46
3.5. Metode Pengumpulan Data
Metode pengumpulan data dilakukan dengan mengumpulkan annual report masing – masing perusahaan melalui website resmi Bursa Efek Indonesia
BEI yaitu www.idx.co.id Teknik yang digunakan untuk mengumpulkan data dalam penelitian ini
adalah dokumentasi, yaitu dengan cara mengumpulkan, mencatat, dan mengkaji data sekunder yaitu laporan keuangan dan tahunan masing – masing perusahaan.
3.6. Jenis dan Sumber Data
Jenis data yang digunakan adalah data sekunder yang meliputi laporan keuangan perusahaan periode 2012 sampai dengan 2014 yang diperoleh dari
website www.idx.co.id dan buku-buku referensi.
3.6.1. Variabel Dependen
Variabel dependen adalah variabel yang dipengaruhi oleh variabel lain. Variabel dependen yang digunakan dalam penelitian ini adalah
manajemen laba. Manajemen laba adalah upaya yang dilakukan manajemen untuk mengatur laba untuk mencapai tujuan tertentu. Manajemen laba
diproksikan dengan discretionary accruals yang diabsolutkan karena tidak membedakan antara income increasing accrual ataupun income dencreasing
accruals Meutia, 2004. Discretionary accruals adalah suatu cara untuk mengurangi
pelaporan laba yang sulit dideteksi melalui manipulasi kebijakan akuntansi yang berkaitan dengan akrual Scott, 2003. Pengukuran discretionary
Universitas Sumatera Utara
47
accruals sebagai manajemen laba menggunakan Model Jones Modifikasin. Untuk menghitung nilai discretionary accuals dilakukan dengan langkah-
langkah sebagai berikut: 1. Menghitung total acruals dengan persamaan berikut:
TAC = NIit - CFOit
Keterangan: NIit = laba bersih net income perusahaan i pada tahun t
CFOit = arus kasperusahaan i pada tahun t 2. Menghitung nilai accruals dengan persamaan regresi linear sederhana
atau Ordinary Least Square OLS dengan persamaan:
TAitAt- 1 = α1 1At-1 + α2 {ΔREV-ΔRECtAt-1} + α3 PPEtAt-1
+ e
Keterangan: TAit = Total akrual perusahaan i pada tahun t
At-1 = Total aset pada periode t ΔREVt = Pendapan periode t dikurangi dengan pendapatan periode t-1
ΔRECt = Piutang periode t dikurangi periode t-1 PPEt = Aktiva tetap gross property, plant, and equipment pada
periode t e
= Error term perusahaan i pada tahun t 3. Menghitung nondiscretionary accruals model NDA adalah sebagai
berikut:
Universitas Sumatera Utara
48
NDAit = α11 Ait-1 + α2ΔREVit - ΔRECt Ait-1 + α3PPEit Ait-1
Keterangan: NDAit = nondiscretionary accruals pada tahun t 27
α = fitted coefficient yang diperoleh dari hasil regresi pada perhitungan total accruals
4. Menghitung discretionary accrual:
DACit = TACit Ait-1 - NDAit
Keterangan: DACit = discretionary accruals perusahaan i pada periode t
3.6.2. Variabel Independen 3.6.2.1. Kualitas Auditor
Kualitas auditor dalam penelitian ini merupakan tingkat profesionalisme auditor yang digunakan. Kualitas auditor diukur
dengan menggunakan variabel dummy yaitu KAP Big Four dan KAP Non Big Four, nilai 1 diberikan untuk auditor yang berkualitas tinggi
Big Four dan nilai 0 diberikan untuk auditor yang berkualitas rendah Non Big Four.
3.6.2.2. Komite Audit
Berdasarkan Surat Edaran dari Direksi PT. Bursa Efek Jakarta No. SE-008BEJ12-2001 tanggal 7 Desember 2001 serta
Pedoman Pembentukan Komite Audit menurut BAPEPAM perihal keanggotaan komite audit, disebutkan bahwa jumlah anggota komite
Universitas Sumatera Utara
49
audit sekurang-kurangnya 3 tiga orang, termasuk ketua komite audit. Variabel dalam penelitian ini diukur dengan menggunakan
jumlah anggota komite audit perusahaan dan total kehadiran anggota komite audit.
3.6.3. Variabel Moderasi
Variabel Moderasi adalah variabel yang memperkuat atau memperlemah hubungan antara satu variabel dengan variabel lainnya.
Variabel moderating dalam penelitian ini adalah Good Corporate Governance yang diproksikan dengan :
a. Komisaris Independen
Komisaris Independen merupakan anggota komisaris yang berasal dari luar perusahaan tidak memiliki hubungan afiliasi dengan perusahaan
yang dipilih secara transparan dan independen. Mereka harus memiliki integritas, memiliki kompetensi yang memadai, bebas dari pengaruh pihak-
pihak yang berhubungan dengan kepentingan pribadi serta dapat bertindak objektif dan independen dengan berpedoman pada prinsip Good Corporate
Governance. Dalam penelitian ini proporsi komisaris independen dihitung dengan cara :
Dewan Komisaris Independen =
b. Kepemilikan Institusional
Kepemilikan institusional adalah jumlah kepemilikan saham perusahaan yang dimiliki pihak institusi atau lembaga seperti bank, dana
Universitas Sumatera Utara
50
pensiun, perusahaan asuransi, dan kepemilikan institusi lainnya Andriani, 2011. Kepemilikan institusional memiliki kemampuan untuk
mengendalikan pihak manajemen melalui proses monitoring secara efektif sehingga dapat mengurangi manajemen laba. Indikator yang digunakan
untuk mengukur kepemilikan institusional adalah persentase jumlah saham yang dimilki oleh pihak institusi dari seluruh jumlah modal saham yang
beredar. c.
Kepemilikan Manajerial Kepemilikan Manajerial adalah situasi dimana manajer sekaligus
sebagai pemegan saham perusahaan. Kepemilikan manajerial merupakan persentase saham yang dimilki oleh manajemen yang secara aktif ikut dalam
pengambilan keputusan perusahaan yang meliputi komisaris dan direksi. Dalam penelitian ini jumlah kepemilikan manajerial diukur dengan
menghitung persentase kepemilikan saham perusahaan oleh dewan direksi dan komisaris manajerial yang diungkapkan dalam laporan tahunan.
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, pengujian hipotesis, analisis regresi berganda dan
analisis regresi dengan variabel moderator.
Universitas Sumatera Utara
51
3.7.1. Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis dan 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 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.
a. 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:
Universitas Sumatera Utara
52
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: H0 : data residual berdistribusi normal,
Ha : data residual tidak berdistribusi normal. b.
Uji Multikolinieritas 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. Multikolinieritas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya.
Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah:
a. Koefisien-koefisien regresi menjadi tidak dapat ditaksir,
b. Nilai standar error setiap koefisien regresi menjadi tak terhingga.
Ada tidaknya multikolinieritas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor VIF, serta dengan
Universitas Sumatera Utara
53
menganalisis matriks korelasi variabel-variabel independen. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas
adalah jika nilai tolerance0,1 atau sama dengan nilai VIF10, maka model dapat dikatakan terbebas dari multikolinearitas.
c. 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 homoskesdatisitas
atau tidak terjadi heteroskedastisitas. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar
Scatterplot. Analisis pada gambar Scatterplot yang menyatakan model regresi 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 dibawah, c.
Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar
kembali, d.
Penyebaran titik-titik data sebaiknya tidak berpola. d.
Uji Autokorelasi Uji ini bertujuan untuk melihat apakah dalam suatu model regresi
linear terdapat korelasi atau kesalahan pengganggu pada periode t
Universitas Sumatera Utara
54
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: a.
Nilai D-W lebih kecil dari -2 berarti ada korelasi positif, b.
Nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, c.
Nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif.
3.7.2.Pengujian Hipotesis
a. Uji Statistik F Uji Simultan
Menurut Ghozali 2009: 88 pengujian hipotesis distribusi F pada model regresi 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,
Universitas Sumatera Utara
55
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. b.
Uji Statistik t Uji Parsial Menurut Ghozali 2009: 88uji 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. c.
