “Manajemen Keuangan, Teori dan Aplikasi”. Edisi

Keempat. Yogyakarta: BPFE.

Sitinjak, Gold Naro. 2010. Faktor-Faktor yang Mempengaruhi Perataan Laba (Income Smoothing) pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia. Universitas Sumatera Utara.

Stice, Earlk, Stice, James D. dan Skousen K. Fred. 2004. Intermediate Accounting. Edisi 15. Buku 1. Editor: Barlev Nicodemus. Jakarta: Penerbit Salemba Empat.

Sugiyono. 2005. Metode Penelitian Bisnis. Bandung: Alfabeta.

Sugiyono. 2006. Statistika untuk Penelitian, Edisi Kedua, Cetakan Kesembilan. Bandung: Alfabeta.

Suranta, Eddy dan Pratana Puspita Merdistusi. 2010. Income Smoothing, Tobin’s Q, Agency Problems dan Kinerja Perusahaan. Juzz71's Blog.htm.

Syahriana, Nani. 2006. Analisis Perataan Laba dan Faktor-faktor yang Mempengaruhi pada Perusahaan Manufaktur di Bursa Efek Jakarta. Skripsi Akuntansi. Universitas Islam Indonesia. Yogyakarta.

Van Horne, James C dan John M. Wachowicz, JR. 2005. Prinsip-prinsip Manajemen Keuangan. Jakarta-Salemba Empat.

Widyaningdyah A.U., Analisis Faktor-faktor yang Berpengaruh Terhadap Earning Management pada Perusahaan Go Publik di Indonesia, Jurnal Akuntansi & Keuangan Vol 3 No. 2, 2001.

Wildani, Amin. 2008. Analisis Faktor-faktor yang Mempengaruhi Perataan Laba (Income Smoothing) pada Perusahaan Manufaktur dan Keuangan yang Terdaftar di BEI. Fakultas Ekonomi Universitas Muhammadiyah Surakarta. Yusuf, Muhammad dan Soraya. 2004. Faktor-faktor yang Mempengaruhi Praktik

Perataan Laba pada Perusahaan Asing dan Non Asing di Indonesia. Jurnal Akuntansi Indonesia.

Asekomeh, Ayodele Oshokamere et al. 2008. An empirical examination of income smoothing intention in extractive industry firms. Petroleum Accounting and Financial Management Journal.

Cahan, Steven F, et al. 2008. Investor Protection, Income Smoothing, and Earnings Informativeness. Journal of International Accounting Research.

Liu, Chi-Chun, et al. 2006. Income Smoothing over the Business Cycle: Changes in Banks' Coordinated Management of provision for loan losses and loan charges-off. The Accounting Review. Vol 81 no 2.

Matsuura, Souichi. 2008. On the relation between real earnings management and accounting earnings management: income smoothing perspective.

Journal of International Business Research, Volume 7, Special Issue 3.

Taktak, Neila Boulila et al. 2010. Income Smoothing Practices: Evidence from Banks Operating in OECD Countries. International Journal of Economics and Finance. Vol. 2, No. 4

Tseng, Li-Jung et al. 2007. The Relationship between Income Smoothing and Company Profitability: An Empiral study. International Journal of Management. Vol 24 no 4.

BAB III

METODE PENELITIAN

3.1. Populasi dan Sampel

Menurut Erlina (2007: 75), “populasi adalah sekelompok orang, kejadian, sesuatu yang mempunyai karakteristik tertentu”. _{Populasi adalah wilayah generalisasi}

yang terdiri atas objek/subjek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan peneliti untuk dipelajari kemudian ditarik kesimpulannya (Sugiyono, 2006). Populasi dalam penelitian ini adalah semua perusahaan otomotif yang terdaftar di Bursa Efek Indonesia dari tahun 2005-2010, berupa laporan keuangan yang diunduh dari www.idx.co.id yaitu sebanyak 19 perusahaan.

Menurut Erlina (2007:75), “sampel adalah bagian dari populasi yang digunakan untuk memperkirakan karakteristik populasi”.

Sampel merupakan sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut (Sugiyono, 2006). Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah metode purposive sampling, yaitu dengan mengambil sampel dari populasi berdasarkan beberapa pertimbangan tertentu (Sugiyono, 2006).

Beberapa kriteria atau pertimbangan penarikan sampel yang digunakan oleh peneliti adalah sebagai berikut:

1. perusahaan otomotif yang telah go public dan terdaftar di BEI pada tahun 2005, 2006, 2007, 2008, 2009, dan 2010;

2. perusahaan tersebut tidak di-delisting pada tahun 2005, 2006, 2007, 2008, 2009, atau 2010;

3. perusahaan tersebut telah menerbitkan dan melaporkan laporan keuangan secara teratur selama tahun 2005, 2006, 2007, 2008, 2009, dan 2010. Berdasarkan kriteria yang telah dikemukakan sebelumnya maka perusahaan yang menjadi sampel pada penelitian ini berjumlah 17 perusahaan dengan 102 unit analisis (17 x 6 tahun). Daftar perusahaan yang dijadikan sebagai sampel dapat dilihat pada Tabel 3.1.

Tabel 3.1 Proses Seleksi Sampel

No Perusahaan Kriteria Sampel

1 2 3 1 Polychem Indonesia (formerly GT Petrochem

Industries) Tbk √ √ √

1

2 Astra International Tbk √ √ √ 2

3 Astra Otoparts Tbk √ √ √ 3

4 Indo Kordsa (formerly Branta Mulia) Tbk √ √ √ 4

5 Goodyear Indonesia Tbk √ √ √ 5

6 Gajah Tunggal Tbk √ √ √ 6

7 Hexindo Adiperkasa Tbk √ √ √ 7

8 Indomobil Sukses Internasional Tbk √ √ √ 8

9 Indospring Tbk √ √ √ 9

10 Intraco Penta Tbk √ √ √ 10

11 Multi Prima Sejahtera Tbk (formerly Lippo Enterprise) √ √ √ 11

12 Multistrada Arah Sarana Tbk √ √ √ 12

13 Nipress Tbk √ √ √ 13

14 Prima Alloy Steel Tbk √ √ √ 14

15 Allbond Makmur Usaha (formerly Sanex Qianjiang Motor International) Tbk

√ X √ -

16 Selamat Sempurna Tbk √ √ √ 15

17 Sugi Samapersada Tbk √ √ X -

18 Tunas Ridean Tbk √ √ √ 16

19 United Tractors Tbk √ √ √ 17

3.2. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder merupakan data primer yang telah diolah lebih lanjut dan disajikan baik dari pihak pengumpul data primer maupun oleh pihak lain. Sumber data dalam

penelitian ini diperoleh dari laporan keuangan tahunan perusahaan-perusahaan otomotif yang terdaftar di BEI periode 2005-2010, melalui situs resmi milik Bursa Efek Indonesia, yaitu dengan cara men-download dari situ dari ICMD (Indonesia Capital Market Directory).

3.3. Teknik Pengumpulan Data

Data yang digunakan adalah data sekunder, jadi pengumpulan data diperoleh dari pihak ketiga atau dicari secara manual dari luar perusahaan. Pengumpulan data dilakukan dalam dua tahap, pertama studi pustaka dengan membaca literatur dan jurnal-jurnal terkait dengan masalah yang diteliti lalu ditarik kesimpulan dan dibuat kerangka pemikiran tambahan untuk penelitian sendiri. Kedua, pengumpulan data sekunder yang diperoleh dari media internet dengan

mengunduh pada situs

3.4. Definisi Operasional dan Pengukuran Variabel

Variabel-variabel yang digunakan dalam penelitian ini terdiri dari variabel independen dan variabel dependen.

