Metode Pengumpulan Data Data Penelitian Pembahasan Penelitian

113 GGRM Gudang Garam Tbk    S79 114 HMSP Hanjaya Mandala Sampoerna Tbk    S80 115 RMBA Bentoel International Investama Tbk    S81 116 DVLA Darya Varia Laboratoria Tbk   - - 117 INAF Indofarma Tbk    S82 118 KAEF Kimia Farma Tbk    S83 119 KLBF Kalbe Farma Tbk    S84 120 MERK Merck Tbk    S85 121 PYFA Pyridam Farma Tbk   - - 122 SCPI Schering Plough Indonesia Tbk    S86 123 SQBI Taisho Pharmaceutical Indonesia Tbk   - - 124 TSPC Tempo Scan Pasific Tbk    S87 125 MBTO Martina Berto Tbk    S88 126 MRAT Mustika Ratu Tbk    S89 127 TCID Mandom Indonesia Tbk    S90 128 UNVR Unilever Indonesia Tbk    S91 129 KDSI Kedawung Setia Industrial Tbk    S92 130 KICI Kedaung Indag Can Tbk    S93 131 LMPI Langgeng Makmur Industry Tbk   - - 3.7 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa laporan keuangan dan laporan tahunan perusahaan manufaktur tahun 2012. Data sekunder adalah data yang diperoleh melalui sumber yang ada dan tidak perlu dikumpulkan sendiri oleh peneliti. Data-data tersebut diperoleh dari situs BEI yaitu www.idx.co.id .

3.8 Metode Pengumpulan Data

Data dikumpulkan dengan menggunakan metode studi pustaka dan dokumentasi. Studi pustaka dilakukan dengan mengolah literatur, artikel, jurnal Universitas Sumatera Utara maupun media tertulis lain yang berkaitan dengan topik pembahasan dari penelitian ini. Sedangan dokumentasi dilakukan dengan mengumpulkan sumber- sumber data dokumenter seperti laporan tahunan perusahaan yang menjadi sampel penelitian.

3.9 Metode Analisis

Dalam penelitian ini, metode analisis data dilakukan dengan analisis kuantitatif dan menggunakan software SPSS 18,0. Analisis kuantitatif disebut pula analisis statistik Sopiah, 2010:199. Prosesnya dapat dibagi menjadi tiga tahap yang satu sama yang lain berkaitan erat. Tahap pertama adalah tahap pendahuluan yang disebut tahap pengolahan data. Tahap berikutnya adalah tahap utama, yaitu yang disebut dengan tahap pengorganisasian data. Adapun tahap yang terakhir adalah tahap penentuan hasil. Peneliti melakukan uji asumsi klasik terlebih dahulu sebelum melakukan pengujian hipotesis. Pengujian asumsi klasik yang dilakukan terdiri atas uji normalitas, uji multikolinearitas, dan uji autokorelasi.

3.9.1 Uji Asumsi Klasik

Uji asumsi klasik dilakukan untuk memastikan bahwa sampel yang diteliti terbebas dari gangguan mulitikolinearitas, autokorelasi, heterokedastisitas, dan normalitas.

3.9.1.1 Uji Normalitas

Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi, Universitas Sumatera Utara variabel penggangu atau residu memiliki distribusi normal Erlina, 2008:102. Jika data normal maka statistik parametik yang akan digunakan, dan jika data tidak normal maka statistik non-parametik atau melakukan treatment agar data menjadi normal. Model regresi yang baik memiliki data distribusi yang normal atau mendekati normal. Jika asumsi ini tidak dipenuhi maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah model regresi terdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. a. Analisis Grafik Untuk melakukan pengujian normalitas dengan analisis grafik dapat dengan melihat grafik histogram dan normal probability plot. Distribusi normal akan membentuk satu garis lurus diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya, dan sebaliknya jika pola distribusi tidak normal dan terlihat titik- titik menyebar di sekitar garis diagonal dan penyebarannya jauh dari garis diagonal, hal tersebut menunjukkan bahwa model regresi menyalahi asumsi normalitas. b. Analisis Statistik Uji statistik yang digunakan untuk menguji normalitas adalah uji statistik non parametic one Kolmogorov Smirnov. Jika angka probabilitas �= 0,05 maka variabel tidak terdistrubusi secara normal. Sebaliknya, bila angka probabilitas � = 0,05 maka variabel terdistribusi secara normal. Universitas Sumatera Utara

3.9.1.2 Uji Multikolinearitas

Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya Erlina, 2008:105. Pengujian ini bermaksud untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen, model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika terjadi korelasi, maka dinamakan terdapat problem multikolinearitas. Multikolinearitas dapat dideteksi dengan, Ghozali dalam Erlina, 2008:105 : a. Nilai deskriminasi yang sangat tinggi dan diakui dengan nilai F test yang sangat tinggi, serta tidak atau hanya sedikit nilai t test yang signifikan. b. Meregresikan model analisis dan melakukan uji korelasi antar variable dependent dengan menggunakan Variance Inflating Factor VIF dan Tolerance Value. Batas VIF adalah 10 dan Tolerance Value adalah 0.10 jika nilai VIF lebih besar dari 10 dan nilai Tolerance Value lebih kecil dari 0.10 maka terjadi multikolinearitas dan harus dikelompokkan dari model. Ada dua cara yang dapat dilakukan jika terjadi multikolinearitas, yaitu: a. Mengeluarkan salah satu variabel, misalnya variabel independen A dan B saling berkolerasi dengan kuat, maka bisa dipilih A atau B yang dikeluarkan dari model regresi. b. Menggunakan metode lanjut seperti regresi Bayesian atau regresi Ridge.

3.9.1.3 Uji Heteroskedastisitas

Universitas Sumatera Utara Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas Erlina, 2008 : 106. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari gambar scatterplot model tersebut Nugroho, 2005:62. Analisis pada gambar scatterplot yang menyatakan model regresi linier 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 di bawah saja. c. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali. d. Penyebaran titik-titik data sebaiknya tidak berpola.

3.9.1.4 Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya Erlina, 2008:106. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu times series Universitas Sumatera Utara karena ”ganguan” pada seorang individukelompok cenderung mempengaruhi ”gangguan” pada individu kelompok yang sama pada periode berikutnya. Pada data crossection silang waktu, masalah autokorelasi relatif jarang terjadi karena ”gangguan” pada observasi yang berbeda berasal dari individu. Kelompok yang berbeda berasal dari invidu kelompok yang berbeda. Model regresi yang baik adalah yang bebas dari autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi di antaranya adalah dengan Uji Durbin Watson pada buku stastistik relevan. Menurut Sunyoto 2009:91, Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut: 1 angka D-W di bawah –2 berarti ada autokorelasi positif, 2 angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3 angka D-W di atas +2 berarti ada autokorelasi negatif 3.9.2 Analisis Regresi Linier Berganda Metode analisis yang digunakan untuk menilai variabilitas luas pengungkapan risiko dalam penelitian ini adalah analisis regresi berganda multiple regression analysis. Analisis regresi berganda digunakan untuk menguji pengaruh variabel independen tingkat risiko perusahaan, ukuran perusahaan, dan jenis industri terhadap variabel dependen pengungkapan risiko perusahaan. Model regresi yang dikembangkan untuk menguji hipotesis-hipotesis yang telah dirumuskan dalam penelitian ini adalah: MLABA = α + β 1 KM + β 2 BOC + β 3 AC + e Keterangan : Universitas Sumatera Utara MLABA = manajemen laba α = konstanta β 1,2,3,4,5 = koefisien variabel KM = kepemilikan saham oleh manajer BOC = proporsi komisaris independen dari total anggota dewan komisaris AC = persentase anggota komite audit dari luar terhadap seluruh anggota komite audit KAP = ukuran kantor akuntan publik e = residual of error 3.9.3 Uji Hipotesis 3.9.3.1 Uji Koefisien Determinasi R 2 Koefisien Determinasi R 2 digunakan untuk mengukur seberapa jauh kemampuan variabel-variabel dependen. Nilai koefisien determinasi R 2 adalah antara nol dan satu. Nilai R 2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas. Jika koefisien determinasi sama dengan nol, maka variabel independen tidak berpengaruh terhadap variabel dependen. Jika besarnya koefisien determinasi mendekati angka 1, maka variabel independen berpengaruh sempurna terhadap variabel dependen. Dengan menggunakan model ini, maka kesalahan penganggu diusahakan minimum sehingga R 2 mendekati 1, sehingga perkiraan regresi akan lebih mendekati keadaan yang sebenarnya. ` 3.9.3.2 Uji Signifikansi Simultan Uji Statistik F Universitas Sumatera Utara Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas secara bersama-sama atau serempak mempunyai pengaruh yang signifikan terhadap variabel terikat. Dengan menggunakan tingkat signifikan α 5, jika nilai sig.F 0,05 artinya tidak ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat. Sebaliknya, jika nilai sig. F 0,05 artinya ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat. Pengambilan keputusan juga dapat dilakukan dengan membandingkan nilai F hitung dan nilai F tabel. Dimana jika F hitung F tabel pada α = 5 artinya tidak ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat. Sebaliknya, jika jika F hitung F tabel pada α = 5 artinya ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat.

3.9.3.3 Uji Signifikansi Parameter Individual Uji Statistik t

Pengujian ini dilakukan untuk mengetahui apakah setiap variabel bebas secara parsial mempunyai pengaruh yang signifikan terhadap variabel terikat. Dengan menggunakan tingkat sign ifikan α 5, jika nilai sig. 0,05 artinya tidak ada pengaruh yang signifikan variabel bebas terhadap variabel terikat. Sebaliknya jika sig. 0,05 artinya ada pengaruh yang signifikan antara variabel bebas terhadap variabel terikat. Nilai t hitung juga dapat dibandingkan dengan nilai t tabel . Dimana jika t hitung t tabel pada α = 5 artinya tidak ada pengaruh yang signifikan variabel bebas terhadap variabel terikat. Sebaliknya jika t hitung t tabel pada α = 5 artinya ada pengaruh yang signifikan antara variabel bebas terhadap variabel terikat. Universitas Sumatera Utara

BAB IV HASIL DAN PEMBAHASAN

4.1 Data Penelitian

Data dalam penelitian ini mengunakan data sekunder yang diperoleh dari situs www.idx.co.id dengan mendownload laporan keuangan sampel perusahaan manufaktur tahun 2012. Populasi dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dan masih aktif pada tahun 2012. Sampel dalam penelitian ini dipilih dengan menggunakan metode purposive sampling dengan beberapa kriteria tertentu. Berdasarkan kriteria yang telah ditetapkan, terdapat sejumlah 93 perusahaan manufaktur yang memenuhi kriteria untuk dijadikan sampel dan diamati pada periode 2012. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik dengan menggunakan model persamaan regresi berganda yang bertujuan untuk mengetahui hubungan dan pengaruh dari beberapa variabel bebas atau independen terhadap variabel tidak bebas atau dependen. Analisis data dimulai dengan mengolah data menggunakan Microsoft Excel dan juga software SPSS, selanjutnya dilakukan pengujian asumsi klasik dan pengujian hipotesis yang dilakukan dengan menggunakan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan software SPSS.

4.2 Hasil Penelitian

4.2.1 Analisis Statistik Deskriptif

Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah Universitas Sumatera Utara terkumpul Sugiyono, 2004: 142. Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, dan nilai standar deviasi dari variabel-variabel independen dan variabel dependen. Tabel 4.1 Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation KM 93 .00 .81 .0569 .15341 BOC 93 .20 1.00 .3967 .11925 AC 93 .43 .86 .6586 .05961 KAP 93 .00 1.00 .4624 .50128 MLABA 93 -1.16 .56 .0472 .23705 Valid N listwise 93 Sumber : Hasil Olahan SPSS 17.0, 2013 Tabel 4.1 dapat menampilkan beberapa hal yang dijelaskan di bawah ini. a. Variabel kepemilikan manajerial KM memiliki nilai minimun 0.00 dan nilai maksimum 0,81 dengan rata-rata sebesar 0,0569 dan standar deviasi 0,15341 dengan jumlah pengamatan sebanyak 93 perusahaan. b. Variabel board of commissioner BOC atau komposisi anggota dewan komisaris memiliki nilai minimun 0,20 dan nilai maksimum 1,00 dengan rata- rata sebesar 0,3967 dan standar deviasi 0,11925 dengan jumlah pengamatan sebanyak 93 perusahaan. c. Variabel audit commite AC atau komite audit memiliki nilai minimun 0.43 dan nilai maksimum 0,86 dengan rata-rata sebesar 0,6586 dan standar deviasi 0,05961 dengan jumlah pengamatan sebanyak 93 perusahaan. Universitas Sumatera Utara d. Variabel ukuran kantor akuntan publik KAP memiliki nilai minimun 0.00 dan nilai maksimum 1,00 dengan rata-rata sebesar 0,4624 dan standar deviasi 0,50128 dengan jumlah pengamatan sebanyak 93 perusahaan. e. Variabel manajemen laba MLABA memiliki nilai minimun -1,16 dan nilai maksimum 0,56 dengan rata-rata sebesar 0,0472 dan standar deviasi 0,23705 dengan jumlah pengamatan sebanyak 93 perusahaan. 4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas Uji normalitas dilakukan untuk menguji apakah dalam sebuah model regresi, variabel independen dan variabel dependen atau keduanya mempunyai distribusi normal atau tidak. Model yang paling baik adalah distribusi data normal atau mendekati normal. Untuk melakukan pengujian normalitas dengan analisis grafik dapat dengan melihat grafik histogram dan normal probability plot. Distribusi normal akan membentuk satu garis lurus diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya, dan sebaliknya jika pola distribusi tidak normal dan terlihat titik-titik menyebar di sekitar garis diagonal dan penyebarannya jauh dari garis diagonal, hal tersebut menunjukkan bahwa model regresi menyalahi asumsi normalitas. Universitas Sumatera Utara Gambar 4.1 Histogram Dependen Manajemen laba PLABA Sumber: hasil olahan spss 17.0, 2013 Gambar 4.1 menunjukkan kurva histogram yang memiliki kemiringan seimbang kekiri dan kekanan, atau tidak condong ke kiri maupun ke kanan, melainkan ke tengah dengan bentuk seperti lonceng. Hal ini memenuhi salah satu syarat uji normalitas data bahwa data berdistribusi normal. Universitas Sumatera Utara Gambar 4.2 Normal P-Plot of Regresion Standarized Residual Sumber: Hasil olahan spss 17.0, 2013 Gambar 4.2 merupakan kurva P-Plot yang menunjukkan penyebaran titik-titik data di sekitar garis diagonal dan mengikuti arah garis diagonal. Hal ini berarti data pada variabel yang digunakan, yaitu variabel Manajemen laba berdistribusi normal. Pengujian normalitas data dalam penelitian ini juga menggunakan uji statistik non-parametrik Kolmogorov-Smirnov K-S. Jika angka probabilitas Universitas Sumatera Utara �= 0,05 maka variabel tidak terdistrubusi secara normal. Sebaliknya, bila angka probabilitas � = 0,05 maka variabel terdistribusi secara normal. Tabel 4.2 Kolmogorov Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 93 Normal Parameters a,,b Mean .0000000 Std. Deviation .23228419 Most Extreme Differences Absolute .137 Positive .125 Negative -.137 Kolmogorov-Smirnov Z 1.318 Asymp. Sig. 2-tailed .062 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil olahan spss 17.0, 2013 Dari hasil pengolahan data pada tabel 4.2 diperoleh besarnya nilai Kolomogorov-Smirnov adalah 1,318 dan signifikan pada 0,062. Nilai signifikansi lebih besar dari 0,05, hal ini berarti data residual berdistribusi normal. Setelah data berdistribusi normal dapat dilanjutkan dengan uji asumsi klasik lainnya.

4.2.2.2 Uji Multikolinearitas

Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya Erlina, 2008:105. Pengujian ini bermaksud untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen, model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika terjadi korelasi, maka dinamakan Universitas Sumatera Utara terdapat problem multikolinearitas. Multikolinearitas dapat dideteksi dengan, Ghozali dalam Erlina, 2008:105 : a. Nilai deskriminasi yang sangat tinggi dan diakui dengan nilai F test yang sangat tinggi, serta tidak atau hanya sedikit nilai t test yang signifikan. b. Meregresikan model analisis dan melakukan uji korelasi antar variable dependent dengan menggunakan Variance Inflating Factor VIF dan Tolerance Value. Batas VIF adalah 10 dan Tolerance Value adalah 0.1 jika nilai VIF lebih besar dari 10 dan nilai Tolerance Value lebih kecil dari 0.10 maka terjadi multikolinearitas dan harus dikelompokkan dari model. Tabel 4.3 Hasil Uji Mulkolinearitas Sumber: Hasil olahan spss 17.0, 2013 Hasil perhitungan nilai tolerance menunjukkan variabel independen memiliki nilai tolerance lebih dari 0,10 yaitu 0,903; 0,990; 0,901; 0,988 yang berarti tidak terjadi korelasi antar variabel independen. Hasil perhitungan VIF juga menunjukkan hal yang sama dimana variabel independen Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant -.165 .306 -.539 .592 KM .277 .170 .179 1.631 .107 .903 1.108 BOC .014 .209 .007 .067 .947 .990 1.010 AC .322 .438 .081 .735 .464 .901 1.110 KAP -.045 .050 -.095 -.906 .368 .988 1.013 a. Dependent Variable: MLABA Universitas Sumatera Utara memiliki nilai VIF kurang dari 10 yaitu 1,108; 1,010; 1,110; 1,013. Dengan demikian dapat disimpulkan bahwa dalam model regresi tidak terjadi multikolinearitas antar variabel independen.

4.2.2.3 Uji Heteroskedastisitas

Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas Erlina, 2008 : 106. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari gambar scatterplot model tersebut Nugroho, 2005:62. Analisis pada gambar scatterplot yang menyatakan model regresi linier 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 di bawah saja. c. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali. d. Penyebaran titik-titik data sebaiknya tidak berpola. Universitas Sumatera Utara Gambar 4.3 Hasil Uji Heterokedastisitas Grafik Scatter Plot Sumber: Hasil olahan spss 17.0, 2013 Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi.

4.2.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya Erlina, 2008:106. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Universitas Sumatera Utara Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi di antaranya adalah dengan Uji Durbin Watson pada buku stastistik relevan. Menurut Sunyoto 2009:91, Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut: 1 angka D-W di bawah –2 berarti ada autokorelasi positif, 2 angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3 angka D-W di atas +2 berarti ada autokorelasi negatif Tabel 4.4 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .199 a .040 -.004 .23750 1.563 a. Predictors: Constant, KAP, KM, BOC, AC b. Dependent Variable: MLABA Sumber: Hasil olahan spss 17.0, 2013 Berdasarkan tabel 4.4 di atas terlihat bahwa nilai D-W sebesar 1,563. Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif dalam penelitian ini.

4.2.3 Analisis Regresi Linier Berganda

Analisis regresi linier berganda digunakan untuk menguji hipotesis tentang pengaruh variabel independen secara simultan maupun parsial. Hasil analisis regresi dapat dilihat pada Tabel 4.8 berikut ini: Universitas Sumatera Utara Tabel 4.5 Analisis Regresi Linier Berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -.165 .306 -.539 .592 KM .277 .170 .179 1.631 .107 BOC .014 .209 .007 .067 .947 AC .322 .438 .081 .735 .464 KAP -.045 .050 -.095 -.906 .368 a. Dependent Variable: MLABA Sumber: Hasil olahan SPSS 17.00, 2013 Pengolahan data tersebut menghasilkan suatu persamaan regresi linier berganda sebagai berikut: MLABA = -0,165 + 0,277KM + 0,014BOC + 0,322AC -0,045KAP + e Interpretasi:

a. Konstanta sebesar –0,165 menunjukkan bahwa apabila tidak ada variabel

bebas kepemilikan manajerial, komposisi anggota dewan komisaris, komite audit dan ukuran kantor akuntan publik maka tingkat manajemen laba perusahaan manufaktur di Bursa Efek Indonesia adalah sebesar -0,165. b. Koefisien regresi KM sebesar 0,277 menunjukkan bahwa apabila setiap kenaikan kepemilikan manajerial sebesar 1, dengan asumsi variabel bebas lainnya dianggap konstan, maka akan menaikkan manajemen laba perusahaan manufaktur di Bursa Efek Indonesia sebesar 0,277. c. Koefisien regresi BOC sebesar 0,014 menunjukkan bahwa apabila setiap kenaikan kompisisi anggota dewan komisaris sebesar 1, dengan asumsi Universitas Sumatera Utara variabel bebas lainnya dianggap konstan, maka akan menaikkan manajemen laba perusahaan manufaktur di Bursa Efek Indonesia sebesar 0,014. d. Koefisien regresi AC sebesar 0,322 menunjukkan bahwa apabila setiap kenaikan komite audit sebesar 1, dengan asumsi variabel bebas lainnya dianggap konstan, maka akan menaikkan manajemen laba perusahaan manufaktur di Bursa Efek Indonesia sebesar 0,322. e. Koefisien regresi KAP sebesar -0,045 menunjukkan bahwa apabila setiap kenaikan ukuran kantor akuntan publik sebesar 1, dengan asumsi variabel bebas lainnya dianggap konstan, maka akan menaikkan manajemen laba perusahaan manufaktur di Bursa Efek Indonesia sebesar -0,045. 4.2.4 Uji Hipotesis 4.2.4.1 Uji Koefisien Determinasi R 2 Koefisien determinasi R2 digunakan untuk mengukur kemampuan model dalam menerangkan variasi variabel independen. Berikut adalah hasil penghitungan koefisien determinasi hipotesis: Tabel 4.6 Keofisien Determinasi R 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .199 a .040 -.004 .23750 a. Predictors: Constant, KAP, KM, BOC, AC b. Dependent Variable: MLABA Sumber: Hasil olahan SPSS 17.00, 2013 Universitas Sumatera Utara Pada table 4.6 di atas, dapat dilihat hasil analisis regresi secara keseluruhan, dimana nilai R sebesar 0,199 yang menunjukkan bahwa korelasi atau hubungan antara manajemen laba variabel dependen dengan kepemilikan manajerial, komposisi dewan komisaris, komite audit dan ukuran KAP variabel independen mempunyai tingkat hubungan yang sangat rendah yaitu sebesar 19,9. R Square sebesar 0,040 berarti 4 manajemen laba mampu diprediksikan oleh kepemilikan manajerial, komposisi dewan komisaris, komite audit dan ukuran KAP sisanya 96 oleh variabel lainnya yang tidak diteliti pada penelitian ini. Nilai Adjusted R Square atau koefisien determinasi adalah sebesar 0,04 berarti 0,4. Angka ini mengidentifikasikan bahwa manajemen laba mampu diprediksikan oleh kepemilikan manajerial, komposisi dewan komisaris, komite audit dan ukuran KAP sisanya 99,6 oleh variabel lainnya yang tidak diteliti pada penelitian ini. Ada dua pilihan disini, apakah memakai R Square atau Adjusted R Square. Jika variabel lebih dari dua maka yang digunakan adalah Adjusted R Square. Kemudian standard error of the estimate adalah 0,23750 dimana semakin kecil angka ini akan membuat model regresi semakin tepat terhadap manajemen laba.

4.2.4.1 Uji Signifikansi Simultan Uji Statistik F

Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas secara bersama-sama atau serempak mempunyai pengaruh yang signifikan Universitas Sumatera Utara terhadap variabel terikat. Dengan menggunakan tingkat signifikan α 5, jika nilai sig.F 0,05 artinya tidak ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat. Sebaliknya, jika nilai sig. F 0,05 artinya ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat. Pengambilan keputusan juga dapat dilakukan dengan membandingkan nilai F hitung dan nilai F tabel. Dimana jika F hitung F tabel pada α = 5 artinya tidak ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat. Sebaliknya, jika jika F hitung F tabel pada α = 5 artinya ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat. Tabel 4.7 Uji Signifikansi Simultan Uji-F ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression .206 4 .051 .912 .461 a Residual 4.964 88 .056 Total 5.170 92 a. Predictors: Constant, KAP, KM, BOC, AC b. Dependent Variable: MLABA Sumber: Hasil olahan SPSS 17.00, 2013 Berdasarkan hasil SPSS diperoleh nilai sig 0.461 lebih besar dari 0.05 artinya secara bersamaan variabel-variabel bebas yaitu kepemilikan manajerial, komposisi dewan komisaris, komite audit dan ukuran KAP tidak mempunyai pengaruh yang signifikan terhadap manajemen laba pada perusahaan manufaktur. Hasil pengujian menurut tabel adalah sebagai berikut: n = jumlah sampel = 93 Universitas Sumatera Utara k = jumlah seluruh variabel = 5 df 1 = derajat pembilang = k-1 = 4 df 2 = derajat penyebut = n-k = 88 Pada tingkat signifikansi α= 0.05 diperoleh F tabel 4,88 = 2.475 Maka F hitung F tabel = 1,585 2,477, artinya secara serempak variabel-variabel bebas yaitu kepemilikan manajerial, komposisi dewan komisaris, komite audit dan ukuran KAP tidak mempunyai pengaruh yang signifikan terhadap manajemen laba pada perusahaan manufaktur.

4.2.4.1 Uji Signifikansi Parameter Individual Uji Statistik t

Pengujian ini dilakukan untuk mengetahui apakah setiap variabel bebas secara parsial mempunyai pengaruh yang signifikan terhadap variabel terikat. Dengan menggunakan tingkat sign ifikan α 5, jika nilai sig. 0,05 artinya tidak ada pengaruh yang signifikan variabel bebas terhadap variabel terikat. Sebaliknya jika sig. 0,05 artinya ada pengaruh yang signifikan antara variabel bebas terhadap variabel terikat. Nilai t hitung juga dapat dibandingkan dengan nilai t tabel . Dimana jika t hitung t tabel pada α = 5 artinya tidak ada pengaruh yang signifikan variabel bebas terhadap variabel terikat. Sebaliknya jika t hitung t tabel pada α = 5 artinya ada pengaruh yang signifikan antara variabel bebas terhadap variabel terikat. Universitas Sumatera Utara Tabel 4.8 Uji Signifikansi Parsial Uji-t Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -.165 .306 -.539 .592 KM .277 .170 .179 1.631 .107 BOC .014 .209 .007 .067 .947 AC .322 .438 .081 .735 .464 KAP -.045 .050 -.095 -.906 .368 a. Dependent Variable: MLABA Sumber: Hasil olahan SPSS 17.00, 2013 Dari hasil pengujian statistik t pada tabel 4.8 dapat dilihat hasil uji signifikansi parsial masing-masing variabel sebagai berikut: 1 Pengaruh Kepemilikan Manajerial terhadap Manajemen Laba Nilai t hitung untuk variabel KM adalah sebesar 1,631 dan t tabel untuk df = n-k 93-5 dan α = 5 diketahui sebesar 1.662. Dengan demikian nilai t hitung t tabel 1,631 1,662 dan nilai signifikansi sebesar 0,107 lebih besar dari 0,05 artinya secara parsial kepemilikan manajerial tidak mempunyai pengaruh yang signifikan terhadap manajemen laba perusahaan manufaktur pada tingkat kepercayaan 95. 2 Pengaruh Komposisi Dewan Komisaris terhadap Manajemen Laba Nilai t hitung untuk variabel BOC adalah sebesar 0,067 dan t tabel untuk df = n-k 93-4 dan α = 5 diketahui sebesar 1.662. Dengan demikian nilai t hitung t tabel 0,067 1,662 dan nilai signifikansi sebesar 0,947 lebih besar dari 0,05 artinya secara parsial komposisi dewan komisaris tidak mempunyai pengaruh Universitas Sumatera Utara yang signifikan terhadap manajemen laba perusahaan manufaktur pada tingkat kepercayaan 95. 3 Pengaruh Komite Audit terhadap Manajemen Laba Nilai t hitung untuk variabel AC adalah sebesar 0,735 dan t tabel untuk df = n-k 93-4 dan α = 5 diketahui sebesar 1.662. Dengan demikian nilai t hitung t tabel 0,635 1,662 dan nilai signifikansi sebesar 0,464 lebih besar dari 0,05 artinya secara parsial komite audit tidak mempunyai pengaruh yang signifikan terhadap manajemen laba perusahaan manufaktur pada tingkat kepercayaan 95. 4 Pengaruh Ukuran KAP terhadap Manajemen Laba Nilai t hitung untuk variabel KAP adalah sebesar -0,906 dan t tabel untuk df = n-k 93-4 dan α = 5 diketahui sebesar 1.662. Dengan demikian nilai t hitung t tabel -0,906 1,662 dan nilai signifikansi sebesar 0,368 lebih besar dari 0,05 artinya secara parsial ukuran KAP tidak mempunyai pengaruh yang signifikan terhadap manajemen laba perusahaan manufaktur pada tingkat kepercayaan 95.

4.3 Pembahasan Penelitian

Berdasarkan hasil penelitian yang telah dipaparkan dalam bentuk statistik maka perlu dilakukan penelaahan yang lebih mendalam guna memperoleh gambaran yang lebih komprehensif terhadap penelitian ini. Analisis regresi berganda dengan menggunakan uji F dan tingkat signifikansi α = 5 menunjukkan veriabel bebas kepemilikan manajerial, komposisi dewan komisaris, komite audit dan ukuran KAP secara simultan tidak berpengaruh Universitas Sumatera Utara signifikan terhadap manajemen laba pada perusahaan manufakturyang terdaftar di Bursa Efek Indonesia dimana F hitung F tabel = 1,585 2,477 dan signifikansi penelitian lebih besar dari 0,05 0,461 0,05. Hasil ini sesuai dengan penelitian yang dilakukan oleh Trijalmalia 2011. Namun hasil penelitian ini bertolak belakang dengan hasil penelitian yang dilakukan oleh Ningsapiti 2010. Hasil pengujian hipotesis menunjukkan bahwa secara parsial kepemilikan manajerial X 1 tidak berpengaruh signifikan terhadap manajemen laba pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Hal ini dilihat pada tabel 4.8 dimana hasil uji statistik tersebut dapat menyimpulkan nilai t hitung t tabel 1,631 1,662 dan nilai signifikansi sebesar 1,107 lebih besar dari 0,05. Hasil penelitian ini mendukung penelitan yang dilakukan oleh Ningsapiti 2010. Pada variabel komposisi dewan komisaris X 2 diperoleh hasil bahwa secara parsial variabel ini tidak berpengaruh signifikan terhadap manajemen laba pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Hal ini dilihat pada tabel 4.8 dimana hasil uji statistik tersebut menunjukkan nilai t hitung t tabel 0,067 1,662 dan nilai signifikansi penelitian ini menunjukkan angka lebih besar dari 0,05 0,947 0,05. Hasil penelitian ini tidak sepenuhnya mendukung penelitian Trijalmalia 2011 karena dalam penelitiannya disimpulkan bahwa komposisi dewan komisari berpengaruh negative dan tidak signifikan terhadap manajemen laba perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Pada variabel komite audit X 3 diperoleh hasil bahwa secara parsial variabel ini tidak berpengaruh signifikan terhadap manajemen laba pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Hal ini dilihat pada tabel 4.8 Universitas Sumatera Utara dimana hasil uji statistik tersebut dapat menunjukkan nilai t hitung t tabel 0,735 1,662, signifikansi penelitian ini juga menunjukkan angka lebih besar dari 0,05 0,464 0,05. Hasil penelitian ini mendukung penelitan yang dilakukan oleh Ningsapiti 2010 Pada variabel ukuran kantor akuntan publik X 4 diperoleh hasil bahwa secara parsial variabel ini tidak berpengaruh signifikan terhadap manajemen laba pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Hal ini dilihat pada tabel 4.8 dimana hasil uji statistik tersebut dapat menyimpulkan t hitung t tabel -0,906 1,662, signifikansi penelitian ini juga menunjukkan angka lebih besar dari 0,05 0,368 0,05. Hasil penelitian ini mendukung penelitan yang dilakukan oleh Handayani 2009. Universitas Sumatera Utara

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan