Metode Pengumpulan Data Pembahasan 1. Pengaruh Kualitas Audit dan Komite Audit terhadap Manajemen Laba

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