54 Ukuran Perusahaan=Ln Total Aset
Penambahan variabel ukuran perusahaan tersebut akan
mempengaruhi hubungan antara ROE, DAR, dan NPM terhadap income smoothing dengan menganalisis nilai koefisien yang dihasilkan. Nilai positif
memberikan efek yang memperkuat, sedangkan nilai negatif memberikan efek memperlemah.
3.7 Skala Pengukuran Variabel
Tabel 3.3 Definisi Operasional dan Skala Pengukuran Variabel
Variabel Definisi Operasional
Indikator Skala
ROE Return on
equity Rasio yang digunakan untuk
mengukur tingkat pengembalian investasi pemegang saham
ROE= Netincomeaftertax
Totalequity Rasio
DAR Debt to
total assets Rasio yang digunakan untuk
mengukur total aset yang dibiayai oleh total utang perusahaan.
DAR= TotalDebt
TotalAsset Rasio
NPM Net profit
margin Rasio yang digunakan untuk
mengukur kemampuan perusahaan dalam memperoleh laba bersih
dengan total volume penjualan perusahaan.
NPM= Netincomeaftertax
Totalsales Rasio
Income Smoothing
Tindakan merubah data akuntansi dalam laporan keuangan yang
paling sering dilakukan oleh manajemen perusahaan dengan
tujuan untuk menarik investor akibat laba yang terlihat stabil
konstan. Indeks
Income Smoothing =
CV ∆I
CV ∆S
Rasio
Ukuran perusahaan
Skala dimana perusahaan dapat diklasifikasikan dalam besar
kecilnya Ukuran Perusahaan
=Ln Total Aset Rasio
55
3.8 Metode Analisis Data
Metode analisis yang digunakan adalah metode analisis statistik dengan menggunakan SPSS 18.Penelitan melakukan uji asumsi klasik terlebihdahulu
sebelum melakukan uji hipotesis.
3.8.1 Statistik Deskriptif
Menurut Ghozali 2006:19, statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata- rata mean,
standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness kemencengan distribusi.
3.8.2 Uji asumsi klasik
3.8.2.1 Uji Normalitas
Menurut Ghozali 2006:110, uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau
residual memiliki distribusi normal. Cara yang dapat digunakan untuk menguji apakah variabel pengganggu atau residual memiliki
distribusi normal adalah denganmelakukan uji Kolmogorov-Smirnov terhadap model yang diuji. Kriteria pengambilan keputusan adalah
apabila nilai signifikansi atau probabilitas 0.05, maka residual memiliki distribusi normal dan apabila nilai signifikansi atau
probabilitas 0.05, maka residual tidak memiliki distribusi normal. Selain itu, uji normalitas juga dapat dilakukan dengan melakukan
analisis grafik normal probability plot dan grafik histogram. Dasar
56 pengambilan keputusan dalam uji normalitas menurut Ghozali
2006:112 sebagai berikut: 1. Jika data menyebar disekitar garis diagonal dan mengikuti arah
garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas. 2. Jika data menyebar jauh dari diagonal dan atau tidak mengikuti
arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi
asumsi normalitas. 3.8.2.2
Uji Multikolinearitas
Menurut Ghozali 2006:91, uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi
antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di
antara variabel
independen.Pengujian multikolinearitas dilakukan dengan melihat nilai 1 tolerance dan lawannya, dan 2 variance inflation factor
VIF. Jika nilai tolerance lebih kecil dari 0,10 atau nilai VIF lebih besar dari 10, maka terjadi multikolinearitas di antara variabel bebas
independen.
3.8.2.3 Uji Heteroskedastisitas
Menurut Ghozali 2006:105, uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi
57 ketidaksamaan
variance dari residual satupengamatan ke
pengamatan yang lain. Model regresi yang baik adalah homoskesdatisitas atau
tidak terjadi heteroskedastisitas. Cara mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai
prediksi variabel terikat dependen. Menurut Ghozali 2006:105 dasar analisis untuk menentukan ada atau tidaknya
heteroskedastisitas yaitu: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk
pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Uji heteroskedastisitas juga dapat diuji dengan uji park,uji glejser, dan uji white. Uji park dilakukan dengan meregresikan nilai
logaritma dari residual kuadrat terhadap variabel independen. Uji glejser dilakukan dengan meregresikan nilai absolut residual
terhadap variabel independen. Uji white dilakukan dengan meregresikan residual kuadrat dengan variabel independen, variabel
independen kuadrat dan perkelian interaksi variabel independen.
