Skala Pengukuran Variabel Jadwal Penelitian Kesimpulan

29 reputasi auditor yang baik.KAP Kantor Akuntan Publik dikategorikan menjadi Big Four dan Non Big Four. KAP big four adalah sebagai berikut: 1. KAP Price Waterhouse Coopers PWC, bekerjasama dengan KAP Drs. Hadi Sutanto Rekan, Haryanto Sahari Rekan. 2. KAP Klynveld Peat Marwick Goerdele KPMG, bekerjasama dengan KAP Sidharta-Sidharta Widjaja. 3. KAP Ernest Young E Y, bekerjasama dengan KAP Prasetio, Sarwoko, Sanjadja. 4. KAP Deloitte Touche Thomatsu DTT, bekerjasama dengan KAP Hans Tuanakotta Mustofa, Osman ramli satrio Rekan. Kategori KAP merupakan variable dummy dimana KAP yang memiliki hubungan internasional big four diberi nilai 1 satu dan yang tidak memiliki hubungan internasional non big four diberi nilai 0 nol.

3.6 Skala Pengukuran Variabel

Tabel 3.3 Skala Pengukuran Variabel Penelitian Variabel Konsep Variabel Alat Ukur Skala Manajemen Laba pilihan manajer dalam memilih beberapa aturan dalam akuntansi, atau tindakan yang berkaitan dengan laba, guna untuk �� � = ��� � �� �−1 − ����� � Rasio 30 mencapai tujuan tertentu yang berkaitan dalam pelaporan keuangan Ukuran Perusahaan Ukuran perusahaan yaitu rata-rata total aset untuk tahun yang bersangkutan sampai beberapa tahun ln ����� ����� Rasio Leverage Rasio leverage merupakan rasio untuk mengukur seberapa bagus struktur permodalan perusahaan. ����� ������ ����� ������ × 100 Rasio Earning per Share Rasio yang menunjukan pendapatan yang diperoleh setiap lembar saham Laba Bersih setelah Pajak – Dividen Saham Preferen Rata-Rata Jumlah Saham Beredar Rasio Reputasi Auditor Kualitas Auditor Eksternal yang meng-audit perusahaan KAP Big Four = 1 KAP Non Big Four = 0 Dummy

3.7 Teknik Analisis Data

Dalam melakukan analisis data digunakan metode deskriptif kuantitatif, yaitu dengan mengumpulkan, mengolah dan menginterpretasikan hasil yang diperoleh. Teknik yang digunakan dalam penelitian ini adalah teknik analisis statistik, yaitu uji asumsi klasik, analisis regresi linear berganda, dan pengujian hipotesis.

3.7.1 Uji Asumsi Klasik

Sebelum melakukan uji analisis regresi linear berganda, maka hal yang pertama dilakukan adalah uji asumsi klasik, yang bertujuan untuk mendapatkan nilai estimasi yang diperoleh bersifat BLUE Best, Linear, Unbiased, and 31 Estimator, yang artinya nilai estimator yang terbaik, estimator yang linear, dan estimator yang tidak bias. Maka data-data yang digunakan dalam analisis regresi terlebih dahulu akan diuji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.

3.7.1.1 Uji Normalitas

Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, maka digunakan statistik parametrik, dan jika data tidak normal maka digunakan statistik nonparametrik atau lakukan treatment agar data normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal. Untuk melihat normalitas dapat dilakukan dengan melihat histogram atau pola distribusi data normal. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Dasar pengambilan keputusannya adalah: 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau garis histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas, 2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Dalam penelitian ini Peneliti menggunakan uji Kolmogorov-Smirnov K-S untuk menguji normalitas data. Uji K-S dibuat dengan membuat hipotesis: 32 H0 : data residual berdistribusi normal, Ha : data residual tidak berdistribusi normal.

3.7.1.2 Uji Multikolinearitas

Menurut Ghozali 2009: 91, “uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen.” Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah: 1. Koefisien-koefisien regresi menjadi tidak dapat ditaksir, 2. Nilai standar error setiap koefisien regresi menjadi tak terhingga. Ada tidaknya multikolinearitas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor VIF, serta dengan menganalisis matriks korelasi variabel-variabel independen. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah jika nilai VIF tidak lebih dari sepuluh dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas.

3.7.1.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu pengamatan dengan pengamatan yang lain. Menurut Ghozali 2009:125 Model regresi yang baik adalah yang Homokedastisitas atau tidak terjadi Heteroskedastisitas. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari 33 pola gambar Scatterplot model tersebut. Analisis pada gambar Scatterplot yang menyatakan model regresi berganda tidak terdapat heteroskedastisitas jika: 1. titik-titik data menyebar di atas, di bawah atau di sekitar angka nol, 2. titik-titik data tidak mengumpul hanya di atas atau dibawah, 3. penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali, 4. penyebaran titik-titik data sebaiknya tidak berpola.

