BAB IV HASIL DAN PEMBAHASAN
4.1 Data Penelitian
Data dalam penelitian ini dianalisis melalui metode analisis statistik dengan menggunakan analisis persamaan regresi berganda. Analisis data
dimulai dengan mengolah data dengan menggunakan Microsoft Office Excel
2007. Selanjutnya, dilakukan pengujian asumsi klasik dan hipotesis dengan menggunakan regresi berganda. Pengujian dilakukan dengan
menggunakan software SPSS versi 17.0. Prosedur pengujian dimulai dengan memasukkan data yang akan diuji ke dalam program SPSS, yang
kemudian menghasilkan output-output sesuai metode analisis yang telah ditetapkan sebelumnya. Adapun jumlah perusahaan yang dijadikan sampel
dalam penelitian ini, yang dipilih berdasarkan kriteria-kriteria tertentu, berjumlah 18 perusahaan. Periode penelitian adalah tahun 2010, 2011, dan
2012. Sehingga total sampel adalah 54 perusahaan.
Universitas Sumatera Utara
Tabel 4.1 Daftar Sampel Perusahaan pertambangan dan perkebunan
4.2 Hasil Penelitian
4.2.1 Statistik Deskriptif
Statistik deskriptif digunakan untuk menunjukkan jumlah data yang digunakan dalam penelitian ini serta dapat menunjukkan nilai
maksimum, nilai minimum, nilai rata-rata mean serta standar deviasi dari masing-masing variabel.
No Kode
Perusahaan Nama
Perusahaan website
1 AALI
Astra Agro Lestari Tbk
www.astra ‐agro.co.id
2 ATPK
ATPK Resources Tbk
www.atpkresources.co.id 3
BIPI
Benakat Petroleum Energy Tbk
www.benakat.co.id 4
BUMI
Bumi Resources Tbk
www.bumiresources.com 5
BYAN
Bayan Resources Tbk
www.bayancom.sg 6
CPRO
Central Proteinaprima Tbk
www.cpp.co.id 7
ELSA
Elnusa Tbk
www.elnusa.co.id 8
ENRG
Energi Mega Persada Tbk
www.energi ‐mp.com
9 ITMG
Indo Tambangraya Megah Tbk
www.itmg.co.id 10 JAWA
Jaya Agra Wattie Tbk
www.jawattie.com 11 LSIP
PP London Sumatra Indonesia Tbk
www.londonsumatra.com 12 MYOH
Samindo Resources Tbk
www.samindoresources.com 13 PKPK
Perdana Karya Perkasa Tbk
www.pkpk ‐tbk.co.id
14 PSAB
J RESOURCES ASIA PASIFIK Tbk
www.jresources.com 15 PTRO
Petrosea Tbk
www.petrosea.com 16 RUIS
Radiant Utama Interinsco Tbk
www.radiant.co.id 17 SGRO
Sampoerna Agro Tbk
www.sampoernaagro.com 18 TBLA
Tunas Baru Lampung Tbk
www.tunasbarulampung.com
Universitas Sumatera Utara
Variabel dalam penelitian ini meliputi Corporate Governance CG, ukuran perusahaan, dan dewan komisaris sebagai variabel
independen serta Manajemen laba sebagai variabel dependen. Hasil olah data deskriptif dapat dilihat pada tabel 4.2 sebagai berikut:
Tabel 4.2 Descriptive Statistics Data asli
c Sumber: Data sekunder diolah
1. Variabel Manajemen Laba DA memiliki nilai minimum -
0.88 dan maksimum 2.76 dengan rata-rata -0.1035 dan standar deviasi 0.50589.
2. Variabel Corporate Governance CG memiliki nilai
minimum 1.07 dan maksimum 4.64, dengan rata-rata sebesar 3.2144 dan standar deviasi 1.00558.
3. Variabel ukuran perusahaan ukuran memiliki nilai
minimum 7,05 dan maksimum 10.94, dengan rata-rata sebesar 9.44409 dan standar deviasi 0.77893.
