BAB IV HASIL DAN PEMBAHASAN
4.1 Data Penelitian
Data dalam penelitian ini mengunakan data sekunder yang diperoleh dari situs
www.idx.co.id dengan mendownload laporan keuangan sampel perusahaan
manufaktur
tahun 2012. Populasi dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dan masih aktif pada tahun
2012. Sampel dalam penelitian ini dipilih dengan menggunakan metode purposive sampling dengan beberapa kriteria tertentu. Berdasarkan kriteria yang
telah ditetapkan, terdapat sejumlah 93 perusahaan manufaktur yang memenuhi kriteria untuk dijadikan sampel dan diamati pada periode 2012.
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik dengan menggunakan model persamaan regresi berganda yang
bertujuan untuk mengetahui hubungan dan pengaruh dari beberapa variabel bebas atau independen terhadap variabel tidak bebas atau dependen. Analisis data
dimulai dengan mengolah data menggunakan Microsoft Excel dan juga software SPSS, selanjutnya dilakukan pengujian asumsi klasik dan pengujian hipotesis
yang dilakukan dengan menggunakan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan software SPSS.
4.2 Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah
Universitas Sumatera Utara
terkumpul Sugiyono, 2004: 142. Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, dan nilai
standar deviasi dari variabel-variabel independen dan variabel dependen.
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation KM
93 .00
.81 .0569
.15341 BOC
93 .20
1.00 .3967
.11925 AC
93 .43
.86 .6586
.05961 KAP
93 .00
1.00 .4624
.50128 MLABA
93 -1.16
.56 .0472
.23705 Valid N listwise
93
Sumber : Hasil Olahan SPSS 17.0, 2013 Tabel 4.1 dapat menampilkan beberapa hal yang dijelaskan di bawah ini.
a. Variabel kepemilikan manajerial KM memiliki nilai minimun 0.00 dan nilai maksimum 0,81 dengan rata-rata sebesar 0,0569 dan standar deviasi 0,15341
dengan jumlah pengamatan sebanyak 93 perusahaan. b. Variabel board of commissioner BOC atau komposisi anggota dewan
komisaris memiliki nilai minimun 0,20 dan nilai maksimum 1,00 dengan rata- rata sebesar 0,3967 dan standar deviasi 0,11925 dengan jumlah pengamatan
sebanyak 93 perusahaan. c. Variabel audit commite AC atau komite audit memiliki nilai minimun 0.43
dan nilai maksimum 0,86 dengan rata-rata sebesar 0,6586 dan standar deviasi 0,05961 dengan jumlah pengamatan sebanyak 93 perusahaan.
Universitas Sumatera Utara
d. Variabel ukuran kantor akuntan publik KAP memiliki nilai minimun 0.00 dan nilai maksimum 1,00 dengan rata-rata sebesar 0,4624 dan standar deviasi
0,50128 dengan jumlah pengamatan sebanyak 93 perusahaan. e. Variabel manajemen laba MLABA memiliki nilai minimun -1,16 dan nilai
maksimum 0,56 dengan rata-rata sebesar 0,0472 dan standar deviasi 0,23705 dengan jumlah pengamatan sebanyak 93 perusahaan.
4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah dalam sebuah model regresi, variabel independen dan variabel dependen atau keduanya mempunyai
distribusi normal atau tidak. Model yang paling baik adalah distribusi data normal atau mendekati normal. Untuk melakukan pengujian normalitas dengan
analisis grafik dapat dengan melihat grafik histogram dan normal probability plot. Distribusi normal akan membentuk satu garis lurus diagonal. Jika distribusi
data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya, dan sebaliknya jika pola distribusi tidak normal dan
terlihat titik-titik menyebar di sekitar garis diagonal dan penyebarannya jauh dari garis diagonal, hal tersebut menunjukkan bahwa model regresi menyalahi asumsi
normalitas.
Universitas Sumatera Utara
Gambar 4.1 Histogram Dependen Manajemen laba PLABA
Sumber: hasil olahan spss 17.0, 2013 Gambar 4.1 menunjukkan kurva histogram yang memiliki kemiringan
seimbang kekiri dan kekanan, atau tidak condong ke kiri maupun ke kanan, melainkan ke tengah dengan bentuk seperti lonceng. Hal ini memenuhi salah satu
syarat uji normalitas data bahwa data berdistribusi normal.
Universitas Sumatera Utara
Gambar 4.2 Normal P-Plot of Regresion Standarized Residual
Sumber: Hasil olahan spss 17.0, 2013
Gambar 4.2 merupakan kurva P-Plot yang menunjukkan penyebaran titik-titik data di sekitar garis diagonal dan mengikuti arah garis diagonal. Hal ini
berarti data pada variabel yang digunakan, yaitu variabel Manajemen laba berdistribusi normal.