3.7.1.4 Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear terdapat korelasi atau kesalahan pengganggu pada periode t dengan kesalahan periode t-1. Jika terjadi autokorelasi, maka terdapat problem autokorelasi. Menurut Ghozali 2009:99. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Hal ini sering ditemukan pada data time series. Pada data cross section, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian untuk mendeteksi ada tidaknya autokorelasi adalah dengan menggunakan uji Durbin-Watson DW. Kriteria untuk penilaian terjadinya autokorelasi yaitu: 1. nilai D-W lebih kecil dari -2 berarti ada korelasi positif, 2. nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, 3. nilai D-W lebih besar dari +2 berarti ada autokorelasi negative.

3.7.2 Analisis Regresi Linear Berganda

Analisis regresi linear berganda digunakan dengan maksud meramalkan bagaimana keadaan naik-turunnya variabel dependen bila dua atau lebih variabel 34 independen dimanipulasi Sugiyono, 2006: 210. Analisis ini menggunakan teknik analisis statistik SPSS dengan metode analisis regresi berganda dengan model persamaan sebagai berikut : Y = a + b 1 X 1 + b 2 X 2 +b 3 X 3 + e Dimana: Y = Earning per Share a = Konstanta X 1 = Manajemen Laba X 2 = Ukuran Perusahaan X 3 = Leverage e = error term 3.7.3 Uji Hipotesis 3.7.3.1 Uji Koefisien Determinasi R 2 Pengujian koefisien determinasi dilakukan untuk melihat seberapa besar pengaruh variabel bebas terhadap variabel terikat. Pengujian ini dilakukan dengan melihat nilai koefisien determinasi. Koefisien determinasiR 2 merupakan besaran non negatif dan besarnya koefisien determinasi adalah � ≤ � � ≤ � . Jika koefisien determinasi bernilai 0, maka tidak ada hubungan antara variabel bebas dengan variabel terikat. Sebaliknya jika koefisien determinasi bernilai 1, maka ada keterikatan sempurna antara variabel bebas dengan variabel terikat. Uji Determinasi, untuk melihat besarnya kontribusi pengaruh variabel bebas dan variabel terikat dapat dihitung dengan rumus : D = r 2 x 100 . 35

3.7.3.2 Uji Signifikansi Parameter Individual Uji t

Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat. Tujuan dari uji t adalah untuk menguji koefisien regresi secara individual. Rumusan Hipotesis yang akan diuji adalah sebagai berikut : H diterima bila t tabel t hitung , atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang signifikan dari variabel bebas secara parsial terhadap variabel terikat. H a diterima bila t hitung t tabel ,atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan dari variabel bebas secara parsial terhadap variabel terikat.

3.7.3.3 Uji Signifikansi Simultan F Uji F

Pengujian Hipotesis Distribusi F pada model regresi linear berganda dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Rumusan hipotesis yang diuji adalah sebagai berikut: Terima H tolak H a bila F hitung ≤ F tabel , atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang signifikan secara serentak dari variabel bebas terhadap variabel terikat. Tolak H terima H a bila F hitung F tabel , atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan secara serentak dari variabel bebas terhadap variabel terikat. 36

3.7.4 Uji Analisis Regresi dengan Variabel Moderasi

Dalam penelitian ini, metode yang digunakan untuk melakukan uji regresi dengan variabel moderator adalah Moderated Regression Analysis atau uji interaksi. Menurut Ghozali 2009:164, Moderated RegressionAnalysis MRA merupakan aplikasi khusus regresi berganda linier dimana dalam persamaan regresinya mengandung unsur interaksi perkalian dua atau lebih variabel independent dengan rumus persamaan sebagai berikut : Y = a 1 + b 1 X 1 + b 14 X 1 X 4 + e Y = a 2 + b 2 X 2 + b 24 X 2 X 4 + e Y = a 3 + b 3 X 3 + b 34 X 3 X 4 + e Dimana : Y = earning per share a = konstanta b = koefisien regresi X 1 = Manajemen Laba X 2 = Ukuran Perusahaan X 3 = Leverage X 4 = Reputasi Auditor e = error term Jika variabel X 4 merupakan Variabel Moderating, maka koefisien b 14 , b 24 , dan b 34 harus signifikan pada tingkat signifikansi yang ditentukan. Apabila variabel X 4 semakin tinggi maka akan berpengaruh terhadap tingginya variabel Y. 37

