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