43
Tabel 3.3 Daftar Populasi dan Sampel Penelitian
No Kode
Nama Perusahaan
1. AKKU
ANEKA KEMASINDO UTAMA TBK 2.
AMFG ASAHIMAS FLAT GLASS TBK
3. ARNA
ARWANA CITRA MULIA 4.
CTBN CITRA TURBINDO TBK
5. DPNS
DUTA PERTIWI NUSANTARA TBK 6.
IGAR KAGEO IGAR JAYA TBK
7. INAI
INDAL ALUMINIUM INDUSTRY TBK 8.
LION LION METAL WORKS TBK
9. LMSH
LIONMESH PRIMA TBK 10.
SIMA SIWANI MAKMUR TBK
Sumber : www.idx.co.id diolah oleh peneliti
3.6 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder merupakan data yang diperoleh secara tidak langsung melalui
media perantara, baik yang dipublikasikan dan tidak dipublikasikan. Data sekunder dalam penelitian ini berupa laporan keuangan masing-masing
perusahaan manufaktur periode tahun yang diperoleh melalui Website Bursa Efek Indonesia www.idx.co.id.
3.7 Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode regresi linear berganda dengan analisis statistik yang menggunakan
program SPSS Statistic 17.0. Sebelum dianalisis, peneliti terlebih dahulu melakukan uji asumsi klasik sebelum melakukan pengujian hipotesis.
3.7.1 Statistik Deskriptif
“Statistik deskriptif digunakan untuk memberikan gambaran
Universitas Sumatera Utara
44 atau deskripsi suatu data yang dilihat dari nilai rata-rata mean,
standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness”, menurut Ghozali 2011. Statistik deskriptif akan
memberikan gambaran umum dari setiap variabel penelitian. Alat analisis yang digunakan adalah nilai rata-rata mean, nilai minimum
dan maksimum serta standar deviasi.
3.7.2 Pengujian Asumsi Klasik
Diperlukan adanya uji asumsi klasik terhadap model yang telah diformulasikan dengan menguji ada atau tidaknya gejala-gejala
multikolinearitas, heteroskedastisitas, autokorelasi dan normalitas.
3.7.2.1 Uji Normalitas
Uji normalitas menurut Ghozali 2011 : 160 “bertujuan untuk menguji apakah dalam model regresi, variabel
penggangu atau residual memiliki distribusi normal.” Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai
residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah
sampel kecil. Menurut Ghozali 2011 : 160 ada dua cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan analisis statistik:
a. Dalam analisis grafik, untuk melihat normalitas residual
Universitas Sumatera Utara
45 adalah melihat grafik histrogram yang membandingkan
antara data observasi dengan distribusi normal dan dapat dilakukan dengan melihat normal probality plot yaitu
apabila distribusi normal akan membentuk satu garis diagonal dan ploting data residual akan dibandingkan
dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya. b.
Dalam analisis statistik, uji statisitk sederhana dapat dilakukan dengan melihat nilai kurtosis dan skewness dari
residual. Dimana Jika Z hitung Z tabel, maka distribusi tidak normal dan uji statistik yang lain untuk menguji
normalitas residual adalah uji statistik non-parametrik Kolmogorov-Smirnov
K-S dengan melihat nilai
Kolmogorov-Smirnov, jika nilai signifikansinya 0,05 maka data terdistribusi normal. Sebaliknya jika nilai
signifikansinya 0,05 maka data tersebut tidak terdistribusi secara normal.
3.7.2.2 Uji Multikolinearitas
Uji ini bertujuan untuk “menguji apakah model regresi ditemukan adanya korelasi antar variabel independen”
Ghozali, 2011 : 105. Salah satu metode untuk mendeteksi adanya multikolinearitas adalah sebagai berikut :
Universitas Sumatera Utara
46 1.
Besaran VIF Variance Inflation Factor dan Tolerance. Pedoman suatu model regresi yang bebas multikolinearitas
adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10.
2. Besaran Korelasi Antar Variabel Independen. Pedoman
suatu model regresi yang bebas multikolinieritas adalah koefisien antar variabel independen haruslah lemah di
bawah 95. Jika korelasi kuat, maka terjadi problem multikolinearitas.
3.7.2.3 Uji Autokorelasi
Menurut Ghozali 2011 : 110, uji autokorelasi ini bertujuan “untuk menguji apakah dalam model regresi linear
ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya.”