3.4.1. Variabel Bebas

Variabel bebas dilambangkan dengan X. Variabel bebas adalah variabel yang dapat mempengaruhi perubahan dalam variabel dependen (terikat) dan yang mempunyai hubungan positif maupun negatif bagi variabel terikat lainnya (Erlina dan Mulyani, 2007). Variabel bebas yang digunakan dalam penelitian ini adalah profitabilitas, financial leverage, dan dividen payout ratio.

3.4.1.1. Profitabilitas (X1)

Profitabilitas menunjukkan kemampuan perusahaan dalam menghasilkan laba. Dalam penelitian ini digunakan Return On Asset (ROA) “pengembalian atas total aktiva”. Rasio ini mengukur kemampuan perusahaan menghasilkan laba bersih berdasarkan tingkat aset yang tertentu. ROA sering disebut juga sebagai Return on Investment (ROI) (Hanafi dan Halim 2000:84). Rasio ini dikatakan juga rasio keuntungan yang menghubungkan laba dengan investasi. Dengan ROA, distribusi atau penggunaan aktiva dalam menghasilkan laba dapat diketahui.

Return on Asset (ROA) merupakan pengukuran kemampuan perusahaan secara keseluruhan dalam menghasilkan keuntungan dengan jumlah keseluruhan aktiva yang tersedia di dalam perusahaan. ROA melihat pada keefektivan perusahaan di dalam menghasilkan keuntungan atas total asset yang digunakan. Jika nilai ROA tinggi maka kemampuan manajemen perusahaan mengoptimalkan aset yang digunakan untuk menghasilkan keuntungan semakin tinggi dan ini dapat memberikan pengaruh positif terhadap perusahaan yang bersangkutan. ROA yang negatif disebabkan laba perusahaan dalam kondisi negatif pula atau rugi. Hal ini menunjukkan kemampuan dari modal yang diinvestasikan secara keseluruhan belum mampu untuk menghasilkan laba (Hakim, 2006).

Rasio pengembalian atas total aktiva dihitung dengan membagi laba bersih setelah pajak dengan total aktiva. ROA merupakan laba bersih setelah pajak dibagi dengan total aktiva (Jumingan, 2006).

��� = ����������

3.4.1.2. Financial Leverage (X2)

Djarwanto (2004) mengatakan bahwa rasio leverage bertujuan mengukur sejauh mana kebutuhan perusahaan dibelanjai dengan dana pinjaman.

Peneliti menggunakan rasio utang terhadap ekuitas (Debt to Equity Ratio/DER) untuk mengukur leverage. Dengan pengukuran DER dapat dilihat bagaimana ekuitas perusahaan menjamin hutang perusahaan.

Financial Leverage = ����������� ������������ 3.4.1.3. Dividend Payout Ratio (X3)

Dividend payout ratio menggambarkan jumlah porsi yang akan dibagikan perusahaan kepada para pemilik lembar saham atas kepemilikan saham mereka yang disesuaikan dengan laba yang diperoleh perusahaan. Besar kecilnya dividen tergantung oleh besar kecilnya laba yang diperoleh sehingga perusahaan cenderung untuk melakukan praktik perataan laba (Sartono, 2001). Dividend payout ratio diukur dengan membandingkan antara dividen dengan net income.

Diviend Payout Ratio = ������� ��������� 3.4.2. Variabel Terikat

Variabel terikat dilambangkan dengan Y. Variabel terikat adalah perhatian utama dalam sebuah pengamatan, variabel ini dijelaskan atau dipengaruhi oleh variabel independen (Erlina dan Mulyani, 2007). Dalam penelitian ini variabel dependen yang digunakan adalah Income Smoothing (Perataan Laba).

Perataan laba adalah proses manipulasi waktu terjadinya laba atau laporan laba agar laba yang dilaporkan kelihatan stabil (Fudenberg dalam Syahriana,

2006:14). Peneliti menggunakan indeks Eckel sebagai metode pengklasifikasian sampel.

Income Smoothing index (ISi) =

���� ���� Keterangan:

ΔI = perubahan laba dalam satu periode

ΔS = perubahan penjualan dalam satu periode

CVi = koefisien variasi untuk variabel i (standar deviasi i dibagi dengan mean)

Tabel 3.2

Definisi Operasional dan Pengukuran Variabel Variabel Definisi

Operasional

Pengukuran Skala

Income Smoothing

(Y)

Proses manipulasi waktu terjadinya laba atau laporan laba agar laba yang dilaporkan kelihatan stabil.

Income Smoothing Index (ISi)

= ���� ���� Rasio Profitabilitas (�_�) Kemampuan perusahaan dalam menghasilkan laba.

Return On Asset (ROA)

= ���������� ��������� Rasio Financial Leverage (��) Seberapa efesien perusahaan memanfaatkan ekuitas pemilik dalam rangka mengantisipasi hutang jangka panjang dan hutang jangka pendek perusahaan sehingga tidak akan mengganggu operasi perusahaan secara keseluruhan dalam jangka panjang.

Debt to Equity Ratio (DER)

= �����������

������������

Tabel 3.2

Definisi Operasional dan Pengukuran Variabel (lanjutan)

Dividend PayoutRatio

(�_�)

Rasio pembagian kepada pemegang saham dari suatu perusahaan secara proporsional sesuai dengan jumlah lembar saham yang dipegang oleh masing-masing pemilik.

DividendPayoutRatio (DPR)

= �������

���������

Rasio

3.5. Metode dan Teknik Analisis Data

Analisis data dilakukan dengan bantuan perangkat lunak E-Views 6.0 untuk pengolahan data.

3.5.1. Analisis Data

Data yang menyatakan antara data deret waktu (time series) dan data kerat lintang (cross section) yang menghasilkan data yang disebut sebagai data panel (pooled data) merupakan data yang diambil seorang peneliti ketika hendak melakukan suatu analisis yang tahun pengamatannya terbatas. Data panel mempunyai deret waktu T > 1 dan kerat lintang N>1. Dengan data panel, jumlah pengamatan menjadi banyak. Menurut Mudrajad (2001) data panel merupakan data kombinasi antara data deret/runtut waktu, yang memiliki observasi-observasi pada suatu unit analisis pada suatu titik waktu tertentu. Ciri khusus data deret waktu adalah berupa urutan numerik dimana interval antar observasi atas sejumlah variabel bersifat konstan dan tetap. Sedangkan data silang tempat (kerat lintang) adalah suatu unit analisis pada suatu titik waktu tertentu dengan observasi atas sejumlah

variabel. Penggunaan data panel didasarkan pada kenyataan bahwa data yang tersedia, series-nya tidak mencukupi untuk dilakukan analisis.

Peneliti menggunakan metode analisis data panel dalam menganalisis data pada skripsi ini. Data panel merupakan data campuran cross section dan time series (Wahyu A. Pratomo, 2007).

Menggunakan data panel memiliki beberapa keuntungan, yaitu: 1. dapat mengontrol heterogenitas individu;

2. memberikan data yang lebih informatif, lebih bervariasi, derajat kebebasan yang lebih efisien, serta menghindarkan kolineritas antar variabel;

3. data panel lebih baik dalam hal untuk studi mengenai dynamics of adjustment, yang memungkinkan estimasi masing-masing karakteristik individu maupun karakteristik antar waktu secara terpisah;

4. mempunyai kemampuan yang lebih baik dalam mengidentifikasi dan mengukur pengaruh yang biasa tidak dapat dideteksi oleh data cross section ataupun time series saja.