3.8 Jadwal Penelitian

Penelitian ini akan direncanakan sebagai berikut : Tabel 3.4 Jadwal Penelitian No Tahapan Penelitian Mei 2015 Juni 2015 Juli 2015 Keterangan 1. Pengajuan Proposal Skripsi √ 1 minggu 2. Bimbingan Proposal Skripsi √ 2 minggu 3. Pengumpulan Data √ 1 minggu 4. Pengolahan Data √ 1 minggu 5. Bimbingan Skripsi √ 2 minggu 6. Penyelesaian Penulisan Laporan Penelitian √ 2 minggu 38 BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Hasil Penelitian

4.1.1 Statistik Deskriptif

Data yang dikumpulkan dari masing-masing variabel yang telah diolah akan ditampilkan pada bagian ini dengan menampilkan nilai maksimum, minimum, rata-rata, dan standar deviasi dari tiap variabel. Variabel dalam penelitian ini meliputi Manajemen Laba X1, Ukuran Perusahaan Ln Total Asset X2, dan Leverage DER X3 terhadap Earning per Share EPS Y dengan variabel moderasi yakni Reputasi Auditor KAP Z. Hasil pengujian statistik deskriptif dapat dilihat pada Tabel 4.1 berikut ini: Tabel 4.1 Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation EARNINGS 78 -.02 .02 .0026 .00500 LN.T.ASSET 78

14.75 20.57

17.7040 1.61441 DER 78 -46.74 16.54 5.5481 9.54527 EPS 78 -11.08 982.67 179.6505 235.32301 KAP 78 .00 1.00 .7564 .43203 Valid N listwise 78 Sumber: Hasil Pengolahan SPSS September 2015 Berdasarkan Tabel 4.1 dapat dijelaskan hasil penelitian statistik deskriptif sebagai berikut: 1. Rata-rata nilai Manajemen Laba adalah 0.0026 dengan standar deviasi 0.00500, nilai minimum -0.02 dan nilai maksimum 0.02. 39 2. Rata-rata nilai Ukuran Perusahaan adalah sebesar 17.7040 dengan standar deviasi sebesar 1.61441, nilai minimum 14.75 dan nilai maksimum 20.57. 3. Rata-rata nilai Leverage adalah sebesar 5.5481 dengan standar deviasi sebesar 9.54527, nilai minimum sebesar -46.74 dan nilai maksimum sebesar 16.54. 4. Rata-Rata nilai EPS adalah sebesar 179.6505 dengan standar deviasi sebesar 235.32301, nilai minimum sebesar -11.08 dan maksimum 982.67 5. Jumlah data sebanyak 78 data, dengan penjelasan 26 perusahaan dan selama 3 tahun periode yakni 2012-2014.

4.1.2 Analisis regresi Berganda tanpa Variabel Moderasi

Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.

4.1.2.1 Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.1. 40 Sumber: Hasil Pengolahan Data SPSS September 2015 Gambar 4.1 Gambar Grafik Histogram Data Asli Berdasarkan gambar 4.1 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.2 berikut: 41 Sumber: Hasil Pengolahan Data SPSS September 2015 Gambar 4.2 Normal Probability Plot Data Asli Berdasarkan grafik profitabilitas pada gambar 4.2 di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal garis normal. Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05 Ghozali,2007:12. 42 Tabel 4.2 Hasil Uji Normalitas dengan Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 78 Normal Parameters a,b Mean 0E-7 Std. Deviation 162.67364912 Most Extreme Differences Absolute .072 Positive .072 Negative -.042 Kolmogorov-Smirnov Z .639 Asymp. Sig. 2-tailed .809 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Pengolahan Data SPSS September 2015 Berdasarkan hasil uji normalitas dengan Kolmogorov-Smirnov Data Asli diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.809 dan nilai Kolmogorov- Smirnov Z sebesar 0.639.

4.1.2.2. Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai inflation factor VIF dan Tolerance. 43 Tabel 4.3 Hasil Uji Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant EARNINGS .969 1.032 LN.T.ASSET .974 1.027 DER .995 1.005 a. Dependent Variable: EPS Sumber: Hasil Pengolahan Data SPSS September 2015 Berdasarkan aturan Variance Inflation Factor VIF dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen. Berdasarkan tabel 4.3. diatas diketahui masing- masing nilai VIF berada dibawah 10, dan nilai Tolerance diatas 0.1, maka dapat dipastikan data dari variabel independen tidak terjadi multikolinearitas.

4.1.2.3. Uji Heteroskedastisitas

Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis Ghozali, 2005:139. 44 1. Jika 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. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.3 berikut: Sumber: Hasil Pengolahan Data SPSS September 2015 Gambar 4.3 Grafik Scatterplot 45 Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.