Pengujian Koefisien Determinan R
2
Menurut Ghozali 2009: 87 pengujian koefisien determinan dilakukan untuk melihat seberapa besar pengaruh variabel bebas terhadap
variabel terikat. Pengujian ini dilakukan dengan melihat nilai koefisien
determinan. Koefisien determinan R
2
merupakan besaran non negatif dan besarnya koefisien determinasi adalah 0
≤R2≤1. Jika koefisien determinan bernilai 0, maka tidak ada hubungan antara variabel bebas
dengan variabel terikat. Sebaliknya jika koefisien determinan bernilai 1,
Universitas Sumatera Utara
56
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 . 3.7.3. Analisis Regresi Linear Berganda
Analisis regresi linier berganda digunakan dengan maksud meramalkan bagaimana keadaan naik-turunnya variabel dependen bila
dua atau lebih variabel independen dimanipulasi Sugiyono, 2006: 210. Analisis ini menggunakan teknik analisis statistik SPSS dengan metode
analisis regresi linear berganda.Dalam model ini dinyatakan laporan audit wajar tanpa pengecualian dan audit report lag berpengaruh terhadap harga
saham. Pengujian terhadap model tersebut dengan mengidentifikasi nilai dan probabilitas b1 adalah sebagai berikut:
Y = a + b1X
1
+ b
2
X
2
e
Dimana:
Y = Manajemen Laba
X
1
= Kualitas Audit X
2
= Komite Audit a
= Konstanta b
= Koefisien regresi e
= Standard Error
Universitas Sumatera Utara
57
3.7.4. Analisis Regresi dengan Variabel Moderating
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 Regression Analysis MRA merupakan aplikasi khusus regresi berganda linear
dimana dalam persamaan regresinya mengandung unsur interaksi perkalian dua atau lebih variabel independen dengan rumus persamaan
sebagai berikut : Y = a1+ b1X1+ b3X3+ b5X1X3+ e1
Y = a2+ b2X2+ b4X3+ b6X2X3+ e2 Dimana :
Y = Manajemen Laba
a = Konstansta
b = Koefisien regresi
X1 = Kualitas Audit
X2 = Komite Audit
X3 = GCG
e = Standard error
Jika variabel X3 merupakan variabel moderating, maka koefisien b5 dan b6 harus signifikan pada tingkat signifikansi yang ditentukan. Apabila
variabel X3 semakin tinggi maka akan berpengaruh terhadap tingginya variabel Y.
Universitas Sumatera Utara
58
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian 4.1.1. Analisis Deskriptif
Pada bagian analisis deskriptif akan digambarkan data dari masing- masing variabel yang telah diolah berdasarkan nilai minimun, maksimum,
rata-rata, dan standar deviasi. Variabel dalam penelitian ini adalah kualitas audit X1, komite audit X2, dan manajemen laba Y serta variabel
moderasi yaitu Good Corporate Governance Z. Hasil pengujian statistik deskriptif dapat dilihat pada Tabel 4.1 berikut ini:
Tabel 4.1 Analisis Deskriptif
S u
m b
er: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan Tabel 4.1 dapat dijelaskan bahwa rata-rata kualitas audit adalah 0.35897 nilai maksimum 1 dan nilai minimum 0 kemudian
rata-rata komite audit adalah 7.679, dengan nilai maksimum 150, dan nilai
Descriptive Statistics
N Minimum Maximum Mean
Std. Deviation
KUALITASAU DIT
39 .000
1.000 .35897
.485971 KOMITEAUDI
T 39
.000 150.000
7.67900 E1
37.998010 MANJLABA
39 -.050
.053 -.00954 .017028
Valid N listwise
39
Universitas Sumatera Utara
59
minimum 0, dan nilai rata-rata manajemen laba adalah -0.009, dengan nilai maksimum 0.053 dan nilai minimum -0.050.
4.1.2. Uji Asumsi Klasik
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. a.
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.
Gambar 4.1 Grafik Histogram
Sumber: Hasil Pengolahan SPSS Juni, 2016
Universitas Sumatera Utara
60
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:
Gambar 4.2 Grafik Normal P-Plot
Sumber: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan Gambar 4.8 P-Plot di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya
mengikuti arah garis diagonal garis normal. Pengujian normalitas data
Universitas Sumatera Utara
61
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 4.2 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 39
Normal Parameters
a
Mean .0000000
Std. Deviation .01649633
Most Extreme Differences
Absolute .190
Positive .180
Negative -.190
Kolmogorov-Smirnov Z 1.189
Asymp. Sig. 2-tailed .118
a. Test distribution is Normal.
