52 4. Perusahaan menggunakan mata uang rupiah dalam laporan
keuangannya.
C. Metode Pengumpulan Data
Metode pengumpulan data penelitian ini adalah dengan menggunakan metode dokumentasi. Metode ini dilakukan dengan cara
menyalin dan mengarsip data-data dari sumber-sumber yang ada. Data yang digunakan dalam penelitian ini adalah data-data sekunder yang
diperoleh dari sumber-sumber yang tersedia seperti Bursa Efek Indonesia dalam situs resminya yaitu idx.co.id, pusat refrensi pasar modal dan lain-
lain. Data tersebut berupa data laporan keuangan perusahaan yang bergerak di bidang manufaktur. Selain itu data sekunder juga peneliti
dapatkan dari berbagai buku refrensi, jurnal, artikel dan literatur-literatur lainnya yang berkaitan dengan penelitian ini.
D. Metode Analisis Data
Pengujian ini dilakukan untuk mengetahui apakah ada pengaruh yang signifikan antara asimetri informasi, leverage, biaya politik dan
kompensasi bonus terhadap manajemen laba. 1. Statistik Deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan
data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi
Sugiyono,2009:147. Statistik deskriptif memberikan gambaran atau
53 deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar
deviasi, maksimum-minimum, sum, range dan skewness sehingga secara kontekstual dapat lebih mudah dimengerti oleh pembaca.
2. Uji Asumsi Klasik Uji asumsi klasik dari data sekunder dalam penelitian ini
menggunakan uji
normalitas, uji
heteroskedastisitas, uji
multikolinearitas, dan uji autokorelasi. a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal, jika asumsi ini dilanggar
maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali,2011:160. Model yang baik adalah distribusi data normal
atau mendekati normal. Deteksi normalitas dapat dilihat dengan melihat penyebaran data titik pada sumbu diagonal grafik dan
juga dengan menggunakan uji non-parametrik Kolmogorov- Smirnov K-S. Uji K-S dilakukan dengan membuat hipotesis :
Hipotesis Nol H
o
: data terdistribusi secara normal Hipotesis Alternatif HA : data tidak berdistribusi normal
Dasar pengambilan keputusan pada uji K-S ini adalah dengan melihat nilai probabilitas signifikansi data residual. Jika
angka probabilitas kurang dari 0.05 maka variabel ini tidak
54 berdistribusi secara normal. Sebaliknya, bila angka probabilitas di
atas 0.05 maka HA ditolak yang berarti variabel terdistribusi secara normal Ghozali, 2011: 164.
b. Uji Heteroskedastisitas Uji heterosketastisitas dilakukan untuk menguji apakah
dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Jika variance dari
residual satu pengamatan ke pengamatan lainnya tetap, maka disebut
homokedastisitas dan
jika berbeda
disebut heterokedastisitas.
Model regresi
yang baik
adalah homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali,
2011:139. Untuk mendeteksi ada atau tidaknya heteroskedastisitas
dilakukan dengan melihat grafik scatterplots antar nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID.
Sumbu Y menjadi sumbu yang telah diprediksi dan sumbu X adalah residual Y prediksi- Y sesungguhnya yang telah di
stardardized. Ada tidaknya heterokedastisitas dapat dilakukan sebagai berikut Ghozali,2011:139:
1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, mengidentifikasikan adanya
heterokedastisitas.
55 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.
c. Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah
dalam model regresi ditemukan adanya korelasi antar variabel Ghozali, 2011:105. Model regresi yang baik adalah model yang
antar variabel independennya tidak terjadi korelasi satu sama lain atau tidak terjadi multikolinearitas. Untuk mendeteksi ada atau
tidaknya multikolinearitas dalam model regresi dapat dilihat atau dideteksi dengan tolerance value dan variance inflation factor
VIF. Nilai cut-off yang umum adalah : 1 Jika nilai Tolerance 10 persen dan nilai VIF 10, maka
dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
2 Jika nilai Tolerance 10 persen dan nilai VIF 10, maka dapat disimpulkan bahwa ada multikolinearitas antar variabel
independen dalam model regresi. d. Uji Autokorelasi
Uji autokorelasi dilakukan dengan uji Durbin Watson. Pengujian ini bertujuan untuk menguji apakah sebuah model
regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika
56 terjadi korelasi, maka dinamakan ada problem autokorelasi.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual
kesalahan penggangu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada runtut waktu karena
gangguan pada individu atau kelompok yang sama pada periode berikutnya Ghozali, 2011:110.