4.1.2.4. Uji Autokorelasi

Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya Ghozali, 2005. Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson DW test. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Kriteria pengujian dengan hipotesis tidak ada autokorelasi adalah sebagai berikut, Menurut Santoso kriteria autokorelasi ada 3, yaitu: 1. Nilai D-W di bawah -2 berarti diindikasikan ada autokorelasi positif. 2. Nilai D-W di antara -2 sampai 2 berarti diindikasikan tidak ada autokorelasi. 3. Nilai D-W di atas 2 berarti diindikasikan ada autokorelasi negatif. Hasil pengujian autokorelasi dapat dilihat pada tabel berikut: 46 Tabel 4.4 Uji Autokorelasi dengan Durbin-Watson Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .723 a .522 .503 165.93833 1.655 a. Predictors: Constant, DER, LN.T.ASSET, EARNINGS b. Dependent Variable: EPS Sumber: Hasil Pengolahan Data SPSS September 2015 Berdasarkan hasil pengujian Durbin-Watson dengan menggunakan SPSS maka diperoleh nilai Durbin-Watson sebesar 1.655 yang berarti berdasarkan kriteria Durbin-Watson hasil tersebut tidak terjadi autokorelasi.

4.1.2.5 Model Regresi Berganda

Hasil regresi linear berganda pengaruh manajemen laba, ukuran perusahaan, dan leverage terhadap earning per share saham perusahaan perbankan yang terdaftar di BEI periode 2012-2014 yang ditunjukkan pada tabel 4.5 berikut: Tabel 4.5 Hasil Analisis Regresi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1689.255 209.832 8.050 .000 EARNINGS -470.250 3841.458 -.010 -.122 .903 LN.T.ASSET 105.545 11.869 .724 8.892 .000 DER .283 1.986 .011 .142 .887 a. Dependent Variable: EPS Sumber: Hasil Pengolahan Data SPSS September 2015 Berdasarkan hasil analisis regresi linear berganda yang digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap satu variabel dependen. Persamaan regresi dapat dilihat dari tabel hasil uji coefficients. Pada tabel coefficients yang dibaca adalah nilai dalam kolom B pada baris pertama menunjukkan konstanta a dan baris selanjutnya menunjukkan konstanta variabel 47 independen. Berdasarkan tabel 4.5 diatas maka model regresi yang digunakan adalah sebagai berikut: EPS = 1689.255 -470.250EARNINGS + 105.545LN.T.ASSET + 0.283DER + e Dari persamaan regresi tersebut di atas maka dapat dianalisis sebagai berikut: a. Konstanta sebesar 1689.255 menyatakan bahwa jika nilai manajemen laba, ukuran perusahaan, dan leverage adalah konstan maka nilai EPS adalah sebesar 1689.255. b. Koefisien regresiManajemen Laba sebesar -470.250 menunjukkan bahwa apabila Manajemen Laba meningkat sebesar 1 satuan, maka akan menurunkan EPS sebesar sebesar 470.250 satuan. c. Koefisien regresi Ukuran Perusahaan sebesar 105.545 menunjukkan bahwa apabila ukuran perusahaan meningkat sebesar 1 satuan, maka EPS akan meningkat sebesar 105.545 satuan. d. Koefisien regresi Leverage sebesar 0.283 menunjukkan bahwa apabila leverage meningkat sebesar 1 satuan, maka EPS akan meningkat sebesar 0.283 satuan.

4.1.2.6 Uji Koefisien Determinasi R

2 Uji koefisien determinasiR 2 ini digunakan untuk menggambarkan kemampuan model menjelaskan variasi yang terjadi dalam variabel dependen Ghozali, 2005. Koefisien determinasi R 2 dinyatakan dalam persentase. Nilai yang mendeakati satu berarti variabel independen memberikan hampir semua 48 informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Besarnya nilai koefisien determinasi R 2 dapat dilihat pada tabel 4.6 berikut: Tabel 4.6 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .723 a .522 .503 165.93833 1.655 a. Predictors: Constant, DER, LN.T.ASSET, EARNINGS b. Dependent Variable: EPS Sumber: Hasil Pengolahan Data SPSS September 2015 Berdasarkan tabel diatas menunjukkan koefisien korelasi R dan koefisien determinasi R Square. Nilai R menunjukkan tingkat hubungan antar variabel- variabel independen dengan variabel dependen. Dari hasil olah data diperoleh nilai koefisien korelasi sebesar 0.723 atau sebesar 72.3 artinya hubungan antara variabel Manajemen Laba, Ukuran Perusahaan, dan Leverage dengan EPS adalah erat. Berdasarkan tabel diatas ditunjukkan nilai Adjusted R Square. Dari hasil perhitungan nilai Adjusted R Square sebesar 0.503 atau sebesar 50.3 artinya 50.3 variabel EPSdipengaruhi oleh Manajemen Laba, Ukuran Perusahaan, dan Leverage. Sedangkan sisanya 49.7 dipengaruhi oleh faktor faktor lain diluar model.

4.1.2.7 Uji Signifikansi Parameter Individual Uji t

Uji t dilakukan untuk menguji pengaruh pada masing-masing variabel independen Manajemen Laba, Ukuran Perusahaan, dan Leverage terhadap EPS. Untuk menguji pengaruh parsial tersebut dapat dilakukan dengan cara berdasarkan nilai signifikansi. Jika nilai signifikansi lebih kecil dari 0.05 atau 5 maka hipotesis yang diajukan diterima atau dikatakan signifikan namun apabila 49 nilai signifikansi lebih besar dari 0.05 atau 5 maka hipotesis ditolak atau dikatakan tidak signifikan. Hasil uji t dapat dilihat pada tabel 4.7 berikut: Tabel 4.7 Hasil Uji t Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1689.255 209.832 8.050 .000 EARNINGS -470.250 3841.458 -.010 -.122 .903 LN.T.ASSET 105.545 11.869 .724 8.892 .000 DER .283 1.986 .011 .142 .887 a. Dependent Variable: EPS Sumber: Hasil Pengolahan Data SPSS September 2015 Berdasarkan tabel 4.7, maka hasil regresi berganda dapat menganalisis pengaruh dari masing-masing variabel Manajemen Laba, Ukuran Perusahaan, dan Leverage terhadap EPS adalah sebagai berikut: Harga t hitung yang ada selanjutnya dibandingkan dengan harga t tabel. Untuk kesalahan 5 uji dua pihak dan dk = n – 3 = 75, maka diperoleh t tabel = 1.665 Adapun kriteria penerimaan hipotesis adalah sebagai berikut : Ho Hipotesis Nol : µ = 0 tidak ada pengaruh Ha Hipotesis Alternatif : µ ≠ 0 ada pengaruh Tabel 4.7 untuk variabel Manajemen Laba nilai t hitung -0.122 t tabel 1.665dan nilai sig sebesar 0.903 0.05 maka H0 ditolak dan H1 diterima. Dapat disimpulkan bahwa variabel Manajemen Laba berpengaruh secara negatif dan tidak signifikan terhadap EPS. Variabel Ukuran Perusahaan nilai t hitung 8.892 t tabel 1.665 dan nilai sig sebesar 0.000 0.05 maka H0 ditolak dan H1 diterima. Dapat disimpulkan bahwa 50 variabel Ukuran Perusahaan berpengaruh secara positif dan signifikan terhadap EPS. Variabel Leverahe nilai t hitung 0.142 t tabel 1.665 dan nilai sig sebesar 0.887 0.05 maka H0 ditolak dan H1 diterima. Dapat disimpulkan bahwa variabel Leverage berpengaruh secaara positif dan tidak signifikan terhadap EPS.

4.1.2.8 Uji Signifikansi Simultan Uji F

Uji F dilakukan untuk mengetahui pengaruh seluruh variabel independen Manajemen Laba, Ukuran Perusahaan, dan Leverage terhadap EPS yaitu Hasil uji F ditunjukkan pada tabel 4.8 berikut: Tabel 4.8 Uji F ANOVA a Model Sum of Squares df Mean Square F Sig. 1 Regression 2226393.573 3 742131.191 26.952 .000 b Residual 2037629.141 74 27535.529 Total 4264022.714 77 a. Dependent Variable: EPS b. Predictors: Constant, DER, LN.T.ASSET, EARNINGS Sumber: Hasil Pengolahan Data SPSS September 2015 Berdasarkan hasil analisis regresi dapat diketahui bahwa secara bersama- sama simultan variabel independen memiliki pengaruh yang signifikan terhadap variabel dependen. Hal ini dapat dibuktikan dari nilai F hitung sebesar 26.952dengan signifikansi sebesar 0.000. Nilai F hitung ini lebih besar dari F tabel sebesar 2.73. Apabila nilai signifikansi di bawah 0.05 atau 5 maka regresi dapat digunakan untuk memprediksi EPS atau dapat dikatakan bahwa Manajemen Laba,Ukuran Perusahaan, dan Leverage berpengaruh secara positif dan signifikan terhadap EPS. 51

4.1.3 Regresi dengan Variabel Pemoderasi 1

Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.