Sumber: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan hasil uji normalitas dengan Kolmogorov- Smirnovdiatas, terlihat bahwa data telah terdistribusi dengan normal yang
mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.118 dan nilai Kolmogorov-Smirnov Z sebesar 1.189.
b. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
Universitas Sumatera Utara
62
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.
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:
Gambar 4.3
Universitas Sumatera Utara
63
Grafik Scatterplot Sumber: Hasil Pengolahan SPSS Mei 2016
Pada Gambar 4.3 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.
c. 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.
Tabel 4.3 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficient
s Collinearity
Statistics B
Std. Error Beta
Toleran ce
VIF 1
Constant -.001
.008 KOMITEAUD
IT .000
.000 -.248
.744 1.345 KUALITASA
UDIT 1.242E
-5 .007
.000 .744 1.345
a. Dependent Variable: MANJLABA
Sumber: Hasil Pengolahan SPSS Juni,2016
Universitas Sumatera Utara
64
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. d.
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. Pengambilan keputusan pada asumsi ini memerlukan dua
nilai bantu yang diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW
berada diantara nilai du hingga 4-du, berarti asumsi tidak terjadi autokorelasi terpenuhi. Adapun kriteria dalam penentuan autokorelasi
adalah sebagai berikut : 1
Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi.
Universitas Sumatera Utara
65
2 Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status autokorelasi
tidak dapat dijelaskan inconclusive. 3
Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non Autokorelasi.
Hasil pengujian autokorelasi dapat dilihat pada tabel berikut:
Universitas Sumatera Utara
66
Tabel 4.4 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.248
a
.061 .009
.016948 2.195
a. Predictors: Constant, KUALITASAUDIT, KOMITEAUDIT
b. Dependent Variable: MANJLABA
Sumber: Hasil Pengolahan SPSS Juni, 2016
Tabel 4.4 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 16. Tabel DW
menunjukkan bahwa dengan n = 39, K = 2, maka akan diperoleh nilai dl = 1.3821 dan du = 1.5969 dan 4-du = 4 –1.5969 = 2.4031.
Berdasarkan hasil pengujian Durbin-Watson dengan SPSS maka diperoleh nilai Durbin-Watson sebesar 1.3821 2.195 4 –1.5969 yang
berarti berdasarkan kriteria Durbin-Watson hasil tersebut tidak terjadi autokorelasi.
4.1.3. Uji Hipotesis
a. Uji Simultan Uji F
Uji F dilakukan untuk mengetahui pengaruh seluruh variabel independen yakni profitabilitas dan umur perusahaan terhadap audit delay
secara bersama-sama, yang ditunjukkan pada Tabel 4.5 berikut ini:
Universitas Sumatera Utara
67
Tabel 4.5 Uji Simultan Uji F
ANOVA
b
Model Sum of
Squares df
Mean Square
F Sig.
1 Regressi
on .001
2 .000 1.178
.319
a
Residual .010
36 .000
Total .011
38 a. Predictors: Constant, KUALITASAUDIT,
KOMITEAUDIT b. Dependent Variable:
MANJLABA
Sumber: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan Tabel 4.5 diketahui bahwa secara bersama-sama, seluruh variabel independen yaitu kualitas audit dan komite audit tidak
berpengaruh terhadap manajemen laba. Hal ini dapat dibuktikan dengan nilai F hitung sebesar 1.178 yang lebih kecil dari nilai F tabel yaitu sebesar
3.26 dan nilai signifikansi 0.319 lebih besar dari 0.05, sehingga disimpulkan bahwa kualitas audit dan komite audit tidak berpengaruh
secara simultan terhadap manajemen laba. b.
Uji Parsial Uji-t Uji t dilakukan untuk menguji pengaruh pada masing-masing
variabel independen profitabilitas dan umur perusahaan terhadap audit delay. 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 nilai signifikansi lebih besar dari 0.05 atau 5
Universitas Sumatera Utara
68
maka hipotesis ditolak atau dikatakan tidak signifikan. Hasil uji t dapat dilihat pada Tabel 4.6 berikut:
Tabel 4.6 Uji Parsial Uji-t
Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficient
s t
Sig. B
Std. Error Beta
1 Constant
-.001 .008
-.122 .903
KOMITEAUD IT
.000 .000
-.248 -1.323 .194
KUALITASA UDIT
1.242E- 5
.007 .000
.002 .999
a. Dependent Variable: MANJLABA
Sumber: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan Tabel 4.6 dapat disimpulkan bahwa nilai t hitung variabel kualitas audit adalah sebesar -1.323 2.028 dan nilai signifikansi
0.194 0.05 yang berarti kualitas audit berpengaruh negatif namun tidak signifikan terhadap manajemen laba.