3.5.2. Metode Analisis

Gujarati (2003) menemukan bahwa mengestimasi jenis data panel dengan metode

Ordinary Least Square (OLS) tidak konsisten dan efisien (inefisiensi), sehingga disarankan untuk menggunakan metode Generalized Least Square (GLS). Metode

GLS ini dapat dianalisis dengan dua model pendekatan, yaitu Fixed Effects Model

dapat ditentukan model yang terbaik untuk digunakan dalam model persamaan ekonometrika.

Metode Fixed Effects Model diasumsikan bebas dari autokorelasi, maka pengujian autokorelasi dapat diabaikan. Pengujian yang perlu dilakukan adalah Uji Heteroskedastisitas.

Metode Random Effect Model diasumsikan bahwa komponen error individual-nya tidak berkorelasi satu sama lain dan tidak ada autokorelasi baik

cross section maupun time series. Kedua variabel random tersebut (yaitu variabel

cross section dan variabel time series) diasumsikan berdistribusi normal dengan derajat bebas yang tidak berkurang. Model random effect dapat diestimasi sebagai regresi Generalized Least-Square (GLS) yang akan menghasilkan penduga yang memenuhi sifat Best Linier Unbiased Estimation (BLUE). Dengan demikian adanya gangguan asumsi klasik dalam model ini telah terdistribusi secara normal, sehingga tidak diperlukan lagi treatment terhadap model bagi pelanggaran asumsi klasik, yaitu asumsi adanya autokorelasi, multikolinearitas dan heterokedastik.

3.5.2.1. Pendekatan Fixed Effect Model (FEM)

Model ini memiliki intercept persamaan yang tidak konstan atau terdapat perbedaan pada setiap individu (data crosssection). Sementara itu, slope koefisien dari regresi tidak berbeda pada setiap individu dan waktu.

Metode FEM ini dapat membedakan efek individual dan efek waktu, dan FEM tidak perlu mengasumsikan bahwa komponen error tidak berkorelasi dengan variabel bebas.

3.5.2.2. Pendekatan Random Effect Model (REM)

Pada model ini, perbedaan karakteristik individu dan waktu diakomodasikan pada

error dari model. Ada dua komponen yang mempunyai kontribusi pada pembentukan error yaitu individu dan waktu, maka random error pada pendekatan random effect model juga perlu diurai menjadi error untuk komponen individu, error komponen waktu, dan error gabungan. Model ini memperhitungkan bahwa error term mungkin berkorelasi sepanjang time series

dan cross section.

Metode REM mempunyai parameter yang lebih sedikit, sehingga model yang dibentuk akan memiliki derajat kebebasan (degree of freedom) yang lebih banyak dibandingkan model dengan metode FEM.

3.5.3. Pengujian Model

Untuk menentukan model mana yang terbaik dalam metode GLS tersebut maka dapat dilakukan dengan Uji Hausman (Gujarati, 2003).

Sebelum dilakukan Uji Hausman untuk menentukan model mana yang sesuai untuk data panel yang dianalisis, kita dapat menarik kesimpulan awal berdasarkan beberapa pakar ekonometrika yang telah membuat pembuktian untuk menentukan metode apa yang paling sesuai untuk digunakan. Kesimpulan atas pembuktian tersebut sebagai berikut.

1. Jika pada data panel jumlah runtun waktu lebih besar dibandingkan jumlah individu, maka disarankan untuk menggunakan metode FEM. 2. Jika pada data panel jumlah runtun waktu lebih sedikit dibandingkan

Data panel dalam penelitian ini memiliki jumlah runtun waktu lebih sedikit dibandingkan jumlah individu (emiten), oleh karena itu peneliti mengambil kesimpulan awal atas penelitian ini untuk menggunakan metode Random Effect Model sebagai metode yang paling sesuai untuk data panel dalam penelitian ini.

3.5.3.1. Uji Hausman

Uji Hausman dilakukan untuk menentukan penggunaan FEM ataukah REM. Ide dasar Hausman Test adalah adanya hubungan yang berbanding terbalik antara model yang bias dan model yang efisien. Pada FEM, hasil estimasi tidak bias dan tidak efisien, sebaliknya pada REM hasil estimasi bias dan efisien. Metode REM

telah peneliti tetapkan sebagai metode yang sesuai yakni diduga dengan menggunakan kesimpulan awal, maka dalam data panel, uji Hausman dapat digunakan untuk melihat kelayakan penggunaan model panel.

Hipotesis :

H0 = ada gangguan antar individu (randomeffect) H1 = tidak ada gangguan antar individu (fixedeffect)

Jika nilai statistik Hausman lebih besar dari nilai kritisnya atau hasil dari Hausman Test signifikan, maka H0 ditolak, berarti model yang tepat adalah FEM, sebaliknya apabila nilai statistik Hausman lebih kecil dari nilai kritisnya maka model yang tepat adalah REM.

Metode apakah yang dipilih (FEM atau REM)) menurut Gujarati (2003) yaitu:

1. apabila nilai Chi Square statistik pada Uji Hausman signifikan, berarti model dapat diestimasi dengan Fixed Effect Model,

2. apabila nilai Chi Square statistik pada Uji Hausman tidak signifikan, berarti peneliti dapat menggunakan model Random atau Fixed Effect Model karena ianya tidak berbeda secara substansi.

3.6. Jadwal Penelitian

Jadwal penelitian yang direncanakan adalah sebagai berikut: Tabel 3.3

Jadwal Penelitian

Tahapan Penelitian

Apr Mei-Des Jan Feb-Des Jan-Des Jan

2011 2011 2012 2012 2013 2014

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 Pengajuan

Judul

x Pencarian

data awal dan penyelesaian

proposal x x x x Bimbingan

Proposal x x x x

Seminar

Proposal x

Pengumpulan

dan olah data x x x x x x x x x x

Bimbingan

skripsi x x x x x x x

Penyelesaian skripsi dan ujian

BAB IV

ANALISIS DAN PEMBAHASAN

1.1. Data Penelitian

Informasi yang dibutuhkan dalam penelitian ini merupakan data sekunder yang diperoleh melalui situs Bursa Efek Indonesi keuangan dan annual report perusahaan otomotif terpilih sesuai dengan kriteria yang telah ditetapkan dari tahun 2005 sampai 2010.

Variabel penelitian ini terdiri dari profitabilitas (menggunakan Return on Asset/ROA), financial leverage (menggunakan Debt to Equity Ratio/DER), dan

Dividend Payout Ratio/DPR sebagai variabel bebas (independent variable) dan

Income Smoothing/IS sebagai variabel terikat (dependent variable).

1.2. Analisis Hasil Penelitian

Model analisis data yang digunakan dalam penelitian ini adalah model ekonometrika yang menggunakan data panel. Langkah awal analisis data dimulai dengan input atau entry data (yang berupa angka yang terdapat dalam laporan keuangan) yang dibutuhkan dengan menggunakan Microsoft Excel, selanjutnya dilakukan pengujian menggunakan metode Generalized Least Square (GLS). Pengujian GLS dilakukan dengan menggunakan software E-Views 6.0. Prosedur dimulai dengan memasukkan variabel-variabel penelitian ke program E-Views

tersebut dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditetapkan, diperoleh 17 perusahaan

yang memenuhi persyaratan selama periode 2005-2010 dengan 102 unit analisis. Sampel penelitian disajikan dalam tabel 4.1 berikut.