4.1.3.1 Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.4. Sumber: Hasil Pengolahan Data SPSS September 2015 Gambar 4.4 Gambar Grafik Histogram Data Asli 52 Berdasarkan gambar 4.4 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.5 berikut: Sumber: Hasil Pengolahan Data SPSS September 2015 Gambar 4.5 Normal Probability Plot Data Asli 53 Berdasarkan grafik profitabilitas pada gambar 4.5 di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal garis normal. Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05 Ghozali,2007:12. Tabel 4.9 Hasil Uji Normalitas dengan Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 78 Normal Parameters a,b Mean 0E-7 Std. Deviation 219.65785019 Most Extreme Differences Absolute .210 Positive .210 Negative -.142 Kolmogorov-Smirnov Z 1.850 Asymp. Sig. 2-tailed .052 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Pengolahan Data SPSS September 2015 Berdasarkan hasil uji normalitas dengan Kolmogorov-Smirnov Data Asli diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.052 dan nilai Kolmogorov- Smirnov Z sebesar 1.850.

4.1.3.2. Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji 54 multikolinearitas ini dapat dilihat melalui nilai inflation factor VIF dan Tolerance. Tabel 4.10 Hasil Uji Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant EARNINGS .994 1.006 KAP .695 1.440 ABSX1 .698 1.433 a. Dependent Variable: CSR Sumber: Hasil Pengolahan Data SPSS September 2015 Berdasarkan aturan Variance Inflation Factor VIF dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen. Berdasarkan tabel 4.10. diatas diketahui masing- masing nilai VIF berada dibawah 10, dan nilai Tolerance diatas 0.1, maka dapat dipastikan data dari variabel independen tidak terjadi multikolinearitas.

4.1.3.3. Uji Heteroskedastisitas

Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke 55 pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis Ghozali, 2005:139. 1. Jika 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. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.6 berikut: Sumber: Hasil Pengolahan Data SPSS September 2015 Gambar 4.6 Grafik Scatterplot 56 Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.

4.1.3.4. Uji Autokorelasi

Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya Ghozali, 2005. Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson DW test. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Kriteria pengujian dengan hipotesis tidak ada autokorelasi adalah sebagai berikut, Menurut Santoso kriteria autokorelasi ada 3, yaitu: 1. Nilai D-W di bawah -2 berarti diindikasikan ada autokorelasi positif. 2. Nilai D-W di antara -2 sampai 2 berarti diindikasikan tidak ada autokorelasi. 3. Nilai D-W di atas 2 berarti diindikasikan ada autokorelasi negatif. Hasil pengujian autokorelasi dapat dilihat pada tabel berikut: Tabel 4.11 Uji Autokorelasi dengan Durbin-Watson Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .359 a .129 .093 224.06614 1.846 a. Predictors: Constant, ABSX1, EARNINGS, KAP b. Dependent Variable: EPS Sumber: Hasil Pengolahan Data SPSS September 2015 57 Berdasarkan hasil pengujian Durbin-Watson dengan menggunakan SPSS maka diperoleh nilai Durbin-Watson sebesar 1.846 yang berarti berdasarkan kriteria Durbin-Watson hasil tersebut tidak terjadi autokorelasi.

4.1.3.5 Model Regresi dengan Variabel Moderating

Hasil regresi linear dengan variabel moderating pengaruh manajemen laba terhadap EPS dengan Reputasi Auditor sebagai variabel moderasi pada Perusahaan Perbankan yang terdaftar pada BEI periode 2012-2014 yang ditunjukkan pada tabel 4.12 berikut: Tabel 4.12 Hasil Analisis Regresi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 140.452 88.053 1.595 .115 EARNINGS 4172.049 5121.172 .089 .815 .418 KAP 113.870 70.919 .209 1.606 .113 ABSX1 -52.905 38.055 -.181 -1.390 .169 Y = 140.452 + 4172.049EARNINGS + 113.870KAP - 52.905ABSX1 + e Berdasarkan hasil analisis regresi lienar dengan variabel moderating yang digunakan untuk menguji variabel moderating apakah menguatkan hubungan variabel independen terhadap variabel dependen. Berdasarkan Tabel 4.12 dapat diketahui bahwa variabel selisih ABSX1 memiliki signifikansi sebesar 0.169 0.05, sehingga dapat disimpulkan bahwa Reputasi Auditor tidak mampu memoderasi hubungan antara Manajemen Laba dengan EPS. 58

4.1.4 Regresi dengan Variabel Pemoderasi 2

Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.

4.1.4.1 Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.7. Sumber: Hasil Pengolahan Data SPSS September 2015 Gambar 4.7 Gambar Grafik Histogram Data Asli 59 Berdasarkan gambar 4.7 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.8 berikut: Sumber: Hasil Pengolahan Data SPSS September 2015 Gambar 4.8 Normal Probability Plot Data Asli 60 Berdasarkan grafik profitabilitas pada gambar 4.8 di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal garis normal. Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05 Ghozali,2007:12. Tabel 4.13 Hasil Uji Normalitas dengan Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardize d Residual N 78 Normal Parameters a,b Mean 0E-7 Std. Deviation 137.37551106 Most Extreme Differences Absolute .146 Positive .146 Negative -.046 Kolmogorov-Smirnov Z 1.291 Asymp. Sig. 2-tailed .071 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Pengolahan Data SPSS September 2015 Berdasarkan hasil uji normalitas dengan Kolmogorov-Smirnov Data Asli diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.71 dan nilai Kolmogorov- Smirnov Z sebesar 1.291.

4.1.4.2. Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji 61 multikolinearitas ini dapat dilihat melalui nilai inflation factor VIF dan Tolerance. Tabel 4.14 Hasil Uji Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant KAP .681 1.469 LN.T.ASSET .532 1.879 ABSX2 .732 1.366 a. Dependent Variable: EPS Sumber: Hasil Pengolahan Data SPSS September 2015 Berdasarkan aturan Variance Inflation Factor VIF dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen. Berdasarkan tabel 4.14. diatas diketahui masing- masing nilai VIF berada dibawah 10, dan nilai Tolerance diatas 0.1, maka dapat dipastikan data dari variabel independen tidak terjadi multikolinearitas.

4.1.4.3. Uji Heteroskedastisitas

Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau 62 tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis Ghozali, 2005:139. 1. Jika 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. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.9 berikut: Sumber: Hasil Pengolahan Data SPSS September 2015 Gambar 4.9 Grafik Scatterplot 63 Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.

4.1.4.4. Uji Autokorelasi

Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya Ghozali, 2005. Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson DW test. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Kriteria pengujian dengan hipotesis tidak ada autokorelasi adalah sebagai berikut, Menurut Santoso kriteria autokorelasi ada 3, yaitu: 1. Nilai D-W di bawah -2 berarti diindikasikan ada autokorelasi positif. 2. Nilai D-W di antara -2 sampai 2 berarti diindikasikan tidak ada autokorelasi. 3. Nilai D-W di atas 2 berarti diindikasikan ada autokorelasi negatif. Hasil pengujian autokorelasi dapat dilihat pada tabel berikut: Tabel 4.15 Uji Autokorelasi dengan Durbin-Watson Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .812 a .659 .645 140.13249 1.470 a. Predictors: Constant, ABSX2, KAP, LN.T.ASSET b. Dependent Variable: EPS Sumber: Hasil Pengolahan Data SPSS September 2015 64 Berdasarkan hasil pengujian Durbin-Watson dengan menggunakan SPSS maka diperoleh nilai Durbin-Watson sebesar 1.470 yang berarti berdasarkan kriteria Durbin-Watson hasil tersebut tidak terjadi autokorelasi.

4.1.4.5 Model Regresi dengan Variabel Moderating

Hasil regresi linear dengan variabel moderating pengaruh Ukuran Perusahaan terhadap EPS dengan Reputasi Auditor yang ditunjukkan pada tabel 4.16 berikut: Tabel 4.16 Hasil Analisis Regresi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -2516.513 236.926 -10.622 .000 KAP -107.305 44.795 -.197 -2.395 .019 LN.T.ASSET 149.471 13.559 1.025 11.024 .000 ABSX2 169.783 31.781 .424 5.342 .000 Sumber: Hasil Pengolahan Data SPSS September 2015 Y = -2516.513 + 149.471 – 10.7305KAP + 169.783ABSX2 + e Berdasarkan hasil analisis regresi lienar dengan variabel moderating yang digunakan untuk menguji variabel moderating apakah menguatkan hubungan variabel independen terhadap variabel dependen. Berdasarkan Tabel 4.16 dapat diketahui bahwa variabel selisih ABSX2 memiliki signifikansi sebesar 0.000 0.05, sehingga dapat disimpulkan bahwa Reputasi Auditor memoderasi hubungan antara Ukuran Perusahaan dengan EPS.

