DATA PENELITIAN PERHITUNGAN INDEX SMOOTHING

BAB IV HASIL DAN PEMBAHASAN

A. DATA PENELITIAN

Pada penelitian ini , peneliti mengunakan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia sebagai objek penelitian . Adapun sumber data yang digunakan berasal dari beberapa sumber yaitu seperti ICMD dan IDX. Jumlah populasi dari penelitian ini adalah sebanyak perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia yaitu 152 perusahaan. Sampel kemudian dipilih dari populasi dengan cara purposive judgement sampling dengan beberapa kriteria yang telah ditentukan . Sampel yang diperoleh setelah dilakukan purposive judgement sampling adalah sebesar 74 perusahaan. Jumlah sampel penelitian ini mempresentasikan 48,68 dari populasi.

B. PERHITUNGAN INDEX SMOOTHING

Langkah awal dari penelitian ini setelah diperoleh sampel yang sesuai dengan kriteria adalah melakukan perhitungan Index Smoothing terhadap masing- masing perusahaan yang menjadi sampel. Perhitungan index smoothing dimaksudkan untuk menentukan kategori suatu perusahaan melakukan praktik perataan laba atau tidak melakukan praktik perataan laba. Perusahaan dikategorikan tidak melakukan praktik perataan laba apabila memperoleh nilai index smoothing lebih kecil dari satu, sedangkan perusahaan yang memperoleh index smoothing lebih dari satu dikategorikan sebagai perusahaan yang melakukan praktik perataan laba. Langkah-langkah yang digunakan untuk perhitungan index smoothing adalah sebagai berikut: Universitas Sumatera Utara 1. Menghitung means of sales dan means of earning. 2. Menghitung standard deviation of sales dan standard deviation of earning. 3. Menghitung Coefficient of variations of sales CV sales dan Coefficient of variations of earning CV earning perusahaan yang diteliti. 4. Dengan diperolehnya CV sales dan CV earning maka perhitungan index smoothing perusahaan yang diteliti dapat dilakukan. Hasil perhitungan Coefficient of variations mencerminkan tingkat keseragaman atau fluktuasi data yang ada selama kurun waktu pengamatan. Semakin kecil Coefficient of variations berarti semakin seragam nilai data atau fluktuasi data rendah, sedangkan semakin besar nilai Coefficient of variations berarti semakin seragam nilai data atau fluktuasi data yang diteliti tinggi. Jadi besarnya nilai Coefficient of variations of sales akan mencerminkan tingkat keseragaman atau fluktuasi data sales dari masing-masing perusahaan pada kurun waktu penelitian, sedangkan nilai Coefficient of variations of earning akan mencerminkan tingkat keseragaman atau fluktuasi data earning dari masing-masing perusahaan yang diteliti. Perhitungan Coefficient of variations of earning diperoleh dengan membagi standard deviation of earning dengan means of earnings. Hasil perhitungan Coefficient of variations of earning yang dilakukan terhadap 74 perusahaan dapat dilihat dalam tabel 4.1 adalah sebagai berikut: Universitas Sumatera Utara Tabel 4.1 Hasil Perhitungan Coefficient of Variations of Earning No Kode 2006 2007 2008 2009 Standart Deviasi Mean of Earning CV Earning 1 AKPI 47045 94290 147860 189338 62093.57 119633.3 0.519033 2 AKRA 201409 393291 619756 953631 323317.5 542021.8 0.596503 3 ALMI 99757 70336 115091 6678 47934.99 72965.5 0.656954 4 AQUA 85669 89271 95634 127215 18964.75 99447.25 0.190702 5 ARNA 61352 95675 114578 126076 28304.92 99420.25 0.2847 6 ASGR 76731 95049 105915 112861 15748.59 97639 0.161294 7 ASII 4243243 8501000 11876000 12756000 3863554 9344061 0.413477 8 AUTO 158352 363124 451868 419991 131866 348333.8 0.378562 9 BTON 1196 11888 24873 16934 9915.072 13722.75 0.722528 10 BUDI 70202 146856 135495 153876 38358.58 126607.3 0.302973 11 CEKA 8443 42723 87683 93460 40115.46 58077.25 0.690726 12 CLPI 15013 18329 35617 45580 14464.37 28634.75 0.505133 13 CTBN 261557 260491 326636 220192 44042.57 267219 0.164818 14 DLTA 51682 60612 100039 160628 49595.1 93240.25 0.531907 15 DVLA 78525 67659 78166 119328 22835.42 85919.5 0.265777 16 EKAD 3978 5410 9189 25923 10107.25 11125 0.908517 17 ETWA 2673 2346 6475 12121 4548.841 5903.75 0.7705 18 FAST 87891 133732 140699 225133 57196.47 146863.8 0.389453 19 FASW 133050 413718 389295 424538 138851.5 340150.3 0.408206 20 GDYR 35481 58607 43399 128117 42248.27 66401 0.63626 21 GGRM 2190332 2528677 3165635 5206837 1351227 3272870 0.412857 22 HEXA 58169 120523 402923 278777 155889.3 215098 0.724736 23 HMSP 5175282 5584980 6225233 7297767 925071.4 6070816 0.15238 24 IGAR 14150 28326 14712 40617 12613.67 24451.25 0.51587 25 IKBI 85162 115728 148543 83581 30665.19 108253.5 0.283272 26 INAF 62233 44710 63019 45909 10014.8 53967.75 0.18557 27 INDF 1971761 2876440 4341476 5004209 1376671 3548472 0.387962 28 INDR 59697 101575 89382 41077 27573.72 72932.75 0.37807 29 INTA 36569 40810 88639 106780 34913.71 68199.5 0.511935 30 INTP 1067676 1593416 2459869 3883306 1230274 2251067 0.546529 31 JECC 10604 51095 55373 23266 21655.88 35084.5 0.617249 32 JPRS 39722 55500 98351 20305 33203.16 53469.5 0.620974 33 KAEF 69929 77500 107037 111933 20977.56 91599.75 0.229013 34 KBLI 56719 52073 69915 33655 15000.04 53090.5 0.282537 35 KBLM 26003 13532 7864 8446 8421.845 13961.25 0.60323 36 KDSI 24275 33358 36363 32590 5176.994 31646.5 0.163588 Universitas Sumatera Utara 37 KLBF 1071271 1129355 1142712 1565874 227834.6 1227303 0.185638 38 LION 25868 30533 50994 44095 11674.32 37872.5 0.308253 39 LMPI 13012 13978 18678 3821 6214.877 12372.25 0.502324 40 LMSH 4329 9528 15828 3821 5597.191 8376.5 0.668202 41 LTLS 88018 188333 521164 136992 196018.2 233626.8 0.839023 42 MASA 2847 90679 176405 230818 99898.4 125187.3 0.797992 43 MERK 119535 123853 140154 201452 37858.24 146248.5 0.258862 44 MRAT 18067 18436 25298 41549 10989.47 25837.5 0.42533 45 MTDL 52921 110953 254591 128018 84961.69 136620.8 0.62188 46 MYOR 170905 238713 345420 613187 194504.3 342056.3 0.568633 47 NISP 18059 26436 32428 7251 10921.33 21043.5 0.518988 48 PICO 22280 33333 48760 54371 14620.95 39686 0.368416 49 UNVR 2435370 2777360 3431098 4214891 784396.1 3214680 0.244004 50 PYFA 4039 4160 6157 6828 1409.36 5296 0.266118 51 RDTX 24655 27047 80736 110796 42200.99 60808.5 0.693998 52 RMBA 166503 343319 410140 265468 104830.3 296357.5 0.353729 53 SCCO 78613 84920 65168 28145 25416.22 64211.5 0.39582 54 SIPD 68258 48917 74453 72683 11733.41 66077.75 0.17757 55 SKLT 2409 1133 7091 1707 3411.34 2518.5 1.354513 56 SMART 617084 1663242 2140511 1110206 661665.1 1382761 0.47851 57 SMCB 6178 520463 986203 1398196 599980.5 727760 0.824421 58 SMGR 1779379 2396848 3387186 4342563 1126038 2976494 0.37831 59 SMSM 115394 149984 212947 189779 43138.27 167026 0.258273 60 SOBI 43118 160920 289305 285776 117421.1 194779.8 0.60284 61 SQBI 62917 80370 134212 190292 57546.18 116947.8 0.492067 62 SRSN 49145 53903 68982 44278 10685.42 54077 0.197596 63 STTP 14795 27147 29169 39705 10216.37 27704 0.368769 64 TBLA 134784 252458 368157 281468 96423.18 259216.8 0.371979 65 TCID 138803 151586 175319 184916 21192.53 162656 0.13029 66 TIRA 12243 18210 22046 20154 4246.19 18163.25 0.233779 67 TOTO 101696 143327 205660 213178 53065.19 165965.3 0.319737 68 TRST 45702 81168 144700 162715 54590.33 108571.3 0.502807 69 TSPC 314044 320560 363371 445553 60539.34 360882 0.167754 70 TURI 55236 189368 260536 118116 88749.91 155814 0.569589 71 UNIC 98497 119087 230685 38638 80254.24 121726.8 0.659298 72 UNTR 1337118 2397187 4158663 5168744 1721695 3265428 0.527249 73 VOKS 38926 95086 140636 82477 41844.77 89281.25 0.468685 74 YPAS 20014 25242 30834 30661 5151.286 26687.75 0.193021 Universitas Sumatera Utara Langkah selanjutnya adalah menghitung Coefficient of variations of sales dengan membagi antara standard deviation of sales dengan means of sales. Hasil perhitungan Coefficient of variations of sales yang dilakukan terhadap 73 perusahaan dapat dilihat dalam tabel 4.2 adalah sebagai berikut: Tabel 4.2 Hasil Perhitungan Coefficient of Variations of Sales NO KODE 2006 2007 2008 2009 Standart Deviasi Mean of sales CV Sales 1 AKPI 1161846 1343031 1590795 1386209 111072.6 1508846 0.07361 2 AKRA 3970323 5894751 9472529 8959941 2875837 4927431 0.58368 3 ALMI 1969677 2321871 2376798 1754202 232786.3 1502877 0.15489 4 AQUA 1683721 1952156 2331532 2733713 922413 1355994 0.68024 5 ARNA 344868 506980 647126 714062 116618.9 639879 0.18225 6 ASGR 619039 725581 1027738 1335237 344779.5 846421 0.40733 7 ASII 55709184 70183000 97064000 98526000 18343863 75178823 0.24400 8 AUTO 3371898 4184279 5337720 5265789 970668.6 3932380 0.24684 9 BTON 57254 115203 172391 133111 44170.14 70940.75 0.62263 10 BUDI 1072908 1350298 1551987 1782132 382872.9 1474537 0.25965 11 CEKA 391062 812635 1963638 1194544 380357.1 673418.3 0.56481 12 CLPI 291816 382264 504661 447956 141005.9 251949.3 0.5596 13 CTBN 2465461 2629710 3321493 141252 841262.9 1352949 0.62179 14 DLTA 396733 439823 673770 1264851 326870.6 781687.5 0.41816 15 DVLA 576669 494832 577599 851314 138065.2 651811 0.21181 16 EKAD 110127 146912 182650 205218 60047.39 126388.8 0.47510 17 ETWA 396282 421311 714819 765431 159533.3 534716 0.29835 18 FAST 1276416 1589643 2022633 2454395 892585.7 1126211 0.79255 19 FASW 1693081 2655795 3027012 2733300 476993 3410832 0.13984 20 GDYR 982428 1088862 1244519 1292819 389178.1 837415.3 0.46473 21 GGRM 26339297 27389365 30251643 32973080 4998461 25639756 0.19495 22 HEXA 1395736 1741151 2792930 2158005 434564.8 1644730 0.26421 23 HMSP 29545083 29787725 34680445 38972186 12171799 20861588 0.58345 24 IGAR 411579 469192 469501 501126 97646.9 356712.8 0.27374 25 IKBI 1914345 1590455 1645326 862112 130251.3 669534.8 0.19454 26 INAF 1026676 1273162 1478585 1125055 185821.2 946810.5 0.19626 27 INDF 21941558 27858304 38799279 37140380 10485993 30677256 0.34181 28 INDR 4254481 4762933 6064262 4899481 762621.9 5700596 0.13377 29 INTA 606510 710996 1120472 1026887 143127.9 964942.3 0.14832 30 INTP 6325329 7323644 9780498 10576456 727714.7 10374843 0.07014 Universitas Sumatera Utara 31 JECC 448021 735589 1131138 762976 183305.9 567374 0.32307 32 JPRS 340210 432808 732703 302868 86977.2 290096.5 0.29982 33 KAEF 2189715 2365636 2704728 2854057 748641.6 1737013 0.43099 34 KBLI 1130748 1280446 1731929 822273 167941.2 592489.5 0.28345 35 KBLM 285472 319611 539697 301330 91543.13 367626.5 0.24901 36 KDSI 657923 922557 1078023 959834 239021.8 606838.3 0.39388 37 KLBF 6071550 7004910 7877366 9087347 2014700 6138503 0.32820 38 LION 143272 179568 229607 197507 28869.44 213617 0.13514 39 LMPI 270682 303167 326183 124810 205448.8 431377.3 0.47626 40 LMSH 79343 117237 163317 124810 35468.5 73299.5 0.48388 41 LTLS 2413259 2712539 4458094 3746865 959404.9 2801830 0.34242 42 MASA 568032 898335 1333604 1691475 399399.9 1825840 0.21874 43 MERK 487601 547238 637134 751403 214244.3 435057 0.49245 44 MRAT 226387 252123 307804 345576 28746.68 327031 0.08790 45 MTDL 1636282 2712987 3422200 3396917 1189776 1647191 0.72230 46 MYOR 1971531 2828440 3907674 4777175 1449142 2786681 0.52002 47 NISP 260153 405749 480458 279929 43581.85 278852.8 0.15629 48 PICO 249390 336161 600191 607170 155441.3 479837 0.32396 49 UNVR 11335241 12544901 15577811 18246872 6426285 8677754 0.74054 50 PYFA 61337 86643 119581 132000 20928.33 102234.8 0.20470 51 RDTX 140672 142015 205572 236065 166569.9 483559.5 0.34446 52 RMBA 2996514 4586007 5940801 6081726 1543989 4186090 0.36883 53 SCCO 1483069 2281702 2127032 1510071 354833.8 1151050 0.30827 54 SIPD 1111242 1632454 2331686 3242550 995458.1 1758957 0.56593 55 SKLT 193928 237050 313125 276312 49857.56 205472.8 0.24264 56 SMAR 4708250 8079714 16094425 14201230 3739118 9400562 0.39775 57 SMCB 2993197 3754906 4803377 5943881 733899.3 6973239 0.10524 58 SMGR 8727858 9600801 12209846 14387849 3046201 10250615 0.29717 59 SMSM 881116 1064055 1353586 1374651 288044 962785 0.29917 60 SOBI 806580 1042452 1493211 1470960 358595.2 1016720 0.35269 61 SQBI 243271 260248 358938 419694 95907.82 287244.3 0.33388 62 SRSN 269380 268079 313919 352543 28630.44 352513.3 0.08121 63 STTP 555208 600330 624401 627114 80266.39 559700.8 0.14340 64 TBLA 1193999 1844207 3955846 2783573 353496.1 2523088 0.14010 65 TCID 951630 1018334 1239775 1388724 326123.7 924227 0.35286 66 TIRA 201735 222913 254706 238088 6765.491 237624.8 0.02847 67 TOTO 828164 885829 1124347 980326 58496.74 958405 0.06103 68 TRST 1207058 1496541 1810920 1571510 274193.6 1972461 0.13901 69 TSPC 2729224 3124073 3633789 4497931 901641.7 3179344 0.28359 70 TURI 3874394 4412018 5541965 4890203 868228.6 3669156 0.23662 71 UNIC 2917451 3001992 3761796 2657817 221779.3 2783908 0.07966 Universitas Sumatera Utara 72 UNTR 13719567 18165598 27903196 29241883 8480108 19085017 0.44433 73 VOKS 919537 1358648 2267484 1729113 538016.3 1042814 0.51592 74 YPAS 174551 241230 277757 278875 69517.25 180775.5 0.38455 Perusahaan dikatakan melakukan praktik perataan laba apabila mempunyai nilai Coefficient of variations of sales lebih besar dari Coefficient of variations of earning atau mempunyai index smoothing lebih besar dari satu. Hal ini berarti perusahaan mempunyai Coefficient of variations of sales lebih besar dari Coefficient of variations of earning atau mempunyai Coefficient of variations of earning lebih kecil atau sama dengan Coefficient of variations of sales. Dengan kata lain perusahaan mempunyai index smoothing lebih besar dari satu akan mempunyai nilai Coefficient of variations of sales lebih besar dari nilai Coefficient of variations of earning yang lebih seragam atau fluktuasi kecil dibandingkan dengan tingkat keseragaman sales. Hasil perhitungan index smoothing yang dilakukan terhadap 83 perusahaan yang menjadi objek dalam penelitian ini dapat dilihat dalam tabel 4.3 berikut ini: Tabel 4.3 Perusahaan yang Melakukan Perataan Laba No Kode CV Sales CV Earning Index Smoothing Status 1 AKPI 0.073614 0.519033 0.141829 Bukan Perata 2 AKRA 0.583638 0.596503 0.978433 Bukan Perata 3 ALMI 0.154894 0.656954 0.235776 Bukan Perata 4 AQUA 0.680249 0.190702 3.567078 Perata 5 ARNA 0.182251 0.2847 0.640151 Bukan Perata 6 ASGR 0.407338 0.161294 2.525438 Perata 7 ASII 0.244003 0.413477 0.590125 Bukan Perata 8 AUTO 0.24684 0.378562 0.652046 Bukan Perata Universitas Sumatera Utara 9 BTON 0.622634 0.722528 0.861744 Bukan Perata 10 BUDI 0.259656 0.302973 0.857027 Bukan Perata 11 CEKA 0.564815 0.690726 0.817712 Bukan Perata 12 CLPI 0.55966 0.505133 1.107946 Perata 13 CTBN 0.621799 0.164818 3.77264 Perata 14 DLTA 0.41816 0.531907 0.786152 Bukan Perata 15 DVLA 0.211818 0.265777 0.796976 Bukan Perata 16 EKAD 0.475101 0.908517 0.522941 Bukan Perata 17 ETWA 0.298351 0.7705 0.387217 Bukan Perata 18 FAST 0.792556 0.389453 2.035049 Perata 19 FASW 0.139847 0.408206 0.342589 Bukan Perata 20 GDYR 0.464737 0.63626 0.73042 Bukan Perata 21 GGRM 0.19495 0.412857 0.472197 Bukan Perata 22 HEXA 0.264217 0.724736 0.36457 Bukan Perata 23 HMSP 0.583455 0.15238 3.828947 Perata 24 IGAR 0.273741 0.51587 0.53064 Bukan Perata 25 IKBI 0.19454 0.283272 0.68676 Bukan Perata 26 INAF 0.19626 0.18557 1.057606 Perata 27 INDF 0.341817 0.387962 0.881058 Bukan Perata 28 INDR 0.133779 0.37807 0.353847 Bukan Perata 29 INTA 0.148328 0.511935 0.28974 Bukan Perata 30 INTP 0.070142 0.546529 0.128341 Bukan Perata 31 JECC 0.323078 0.617249 0.523416 Bukan Perata 32 JPRS 0.299822 0.620974 0.482825 Bukan Perata 33 KAEF 0.430994 0.229013 1.881963 Perata 34 KBLI 0.28345 0.282537 1.003231 Perata 35 KBLM 0.249011 0.60323 0.412796 Bukan Perata 36 KDSI 0.39388 0.163588 2.407756 Perata 37 KLBF 0.328207 0.185638 1.767995 Perata 38 LION 0.135146 0.308253 0.438426 Bukan Perata 39 LMPI 0.476262 0.502324 0.948117 Bukan Perata 40 LMSH 0.483885 0.668202 0.72416 Bukan Perata 41 LTLS 0.342421 0.839023 0.408119 Bukan Perata 42 MASA 0.218749 0.797992 0.274124 Bukan Perata 43 MERK 0.492451 0.258862 1.902369 Perata 44 MRAT 0.087902 0.42533 0.206668 Bukan Perata 45 MTDL 0.722306 0.62188 1.161488 Perata 46 MYOR 0.520024 0.568633 0.914516 Bukan Perata 47 NISP 0.15629 0.518988 0.301144 Bukan Perata Universitas Sumatera Utara 48 PICO 0.323946 0.368416 0.879294 Bukan Perata 49 UNVR 0.740547 0.244004 3.034979 Perata 50 PYFA 0.204709 0.266118 0.769241 Bukan Perata 51 RDTX 0.344466 0.693998 0.49635 Bukan Perata 52 RMBA 0.368838 0.353729 1.042713 Perata 53 SCCO 0.30827 0.39582 0.778814 Bukan Perata 54 SIPD 0.565937 0.17757 3.187121 Perata 55 SKLT 0.242648 1.354513 0.17914 Bukan Perata 56 SMART 0.397755 0.47851 0.831237 Bukan Perata 57 SMCB 0.105245 0.824421 0.127659 Bukan Perata 58 SMGR 0.297173 0.37831 0.785528 Bukan Perata 59 SMSM 0.299178 0.258273 1.158379 Perata 60 SOBI 0.352698 0.60284 0.585061 Bukan Perata 61 SQBI 0.333889 0.492067 0.678544 Bukan Perata 62 SRSN 0.081218 0.197596 0.411031 Bukan Perata 63 STTP 0.143409 0.368769 0.388886 Bukan Perata 64 TBLA 0.140105 0.371979 0.376648 Bukan Perata 65 TCID 0.352861 0.13029 2.708274 Perata 66 TIRA 0.028471 0.233779 0.121786 Bukan Perata 67 TOTO 0.061036 0.319737 0.190894 Bukan Perata 68 TRST 0.139011 0.502807 0.27647 Bukan Perata 69 TSPC 0.283594 0.167754 1.690535 Perata 70 TURI 0.236629 0.569589 0.415438 Bukan Perata 71 UNIC 0.079665 0.659298 0.120833 Bukan Perata 72 UNTR 0.444333 0.527249 0.842738 Bukan Perata 73 VOKS 0.515927 0.468685 1.100797 Perata 74 YPAS 0.38455 0.193021 1.99227 Perata Dari tabel 4.3 diatas diperoleh sebanyak dua puluh satu perusahaan yang melakukan praktik perataan laba, terlihat dari index smoothing yang nilainya diatas angka satu, dan terdapat lima puluh tiga perusahaan yang index smoothing- nya kurang dari satu sehingga dapat digolongkan menjadi perusahaan bukan perata. Universitas Sumatera Utara

C. ANALISIS STATISTIK DESKRIPTIF