Tabel 4.1

Daftar Sampel Perusahaan

No Perusahaan Kode

Emiten 1 Polychem Indonesia (formerly

GT Petrochem Industries) Tbk

ADMG 2 Astra International Tbk ASII

3 Astra Otoparts Tbk AUTO

4 Indo Kordsa (formerly Branta Mulia) Tbk

BRAM 5 Goodyear Indonesia Tbk GDYR

6 Gajah Tunggal Tbk GJTL

7 Hexindo Adiperkasa Tbk HEXA 8 Indomobil Sukses Internasional

Tbk

IMAS

9 Indospring Tbk INDS

10 Intraco Penta Tbk INTA

11 Multi Prima Sejahtera Tbk (formerly Lippo Enterprise)

LPIN 12 Multistrada Arah Sarana Tbk MASA

13 Nipress Tbk NIPS

14 Prima Alloy Steel Tbk PRAS 15 Selamat Sempurna Tbk SMSM

16 Tunas Ridean Tbk TURI

17 United Tractors Tbk UNTR

1.2.1. Ordinary Least Square (OLS)

Penggunaan estimasi dengan metode ini tidak realistis. Dengan menggunakan

OLS maka kita akan memperoleh nilai intercept dan koefisien parameter yang konstan. Oleh karena itu, penggunaan metode lainnya yakni Fixed Effect Model

Dependent Variable: IS? Method: Pooled Least Squares Date: 07/27/13 Time: 05:04 Sample: 2006 2010

Included observations: 5 Cross-sections included: 17

Total pool (balanced) observations: 85

Variable Coefficient Std. Error t-Statistic Prob.

C 25.70263 22.44893 1.144938 0.2556

ROA? 1.503888 3.479141 0.432258 0.6667

DER? 0.360453 4.650980 0.077500 0.9384

DPR? -6.221758 33.38310 -0.186374 0.8526

R-squared 0.002547 Mean dependent var 23.13924

Adjusted R-squared -0.034395 S.D. dependent var 159.3588

S.E. of regression 162.0762 Akaike info criterion 13.05993

Sum squared resid 2127764. Schwarz criterion 13.17487

Log likelihood -551.0468 Hannan-Quinn criter. 13.10616

F-statistic 0.068952 Durbin-Watson stat 2.488014

Prob(F-statistic) 0.976310

Hasil estimasi menunjukkan bahwa nilai koefisien determinasi (R2) sangat kecil, yakni 0.002547. Artinya variabel ROA, DER, dan DPR dapat menjelaskan variabel Perataan Laba sebesar 0.26 %. Sedangkan 99.74% dapat dijelaskan oleh variabel lainnya.

Variabel ROA, DER, dan DPR secara simultan tidak signifikan mempengaruhi tindakan perataan laba. Sebagaimana penjelasan sebelumnya, estimasi dengan metode ini memang tidak baik. Oleh karena itu, hasil ini tidak akan dibahas lebih lanjut.

1.2.2. GLS (General Least Square)

Metode GLS terbagi 2, yakni: FEM (Fixed EfectModel) dan REM (RandomEfect Model).

1.2.2.1.FEM (Fixed Efect Model)

Model ini memiliki intercept persamaan yang tidak konstan atau terdapat perbedaan pada setiap individu (data cross section). Sementara itu, slope

koefisien dari regresi tidak berbeda pada setiap individu dan waktu.

FEM dapat membedakan efek individual dan efek waktu. FEM juga tidak perlu mengasumsikan bahwa komponen error tidak berkorelasi dengan variabel bebas. FEM diasumsikan bebas dari autokorelasi.

Dependent Variable: IS? Method: Pooled Least Squares Date: 07/27/13 Time: 11:21 Sample: 2006 2010

Included observations: 5 Cross-sections included: 17

Total pool (balanced) observations: 85

Variable Coefficient Std. Error t-Statistic Prob.

C 12.01175 35.70891 0.336380 0.7377

ROA? -0.537465 4.434385 -0.121204 0.9039

DER? 4.258391 13.76663 0.309327 0.7581

DPR? -2.161678 47.38914 -0.045615 0.9638

Fixed Effects (Cross)

_ADMG—C -63.37166

_ASII—C -13.41834

_AUTO—C -7.688510

_BRAM—C 18.53531

_GDYR—C 30.34625

_GJTL—C 271.2743

_HEXA—C -10.54739

_IMAS—C -81.89704

_INDS—C -32.84825

_INTA—C -18.38947

_LPIN—C 2.541572

_MASA—C -11.10985

_NIPS—C -15.57552

_PRAS—C -35.37565

_SMSM—C -7.255951

_TURI—C -12.15992

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.195669 Mean dependent var 23.13924

Adjusted R-squared -0.039443 S.D. dependent var 159.3588

S.E. of regression 162.4711 Akaike info criterion 13.22120

Sum squared resid 1715796. Schwarz criterion 13.79594

Log likelihood -541.9011 Hannan-Quinn criter. 13.45238

F-statistic 0.832239 Durbin-Watson stat 3.067194

Prob(F-statistic) 0.662179

Nilai koefisien determinasi (R2) adalah 0.195669. Artinya variable ROA,

DER, dan DPR secara bersama-sama mampu menjelaskan variable Perataan Laba (IS) sebesar 19.57 %.

Tanda variable independen ROA dan DPR negatif. Hasil estimasi ini tidak sejalan dengan hipotesis sebelumnya yang mengatakan bahwa ROA dan DPR

akan berpengaruh positif terhadap IS. Sedangkan tanda variable independen DER

positif. Ini artinya DER berpengaruh positif terhadap IS. Hasil estimasi ini sejalan dengan hipotesis sebelumnya yang mengatakan bahwa jika DER suatu perusahaan semakin tinggi maka peusahaan tersebut akan terdorong untuk melakukan tindakan Perataan Laba.

FEM diasumsikan bebas dari autokorelasi. Selanjutnya pengujian yang perlu dilakukan adalah uji Heteroskedastisitas:

Dependent Variable: IS? Method: Pooled Least Squares Date: 07/27/13 Time: 11:22 Sample: 2006 2010

Included observations: 5 Cross-sections included: 17

Total pool (balanced) observations: 85

White cross-section standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob.

ROA? -0.537465 0.830300 -0.647315 0.5197

DER? 4.258391 4.520158 0.942089 0.3496

DPR? -2.161678 8.833183 -0.244722 0.8074

Fixed Effects (Cross)

_ADMG--C -63.37166

_ASII--C -13.41834

_AUTO--C -7.688510

_BRAM--C 18.53531

_GDYR--C 30.34625

_GJTL--C 271.2743

_HEXA--C -10.54739

_IMAS--C -81.89704

_INDS--C -32.84825

_INTA--C -18.38947

_LPIN--C 2.541572

_MASA--C -11.10985

_NIPS--C -15.57552

_PRAS--C -35.37565

_SMSM--C -7.255951

_TURI--C -12.15992

_UNTR--C -13.05986

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.195669 Mean dependent var 23.13924

Adjusted R-squared -0.039443 S.D. dependent var 159.3588

S.E. of regression 162.4711 Akaike info criterion 13.22120

Sum squared resid 1715796. Schwarz criterion 13.79594

Log likelihood -541.9011 Hannan-Quinn criter. 13.45238

F-statistic 0.832239 Durbin-Watson stat 3.067194

Prob(F-statistic) 0.662179

Hasil estimasi ini hanya sedikit berbeda dengan hasil sebelumnya yakni hanya nilai t ststistik yang berubah, namun keputusan masih tetap sama, yaitu ROA dan

1.2.2.2.REM (Random Efect Model)

Pada model ini, perbedaan antara individu terdapat di error term dari persamaan. Model ini memperhitungkan bahwa error term mungkin berkorelasi sepanjang timeseries dari crosssection.