58
3.8.2.4 Uji Autokorelasi
Menurut Ghozali 2006:95, uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Apabila terjadi korelasi maka akan
ada problem autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan melakukan
uji Durbin Watson, yaitu uji yang digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya
intercept konstanta dalam model regresi dan tidak ada variabel lag di antara variabel independen Ghozali, 2006:96. Selain uji Durbin
Watson, dapat juga digunakan uji Lagrange Multiplier LM test untuk jumlah sampel di atas 100 observasi, uji Statistics Q, dan uji
Run test.
3.8.3 Analisis Regresi Berganda
Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi berganda untuk mengetahui pengaruh ROE, DAR, dan NPM
terhadap income smoothingdigunakan uji koefisien determinasi R
2
, uji statistik F, dan uji statistik t dengan rumus:
Y= β
+ β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ ε
Keterangan : Y
= income smoothing
β =
konstanta
59 β
1
– β
3
= koefisien regresi
X
1
= ROE
X
2
= DAR
X
3
= NPM
ε =
error penganggu
3.8.4 Uji Hipotesis
3.8.4.1 Uji Signifikansi Parsial t-test
Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas independen secara individual dalam
menerangkan variasi variabel dependen Ghozali, 2006:84. Variabel independen dikatakan memiliki pengaruh signifikan terhadap
variabel dependen apabila variabel dependen tersebut memiliki nilai signifikansi sig di bawah 0.05.
3.8.4.2 Uji Signifikansi Simultan F-test
Uji F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh
secara bersama-sama terhadap variabel dependen Ghozali, 2006:84.
Variabel-variabel independen tersebut dikatakan mempunyai pengaruh secara simultan dan signifikan terhadap
variabel dependen apabila memiliki nilai signifikansi sig di bawah 0.05.
60
3.8.4.3 Uji Koefisien Determinasi R
2
Menurut Ghozali 2006:83, koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel dependen. Besarnya koefisien determinasi ini adalah 0 sampai dengan 1. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi
variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel- variabel
independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen Ghozali, 2006:83.
3.8.5 Analisis Regresi Moderasi
Uji regresi moderasi ada tiga cara yaitu uji interaksi, uji nilai selisih mutlak, dan uji residual. Dalam penelitian ini digunakan uji nilai selisih
mutlak, dimana uji nilai selisih mutlak menurut Furcot dan Shearon 1991 dalam Ghozali 2006:167 lebih disukai. Jika score tinggi untuk ukuran
perusahaan berasosiasi dengan score rendah maupun score tinggi ROE, DAR, dan NPM, maka akan terjadi perbedaan nilai absolute yang besar. Hal
ini juga akan berlaku score rendah untuk ukuran perusahaan berasosiasi dengan score tinggi maupun score rendah ROE, DAR, dan NPM. Kedua
kombinasi ini diharapkan akan berpengaruh terhadap income smoothing yang meningkat. Rumus regresi untuk menguji adalah sebagai berikut:
Y = β
+ β
1
X
1
+ β
2
Z + β
3
│X
1
- Z │ …….………1
Y = β
4
+ β
5
X
2
+ β
6
Z + β
7
│X
2
- Z │ …………….2
61 Y =
β
8
+ β
9
X
3
+ β
10
Z + β
11
│X
3
- Z │…………..3
Keterangan: Y
= income smoothing
β =
konstanta regresi persamaan 1 β
4
= konstanta regresi persamaan 2
β
8
= konstanta regresi persamaan 3
β
1 –
β
3
= koefisien regresi persamaan 1
β
5 –
β
7
= koefisien regresi persamaan 2
β
9 –
β
11
= koefisien regresi persamaan 3
X
1
= ROE
X
2
= DAR
X
3
= NPM
Z =
Ukuran Perusahaan Persamaan 1, 2, dan 3 menggambarkan apakah variabel ukuran
perusahaan merupakan variabel moderating dan ini ditunjukkan dengan nilai koefisien
β
3
│X
1
- Z │
,
β
7
│X
2
- Z │
,
dan β
11
│X
3
- Z │ yang signifikan di
bawah nilai 0.05sehingga variabel ukuran dapat memoderasi hubungan antara ROE dan income smoothing, DAR dan income smoothing, serta NPM
dan income smoothing. Apabila nilai signifikansi 0.05 maka baru dilihat nilai t
hitung
bernilai positif atau negatif, jika nilainya negatif berarti variabel moderating ukuran perusahaan memperlemah hubungan antara variabel
independen ROE, DAR, dan NPM dengan variabel dependen income smoothing, sedangkan nilai positif berarti variabel moderating ukuran
62 perusahaan memperkuat hubungan antara variabel independen ROE,
DAR, dan NPM dengan variabel dependen income smoothing.
63
BAB IV HASIL DAN PEMBAHASAN
4.1. Gambaran Umum