Autokorelasi dapat terjadi pada observasi yang menggunakan runtun waktu time series dimana penggangu dari data pada
periode sebelumnya akan berpengaruh terhadap data pada periode berikutnya. Model regresi yang baik harus terbebas
dari adanya autokorelasi. Salah satu cara untuk mengetahui ada atau tidaknya korelasi yaitu dengan melakukan uji Durbin-
Watson DW test. Adapun ketentuan dalam pengujian ini sebagai berikut :
a. Bila nilai Durbin Watson d terletak antara batas atas du
Universitas Sumatera Utara
47 dan 4-du maka koefisien autokorelasi sama dengan nol du
d 4 – du artinya tidak terjadi autokorelasi positif dan negatif.
b. Bila nilai d dl batas bawah maka koefisien autokorelasi
lebih besar dari nol artinya ada autokorelasi positif. c.
Bila nilai d 4-dl maka koefisien autokorelasi lebih kecil dari nol artinya ada autokorelasi negatif.
d. Bila nilai d terletak antara du dengan dl atau d terletak
diantara 4-du dan 4-dl, maka hasil tidak dapat diputuskan ada autokorelasi atau tidak.
3.7.2.4 Uji Heterokedastisitas
Uji heterokedastistas bertujuan “untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka
disebut homoskedastisitas
dan jika berbeda disebut
heteroskesdatisitas” menurut Ghozali 2011 : 139. Adapun cara untuk mendeteksi ada atau tidaknya
heteroskesdatisitas dengan cara melihat grafik plot antara nilai prediksi antar nilai prediksi variabel terikat dengan
residualnya. Deteksi ada atau tidaknya heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada
grafik plot dengan dasar analisis Menurut Ghozali 2011 : 139
Universitas Sumatera Utara
48 yaitu:
1. Jika ada pola tertentu, seperti titik-titik yang ada
membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan
telah terjadi heterokedastisitas. 2.
Jika tidak ada pola yang jelas, secara titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas. Dalam pengambilan keputusan dapat dilihat dari
koefisien parameter, jika nilai probabilitas signifikansinya di atas 0,05 maka dapat disimpulkan tidak terjadi
heteroskedastisitas. Namun sebaliknya, jika nilai probabilitas signifikansinya di bawah 0,05 maka dapat dikatakan telah
terjadi heteroskedastisitas.
3.7.3 Analisis Regresi
Analisis regresi digunakan untuk mengetahui bagaimana variabel dependen dapat diprediksi melalui variabel independen secara
individual. Analisis regresi dapat digunakan untuk memutuskan apakah naik dan menurunnya variabel dependen dapat dilakukan
dengan menaikkan dan menurunkan keadaan variabel independen. Dalam penelitian ini terdapat dua variabel independen aset pajak
tangguhan dan beban pajak tangguhan dan satu variabel dependen yaitu manajemen laba.
Universitas Sumatera Utara
49 Dalam penelitian ini analisis data menggunakan regresi yang
bertujuan untuk mengukur kekuatan hubungan antara dua variabel atau lebih serta menunjukkan arah hubungan antara variabel
dependen dan independen.: Persamaan model regresi linear berganda yang digunakan
dalam penelitian ini mengacu pada penelitian yang telah dikembangkan sebelumnya oleh Suranggane 2007 dan Yulianti
2005 yaitu sebagai berikut: EM
it
= α + β
1
CAPT
it
+ β
2
DTE
it
+ ε
Keterangan: EM
it
= skala pengukuran variabel probabilitas perusahaan i melakukan manajemen laba di tahun t. EM adalah
akrual modal kerja tahun t dibagi penjualan pendapatan tahun t.
α = konstanta.
β = koefisien masing-masing variabel.
CAPT
it
= cadangan aset pajak tangguhan perusahaan i pada periode t.
DTE
it
= beban pajak tangguhan perusahaan i di tahun t dibagi dengan total asset pada akhir tahun t-1.
ε = kesalahan residual.
3.7.4 Uji Hipotesis
Ghozali 2011 menjelaskan “untuk mengetahui kebenaran
Universitas Sumatera Utara
50 prediksi dari pengujian regresi yang dilakukan, maka dilakuakn
pencarian nilai koefisien determinasi adjusted R
2
.” Uji F digunakan untuk mengetahui apakah semua variabel dependen secara simultan
merupakan penjelas yang signifikan terhadap variabel dependen. Sedangkan pengujian untuk mendukung hipotesis adalah dengan uji t
yaitu seberapa jauh pengaruh variabel independen secar individual terhadap variabel dependen.
3.7.4.1 Uji Simultan Uji F
“Uji F digunakan mengetahui pengaruh variabel independen terhadap variabel dependen secara bersama-sama
dengan melihat nilai F nya. Tingkat signifikan dalam peneltitian ini sebesar 5”, menurut Ghozali 2011. Kriteria
pengambilan keputusan terhadap uji F adalah sebagai berikut: Jika F hitung F tabel, maka H
ditolak Jika F hitung F tabel, maka H
diterima
3.7.4.2 Uji Parsial Uji t
Uji statistik t dilakukan untuk menunjukkan seberapa jauh satu variabel independen secara individual dalam
menerangkan variabel independen. Dasar pengambilan keputusan Ghozali 2011 adalah “dengan menggunakan angka
probabilitas signifikansi yaitu apabila angka probabilitas signifikansi 0,05 maka H
diterima dan H
a
ditolak.
Universitas Sumatera Utara
51 Sedangkan jika angka probabilitas signifikansi 0,05 maka H
ditolak dan H
a
diterima.”
3.7.4.3 Koefisien Determinasi R
2
Koefisen determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi
variabel dependen. Nilai koefisien determinasi adalah antara 0 dan 1. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat
terbatas. “Nilai yang mendekati 1 berarti variabel-variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen”, menurut Ghozali 2011.
Universitas Sumatera Utara
52
BAB IV HASIL DAN PEMBAHASAN
4.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata
mean, dan nilai standar deviasi, dari variabel manajemen laba, CAPT, dan DTE. Berdasarkan analisis statistik deskriptif diperoleh gambaran sampel
sebagai berikut.
Tabel 4.1 Statistik Deskriptif dari Manajemen Laba, CAPT, DTE
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Manajemen Laba
40 -10.1228
9.2027 .265600
2.4885904 CAPT
40 -.8516
3.7294 .235815
.8938631 DTE
40 -.0753
.0932 .005606
.0285855 Valid N listwise
40
Sumber: hasil olahan software SPSS
Berdasarkan Tabel 4.1, diketahui nilai manajemen laba minimum adalah -10,1228, dan maksimum 9,2027. Sementara rata-rata dan standar
deviasinya adalah 0,265600 dan 2,4885904. Diketahui nilai CAPT minimum adalah -0,8516, dan maksimum 3,7294. Sementara rata-rata dan
standar deviasi dari CAPT adalah 0,235815 dan 0,8938631. Diketahui nilai DTE minimum adalah -0,0753, dan maksimum 0,0932. Sementara rata-rata
dan standar deviasi dari DTE adalah 0,005606 dan 0,0285855.
Universitas Sumatera Utara
53
4.2 Uji Asumsi Klasik 4.2.1 Uji Normalitas
Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Kolmogorov-Smirnov. Tingkat signifikansi yang
digunakan � = 0,05. Dasar pengambilan keputusan adalah melihat
angka probabilitas �, dengan ketentuan sebagai berikut:
Jika nilai probabilitas � ≥ 0,05, maka asumsi normalitas terpenuhi.
Jika probabilitas 0,05, maka asumsi normalitas tidak terpenuhi.
Tabel 4.2 Uji Normalitas 1
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.48342651
Most Extreme Differences Absolute
.363 Positive
.363 Negative
-.363 Kolmogorov-Smirnov Z
2.296 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data.
Perhatikan bahwa berdasarkan Tabel 4.2, diketahui nilai probabilitas
p atau Asymp. Sig. 2-tailed sebesar 0,000. Dalam penelitian ini, tingkat signifikansi yang digunakan adalah
α = 0,05. Karena nilai probabilitas
p, yakni 0,000, lebih kecil dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas tidak
terpenuhi. Untuk memperoleh hasil terbaik, maka data pencilan atau outlier yang ada akan dieliminasi. “Outlier adalah data yang memiliki
Universitas Sumatera Utara
54 karakteristik unik yang terlihat sangat berbeda jauh dari observasi-
obsevasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi”, menurut Ghozali
2011:36. Setelah data outlier dihilangkan, maka data yang semula 40 menjadi 35. Hasil pengujian normalitas yang kedua diperlihatkan
dalam Tabel 4.3 sebagai berikut.
Tabel 4.3 Uji Normalitas 2
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 35
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .17824162
Most Extreme Differences Absolute
.210 Positive
.194 Negative
-.210 Kolmogorov-Smirnov Z
1.239 Asymp. Sig. 2-tailed
.093 a. Test distribution is Normal.
b. Calculated from data.
Sumber: hasil olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.3, diketahui nilai probabilitas
p atau Asymp. Sig. 2-tailed sebesar 0,093. Karena nilai probabilitas
p, yakni 0,093, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas terpenuhi.
4.2.2 Uji Multikolinearitas
“Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat dari nilai variance inflation factor VIF. Nilai VIF yang
lebih dari 10 diindikasi suatu variabel bebas terjadi multikolinearitas”,
Universitas Sumatera Utara
55
menurut Ghozali, 2011. Tabel 4.4
Uji Asumsi Multikolinearitas
Model Collinearity
Statistics Tolerance
VIF 1
Constant CAPT
1.000 1.000
DTE 1.000
1.000
Sumber: hasil olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.4, nilai VIF dari variabel CAPT adalah 1,000, dan nilai VIF dari variabel DTE adalah
1,000. Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala multikolinearitas yang berat.
4.2.3 Uji Autokorelasi
“Asumsi mengenai independensi terhadap residual non- autokorelasi dapat diuji dengan menggunakan uji Durbin-Watson.
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi”, menurut Gio 2015.
Tabel 4.5 Uji Autokorelasi
Model Durbin-Watson
1 2.013
Sumber: hasil olahan software SPSS
Berdasarkan Tabel 4.5, nilai dari statistik Durbin-Watson adalah 2,013. Perhatikan bahwa karena nilai statistik Durbin-Watson
terletak di antara 1 dan 3, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi autokorelasi.
Universitas Sumatera Utara
56
4.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas dapat dilakukan dengan uji grafik plot dan uji statistik. Uji statistik Glejser dipilih karena lebih dapat
menjamin keakuratan hasil dibandingkan dengan uji grafik plot yang dapat menimbulkan bias. Uji Glejser dilakukan dengan meregresikan
variabel bebas terhadap nilai absolute residual-nya terhadap variabel dependen.
Kriteria yang digunakan untuk menyatakan apakah terjadi heteroskedastisitas atau tidak di antara data pengamatan dapat
dijelaskan dengan menggunakan koefisien signifikansi. Koefisien signifikansi harus dibandingkan dengan tingkat signifikansi yang
ditetapkan sebelumnya 5. Apabila koefisien signifikansi lebih besar dari tingkat signifikansi yang ditetapkan, maka dapat
disimpulkan tidak terjadi heteroskedastisitas homoskedastisitas. Jika koefisien signifikansi lebih kecil dari tingkat signifikansi yang
ditetapkan, maka dapat disimpulkan terjadi heteroskedastisitas.
Tabel 4.6 Uji Heteroskedastisitas dengan Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.110 .025
4.453 .000
CAPT .008
.025 .049
.296 .769
DTE -1.766
.874 -.336
-2.021 .052
a. Dependent Variable: absolut_res_uji_glejser_heteroskedastisitas
Sumber: hasil olahan software SPSS
Berdasarkan Tabel 4.6, diketahui nilai probabilitas atau Sig.
Universitas Sumatera Utara
57 dari CAPT adalah 0,769, dan nilai probabilitas atau Sig. dari DTE
adalah 0,052. Karena masing-masing nilai probabilitas 0,05, maka disimpulkan tidak terjadi gejala heteroskedastistas.
4.3 Pengujian Hipotesis 4.3.1 Uji Simultan Uji F
Uji pengaruh simultan bertujuan untuk menguji apakah seluruh variabel bebas secara bersamaan atau simultan mempengaruhi variabel
manajemen laba.
Gambar 4.1 Menentukan Nilai
� Tabel dengan Microsoft Excel Berdasarkan Gambar 4.1, diketahui nilai F tabel adalah 3,294537.
Tabel 4.7 Uji Signifikansi Pengaruh Simultan Uji F
ANOVA
b
Model Sum of
Squares Df
Mean Square F
Sig. 1Regression
.282 2
.141 4.178
.024
a
Residual 1.080
32 .034
Total 1.362
34 a. Predictors: Constant, DTE, CAPT
b. Dependent Variable: Manajemen Laba
Universitas Sumatera Utara
58 Berdasarkan Tabel 4.8, diketahui nilai F hitung adalah 4,178.
Perhatikan bahwa karena nilai F hitung 4,178 ≥ F tabel 3,294537,
maka disimpulkan bahwa pengaruh simultan variabel bebas terhadap manajemen laba adalah signifikan secara statistika.
4.3.2 Uji Parsial Uji t
Tabel 4.8 menyajikan nilai koefisien regresi, serta nilai statistik t untuk pengujian pengaruh secara parsial.
Tabel 4.8 Uji Signifikansi Pengaruh Parsial Uji t
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.019 .033
.583 .564
CAPT -.036
.034 -.167
-1.062 .296
DTE 3.097
1.160 .420
2.671 .012
Sumber: hasil olahan software SPSS
Berdasarkan Tabel 4.9 diperoleh persamaan regresi linear sebagai berikut berikut.
EM = 0,019 -0,036 CAPT + 3,097 DTE + e Sebelum menghitung nilai
� tabel, terlebih dahulu menghitung nilai derajat. Berikut rumus untuk menghitung nilai derajat bebas.
������� ����� = � − �. Perhatikan bahwa
� menyatakan jumlah elemen dalam sampel yang diteliti, sedangkan
� merupakan jumlah variabel. Diketahui jumlah elemen dalam sampel yang diteliti sebanyak 35 dan jumlah
Universitas Sumatera Utara
59 variabel adalah 3, sehingga derajat bebas adalah
35 − 3 = 32.
Misalkan tingkat signifikansi yang digunakan adalah 5, sehingga nilai
� tabel dengan derajat bebas 32 dan tingkat signifikansi 5 adalah
±2,0369. Gambar 4.2 merupakan penghitungan � tabel
berdasarkan Microsoft Excel.
Gambar 4.2 Menentukan Nilai
� Tabel dengan Microsoft Excel
Berikut aturan pengambilan keputusan terhadap hipotesis berdasarkan uji
� Gio, 2015:61. ���� ��
ℎ�����
� ≤ |�
�����
|, ���� �
�������� ��� �
1
�������. ���� ��
ℎ�����
� |�
�����
|, ���� �
������� ��� �
1
��������. Atau dapat digambarkan sebagai berikut.
Universitas Sumatera Utara
60 −�
����� ������
+ �
����� ������
Gambar 4.3 Aturan Pengambilan Keputusan terhadap Hipotesis berdasarkan Uji
� Jika
−t
hitung
−t
kritis
, maka H ditolak dan H
1
diterima. Jika +t
hitung
+t
kritis
, maka H ditolak dan H
1
diterima. Jika
− t
kritis
≤ ±t
hitung
≤ +t
kritis
, maka H diterima dan H
1
ditolak.
4.3.3 Koefisien Determinasi
�
�
Koefisien determinasi �
2
merupakan suatu nilai nilai proporsi yang mengukur seberapa besar kemampuan variabel-
variabel bebas yang digunakan dalam persamaan regresi, dalam menerangkan variasi variabel tak bebas. Nilai koefisien determinasi
berkisar antara 0 dan 1. Nilai koefsien determinasi �
2
yang kecil mendekati nol berati kemampuan variabel-variabel tak bebas secara
simultan dalam menerangkan variasi variabel tak bebas amat terbatas. Nilai koefisien determinasi
�
2
yang mendekati 1 berarti variabel- variabel bebas memberikan hampir semua informasi yang dibutuhkan
untuk memprediksi variasi variabel tak bebas.
Daerah penerimaan �
, penolakan
�
1
pengaruh tidak signifikan
Daerah penerimaan �
1
, penolakan �
pengaruh signifikan Daerah
penerimaan �
1
, penolakan �
pengaruh signifikan
Universitas Sumatera Utara
61
Tabel 4.9 Koefisien Determinasi R
2 Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .455
a
.207 .158
.1837273 2.013
a. Predictors: Constant, DTE, CAPT b. Dependent Variable: Manajemen Laba
Sumber: hasil olahan software SPSS
Berdasarkan Tabel 4.7, nilai koefisien determinasi �
2
terletak pada kolom R-Square. Diketahui nilai koefisien determinasi sebesar
�
2
= 0,207. Nilai tersebut berarti seluruh variabel bebas, secara simultan mempengaruhi variabel manajemen laba sebesar 20,7,
sisanya sebesar 79,3 dipengaruhi oleh faktor-faktor lain.
4.3.3.1 Pengujian CAPT
�
�
terhadap EM �
Berdasarkan Tabel 4.9, diketahui nilai koefisien regresi dari CAPT bernilai negatif, yakni -0,036. Diketahui nilai
probabilitas atau Sig. dari variabel CAPT adalah 0,296. Karena nilai probabilitas CAPT, yakni 0,296, lebih besar dari tingkat
signifikansi, yakni 0,05, maka disimpulkan bahwa pengaruh yang terjadi antara CAPT dengan variabel manajemen laba
berpengaruh negatif, namun tidak signifikan secara statistika. Diperoleh hasil juga bahwa nilai
−�
ℎ�����
−�
�����
, yakni −1,062 −2,0369 sehingga H
diterima. Hal ini menunjukkan hasil dengan pendekatan probabilitas sama
dengan hasil berdasarkan uji �.
Universitas Sumatera Utara
62
4.3.3.2 Pengujian DTE
�
�
terhadap EM �
Berdasarkan Tabel 4.9, diketahui nilai koefisien regresi dari DTE bernilai positif, yakni 3,097. Diketahui nilai
probabilitas atau Sig. dari variabel DTE adalah 0,012. Karena nilai probabilitas DTE, yakni 0,012, lebih kecil dari tingkat
signifikansi, yakni 0,05, maka disimpulkan bahwa pengaruh yang terjadi antara DTE dengan variabel manajemen laba
berpengaruh positif dan signifikan secara statistika. Diperoleh hasil juga bahwa nilai
+ �
ℎ�����
+ �
�����
, yakni 2,671
2,0369 sehingga H
1
diterima. Hal ini menunjukkan hasil dengan pendekatan probabilitas sama dengan hasil berdasarkan
uji t.
Universitas Sumatera Utara
63
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan penelitian dan analisis yang peneliti lakukan dengan menggunakan alat bantu program SPPS Statistic 17.0, maka peneliti dapat
menyimpulkan bahwa : 1.
Dalam pengujian hipotesis secara parsial dengan menggunakan uji t antara masing-masing variabel bebas dengan variabel terikat adalah
sebagai berikut : a.
Aset Pajak Tangguhan X
1
Diperoleh hasil -t tabel ≤ t hitung ≤ t tabel dimana -2,036 ≤ -1,062 ≤
2,036, df n - k = 35 - 3 = 32 sehingga H diterima. Nilai koefisien
regresi dari CAPT bernilai negatif, yakni -0,036. Diketahui nilai probabilitas atau Sig. dari variabel CAPT adalah 0,296. Karena nilai
probabilitas CAPT, yakni 0,296, lebih besar dari tingkat signifikansi, yakni 0,05, maka disimpulkan bahwa pengaruh yang terjadi antara
aset pajak tangguhan dengan variabel manajemen laba adalah berpengaruh negatif, namun tidak signifikan secara statistika.
b. Beban Pajak tangguhan X
2
Diperoleh hasil +t hitung +t tabel dimana 2,671 -2,036 , df n - k = 35 - 3 = 32 sehingga H
1
diterima. Nilai koefisien regresi dari DTE bernilai positif, yakni 3,097. Diketahui nilai probabilitas atau Sig.
dari variabel DTE adalah 0,012. Karena nilai probabilitas DTE lebih
Universitas Sumatera Utara
64 kecil dari tingkat signifikansi, yakni 0,012 0,05 maka disimpulkan
bahwa pengaruh yang terjadi antara DTE dengan variabel manajemen laba adalah berpengaruh positif dan signifikan secara
statistika. 2.
Dalam pengujian hipotesis secara simultan dengan menggunakan uji F, diperoleh F
hitung
4.178 F
tabel
3.294 pada df1 = 2 dan df2 = 32 dengan tingkat signifikansi
α 0,05 = 5, maka disimpulkan bahwa aset pajak tangguhan X
1
dan beban pajak tangguhan X
2
secara simultan berpengaruh signifikan terhadap manajemen laba Y. Nilai koefisien
determinasi R-Square sebesar 0,207. Nilai tersebut menunjukkan bahwa seluruh variabel bebas, secara simultan mempengaruhi variabel
manajemen laba sebesar 20,7, sisanya sebesar 79,3 dipengaruhi oleh faktor-faktor lain yang tidak diteliti.
5.2 Saran