Pada data crossection silang waktu, masalah autokorelasi relatif jarang terjadi karena gangguan pada observasi yang berbeda
berasal dari individu atau kelompok yang berbeda. Untuk mendeteksi ada atau tidaknya autokorelasi dapat digunakan dengan
uji Durbin Watson, dimana pengambilan keputusan ada tidaknya autokorelasi yaitu sebagai berikut :
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi
positif Tolak
0 d dl Tidak ada autokorelasi
positif No decision
dl ≤ d ≤ du
Tidak ada korelasi negatif
Tolak 4-dl d 4
Tidak ada korelasi negatif
No decision 4 -
du ≤ d ≤ 4 - dl
Tidak ada autokorelasi positif atau negatif
Tidak ditolak du d 4
–du
57 3. Koefisien Determinasi
Koefisien determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel
independen. Nilai koefisien determinasi adalah antara nol 0 dan 1. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjalaskan variasi variabel dependen sangat terbatas. Nilai
yang mendekati satu 1 berarti variabel-variabel independen memberikan hampir seluruh informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen Ghozali, 2011:97. 4. Uji Hipotesis
Hipotesis dalam penelitian ini diuji dengan menggunakan metode linear berganda. Model regresi berganda umumnya digunakan
untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel dependen dengan skala pengukuran interval atau rasio dalam
suatu persamaan linear Ghazali, 2009: 96. Variabel independen yang akan diteliti pada penelitian ini adalah asimetri informasi, leverage,
biaya politik dan kompensasi bonus. Sedangkan variabel dependen yang akan diteliti pada penelitian ini adalah manajemen laba.
Model regresi yang digunakan untuk menguji hipotesis adalah sebagai berikut :
Manajemen Laba = α + β1 AST + β2 Lev + β3 KB + β4 BP + ε
58 Dimana :
Manajemen Laba : Tingkat Praktik Manajemen Laba yang
dilakukan Manajemen α
: Konstanta β1 AST
: Asimetri Informasi β2 Lev
: Leverage β3 KB
: Kompensasi Bonus β4 BP
: Biaya Politik ε
: Standar error Pengujian model ini dilakukan menggunakan :
a. Uji Statistik t Uji statistik t menunjukkan sebarapa jauh pengaruh
masing-masing variabel independen secara individual dalam menerangkan variasi variabel dependen dan digunakan untuk
mengetahui ada atau tidaknya pengaruh masing-masing variabel independen terhadap variabel dependen Ghozali,
2011:99. Hipotesis akan diuji dengan menggunakan tingkat signifikansi a sebesar 5 persen atau 0.05. Kriteria penerimaan
atau penolakan hipotesis akan didasarkan pada nilai probabilitas signifikansi . Jika nilai probabilitas signifikansi
a, maka hipotesis diterima. Jika nilai probabilitas signifikansi a, maka hipotesis ditolak.
59 b. Uji Statistik F
Uji statistik F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model
mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Uji Statistik F digunakan untuk mengetahui seluruh
variabel independen yang dimasukkan dalam model regresi secara bersama-sama terhadap variabel dependen yang diuji
pada tingkat signifikansi 0.05 Ghozali, 2011:98. Kriteria penolakan atau penerimaan hipotesis akan didasarkan pada nilai
probabilitas signifikansi. Jika nilai probablitas signifikansi 0.05, maka hipotesis diterima. Hal ini berarti model regresi
dapat digunakan untuk memprediksi variabel independen. Jika nilai probabilitas signifikansi 0.05, maka hipotesis ditolak.
Hal ini berarti model regresi tidak dapat digunakan untuk memprediksi variabel dependen.
E. Operasional Variabel Penelitian