N Minimum
Maximum Mean
Std. Deviation
DA 54
-,88 2,76
-,1035 ,50589
CG 54
1,07 4,64
3,2144 1,00558
Ukuran 54
7,05 10,94
9,4409 ,77893
Dewan 54
,00 ,67
,3519 ,10828
Valid N listwise
54
Descriptive Statistics
Universitas Sumatera Utara
4. Variabel Dewan Komisaris Dewan memiliki nilai
minimum 0.00 dan maksimum 0.67, dengan rata-rata sebesar 0.3519 dan standar deviasi 0.10828.
Standar deviasi σ menunjukkan seberapa jauh kemungkinan
nilai menyimpang dari nilai yang diharapkan dalam hal ini variabel DA, CG, Ukuran, dan Dewan. Semakin besar nilai standar deviasi
maka semakin besar kemungkinan nilai riil menyimpang dari yang diharapkan Gujarati, 1995. Dalam kasus ini, dimana nilai mean salah
satu variabel lebih kecil dibanding standar deviasinya, biasanya didalam data terdapat outlier data yang terlalu ekstrim. Outlier
adalah data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam
bentuk nilai ekstrim Ghozali, 2009. Data-data outlier tersebut biasanya akan mengakibatkan tidak normalnya distribusi data.
Langkah perbaikan yang dilakukan agar distribusi data menjadi normal, salah satunya adalah dengan melakukan transformasi square
root SQRT.Adapun variabel yang di transformasi adalah DA . Adapun data setelah dilakukan transformasi square root SQRT
sebagai berkut:
Universitas Sumatera Utara
Tabel 4.3 Descriptive Statistics Setelah Transformasi SQRT
Sumber: Data sekunder diolah Setelah dilakukan transformasi, terlihat bahwa standar deviasi
masing-masing variabel mempunyai nilai yang lebih kecil daripada mean-nya.
1. Variabel Manajemen Laba DA memiliki nilai mean
0.9232 dan standar deviasi 0.21230. 2.
Variabel Corporate Governance CG memiliki nilai mean sebesar 3.2144 dan standar deviasi 1.00558.
3. Variabel ukuran perusahaan ukuran memiliki nilai mean
9.4409 dan standar deviasi 0.77893. 4.
Variabel Dewan Komisaris Dewan memiliki nilai mean 0.3519 dan standar deviasi 0.10828.
4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam sebuah regresi variabel dependen, variabel independen atau
N Minimum
Maximum Mean
Std. Deviation
S.DA 54
,35 1,94
,9232 ,21230
CG 54
1,07 4,64
3,2144 1,00558
Ukuran 54
7,05 10,94
9,4409 ,77893
Dewan 54
,00 ,67
,3519 ,10828
Valid N listwise
54
Descriptive Statistics
Universitas Sumatera Utara
keduanya mempunyai distribusi normal ataukah tidak mempunyai distribusi normal. Model regresi yang baik adalah
memiliki distribusi data normal atau mendekati normal. Salah satu metode untuk mengetahui normalitas adalah dengan
menggunakan metode analisis grafik dan analisis statistik. Analisis grafik dapat dilihat dengan melihat grafik histogram
ataupun dengan melihat grafik Normal Probability Plot. Uji normalitas yang pertama dengan melihat grafik histogram
sebagaimana terlihat dalam gambar 4.1 di bawah ini :
Gambar 4.1 Grafik Histogram Data Asli
Sumber: Data sekunder diolah
Universitas Sumatera Utara
Dari gambar 4.1 terlihat bahwa pola distribusi mendekati normal, akan tetapi jika kesimpulan normal atau tidaknya data
hanya dilihat dari grafik histogram, maka hal ini dapat membingungkan khususnya untuk jumlah sampel yang kecil.
Metode lain yang digunakan dalam analisis grafik adalah dengan melihat Normal Probability Plot yang membandingkan
distribusi kumulatif dari distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data
sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat Normal Probability Plot dapat dillihat pada
gambar 4.2 berikut:
Gambar 4.2 Normal Probability Plot Data Asli
Sumber: Data sekunder diolah
Universitas Sumatera Utara
Grafik Normal Probability Plot pada gambar 4.2 di atas menunjukkan data terdistribusi secara tidak normal karena
distribusi data residualnya tidak mengikuti arah garis diagonal garis normal. Pengujian normalitas data secara analisis statistik
dapat pula dilakukan dengan menggunakan Uji Kolmogorov – Smirnov
. Data yang berdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05 Ghozali, 2009:165. Hasil
pengujian normalitas pada pengujian terhadap 54 data terlihat dalam tabel 4.4 berikut:
Tabel 4.4 Hasil Uji Normalitas dengan Kolmogorov-Smirnov Data Asli
Sumber: Data sekunder diolah Berdasarkan tabel 4.4 diatas menunjukkan bahwa data
belum terdistribusi secara normal. Hal ini ditunjukkan oleh nilai Kolmogorov-Smirnov Z
sebesar 1.484 dengan nilai signifikansi 0.024. Hal ini menunjukkan bahwa data belum terdistribusi
Unstandardized Residual
54 Mean
,0000000 Std.
Deviation ,47967041
Absolute ,202
Positive ,202
Negative -,144
1,484 ,024
a. Test distributional is normal b. Calculated from data
One-Sample Kolmogorov-Smirnov Test
N Normal Parameters
a,,b
Most Extreme Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Universitas Sumatera Utara
normal. Untuk memperoleh hasil terbaik maka dilakukan transformasi normal agar data menjadi lebih normal dengan
menggunakan square root SQRT. Hasil pengujian normalitas yang kedua dapat terlihat dalam tabel 4.5 sebagai berikut:
Tabel 4.5 Hasil Uji Normalitas dengan Kolmogorov-Smirnov
Setelah Transformasi SQRT
Sumber: Data sekunder diolah
Dari pengujian kedua terlihat bahwa data telah terdistribusi normal dengan nilai signifikansi diatas 0.05 yaitu
sebesar 0.088. Hasil terakhir di atas juga didukung hasil analisis grafiknya, yaitu dari grafik histogram maupun grafik Normal
Probability Plot -nya seperti gambar 4.3 dan 4.4 dibawah ini :
Unstandardized Residual
54 Mean
,0000000 Std.
Deviation ,20244771
Absolute ,170
Positive ,170
Negative -,126
1,249 ,088
a. Test distributional is normal b. Calculated from data
Asymp. Sig. 2-tailed
One-Sample Kolmogorov-Smirnov Test
N Normal Parameters
a,,b
Most Extreme Differences
Kolmogorov-Smirnov Z
Universitas Sumatera Utara
Gambar 4.3 Grafik Histogram Setelah Transformasi SQRT
Sumber: Data sekunder diolah
Gambar 4.4 Normal Probability Plot Setelah Transformasi SQRT
Sumber: Data sekunder diolah
Universitas Sumatera Utara
Dengan melihat tampilan grafik histogram dapat disimpulkan bahwa pola distribusi data mendekati normal.
Kemudian pada grafik normal probability plot terlihat titik-titik sebaran lebih mendekati dan mengikuti garis normal jika
dibandingkan dengan grafik normal probability plot saat sebelum dilakukan transformasi ke square root.
4.2.2.2 Uji Multikolinearitas
Uji ini bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Pada
model regresi yang baik seharusnya antar variabel independen tidak terjadi kolerasi. Untuk mengetahui ada tidaknya
multikolinearitas dapat dilihat dari nilai Variance Imflation Factor
VIF dan nilai Tolerance, apabila nilai VIF 10 dan nilai Tolerance 0.1 maka terjadi multikolinearitas dan apabila
nilai VIF 10 dan nilai Tolerance 0.1 maka tidak terjadi multikolineraritas. Hasil uji mutikolinearitas dapat dilihat pada
tabel berikut :
Universitas Sumatera Utara
Tabel 4.6 Hasil Uji Multikolinearitas
Sumber: Data sekunder diolah Berdasarkan aturan VIF Variance Inflation Factor dan
Tolerance , maka apabila VIF melebihi angka 10 atau Tolerance
kurang dari 0.10 maka dinyatakan terjadi gejala multikolinieritas, sebaliknya apabila harga VIF kurang dari 10
atau tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinieritas. Data yang digunakan untuk uji
multikolinearitas ini adalah data dari variabel independen setelah dilakukan transformasi SQRT. Dari tabel 4.6 diatas
diketahui masing-masing nilai VIF sebagai berikut : a. Nilai VIF untuk variabel CG adalah 1.210 10 dan
nilai tolerance variabel CG adalah 0.833 0.10 maka variabel CG dapat dinyatakan tidak terjadi gejala multikolinearitas.
b. Nilai VIF untuk variabel ukuran adalah 1.251 10 dan nilai tolerance variabel Ukuran adalah 0.799 0.10 maka
variabel Ukuran dapat dinyatakan tidak terjadi gejala multikolinearitas.
Tolerance VIF
Constant CG
,833 1,201
Ukuran ,799
1,251 Dewan
,952 1,050
Model 1
Collinearity Statistics
Coefficients
a
Universitas Sumatera Utara
c. Nilai VIF untuk variabel dewan adalah 1.050 10 dan nilai tolerance variabel dewan adalah 0.952 0.10 maka
variabel dewan dapat dinyatakan tidak terjadi gejala multikolinearitas
.
4.2.2.3 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance
dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau
tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis Ghozali, 2005:139
a Jika ada pola tertentu, seperti titik-titik yang ada
membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan
telah terjadi heteroskedastisitas. b
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas.
Universitas Sumatera Utara
Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot
di tunjukkan pada gambar 4.5 dibawah ini:
Gambar 4.5 Grafik Scatterplot
Sumber: Data sekunder diolah Pada grafik scatterplot di atas, terlihat titik-titik
menyebar secara acak serta tersebar, baik di atas maupun di bawah angka 0 pada sumbu Y sehingga dapat diambil
kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model transformasi regresi yang digunakan.
Universitas Sumatera Utara
4.2.2.4 Uji Autokorelasi
Uji ini bertujuan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada
problem autokorelasi. Model regresi yang baik adalah yang bebas autokorelasi. Untuk mengetahui adanya autokorelasi
dalam suatu model regresi dilakukan melalui pengujian terhadap nilai uji Durbin-Watson Uji DW. Hasil uji autokorelasi dengan
Durbin-Watson dapat dilihat pada tabel 4.7 dibawah ini :
Tabel 4.7 Hasil Uji Autokorelasi dengan
Durbin-Watson
Sumber: Data sekunder diolah Dari hasil uji autokorelasi Durbin–Watson dengan
menggunakan spss 17 maka diperoleh nilai DW sebesar 1.892. Dengan melihat kriteria nilai uji Durbin–Watson yaitu
1,6800DW2,32 maka dapat disimpulkan tidak terjadi autokorelasi.
1 .301
a
,091 ,036
,20843 1,892
a. Predictors: Constant, Dewan, CG, Ukuran b. Dependent Variable: S.DA
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate Durbin-
Watson
Universitas Sumatera Utara
4.2.3 Analisis Regresi Berganda
Hasil analisis regresi berganda pengaruh Corporate Governance CG, ukuran perusahaan, dan dewan komisaris terhadap manajemen
laba pada perusahaan pertambangan dan perkebunan yang terdaftar di Bursa Efek Indonesia ditunjukkan pada tabel 4.8 berikut :
Tabel 4.8 Hasil Analisis Regresi
Sumber: Data sekunder diolah Analisis regresi berganda digunakan untuk menguji pengaruh
dua atau lebih variabel independen terhadap satu variabel dependen. Persamaan regresi dapat dilihat dari tabel hasil uji coefficients.
Pada tabel coefficients yang dibaca adalah nilai dalam kolom B, baris pertama menunjukkan konstanta a dan baris selanjutnya
menunjukkan konstanta variabel independen. Berdasarkan tabel 4.8 di atas maka model regresi yang digunakan adalah sebagai berikut;
S.DA = 0.570 – 0.034 CG + 0.066 Ukuran – 0.462 Dewan
Dari persamaan regresi tersebut diatas maka dapat dianalisis sebagai berikut:
Standardized Coefficients
B Std. Error
Beta Constant
,570 ,353
1,616 ,112
CG -,034
,031 -,163
-1,106 ,274
Ukuran ,066
,041 ,243
1,614 ,113
Dewan -,462
,271 -,236
-1,706 ,094
1
a. Dependent Variable: S.DA
Coefficients
a
Model Unstandardized
Coefficients t
Sig.
Universitas Sumatera Utara
a Konstanta sebesar 0.570 menyatakan bahwa jika nilai CG,
Ukuran, dan Dewan adalah nol maka DA yang terjadi adalah sebesar 0.570.
b Koefisien regresi CG sebesar -0.034 menyatakan bahwa setiap
penambahan CG sebesar 1 maka akan menurunkan DA sebesar 3.4.
c Koefisien regresi Ukuran sebesar 0.066 menyatakan bahwa
setiap penambahan Ukuran sebesar 1 maka akan meningkatkan DA sebesar 6.6.
d Koefisien regresi Dewan sebesar -0.462 menyatakan bahwa
setiap penambahan Dewan sebesar 1 maka akan menurunkan DA sebesar 46.2.
4.2.4 Uji Hipotesis 4.2.4.1 Koefisien Determinasi R2
Koefisien determinasi R2 digunakan untuk melihat sejauhmana keseluruhan variabel independen dapat menjelaskan
variabel dependen. Apabila angka koefisien determinasi semakin mendekati 1, maka pengaruh variabel independen
terhadap variabel dependen adalah semakin kuat, yang berarti variabel-variabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sedangkan nilai koefisien determinasi yang kecil
Universitas Sumatera Utara
berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen adalah terbatas Ghozali,
2005. Besarnya nilai koefisien determinasi dapat dijelaskan pada tabel 4.9 sebagai berikut :
Tabel 4.9 Hasil Koefisien Determinasi
Sumber: data sekunder yang diolah Tabel 4.9 diatas menunjukkan nilai koefisien korelasi R
dan koefisien determinasi R square. Nilai R menunjukkan tingkat hubungan antar variabel-variabel independen dengan
variabel dependen. Dari hasil olahan data diperoleh nilai koefisien korelasi sebesar 0.301 atau sama dengan 30.1
artinya hubungan antara variabel CG,Ukuran dan Dewan terhadap variabel DA tidak kuat. Definisi korelasi ini tidak kuat
didasarkan pada nilai R yang berada di bawah 0.5 atau 50. Koefisien determinasi R square R2 menunjukkan
seberapa besar variabel independen menjelaskan variabel dependennya. Dari hasil perhitungan diperoleh nilai R2 sebesar
0.091 atau 9.1 yang berarti kemampuan variabel independen dalam menerangkan variasi variabel dependen sangat terbatas.
1 .301
a
,091 ,036
,20843 a. Predictors: Constant, Dewan, CG, Ukuran
b. Dependent Variable: S.DA
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate
Universitas Sumatera Utara
Pada tabel diatas juga ditunjukkan nilai Adjusted R Square.
Dari hasil perhitungan, nilai adjusted R square sebesar 0.036 atau 3.6. Artinya 3.6 variabel DA dipengaruhi oleh
ketiga variabel bebas yaitu CG, Ukuran dan Dewan. Sedangkan sisanya 96.4 dipengaruhi oleh faktor-faktor lain diluar model.
4.2.4.2 Uji signifikansi Simultan uji –F
Uji F dilakukan untuk melihat pengaruh variabel independen CG, Ukuran, dan Dewan secara simultan bersama
– sama terhadap variabel dependen DA. Hasil uji F ditunjukkan pada tabel 4.10 sebagai berikut :
Tabel 4.10 Hasil Uji F
Sumber: data sekunder yang diolah Kriteria pengambilan keputusan:
Ho diterima jika F hitung F tabel untuk a =5 atau probalilitas 0.05.
H5 diterima jika F hitung F tabel untuk a= 5 atau probabalitas 0.05.
Sum of Squares
df Mean Square
F Sig.
Regression ,216
3 ,072
1,661 .187
a
Residual 2,172
50 ,043
Total 2,389
53 a. Predictors: Constant, Dewan, CG, Ukuran
b. Dependent Variable: S.DA Model
1
ANOVA
b
Universitas Sumatera Utara
Dari Hasil uji F pada tabel 4.10 di atas maka diperoleh analisis sebagai berikut:
a Nilai F tabel diperoleh dengan menggunakan
Micrososoft excel dengan rumus FINV 0.05,3,50 yaitu 2.790008.
b F hitung yang diperoleh sebesar 1.661. Nilai F hitung
F tabel 1.661 2.790008 artinya H4 ditolak yakni
Corporate Governace X1, Ukuran
Perusahaan X2, dan Dewan komisaris X3 secara simultan tidak memiliki pengaruh signifikan terhadap
manajemen laba Y. c
Kesimpulan ini diperkuat dengan melihat nilai signifikansi 0.187 0.05 yang menunjukkan bahwa
pengungkapan Corporate Governace X1, Ukuran Perusahaan X2, dan Dewan komisaris X3 secara
simultan tidak memiliki pengaruh signifikan terhadap manajemen laba Y.
4.2.4.3 Uji t Uji Parsial
Uji t bertujuan untuk menguji pengaruh masing-masing variabel independen CG, Ukuran perusahaan, dan dewan
komisaris terhadap variabel dependen manajemen laba. Untuk menguji pengaruh parsial tersebut dapat dilakukan dengan cara
Universitas Sumatera Utara
berdasarkan nilai signifikansi probabilitas. Jika nilai signifikansi lebih kecil dari 0.05 atau 5 maka hipotesis yang
diajukan diterima atau dikatakan signifikan. Jika nilai signifikansi lebih besar dari 0.05 atau 5 maka hipotesis yang
diajukan ditolak atau dikatakan tidak signifikan. Hasil uji t dapat dilihat pada tabel 4.11 sebagai berikut
:
Tabel 4.11 Hasil Uji t
Sumber : Data sekunder yang diolah. a
Nilai T tabel diperoleh dengan menggunakan Micrososoft excel dengan rumus TINV 0,05,50
yaitu 2.008559. b
T hitung variabel CG yang diperoleh sebesar -1.1606. Nilai T hitung T tabel -1.106 2.008558 artinya
H1 ditolak.kesimpulan ini diperkuat dengan nilai signifikansi 0.274 0.05 yang berarti pengungkapan
CG tidak memiliki pengaruh signifikan terhadap manjemen laba DA.
c T hitung variabel ukuran yang diperoleh sebesar
1.614. Nilai T hitung T tabel 1.614 2.008558
Standardized Coefficients
B Std. Error
Beta Constant
,570 ,353
1,616 ,112
CG -,034
,031 -,163
-1,106 ,274
Ukuran ,066
,041 ,243
1,614 ,113
Dewan -,462
,271 -,236
-1,706 ,094
a. Dependent Variable: S.DA
Coefficients
a
1 Sig.
Model Unstandardized Coefficients
t
Universitas Sumatera Utara
artinya H2 ditolak.kesimpulan ini diperkuat dengan nilai signifikansi 0.113 0.05 yang berarti ukuran
tidak memiliki pengaruh signifikan terhadap manjemen laba DA.
d T hitung variabel dewan yang diperoleh sebesar -
1.1706. Nilai T hitung T tabel -1.706 2.008558 artinya H3 ditolak.kesimpulan ini diperkuat dengan
nilai signifikansi 0.094 0.05 yang berarti dewan tidak memiliki pengaruh signifikan terhadap
manjemen laba DA.
4.3 Interpretasi Hasil
1. Pengaruh secara simultan
F hitung yang diperoleh sebesar 1.661. Nilai F hitung F tabel 1.661 2.790008 dan nilai signifikansi sebesar 0,187 lebih besar
dari 0,05. Oleh karena itu dapat diambil kesimpulan yakni Corporate Governace
, Ukuran Perusahaan, dan Dewan komisaris secara simultan tidak memiliki pengaruh signifikan terhadap manajemen laba.
2. Pengaruh secara parsial
a Pengaruh pengungkapan CG terhadap manajemen laba
Hasil pengujian pengaruh pengungkapan CG terhadap manajemen laba dalam penelitian ini menyimpulkan bahwa
pengungkapan CG tidak berpengaruh terhadap manajemen laba
Universitas Sumatera Utara
dengan nilai signifikansi yang diperoleh yaitu 0,274 dan lebih besar dari 0,05. Hal ini membuktikan bahwa pengungkapan CG
melalui website perusahaan belum dapat mengurangi kemungkinan terjadinya manajemenn laba. Sebab website
perusahaan belum digunakan secara maksimal dalam mengungkapkan informasi terkait CG.
Berdasarkan hasil penelitian diatas, penelitian ini konsisten dengan penelitian yang dilakukan oleh Rudi Isnanta 2007. Selain
itu penelitian ini juga konsisten denagn penelitian yang dilakukan Nurleni Simamora 2011. Penelitian ini tidak konsisten dengan
penlitian yang dilakukan oleh Deni Darmawati 2003.
b Pengaruh ukuran perusahaan terhadap manajemen laba
Hasil pengujian pengaruh terhadap manajemen laba dalam penelitian ini menyimpulkan bahwa ukuran perusahaan tidak
berpengaruh terhadap manajemen laba dengan nilai signifikansi 0,113 dan lebih besar dari 0,05. Hal ini menunjukkan bahwa
ukuran perusahaan belum tentu dapat memperkecil kemungkinan terjadinya manajemen laba, karena perusahaan
besar lebih banyak memiliki aset dan memungkinkan banyak aset yang tidak dikelola dengan baik sehingga kemungkinan
kesalahan dalam mengungkapan total aset dalam perusahaan tersebut.
Universitas Sumatera Utara
Penelitian ini tidak konsisten dengan penelitian Restie Ningsaptiti 2010 yang menyimpulkan bahwa ukuran
perusahaan berpengaruh signifikan terhadap manajemen laba. penelitian ini konsisten dengan penelitian Marihot Nasution dan
Setiawan 2007 bahwa ukuran perusahaan tidak berpengaruh signifikan terhadap manajemen laba.
c Pengaruh dewan komisaris terhadap manajemen laba
Hasil pengujian pengaruh proporsi komisaris independen terhadap manajemen laba dalam penelitian ini menyimpulkan
bahwa proporsi komisaris independen tidak berpengaruh terhadap manajemen laba dengan nilai signifikansi 0,094 dan lebih besar
dari 0,05. Hal ini membuktikan bahwa dengan atau tanpa adanya komisaris independen dalam suatu perusahaan dan dengan semakin
banyaknya jumlah komisaris independen dalam suatu perusahaan, tidak mampu mengurangi tindakan manajemen laba. Hal ini dapat
dijelaskan bahwa perusahaan sampel penelitian melakukan penempatan atau penambahan anggota dewan komisaris
independen, diduga hanya untuk memenuhi ketentuan formal.
Kuatnya kendali pendiri perusahaan dan kepemilikan saham mayoritas menjadikan dewan komisaris tidak independen dan fungsi
pengawasan yang seharusnya menjadi tanggung jawab dewan komisaris menjadi tidak efektif.
Universitas Sumatera Utara
Hasil ini tidak konsisten dengan penelitian yang dilakukan oleh Muh. Arief Ujiyantho dan Bambang Agus Pramuka 2007 yang
menyatakan komisaris independen berpengaruh positif terhadap manajemen laba. Penelitian ini konsisten dengan hasil penelitian
yang dilakukan oleh Nuryaman 2008 serta Muhammad Maruf 2006 bahwa komisaris independen tidak berpengaruh signifikan
terhadap manajemen laba.
Universitas Sumatera Utara
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
Corporate Governace Pengungkapan CG tidak memiliki pengaruh signifikan terhadap
manjemen laba DA.
Penelitian ini konsisten dengan penelitian yang dilakukan oleh Rudi Isnanta 2007 dan Nurleni Simamora 2011.
b Ukuran perusahaan
Ukuran perusahaan tidak memiliki pengaruh signifikan terhadap manjemen laba DA. Penelitian ini konsisten dengan penelitian
Marihot Nasution dan Setiawan 2007 c
Dewan komisaris Dewan komisaris independen tidak memiliki pengaruh signifikan
terhadap manjemen laba DA. Penelitian ini konsisten dengan hasil penelitian yang dilakukan oleh Nuryaman 2008 serta
Muhammad Maruf 2006
Universitas Sumatera Utara