Berdasarkan Tabel 4.6 juga dapat disimpulkan bahwa nilai t hitung variabel komite audit adalah 0.002 2.028 dan nilai signifikansi 0.999
0.05 yang berarti bahwa komite audit berpengaruh negatif namun tidak signifikan terhadap manajemen laba.
c. Uji Koefisien Determinasi Uji R
Uji koefisien determinasiR
2
ini digunakan untuk menggambarkan kemampuan model menjelaskan variasi yang terjadi dalam variabel
Universitas Sumatera Utara
69
dependen Ghozali, 2005. Koefisien determinasi R
2
dinyatakan dalam persentase. Nilai yang mendekati satu berarti variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Besarnya nilai koefisien determinasi R
2
dapat dilihat pada Tabel 4.7 berikut:
Tabel 4.7 Uji Koefisien Determinasi Uji R
2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.248
a
.061 .009
.016948 2.195
a. Predictors: Constant, KUALITASAUDIT, KOMITEAUDIT
b. Dependent Variable: MANJLABA
Sumber: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan tabel diatas menunjukkan koefisien korelasi R dan koefisien determinasi Adjusted R Square. Nilai R menunjukkan tingkat
hubungan antar variabel-variabel independen dengan variabel dependen. Dari hasil olah data diperoleh nilai koefisien korelasi sebesar 0.009 atau
sebesar 0.9 artinya hubungan antara variabel kualits audit dan komite audit dengan manajemen adalah lemah.
4.1.4. Uji Analisis Regresi I dengan Variabel Moderasi 4.1.4.1. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar
Universitas Sumatera Utara
70
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.
a. 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.
Gambar 4.4 Grafik Histogram
Sumber: Hasil Pengolahan SPSS Juni, 2016
Universitas Sumatera Utara
71
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:
Gambar 4.5 Grafik Normal P-Plot
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan Gambar 4.8 P-Plot di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data
Universitas Sumatera Utara
72
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 4.8 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 39
Normal Parameters
a
Mean .0000000
Std. Deviation .01631943
Most Extreme Differences
Absolute .206
Positive .149
Negative -.206
Kolmogorov-Smirnov Z 1.287
Asymp. Sig. 2-tailed .073
a. Test distribution is Normal.
Sumber: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan hasil uji normalitas dengan Kolmogorov- Smirnov diatas, terlihat bahwa data telah terdistribusi dengan normal
yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.073 dan nilai Kolmogorov-Smirnov Z sebesar 1.287.
b. Uji Heteroskedastisitas
Universitas Sumatera Utara
73
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.
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:
Universitas Sumatera Utara
74
Gambar 4.6 Grafik Scatterplot
Sumber: Hasil Pengolahan SPSS Mei 2016
Pada Gambar 4.6 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. c.
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.
Universitas Sumatera Utara
75
Tabel 4.9 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficien
ts Collinearity
Statistics
B Std.
Error Beta
Toleran ce
VIF 1
Constant -.005
.015 ZscoreKualita
s Audit -.032
.025 -.912
.050 20.04
9 ZscoreGCG -8.503E-
5 .000
-.084 .646 1.547
AbskUA.GCG .001
.000 1.076
.049 20.28
1 a. Dependent Variable:
MANJLABA
Sumber: Hasil Pengolahan SPSS Juni, 2016
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.
Universitas Sumatera Utara
76
d. 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. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu
yang diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW
berada diantara nilai du hingga 4-du, berarti asumsi tidak terjadi autokorelasi terpenuhi. Adapun kriteria dalam penentuan
autokorelasi adalah sebagai berikut : 1
Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi. 2
Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status autokorelasi tidak dapat dijelaskan inconclusive.
3 Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non
Autokorelasi.
Universitas Sumatera Utara
77
Tabel 4.10 Uji Autokorelasi
Model Summary
b
Mode l
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .285
a
.081 .003
.017004 1.860
a. Predictors: Constant, AbskUA.GCG, ZscoreGCG, ZscoreKualitas Audit
b. Dependent Variable: MANJLABA
Sumber: Hasil Pengolahan SPSS Juni, 2016
Tabel 4.10 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 16. Tabel
DW menunjukkan bahwa dengan dengan n = 39, K = 2, maka akan diperoleh nilai dl = 1.3821 dan du = 1.5969 dan 4-du = 4 –1.5969 =
2.4031. Berdasarkan hasil pengujian Durbin-Watson dengan SPSS
maka diperoleh nilai Durbin-Watson sebesar 1.3821 1.860 4 – 1.5969 yang berarti berdasarkan kriteria Durbin-Watson hasil
tersebut tidak terjadi autokorelasi.
4.1.4.2. Uji Hipotesis
Hasil pengujian regresi linear pengaruh profitabilitas terhadap audit delay dengan ukuran perusahaan sebagai variabel
moderasi menggunakan metode nilai selisih mutlak yang ditunjukkan pada Tabel 4.11 berikut:
Universitas Sumatera Utara
78
Tabel 4.11 Uji Analisis Regresi dengan Variabel Moderasi
Coefficients
a
Model Unstandardized
Coefficients Standardi
zed Coefficien
ts t
Sig. B
Std. Error
Beta 1
Constant -.005
.015 -.321
.750 ZscoreKualita
s Audit -.032
.025 -.912 -1.258
.217 ZscoreGCG -8.503E-
5 .000
-.084 -.415 .680
AbskUA.GCG .001
.000 1.076 1.475
.149 a. Dependent Variable:
MANJLABA
Sumber: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan Tabel 4.11 Good Corporate Governance sebagai variabel moderasi tidak mampu memoderasi hubungan
antara kualaitas audit dengan manajemen laba karena signifikansi 0.149 0.05.
4.1.5. Uji Analisis Regresi II dengan Variabel Moderasi 4.1.5.1. Uji Asumsi Klasik
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
Universitas Sumatera Utara
79
normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
a. 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.
Gambar 4.7 Grafik Histogram
Sumber: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan gambar 4.7 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya
Universitas Sumatera Utara
80
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:
Gambar 4.8 Grafik Normal P-Plot
Sumber: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan Gambar 4.8 P-Plot 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
Universitas Sumatera Utara
81
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 4.12 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 39
Normal Parameters
a
Mean .0000000
Std. Deviation .01636242
Most Extreme Differences
Absolute .183
Positive .161
Negative -.183
Kolmogorov-Smirnov Z 1.144
Asymp. Sig. 2-tailed .146
a. Test distribution is Normal.
Sumber: Hasil Pengolahan SPSS Juni, 2016
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 0.146 dan nilai Kolmogorov-Smirnov Z sebesar
1.144. b.
Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan
Universitas Sumatera Utara
82
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. 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:
Universitas Sumatera Utara
83
Gambar 4.9 Grafik Scatterplot
Sumber: Hasil Pengolahan SPSS Mei 2016
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.
c. 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.
Universitas Sumatera Utara
84
Tabel 4.13 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients Collinearity
Statistics B
Std. Error
Beta Tolerance VIF
1 Constant
-.016 .026
ZscoreKomite Audit
.000 .000
.258 .055 18.205
ZscoreGCG .000
.000 .192
.268 3.738 AbsKOA.GCG
- 3.060E-
6 .000
-.489 .063 15.752
a. Dependent Variable: MANJLABA
Sumber: Hasil Pengolahan SPSS Juni, 2016
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 4.13 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.
d. Uji Autokorelasi
Universitas Sumatera Utara
85
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. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu
yang diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW
berada diantara nilai du hingga 4-du, berarti asumsi tidak terjadi autokorelasi terpenuhi. Adapun kriteria dalam penentuan
autokorelasi adalah sebagai berikut : 1
Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi. 2
Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status autokorelasi tidak dapat dijelaskan inconclusive.