Metode REM mempunyai parameter yang lebih sedikit sehingga model yang dibentuk akan memiliki derajat kebebasan yang lebih banyak.

Dependent Variable: IS?

Method: Pooled EGLS (Cross-section random effects) Date: 07/27/13 Time: 11:23

Sample: 2006 2010 Included observations: 5 Cross-sections included: 17

Total pool (balanced) observations: 85

Swamy and Arora estimator of component variances

White cross-section standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob.

C 25.19282 20.59040 1.223523 0.2247

ROA? 1.352016 0.594366 2.274721 0.0256

DER? 0.383460 1.040431 0.368559 0.7134

DPR? -5.365392 8.753278 -0.612958 0.5416

Random Effects (Cross)

_ADMG--C -4.677654

_ASII--C -2.313827

_AUTO--C -2.019238

_BRAM--C 0.981341

_GDYR--C 2.855128

_GJTL--C 29.75483

_HEXA--C -1.700816

_IMAS--C -2.491249

_INDS--C -2.772287

_INTA--C -2.543942

_LPIN--C -0.851027

_MASA--C -2.202031

_NIPS--C -2.508427

_PRAS--C -3.828022

_SMSM--C -1.742377

_TURI--C -1.590577

_UNTR--C -2.349823

S.D. Rho

Cross-section random 25.62304 0.0243

Idiosyncratic random 162.4711 0.9757

Weighted Statistics

R-squared 0.002008 Mean dependent var 21.82210

Adjusted R-squared -0.034955 S.D. dependent var 157.6397

S.E. of regression 160.3712 Sum squared resid 2083232.

F-statistic 0.054321 Durbin-Watson stat 2.540120

Prob(F-statistic) 0.983210

Unweighted Statistics

R-squared 0.002514 Mean dependent var 23.13924

Sum squared resid 2127834. Durbin-Watson stat 2.486876

Hasil estimasi dengan menggunakan metode REM menunjukkan bahwa ada hubungan positif antara variabel ROA dan DER dengan tindakan perataan laba pada 17 perusahaan otomotif yang terdaftar di BEI, dan hubungan negatif antara variabel DPR dengan tindakan perataan laba pada 17 perusahaan otomotif yang terdaftar di BEI.

Estimation Command: =====================

LS(CX=R,COV=CXWHITE) IS? C ROA? DER? DPR?