4.1.5 Pembahasan

Hasil penelitian menunjukkan bahwa secara bersama-sama variabel manajemen laba, ukuran perusahaan dan leverage berpengaruh secara positif dan signifikan terhadap EPS saham perusahaan perbankan yang terdaftar di BEI pada 65 periode 2012-2014, yang diperoleh melalui pengujian signifikansi simultan yang menunjukkan nilai F hitung sebesar 26.952 F tabel 2.73, dan signifikansi sebesar 0.000 0.05. Hasil penelitian ini menunjukkan bahwa apabila variabel manajemen laba, ukuran perusahaan, dan leverage ditingkatkan, maka akan meningkatkan EPS saham perusahaan perbankan. Hasil pengujian koefisien determinasi menunjukkan nilai Adjusted R Square sebesar 0.503 yang berarti bahwa 50.3 EPS ditentukan oleh Manajemen Laba, Ukuran Perusahaan, dan Leverage, sedangkan sisanya sebesar 49.7 lainnya ditentukan oleh variabel lain yang tidak diteliti pada penelitian ini. Pengaruh Manajemen Laba terhadap Earning per Share Hasil penelitian menunjukkan bahwa manajemen laba berpengaruh negatif namun tidak signifikan terhadap earning per share saham perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2012-2014, yang diperoleh melalui pengujian signifikansi parsial uji t yang menunjukkan nilai t hitung sebesar - 0.122 t tabel 1.665 dan signifikansi sebesar 0.903 0.05. Hasil penelitian ini sesuai dengan hasil penelitian yang dilakukan oleh Nuryaman 2013 yang meneliti tentang The Influence of Earning Management on Stock Return, yang menyatakan bahwa manajemen laba berpengaruh negatif terhadap pengembalian saham. Hasil penelitian kali ini menunjukkan bahwa apabila perusahaan tersebut melaksanakan praktek manajemen laba, maka praktek tersebut akan menurunkan earning per share perusahaan tersebut akibat berkurangnya kepercayaan masyarakat terhadap perusahaan tersebut. 66 Pengaruh Ukuran Perusahaan terhadap Earning per Share Hasil penelitian menunjukkan bahwa ukuran perusahaan berpengaruh positif dan signifikan terhadap earning per share saham perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2012-2014, yang diperoleh melalui pengujian signifikansi parsial uji t yang menunjukkan nilai t hitung sebesar 8.892 t tabel 1.665 dan signifikansi sebesar 0.000 0.05. Hasil penelitian ini menunjukkan bahwa semakin besar nilai aset suatu perusahaan, maka akan semakin besar earning per share yang akan didapatkan oleh para pemegang saham. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Pangestu 2015 yang meneliti tentang Pengaruh Rasio Keuangan, Ukuran Perusahaan, dan Arus Kas dari Aktivitas Operasi terhadap Earning per Share pada Perusahaan Pertambangan yang terdaftar di BEI periode 2010-2013, yang menyatakan bahwa Ukuran Perusahaan memiliki pengaruh positif dan signifikan terhadap earning per share. Pengaruh Leverage terhadap Earning per Share Hasil penelitian menunjukkan bahwa leverage berpengaruh positif tetapi tidak signifikan terhadap earning per share saham perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2012-2014, yang diperoleh melalui pengujian signifikansi parsial uji t yang menunjukkan nilai t hitung sebesar 0.142 t tabel 1.665 dan signifikansi sebesar 0.887 0.05. Hasil penelitian ini menunjukkan bahwa semakin besar nilai leverage suatu perusahaan, maka akan semakin kecil earning per share yang akan didapatkan oleh para pemegang saham. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Pangestu 2015 67 yang meneliti tentang Pengaruh Rasio Keuangan, Ukuran Perusahaan, dan Arus Kas dari Aktivitas Operasi terhadap Earning per Share pada Perusahaan Pertambangan yang terdaftar di BEI periode 2010-2013, yang menyatakan bahwa Leverage memiliki pengaruh positif namun tidak signifikan terhadap earning per share. Pengaruh Reputasi Auditor sebagai Variabel Pemoderasi Hasil penelitian menunjukkan bahwa reputasi auditor memiliki pengaruh yang berbeda-beda sebagai variabel moderasi. Pada hubungan antara manajemen laba dengan earning per share, reputasi auditor tidak mampu menjadi variabel moderasi. Pada hubungan antara ukuran perusahaan dengan earning per share, variabel reputasi auditor mampu memoderasi hubungan antara keduanya. Kemudian pada hubungan antara leverage dengan earning per share, reputasi auditor tidak mampu memoderasi hubungan antar keduanya. 68 BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil penelitian dan pembahasan yang telah dijelaskan sebelumnya, maka kesimpulan yang dapat diambil adalah: 1. Secara bersama-sama, seluruh variabel independen yakni manajemen laba, ukuran perusahaan, dan leverage berpengaruh positif dan signifikan terhadap earning per share perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2012-2014. 2. Secara parsial, dapat diketahui bahwa manajemen laba berpengaruh negatif namun tidak signifikan terhadap earning per share, sementara ukruan perusahaan berpengaruh positif dan signifikan terhadap earning per share. Kemudian leverage berpengaruh positif namun tidak signifikan terhadap earning per share. 3. Variabel reputasi auditor tidak mampu memoderasi hubungan antara manajemen laba dengan earning per share, namun mampu memoderasi hubungan antara ukuran perusahaan dengan earning per share.

5.2 Saran