Pengujian normalitas data dalam penelitian ini juga menggunakan uji statistik non-parametrik Kolmogorov-Smirnov K-S. Jika angka probabilitas
Universitas Sumatera Utara
�= 0,05 maka variabel tidak terdistrubusi secara normal. Sebaliknya, bila angka probabilitas
� = 0,05 maka variabel terdistribusi secara normal.
Tabel 4.2 Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 93
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .23228419
Most Extreme Differences Absolute
.137 Positive
.125 Negative
-.137 Kolmogorov-Smirnov Z
1.318 Asymp. Sig. 2-tailed
.062 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil olahan spss 17.0, 2013 Dari hasil pengolahan data pada tabel 4.2 diperoleh besarnya nilai
Kolomogorov-Smirnov adalah 1,318 dan signifikan pada 0,062. Nilai signifikansi lebih besar dari 0,05, hal ini berarti data residual berdistribusi normal. Setelah
data berdistribusi normal dapat dilanjutkan dengan uji asumsi klasik lainnya.
4.2.2.2 Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya Erlina, 2008:105. Pengujian
ini bermaksud untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen, model regresi yang baik seharusnya tidak terjadi
korelasi di antara variabel independen. Jika terjadi korelasi, maka dinamakan
Universitas Sumatera Utara
terdapat problem multikolinearitas.
Multikolinearitas dapat dideteksi dengan,
Ghozali dalam Erlina, 2008:105
:
a. Nilai deskriminasi yang sangat tinggi dan diakui dengan nilai F test yang sangat tinggi, serta tidak atau hanya sedikit nilai t test yang signifikan.
b. Meregresikan model analisis dan melakukan uji korelasi antar variable dependent dengan menggunakan Variance Inflating Factor VIF dan
Tolerance Value. Batas VIF adalah 10 dan Tolerance Value adalah 0.1 jika nilai VIF lebih besar dari 10 dan nilai Tolerance Value lebih kecil dari 0.10
maka terjadi multikolinearitas dan harus dikelompokkan dari model.
Tabel 4.3 Hasil Uji Mulkolinearitas
Sumber: Hasil olahan spss 17.0, 2013 Hasil perhitungan nilai tolerance menunjukkan variabel
independen memiliki nilai tolerance lebih dari 0,10 yaitu 0,903; 0,990; 0,901; 0,988 yang berarti tidak terjadi korelasi antar variabel independen. Hasil
perhitungan VIF juga menunjukkan hal yang sama dimana variabel independen
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant -.165
.306 -.539
.592 KM
.277 .170
.179 1.631
.107 .903
1.108 BOC
.014 .209
.007 .067
.947 .990
1.010 AC
.322 .438
.081 .735
.464 .901
1.110 KAP
-.045 .050
-.095 -.906
.368 .988
1.013 a. Dependent Variable: MLABA
Universitas Sumatera Utara
memiliki nilai VIF kurang dari 10 yaitu 1,108; 1,010; 1,110; 1,013. Dengan demikian dapat disimpulkan bahwa dalam model regresi tidak terjadi
multikolinearitas antar variabel independen.
4.2.2.3 Uji Heteroskedastisitas
Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan yang lain. Jika varian dari
residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi
yang baik adalah tidak terjadi heteroskedastisitas Erlina, 2008 : 106. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model
dapat dilihat dari gambar scatterplot model tersebut Nugroho, 2005:62. Analisis pada gambar scatterplot yang menyatakan model regresi linier berganda tidak
terdapat heteroskedastisitas jika: a. Titik-titik data menyebar di atas, di bawah atau di sekitar angka nol.
b. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. c. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar
kemudian menyempit dan melebar kembali. d. Penyebaran titik-titik data sebaiknya tidak berpola.
Universitas Sumatera Utara
Gambar 4.3 Hasil Uji Heterokedastisitas
Grafik Scatter Plot
Sumber: Hasil olahan spss 17.0, 2013
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat
disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1 atau sebelumnya Erlina, 2008:106. Jika terjadi korelasi, maka
dinamakan ada problem autokorelasi.
Universitas Sumatera Utara
Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi di antaranya adalah dengan Uji Durbin Watson pada buku
stastistik relevan. Menurut Sunyoto 2009:91, Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
1 angka D-W di bawah –2 berarti ada autokorelasi positif, 2 angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
3 angka D-W di atas +2 berarti ada autokorelasi negatif Tabel 4.4
Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .199
a
.040 -.004
.23750 1.563
a. Predictors: Constant, KAP, KM, BOC, AC b. Dependent Variable: MLABA
Sumber: Hasil olahan spss 17.0, 2013 Berdasarkan tabel 4.4 di atas terlihat bahwa nilai D-W sebesar 1,563.
Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif dalam
penelitian ini.
4.2.3 Analisis Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk menguji hipotesis tentang pengaruh variabel independen secara simultan maupun parsial. Hasil
analisis regresi dapat dilihat pada Tabel 4.8 berikut ini:
Universitas Sumatera Utara
Tabel 4.5 Analisis Regresi Linier Berganda