Estimation Equations: =====================

IS_ADMG = C(5) + C(1) + C(2)*ROA_ADMG + C(3)*DER_ADMG + C(4)*DPR_ADMG

IS_ASII = C(6) + C(1) + C(2)*ROA_ASII + C(3)*DER_ASII + C(4)*DPR_ASII

IS_AUTO = C(7) + C(1) + C(2)*ROA_AUTO + C(3)*DER_AUTO + C(4)*DPR_AUTO

IS_BRAM = C(8) + C(1) + C(2)*ROA_BRAM + C(3)*DER_BRAM + C(4)*DPR_BRAM

IS_GDYR = C(9) + C(1) + C(2)*ROA_GDYR + C(3)*DER_GDYR + C(4)*DPR_GDYR

IS_GJTL = C(10) + C(1) + C(2)*ROA_GJTL + C(3)*DER_GJTL + C(4)*DPR_GJTL

IS_HEXA = C(11) + C(1) + C(2)*ROA_HEXA + C(3)*DER_HEXA + C(4)*DPR_HEXA

IS_IMAS = C(12) + C(1) + C(2)*ROA_IMAS + C(3)*DER_IMAS + C(4)*DPR_IMAS

IS_INTA = C(14) + C(1) + C(2)*ROA_INTA + C(3)*DER_INTA + C(4)*DPR_INTA

IS_LPIN = C(15) + C(1) + C(2)*ROA_LPIN + C(3)*DER_LPIN + C(4)*DPR_LPIN

IS_MASA = C(16) + C(1) + C(2)*ROA_MASA + C(3)*DER_MASA + C(4)*DPR_MASA

IS_NIPS = C(17) + C(1) + C(2)*ROA_NIPS + C(3)*DER_NIPS + C(4)*DPR_NIPS

IS_PRAS = C(18) + C(1) + C(2)*ROA_PRAS + C(3)*DER_PRAS + C(4)*DPR_PRAS

IS_SMSM = C(19) + C(1) + C(2)*ROA_SMSM + C(3)*DER_SMSM + C(4)*DPR_SMSM

IS_TURI = C(20) + C(1) + C(2)*ROA_TURI + C(3)*DER_TURI + C(4)*DPR_TURI

IS_UNTR = C(21) + C(1) + C(2)*ROA_UNTR + C(3)*DER_UNTR + C(4)*DPR_UNTR

Substituted Coefficients: =====================

IS_ADMG = -4.6776539346 + 25.1928228134 + 1.35201593167*ROA_ADMG + 0.383460202309*DER_ADMG - 5.36539186667*DPR_ADMG

IS_ASII = -2.31382685487 + 25.1928228134 + 1.35201593167*ROA_ASII + 0.383460202309*DER_ASII - 5.36539186667*DPR_ASII

IS_AUTO = -2.01923817695 + 25.1928228134 + 1.35201593167*ROA_AUTO + 0.383460202309*DER_AUTO - 5.36539186667*DPR_AUTO

IS_BRAM = 0.981341156327 + 25.1928228134 + 1.35201593167*ROA_BRAM + 0.383460202309*DER_BRAM - 5.36539186667*DPR_BRAM

IS_GDYR = 2.85512761494 + 25.1928228134 + 1.35201593167*ROA_GDYR + 0.383460202309*DER_GDYR - 5.36539186667*DPR_GDYR

IS_GJTL = 29.7548287422 + 25.1928228134 + 1.35201593167*ROA_GJTL + 0.383460202309*DER_GJTL - 5.36539186667*DPR_GJTL

IS_HEXA = -1.70081551564 + 25.1928228134 + 1.35201593167*ROA_HEXA + 0.383460202309*DER_HEXA - 5.36539186667*DPR_HEXA

IS_IMAS = -2.49124939616 + 25.1928228134 + 1.35201593167*ROA_IMAS + 0.383460202309*DER_IMAS - 5.36539186667*DPR_IMAS

IS_INDS = -2.7722871737 + 25.1928228134 + 1.35201593167*ROA_INDS + 0.383460202309*DER_INDS - 5.36539186667*DPR_INDS

IS_INTA = -2.54394222956 + 25.1928228134 + 1.35201593167*ROA_INTA + 0.383460202309*DER_INTA - 5.36539186667*DPR_INTA

IS_LPIN = -0.851026975698 + 25.1928228134 + 1.35201593167*ROA_LPIN + 0.383460202309*DER_LPIN - 5.36539186667*DPR_LPIN

IS_MASA = -2.20203115315 + 25.1928228134 + 1.35201593167*ROA_MASA + 0.383460202309*DER_MASA - 5.36539186667*DPR_MASA

IS_NIPS = -2.50842660476 + 25.1928228134 + 1.35201593167*ROA_NIPS + 0.383460202309*DER_NIPS - 5.36539186667*DPR_NIPS

IS_PRAS = -3.82802245639 + 25.1928228134 + 1.35201593167*ROA_PRAS + 0.383460202309*DER_PRAS - 5.36539186667*DPR_PRAS

IS_SMSM = -1.74237705168 + 25.1928228134 + 1.35201593167*ROA_SMSM + 0.383460202309*DER_SMSM - 5.36539186667*DPR_SMSM

IS_TURI = -1.59057702085 + 25.1928228134 + 1.35201593167*ROA_TURI + 0.383460202309*DER_TURI - 5.36539186667*DPR_TURI

IS_UNTR = -2.34982296951 + 25.1928228134 + 1.35201593167*ROA_UNTR + 0.383460202309*DER_UNTR - 5.36539186667*DPR_UNTR

Hasil estimasi dengan menggunakan metode REM menunjukkan ROA

berpengaruh positif dan signifikan terhadap perilaku perataan laba pada perusahaan otomatif yang terdaftar di BEI. DER berpengaruh positif dan tidak signifikan terhadap perilaku perataan laba pada perusahaan otomatif yang terdaftar di BEI. DPR berpengaruh negatif dan tidak signifikan terhadap perilaku perataan laba pada perusahaan otomatif yang terdaftar di BEI.

Walaupun sudah diputuskan sebelumnya bahwa penelitian ini menggunakan metode REM berdasarkan data yang diperoleh, namun peneliti menguji kembali metode apa yang baik berdasarkan Uji Hausman.

1.2.3. Uji Hausman

Untuk memutuskan menggunakan FEM atau REM peneliti menguji kembali metode apa yang baik berdasarkan uji Hausman . Pemilihan apakah FEM atau

REM yang dipilih menurut Gujarati (2003) yaitu:

1. apabila nilai Chi Square statistik pada Uji Hausman signifikan berarti model dapat diestimasi dengan FixedEffectModel.

2. apabila nilai Chi Square statistik pada Uji Hausman tidak signifikan berarti peneliti dapat menggunakan Random Effect Model atau Fixed Effect Model karena ianya tidak berbeda secara substansi.

Correlated Random Effects - Hausman Test Pool: POOL1

Test cross-section random effects

Test Summary

Chi-Sq.

Statistic Chi-Sq. d.f. Prob.

Cross-section random 0.000000 3 1.0000

* Cross-section test variance is invalid. Hausman statistic set to zero. ** Warning: robust standard errors may not be consistent with assumptions of Hausman test variance calculation.

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob.

ROA? -0.537465 1.352016 0.336127 0.0011

DER? 4.258391 0.383460 19.349331 0.3784

DPR? -2.161678 -5.365392 1.405244 0.0069

Cross-section random effects test equation: Dependent Variable: IS?

Method: Panel Least Squares Date: 07/29/13 Time: 13:20 Sample: 2006 2010

Included observations: 5 Cross-sections included: 17

Total pool (balanced) observations: 85

White cross-section standard errors & covariance (d.f. corrected)

Coefficient Std. Error t-Statistic Prob.

C 12.01175 11.72379 1.024562 0.3094

ROA? -0.537465 0.830300 -0.647315 0.5197

DER? 4.258391 4.520158 0.942089 0.3496

DPR? -2.161678 8.833183 -0.244722 0.8074

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.195669 Mean dependent var 23.13924

Adjusted R-squared -0.039443 S.D. dependent var 159.3588

S.E. of regression 162.4711 Akaike info criterion 13.22120

Sum squared resid 1715796. Schwarz criterion 13.79594

Log likelihood -541.9011 Hannan-Quinn criter. 13.45238

F-statistic 0.832239 Durbin-Watson stat 3.067194

Hasil estimasi menunjukkan bahwa nilai Chi Square statistik yang tidak signifikan. Berdasarkan hasil beberapa pengujian dalam menentukan metode apa yang paling baik, maka dapat diambil kesimpulan bahwa model dengan metode

BAB 5

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Berdasarkan pembahasan di atas diperoleh kesimpulan sebagai berikut.

1. ROA berpengaruh positif dan signifikan terhadap perilaku perataan laba pada perusahaan otomatif yang terdaftar di BEI.

2. DER berpengaruh positif dan tidak signifikan terhadap perilaku perataan laba pada perusahaan otomatif yang terdaftar di BEI.

3. DPR berpengaruh negatif dan tidak signifikan terhadap perilaku perataan laba pada perusahaan otomatif yang terdaftar di BEI.

4. Variabel ROA, DER, dan DPR secara bersama-sama mampu menjelaskan variabel IS sebesar 0,2 %.

5.2. Saran

Berdasarkan pembahasan di atas, saran peneliti untuk penelitian berikut adalah sebagai berikut.

1. Penelitian selanjutnya dapat menggunakan metode pengklasifikasian sampel yang berbeda (misalnya model Michelson) dan kemudian dibandingkan dengan indeks Eckel yang banyak dipakai dalam penelitian terdahulu. Untuk itu sampel penelitian dalam jumlah besar diperlukan, sebab untuk beberapa metode yang lebih kompleks, sampel akan lebih banyak tereduksi.

2. Penelitian selanjutnya diharapkan juga dapat menguji beberapa faktor lain yang diduga memiliki pengaruh terhadap perataan laba, seperti kebijakan akuntansi, peraturan pemerintah, ukuran perusahaan, dan kompensasi bagi manajemen.

5.3. Keterbatasan Penilitian

Keterbatasan yang membawa dampak pada hasil penelitian, yaitu:

1. penggunaan indeks Eckel dalam penelitian ini dilakukan mengingat terbatasnya sampel yang digunakan, sehingga pengklasifikasian sampel ke dalam perata dan bukan perata dapat berpengaruh terhadap tidak signifikannya hasil penelitian, dan

2. pada penelitian ini menggunakan waktu relatif singkat dan hanya menggunakan 3 variabel independen.

BAB II

TINJAUAN PUSTAKA

2.1. Tinjauan Teoritis

2.1.1. Agency Theory

Topik perataan laba (income smoothing) terkait erat dengan konsep manajemen laba (earnings management). Seperti halnya manajemen laba penjelasan konsep perataan laba juga menggunakan pendekatan teori keagenan (agency teory). Jensen dan Meckling dalam Sari (2010) menyatakan bahwa hubungan keagenan adalah sebuah kontrak antara manajer (agent) dengan investor (principal). Teori keagenan membahas hubungan antara manajemen dan pemegang saham, dimana yang dimaksud dengan principal adalah pemegang saham dan agent adalah manajemen (Belkaouli, 2006). Terjadinya konflik kepentingan antara pemilik dan agen karena kemungkinan agen bertindak tidak sesuai dengan kepentingan

principal, sehingga memicu biaya keagenan (agency cost).

Agency Theory juga menyatakan bahwa pemilik perusahaan diasumsikan hanya tertarik pada hasil keuangan yang bertambah atas investasi mereka dalam perusahaan, sedang para agen diasumsikan menerima kepuasan berupa kompensasi keuangan dan syarat-syarat yang menyertai dalam hubungan tersebut (Harto, 2009).

Hertanti (2005) mengatakan bahwa inti dari hubungan keagenan adalah terdapat pemisahan antara kepemilikan dan pengelolaan perusahaan. Principal

akan menyediakan fasilitas dan dana untuk menjalankan perusahaan serta mendelegasikan kebijakan pembuatan keputusan kepada agen. Principal

memiliki harapan bahwa agen akan menghasilkan return dari uang yang mereka investasikan. Di lain pihak, agen memiliki kewajiban untuk mengelola perusahaan sesuai dengan keinginan principal.

Karena perbedaan kepentingan inilah masing-masing pihak berusaha untuk memperbesar keuntungan pribadi. Principal menginginkan return yang besar dan cepat atas investasi mereka dan menilai prestasi manajer berdasarkan kemampuannya untuk memperbesar laba yang akan dialokasikan pada pembagian dividen. Sebagai agen, manajer bertanggung jawab secara moral untuk mengoptimalkan keuntungan para principal dengan memperoleh kompensasi sesuai dengan kontrak. Dengan demikian terdapat dua kepentingan yang berbeda di dalam perusahaan dimana masing-masing pihak berusaha untuk mencapai atau mempertahankan tingkat kemakmuran yang dikehendaki.

Untuk memenuhi tuntutan prinsipal dan mendapat intensif yang tinggi, manajer akan memainkan beberapa kondisi perusahaan sedemikian rupa agar seolah-olah target tercapai bila tidak ada pengawasan yang memadai dalam kinerja manajer.

2.1.2. Laporan Keuangan

Menurut Standar Akuntansi Keuangan No. 1: “Laporan keuangan merupakan bagian dari proses pelaporan keuangan. Laporan keuangan yang lengkap biasanya meliputi neraca, laporan laba-rugi, laporan perubahan posisi keuangan (yang dapat disajikan dalam berbagai cara seperti misalnya sebagai arus kas, atau laporan arus dana), catatan, dan laporan lain serta materi penjelasan yang merupakan bagian integral dari laporan keuangan.”

Laporan keuangan merupakan pertanggungjawaban pengelolaan perusahaan oleh manajemen atas sumber daya yang dipercayakan kepadanya. Perkembangan perusahaan go public di Indonesia menjadikan laporan keuangan sebagai kebutuhan utama setiap perusahaan. Semakin berkembangnya pasar modal menyebabkan semakin besarnya kebutuhan akan transparansi. Di dalam dunia akuntansi, transparansi dapat dimaksudkan dengan seberapa jauh pembaca laporan keuangan atau pihak-pihak lain yang mempunyai kepentingan terhadap laporan keuangan suatu perusahaan dapat mengetahui dan menggali kandungan informasi yang terdapat dalam laporan keuangan.

Menurut Djarwanto (2004) laporan keuangan merupakan hasil refleksi dari sekian banyak transaksi yang terjadi dalam suatu perusahaan. Kondisi dan hasil operasi (kinerja) perusahaan tercermin pada laporan keuangan. Informasi tentang kondisi keuangan dan hasil operasi yang tercermin dalam laporan keuangan merupakan komunikasi antara laporan keuangan dengan berbagai pihak yang berkepentingan.

2.1.3. Laba Akuntansi

Laba merupakan suatu pos dasar dan penting dari ikhtisar keuangan yang memiliki berbagai kegunaan dalam berbagai konteks. Pengertian laba yang dianut oleh struktur akuntansi sekarang ini adalah laba akuntansi yang merupakan selisih pengukuran pendapatan dan biaya. Besar kecilnya laba sebagai pengukur kenaikan aktiva sangat bergantung pada ketepatan pengukuran pendapatan dan biaya. Jadi dalam hal ini laba hanya merupakan angka artikulasi dan tidak didefinisikan tersendiri secara ekonomik seperti halnya aktiva atau hutang.

Menurut PSAK 46 paragraf ketujuh laba akuntansi adalah laba atau rugi bersih selama satu periode sebelum dikurangi beban pajak. Laba akuntansi diukur berdasarkan konsep laba akrual. Tujuan utama akuntansi akrual adalah pengukuran laba. Dua proses utama dalam pengukuran laba adalah pengakuan pendapatan dan pengaitan beban.

Menurut Belkaouli laba akuntansi secara operasional didefinisikan sebagai perbedaan antara pendapatan yang direalisasi yang timbul dari transaksi periode tersebut dan biaya historis yang sepadan dengannya.

Di sisi lain, akuntan mendefinisikan laba dari sudut pandang perusahaan sebagai suatu kesatuan. Laba akuntansi (accounting income) secara operasional didefinisikan sebagai perbedaan pendapatan yang direalisasikan dari transaksi yang terjadi selama satu periode dengan biaya yang berkaitan dengan pendapatan tersebut.

Belkaouli menyebutkan bahwa laba akuntansi mempunyai lima karakteristik sebagai berikut:

1. laba akuntansi didasarkan pada transaksi aktual terutama yang berasal dari penjualan barang atau jasa,

2. laba akuntansi didasarkan pada postulat periodisasi dan mengacu pada kinerja perusahaan selama satu periode tertentu,

3. laba akuntansi didasarkan pada prinsip pendapatan yang memerlukan pemahaman khusus mengenai definisi, pengukuran dan pengakuan pendapatan,

4. laba akuntansi memerlukan pengukuran tentang biaya (expenses) dalam bentuk cost historis,

5. laba akuntansi menghendaki adanya perbandingan (matching) antara pendapatan dengan biaya yang relevan dan berkaitan dengan pendapatan tersebut.

2.1.4. Income Smoothing

Bieldman dalam Belkaouli (2000) menyatakan bahwa perataan laba didefinisikan sebagai upaya yang sengaja dilakukan untuk memperkecil fluktuasi pada tingkat laba yang dianggap normal bagi perusahaan.

Perataan laba adalah proses manipulasi waktu terjadinya laba atau laporan laba agar laba yang dilaporkan kelihatan stabil (Fudenberg dalam Syahriana, 2006:14). Perataan laba sebagai suatu alat yang digunakan manajemen untuk mengurangi fluktuasi laba yang dilaporkan agar sesuai dengan target yang

diinginkan baik secara artifisial (melalui metode akuntansi) maupun secara riil (melalui transaksi). Tindakan perataan laba telah dianggap sebagai tindakan yang umum dilakukan (Koch dalam Syahriana, 2006:15).

Alasan perataan laba adalah bertujuan untuk memperbaiki hubungan dengan kreditur, investor, dan karyawan serta meratakan siklus bisnis melalui proses psikologis yaitu:

1. mengurangi total pajak yang dibayarkan oleh perusahaan,

2. meningkatkan kepercayaan investor terhadap perusahaan karena laba yang stabil akan mendukung kebijakan pembayaran dividen yang stabil,

3. meningkatkan hubungan antara manajer dan karyawan karena pelaporan laba yang meningkat tajam memberi kemungkinan munculnya tuntutan kenaikan gaji atau upah,

4. siklus peningkatan dan penurunan laba dapat ditandingkan dan gelombang optimisme dan pesimisme dapat diperlunak.

Praktik perataan laba merupakan fenomena yang umum terjadi sebagai usaha manajemen untuk mengurangi fluktuasi laba yang dilaporkan.

Adapun keuntungan yang diperoleh manajemen dari tindakan perataan laba ini (Parikesit, 2003) adalah :

1. Skema kompensasi dihubungkan dengan kinerja perusahaan yang disajikan dalam laba akuntansi yang dilaporkan, karena setiap fluktuasi dalam laba akan berpengaruh langsung dalam kompensasi.

2. Fluktuasi dalam kinerja manajemen dapat mengakibatkan intervensi pemilik untuk mengganti manajemen dengan cara pengambilan atau penggantian manajemen secara langsung.

2.1.5. Faktor-faktor yang Mempengaruhi Income Smoothing 2.1.5.1. Profitabilitas

Menurut Brigham dan Houston (2006:107) profitabilitas adalah hasil bersih dari serangkaian kebijakan dan keputusan. Sedangkan Horne dan Wachowicz (2005:222) mengatakan rasio profitabilitas menghubungkan laba dengan penjualan dan laba dengan investasi yang secara bersama-sama keduanya menunjukkan efektivitas keseluruhan operasi perusahaan.

Profitabilitas adalah kemampuan perusahaan untuk menghasilkan keuntungan pada tingkat penjualan, asset dan modal saham tertentu. Profitabilitas dalam arti kemampuan perusahaan menghasilkan profit yang diukur menggunakan rasio antara laba setelah pajak dengan total aktiva umum digunakan karena mampu menunjukkan kemampuan dari modal yang diinvestasikan dari keseluruhan aktiva untuk menghasilkan keuntungan. Peneliti memutuskan untuk menggunakan Return on Asset (ROA) sebagai pengukuran profitabilitas.

Return on Asset (ROA) biasanya disebut sebagai hasil pengembalian atas total aktiva. Rasio ini mencoba untuk mengukur efektivitas pemakaian total sumber daya oleh perusahaan.

ROA merupakan rasio yang digunakan dalam menganalisis laporan keuangan atas kinerja keuangan perusahaan. Menurut Jumingan (2006) “Ratio operating income dengan operating asset menunjukkan laba yang diperoleh dari investasi modal dalam aktiva tanpa mengandalkan dari sumber mana modal tersebut berasal (keseluruhan modal)”.

Return on Asset yaitu rasio antara laba setelah pajak (EAT) dengan total asset. Rasio ini digunakan untuk mengukur kemampuan perusahaan menghasilkan tingkat keuntungan dengan keseluruhan aktiva yang tersedia dalam perusahaan (Albahi, dkk., 2009). ROA memberitahu besar pendapatan yang dihasilkan dari besar modal yang ditanamkan. Aset perusahaan terdiri dari hutang dan ekuitas. Angka ROA memberikan gambaran bagaimana efektivitas perusahaan dalam mengkonversi uang untuk berinvestasi ke dalam laba bersih. Semakin tinggi ROA semakin baik, karena perusahaan akan mendapatkan uang lebih dari investasi yang ditanamkan.

ROA memiliki keunggulan sebagai berikut (Utomo dalam Djoesvita, 2011).

1. ROA merupakan pengukuran yang komprehensif dimana seluruhnya mempengaruhi laporan keuangan yang tercermin dari rasio ini.

2. ROA mudah dihitung, dipahami, dan sangat berarti dalam nilai

absolute.

3. ROA merupakan denominator yang dapat diterapkan pada setiap unit organisasi yang bertanggung jawab terhadap profitabilitas dan unit usaha.

Menurut Djarwanto (2004) profitabilitas bertujuan mengukur efisiensi aktivitas perusahaan dan kemampuan perusahaan untuk memperoleh keuntungan.

Abstract

Financial report is a statement for important parties to obtain financial information for any economic decision making. One of the most important information is profit (income). Because of it, management tend to act by arranging financial report so that it looks properly better.All effort to reduce income fluctuation are ways to manipulate income, so the total of income in a period not showing much different with total of income in previous period. This action done by the management known as income smoothing. To applicate income smoothing, should be use certain techniques to reduce or increase total income in a period to make it equal with total income in previous period. Income smoothing concept usually using agency teory approach.There are several factors that affecting income smoothing. But in this research, just three factors using as independent variable. Such as profitability, financial leverage, and dividend payout ratio.

Data analyze model used in this research is econometric model using panel data. Initial step of data analyze start from input or data entry (numeral stated in financial statement) needed with Microsoft Excel, then begin to start the test using Generalized Least Square (GLS) method. This method has two model of analyzing approach, such as Fixed Effect Model (FEM) and Random Effect Model (REM). Then based on these models can be determined the best and suitable model which is used in econometric equation model. This GLS tested by using software E-Views 6.0.This research which is use automotive companies listed in Indonesia Stock Exchange as its sample concluded that ROA (profitability) positively and significantly affecting the behaviour of income smoothing act in automotive companies listed in Indonesia Stock Exchange, while the other variable showing no effect.

Keyword: profitability, financial leverage, dividend payout ratio, incomesmoothing, panel data, Generalized Least Square, software E-Views 6.0.

vi DAFTAR ISI

KATA PENGANTAR ... ii

ABSTRAK ... iv

DAFTAR ISI ... vi

DAFTAR TABEL ... ix

DAFTAR GAMBAR ... x

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang Masalah... 1

1.2 Batasan Masalah ... 5

1.3 Perumusan Masalah ... 6

1.4 Tujuan dan Manfaat Penelitian ... 6

BAB II TINJAUAN PUSTAKA ... 8

2.1 Tinjauan Teoritis ... 8

2.1.1 Agency Theory ... 8

2.1.2 Laporan Keuangan ... 10

2.1.3 Laba Akuntansi ... 11

2.1.4 Income Smoothing ... 12

2.1.5 Faktor-faktor yang Mempengaruhi Income Smoothing ... 14

2.1.5.1 Profitabilitas ... 14

2.1.5.2 Financial Leverage ... 16

2.1.5.3 Dividend Payout Ratio ... 17

2.3 Kerangka Konseptual dan Hipotesis Penelitian ... 23

2.3.1 Kerangka Konseptual ... 23

2.3.2 Hiptotesis Penelitian ... 25

BAB III METODOLOGI PENELITIAN ... 27

3.1 Populasi dan Sampel ... 27

3.2 Jenis dan Sumber Data ... 28

3.3 Teknik Pengumpulan Data ... 29

3.4 Defenisi Operasional dan Pengukuran Variabel ... 29

3.4.1 Variabel Bebas ... 29

3.4.1.1 Profitabilitas (X1) ... 30

3.4.1.2 Financial Leverage (X2) ... 31

3.4.1.3 DividendPayout Ratio (X3) ... 31

3.4.2 Variabel Terikat ... 31

3.5 Metode dan Teknik Analisis Data ... 33

3.5.1 Analisis Data ... 33

3.5.2 Metode Analisis ... 34

3.5.2.1 Pendekatan Fixed Effect Model (FEM) ... 35

3.5.2.2 Pendekatan RandomEffect Model (REM) ... 36

3.5.3 Pengujian Model ... 36

3.5.3.1 Uji Hausman ... 37

3.6 Jadwal Penelitian ... 38

BAB IV ANALISIS DAN PEMBAHASAN ... 39

viii

4.2 Analisis Hasil Penelitian ... 39

4.2.1. Ordinary Least Square (OLS) ... 40

4.2.2. GLS (GeneralLeastSquare) ... 41

4.2.2.1 FEM (Fixed Efect Model) ... 42

4.2.2.2 REM (RandomEfectModel) ... 45

4.2.3. Uji Hausman ... 48

BAB V KESIMPULAN DAN SARAN ... 51

5.1. Kesimpulan ... 51

5.2. Saran ... 51

5.3. Keterbatasan Penelitian ... 52

DAFTAR PUSTAKA ... 53

DAFTAR TABEL

Tabel Keterangan Halaman

2.1 3.1 3.2 3.3 4.1

Ringkasan Penelitian Terdahulu Proses Seleksi Sampel

Definisi Operasional dan Pengukuran Variabel Jadwal Penelitian

Daftar Sampel Perusahaan

21 28 32 38 40

x

DAFTAR GAMBAR

Gambar Keterangan Halaman