3 Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non
Autokorelasi. Hasil pengujian autokorelasi dapat dilihat pada tabel berikut:
Tabel 4.14 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.277
a
.077 -.003
.017049 2.140
Universitas Sumatera Utara
86
a. Predictors: Constant, AbsKOA.GCG, ZscoreGCG, ZscoreKomite Audit
b. Dependent Variable: MANJLABA
Sumber: Hasil Pengolahan SPSS Juni, 2016
Tabel 4.14 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 20. Tabel
DW menunjukkan bahwa dengan n = 39, K = 2, maka akan diperoleh nilai dl = 1.3821 dan du = 1.5969 dan 4-du = 4 –1.5969 =
2.4031. Berdasarkan hasil pengujian Durbin-Watson dengan SPSS
maka diperoleh nilai Durbin-Watson sebesar 1.3821 2.140 4 – 1.5969 yang berarti berdasarkan kriteria Durbin-Watson hasil
tersebut tidak terjadi autokorelasi.
4.1.5.2. Uji Hipotesis
Hasil regresi linear pengaruh umur perusahaan terhadap audit delay dengan ukuran perusahaan sebagai variabel moderasi
ditunjukkan pada Tabel 4.15 berikut:
Tabel 4.15 Uji Analisis Regresi dengan Variabel Moderasi
Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficient
s t
Sig. B
Std. Error Beta
1 Constant
-.016 .026
-.617 .541
Universitas Sumatera Utara
87
ZscoreKomite Audit
.000 .000
.258 .373
.712 ZscoreGCG
.000 .000
.192 .612
.544 AbsKOA.GCG -3.060E-6
.000 -.489
-.758 .454
a. Dependent Variable: MANJLABA
Sumber: Hasil Pengolahan SPSS Juni, 2016
Berdasarkan Tabel 4.15 diketahui bahwa variabel Good Corporate Governance sebagai variabel moderasi tidak mampu
memoderasi hubungan antara komite audit dengan manajemen laba karena nilai signifikansinya 0.454 0.05.
4.2. Pembahasan 1. Pengaruh Kualitas Audit dan Komite Audit terhadap Manajemen Laba
Hasil penelitian menunjukkan bahwa secara simultan atau bersama sama seluruh variabel independen yaitu kualitas audit dan komite audit tidak
berpengaruh terhadap manajemen laba. Hasil pengujian signifikansi simultan menunjukkan nilai Fhitung sebesar 1.178 3.25 dan nilai signifikansi 0.319
0.05. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh I Guna dan Herawaty 2010, yang menyatakan bahwa kualitas audit dan komite audit tidak
berpengaruh secara bersama-sama terhadap manajemen laba.
2. Pengaruh Kualitas Audit terhadap Manajemen Laba
Hasil penelitian menunjukkan bahwa kualitas audit tidak berpengaruh signifikan terhadap manajemen laba. Hasil penelitian ini ditunjukkan oleh nilai t
hitung variabel kualitas audit adalah sebesar -1.323 2.028 dan nilai signifikansi
Universitas Sumatera Utara
88
0.194 0.05. Hasil penelitian ini menunjukkan bahwa peningkatan kualitas audit tidak berpengaruh terhadap manajemen laba. Hasil penelitian ini sesuai dengan
penelitian yang dilakukan oleh I Guna dan Herawaty 2010 yang menyatakan bahwa variabel kualitas audit tidak mempunyai pengaruh terhadap manajemen
laba.
3. Pengaruh Komite Audit terhadap Manajemen Laba
Hasil penelitian menunjukkan bahwa umur perusahaan berpengaruh secara positif dan signifikan terhadap audit delay. Hasil penelitian ini ditunjukkan oleh
nilai t hitung variabel komite audit adalah 0.002 2.028 dan nilai signifikansi 0.999 0.05. Hasil penelitian ini menunjukkan bahwa peningkatan kualitas audit
tidak berpengaruh terhadap manajemen laba. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh I Guna dan Herawaty 2010 yang menyatakan
bahwa variabel kualitas audit tidak mempunyai pengaruh terhadap manajemen laba.
4. Pengaruh Good Corporate Governance terhadap Hubungan antara Kualitas Audit dan Komite Audit dengan Manajemen Laba
Hasil penelitian menunjukkan bahwa variabel good corporate governance tidak mampu menjadi variabel moderasi dalam hubungan antara kualitas audit
dengan manajemen laba dan hubungan antara komite audit dengan manajemen laba. Hasil penelitian ini dikarenakan nilai signifikansi 0.05. Hasil penelitian ini
menunjukkan bahwa good corporate governance tidak mampu memperkuat
hubungan antar variabel independen dengan variabel dependen.
Universitas Sumatera Utara
89
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan