Pengaruh Earnings power dan Firm size Terhadap Earning Management dengan Good Corporate Governance sebagai Variabel Moderating pada Perusahaan Manufacturing yang Terdaftar di Bursa Efek Indonesia (BEI) Tahun 2012-2014

LAMPIRAN 1 LAMPIRAN POPULASI DAN SAMPLE

NO Nama Perusahaan Kode Kriteria Sampel

1 2 3 4

1. Akasha Wira International Tbk. ADES √ √ √ √ 1

2. Tiga Pilar Sejahtera Food Tbk AISA √ √ √ √ 2

3. Tri Banyan Tirta Tbk ALTO √ √ √ √ 3

4. Wilmar Cahaya Indonesia Tbk. CEKA √ √ √ √ 4

5. Davomas Abadi Tbk. DAVO √ √ √ X X

6. Delta Djakarta Tbk. DLTA √ √ √ √ 5

7. Indofood CBP Sukses Makmur Tbk. ICBP √ √ √ √ 6

8. Indofood Sukses Makmur Tbk. INDF √ √ √ √ 7

9. Multi Bintang Indonesia Tbk. MLBI √ √ √ √ 8

10. Mayora Indah Tbk. MYOR √ √ √ √ 9

11. Prasidha Aneka Niaga Tbk. PSDN √ X √ √ X

12. Nippon Indosari Corpindo Tbk. ROTI √ √ √ √ 10

13. Sekar Bumi Tbk. SKBM √ √ √ √ 11

14. Sekar Laut Tbk. SKLT √ √ √ √ 12

15. Siantar Top Tbk. STTP √ √ √ √ 13

16. Ultrajaya Milk Industry & Trading Co. Tbk. ULTJ √ √ √ √ 14

17. Gudang Garam Tbk. GGRM √ √ √ √ 15

18. HM Sampoerna Tbk. HMSP √ √ √ √ 16

19. Bentoel Internasional Investama Tbk. RMBA √ √ √ X X

20. Wismilak Inti Makmur Tbk. WIIM √ √ √ √ 17

21. Darya-Varia Laboratoria Tbk. DVLA √ √ √ √ 18

22. Indofarma (Persero) Tbk. INAF √ √ √ X X

23. Kimia Farma (Persero) Tbk. KAEF √ √ √ √ 19

24. Kalbe Farma Tbk. KLBF √ √ √ √ 20

25. Merck Tbk. MERK √ √ √ √ 21

26. Pyridam Farma Tbk PYFA √ √ √ √ 22

27. Merck Sharp Dohme Pharma Tbk. SCPI √ √ √ X X

28. Industri Jamu dan Farmasi Sido Muncul Tbk. SIDO √ X √ √ X 29. Taisho Pharmaceutical Indonesia Tbk. SQBB √ √ √ √ 23 30. Taisho Pharmaceutical Indonesia (PS) Tbk. SQBI √ X √ √ X

31. Tempo Scan Pacific Tbk. TSPC √ √ √ √ 24

32. Martina Berto Tbk. MBTO √ √ √ √ 25

33. Mustika Ratu Tbk. MRAT √ √ √ X X

34. Mandom Indonesia Tbk. TCID √ √ √ √ 26

35. Unilever Indonesia Tbk. UNVR √ √ √ √ 27

36. Kedawung Setia Industrial Tbk. KDSI √ √ √ √ 28

TAHUN KODE X1 X2 Z Y

ADES 12.66 60.21 8.00 1.71

AISA 15.09 48.95 4.18 1.89

ALTO 13.29 67.74 2.72 1.31

CEKA 13.62 50.80 11.70 1.69

DLTA 13.45 19.15 20.84 1.02

ICBP 16.55 30.31 14.30 2.78

INDF 17.80 41.17 9.70 1.94

MLBI 13.96 59.88 42.00 0.99

MYOR 15.70 63.26 7.33 2.22

ROTI 13.54 28.02 15.27 1.28

SKBM 12.57 52.14 4.40 1.25

SKLT 12.27 42.64 2.80 1.70

STTP 13.75 47.57 4.57 1.03

ULTJ 14.60 35.59 6.27 1.48

2012 GGRM 17.48 37.19 12.68 2.24

HMSP 16.78 47.35 41.55 1.75

WIIM 14.00 45.64 6.40 2.06

DVLA 13.74 21.59 13.03 4.83

KAEF 14.40 30.19 9.57 2.75

KLBF 15.93 21.25 18.61 3.65

MERK 13.28 15.36 39.56 7.52

PYFA 11.68 30.19 4.38 2.54

SQBB 12.89 18.08 34.06 4.85

TSPC 15.26 28.27 13.80 3.08

MBTO 13.20 26.05 7.88 4.08

TCID 13.94 9.75 12.38 11.74

UNVR 16.17 64.88 39.73 0.69

KDSI 13.28 52.46 4.02 1.36

KICI 11.38 26.45 0.41 7.26

ADES 12.87 46.25 21.00 1.94

AISA 15.17 47.42 6.56 1.27

ALTO 13.70 62.08 1.83 1.51

CEKA 13.84 54.91 5.68 1.03

DLTA 13.52 19.71 27.92 0.79

ICBP 16.70 32.75 13.80 2.72

INDF 17.90 42.51 8.50 2.05

MLBI 14.20 56.52 66.00 0.58

MYOR 15.93 63.05 8.97 2.76

ROTI 14.00 44.68 12.38 1.12

SKBM 12.57 52.14 4.40 1.25

SKLT 12.43 48.14 3.20 1.42

ULTJ 14.70 30.71 17.74 2.02

GGRM 17.54 35.91 9.80 2.17

HMSP 17.08 49.30 37.89 1.78

WIIM 14.00 45.64 6.40 2.06

DVLA 13.89 21.69 13.86 4.31

KAEF 14.55 30.57 9.91 2.80

KLBF 16.06 21.75 18.82 3.41

MERK 13.25 26.66 18.93 3.87

PYFA 11.82 35.44 3.91 2.41

SQBB 12.89 18.08 34.06 4.85

TSPC 15.35 27.62 13.89 3.09

MBTO 13.32 28.70 7.60 3.71

TCID 14.05 13.02 11.95 7.73

UNVR 16.30 66.89 40.38 0.67

KDSI 13.25 44.61 6.46 1.59

KICI 11.46 29.91 2.38 4.80

ADES 13.00 39.96 13.00 1.81

AISA 15.43 53.06 6.91 1.75

ALTO 14.22 63.91 0.80 1.84

CEKA 13.88 50.61 6.08 1.25

DLTA 13.67 21.86 30.50 0.59

ICBP 16.87 37.62 11.40 2.41

INDF 18.17 50.86 5.00 1.67

MLBI 14.39 44.86 67.00 0.98

MYOR 16.09 59.90 10.00 2.40

ROTI 14.42 56.80 8.67 1.14

SKBM 13.12 60.11 11.71 1.25

SKTL 12.62 53.75 3.80 1.23

STTP 14.20 52.78 7.78 1.14

ULTJ 14.85 28.30 15.05 2.46

GGRM 17.74 42.06 8.63 1.72

HMSP 17.13 48.35 39.48 1.75

2014 WIIM 14.02 36.42 10.77 2.43

DVLA 13.99 23.12 10.56 4.24

KAEF 14.72 34.29 8.72 2.43

KLBF 16.24 24.88 17.71 2.84

MERK 13.45 26.37 25.17 3.98

PYFA 12.07 46.38 3.54 1.54

SQBB 12.95 17.60 35.50 4.97

TSPC 15.50 28.57 12.47 2.96

MBTO 13.32 26.23 2.74 3.99

TCID 14.20 19.26 10.95 3.57

UNVR 16.41 68.13 40.10 0.70

LAMPIRAN 2 ANALISIS REGRESI BERGANDA TANPA VARIABEL MODERASI

Regression [DataSet0]

Variables Entered/Removeda

Model Variables Entered

Variables Removed

Method 1 firm_size,

earning_powerb . Enter a. Dependent Variable: earning_mgt

b. All requested variables entered.

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .713a .508 .496 .43932 2.163

a. Predictors: (Constant), firm_size, earning_power b. Dependent Variable: earning_mgt

ANOVAa

Model Sum of

Squares

df Mean Square F Sig.

1

Regression 16.721 2 8.361 43.319 .000b

Residual 16.212 84 .193

Total 32.934 86

a. Dependent Variable: earning_mgt

b. Predictors: (Constant), firm_size, earning_power

Coefficientsa

Model Unstandardized Coefficients

Standardized Coefficients

t Sig. Collinearity Statistics B Std.

Error

Beta Toleranc

e

VIF

1

(Constant) 4.706 1.130 4.164 .000 earning_powe

r .119 .425 .022 .280 .780 .968 1.033

a. Dependent Variable: earning_mgt

Coefficient Correlationsa

Model firm_size earning_power

1

Correlations firm_size 1.000 .178 earning_power .178 1.000

Covariances firm_size .012 .008

earning_power .008 .180 a. Dependent Variable: earning_mgt

Collinearity Diagnosticsa

Model Dimension Eigenvalue Condition Index Variance Proportions

(Constant) earning_power firm_size 1

1 2.990 1.000 .00 .00 .00

2 .009 18.192 .03 .03 1.00

3 .001 57.733 .97 .97 .00

a. Dependent Variable: earning_mgt

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value .0827 2.0754 .7269 .44095 87

Std. Predicted Value -1.461 3.058 .000 1.000 87

Standard Error of

Predicted Value .048 .153 .079 .019 87

Adjusted Predicted Value .1001 2.0220 .7251 .43913 87

Residual -1.80320 .89757 .00000 .43418 87

Std. Residual -4.104 2.043 .000 .988 87

Stud. Residual -4.165 2.108 .002 1.006 87

Deleted Residual -1.85667 .95575 .00184 .45022 87 Stud. Deleted Residual -4.648 2.153 -.009 1.055 87

Mahal. Distance .030 9.501 1.977 1.488 87

Cook's Distance .000 .174 .012 .032 87

Centered Leverage Value .000 .110 .023 .017 87

NPar Tests

One-Sample Kolmogorov-Smirnov Test

Unstandardize d Residual

N 87

Normal Parametersa,b Mean 0E-7

Std. Deviation .43418356 Most Extreme Differences

Absolute .135

Positive .122

Negative -.135

Kolmogorov-Smirnov Z 1.258

Asymp. Sig. (2-tailed) .084

a. Test distribution is Normal. b. Calculated from data.

DESCRIPTIVES VARIABLES=earning_power firm_size GCG earning_mgt /STATISTICS=MEAN STDDEV MIN MAX.

Descriptives

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

earning_power 87 2.43 2.90 2.6593 .11337

firm_size 87 2.28 4.22 3.6029 .43113

GCG 87 -.90 4.20 2.3139 .92334

earning_mgt 87 -.54 2.46 .7269 .61883

Valid N (listwise) 87

DESCRIPTIVES VARIABLES=earning_power firm_size GCG /SAVE

LAMPIRAN 3 ANALISIS REGRESI 1 DENGAN VARIABEL MODERASI

Regression [DataSet0]

Variables Entered/Removeda

Model Variables Entered Variables Removed Method 1 x1z, Zscore(GCG), Zscore(earning _power)b

. Enter

a. Dependent Variable: earning_mgt b. All requested variables entered.

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .179a .032 -.003 .61971 1.586

a. Predictors: (Constant), x1z, Zscore(GCG), Zscore(earning_power) b. Dependent Variable: earning_mgt

ANOVAa

Model Sum of

Squares

df Mean Square F Sig.

1

Regression 1.059 3 .353 .919 .436b

Residual 31.875 83 .384

Total 32.934 86

a. Dependent Variable: earning_mgt

b. Predictors: (Constant), x1z, Zscore(GCG), Zscore(earning_power)

Coefficientsa

Model Unstandardized

Coefficients

Standardized Coefficients

t Sig. Collinearit y Statistics

1

(Constant) .660 .106 6.226 .000

Zscore(earning_pow

er) -.085 .072 -.137 -1.175 .243 .858

Zscore(GCG) -.038 .072 -.062 -.531 .597 .860

x1z .077 .095 .089 .811 .420 .977

Coefficientsa

Model Collinearity Statistics

VIF

1

(Constant)

Zscore(earning_power) 1.165

Zscore(GCG) 1.162

x1z 1.024

a. Dependent Variable: earning_mgt

Coefficient Correlationsa

Model x1z Zscore(GCG) Zscore(earning

_power)

1

Correlations

x1z 1.000 -.079 -.093

Zscore(GCG) -.079 1.000 -.356

Zscore(earning_power) -.093 -.356 1.000 Covariances

x1z .009 -.001 -.001

Zscore(GCG) -.001 .005 -.002

Zscore(earning_power) -.001 -.002 .005 a. Dependent Variable: earning_mgt

Collinearity Diagnosticsa

Model Di me nsi on Eigenval ue Condition Index Variance Proportions (Constant) Zscore(earnin

g_power)

Zscore(GCG) x1z

1

1 1.790 1.000 .10 .01 .01 .11

2 1.357 1.149 .01 .30 .30 .00

3 .634 1.681 .00 .68 .68 .00

4 .219 2.860 .89 .01 .01 .89

a. Dependent Variable: earning_mgt

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Std. Predicted Value -2.252 3.155 .000 1.000 87 Standard Error of

Predicted Value .079 .278 .126 .043 87

Adjusted Predicted Value .4705 1.0699 .7266 .10990 87

Residual -1.30266 1.74954 .00000 .60880 87

Std. Residual -2.102 2.823 .000 .982 87

Stud. Residual -2.197 2.848 .000 1.008 87

Deleted Residual -1.43392 1.77990 .00025 .64104 87 Stud. Deleted Residual -2.250 2.980 .001 1.019 87

Mahal. Distance .422 16.333 2.966 3.100 87

Cook's Distance .000 .143 .014 .025 87

Centered Leverage Value .005 .190 .034 .036 87

a. Dependent Variable: earning_mgt

NPar Tests

One-Sample Kolmogorov-Smirnov Test

Unstandardize d Residual

N 87

Normal Parametersa,b Mean 0E-7

Std. Deviation .60880310 Most Extreme Differences

Absolute .076

Positive .076

Negative -.053

Kolmogorov-Smirnov Z .705

Asymp. Sig. (2-tailed) .703

a. Test distribution is Normal. b. Calculated from data.

LAMPIRAN 4 ANALISIS REGRESI 2 DENGAN VARIABEL MODERASI Regression

[DataSet0]

Variables Entered/Removeda

Model Variables Entered Variables Removed Method 1 x2z, Zscore(GCG), Zscore(firm_siz e)b

. Enter

a. Dependent Variable: earning_mgt b. All requested variables entered.

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .769a .592 .577 .40260 2.019

a. Predictors: (Constant), x2z, Zscore(GCG), Zscore(firm_size) b. Dependent Variable: earning_mgt

ANOVAa

Model Sum of

Squares

df Mean Square F Sig.

1

Regression 19.480 3 6.493 40.062 .000b

Residual 13.453 83 .162

Total 32.934 86

a. Dependent Variable: earning_mgt

b. Predictors: (Constant), x2z, Zscore(GCG), Zscore(firm_size)

Coefficientsa

Model Unstandardized

Coefficients

Standardize d Coefficients

t Sig. Collinearity Statistics

B Std. Error Beta Toler ance

VIF

1

(Constant) .797 .081 9.878 .000

Zscore(GCG) -.193 .047 -.312 -4.134 .000 .866 1.154 Zscore(firm_siz

e) -.502 .048 -.812 -10.428 .000 .813 1.231 x2z -.054 .053 -.079 -1.025 .308 .832 1.201 a. Dependent Variable: earning_mgt

Coefficient Correlationsa

Model x2z Zscore(GCG) Zscore(firm_siz

e)

1

Correlations

x2z 1.000 .283 .371

Zscore(GCG) .283 1.000 .320

Zscore(firm_size) .371 .320 1.000 Covariances

x2z .003 .001 .001

Zscore(GCG) .001 .002 .001

Zscore(firm_size) .001 .001 .002 a. Dependent Variable: earning_mgt

a. Dependent Variable: earning_mgt

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value -.2128 2.1161 .7269 .47594 87

Std. Predicted Value -1.974 2.919 .000 1.000 87 Standard Error of

Predicted Value .053 .185 .082 .028 87

Adjusted Predicted Value -.2001 2.0590 .7246 .47184 87

Residual -1.58400 .89802 .00000 .39552 87

Std. Residual -3.934 2.231 .000 .982 87

Stud. Residual -4.051 2.269 .003 1.009 87

Deleted Residual -1.67891 .92950 .00233 .41769 87 Stud. Deleted Residual -4.495 2.329 -.007 1.054 87

Mahal. Distance .488 17.258 2.966 3.085 87

Cook's Distance .000 .246 .014 .039 87

Centered Leverage Value .006 .201 .034 .036 87 a. Dependent Variable: earning_mgt

NPar Tests

One-Sample Kolmogorov-Smirnov Test

Unstandardize d Residual

N 87

Normal Parametersa,b Mean 0E-7

Std. Deviation .39551604 Most Extreme Differences

Absolute .117

Positive .075

Negative -.117

Kolmogorov-Smirnov Z 1.091

Asymp. Sig. (2-tailed) .185

a. Test distribution is Normal. b. Calculated from data.

DAFTAR PUSTAKA

Adnyani, N.W.E, 2007. “Pengaruh Earnings management terhadap tingkat Pengungkapan Laporan Keuangan Perusahaan Sektor Property/Real Estate di Bursa Efek Jakarta Periode 2006-2008”. Pusat Kajian dan Pengembangan Akuntansi (PKPA), Universitas Mataram.

Anthony, R. dan V. Govindarajan, 2005. Sistem Pengendalian Manajemen (Terjemahan). Jakarta: Salemba Empat.

Baridwan, Zaki. 2005. Intermediate Accounting Edisi 8.Yogyakarta : BPFE Yogyakarta. Belkaoui, Ahmad Riahi, 2007.Accounting Theory. Jakarta: Salemba Empat.

Boediono, Gideon. 2005. “Kualitas Laba: Studi Pengaruh Mekanisme Corporate governance dan Dampak Manajemen Laba Dengan Menggunakan Analisis Jalur”. Simposium Nasional Akuntansi 8. Solo tanggal 15 - 16 September. Brealey, Richard et al, 2008.Dasar-Dasar Manajemen Keuangan Perusahaan. Jakarta:

Erlangga.

Brigham & Houston, 2006.Fundamentals Of Financials Managemen (Dasar-Dasar Manajemen Keuangan). Jakarta: Salemba Empat.

Carolina, 2005. “Laba dan Proyeksi Keuangan Perusahaan”. Jurnal Publikasi, 3.

Chairuman (2002).Pengaruh Budaya Terhadap Efektivitas Organisasi: Dimensi BudayaHofstede. Journal AAI 6 (1).

Chariri, Anis et al, 2007. Teori Akuntansi. Semarang: Badan Penerbit Universitas Diponegoro.

Fischer, Marily et al(1995). Attitude of Students and Accounting Practitioners Concerning the Ethical Acceptability of Earnings Management. Journal of Business Ethics.14: (433–444).

Ghozali, Imam, 2009. Aplikasi Analisis Multivariate dengan Program SPSS, Cetakan ke IV. Semarang: Badan Penerbit Universitas Diponegoro.

Graham, Jhon R, et al (2005). The Economic Implications of Corporate Financial Reporting. Journal of Accounting and Economics. 40: 3-73.

Gumanti T.A, 2000. Earning management : Suatu Telaah Pustaka. Jurnal Akuntansi dan Keuangan. 2 :104 – 115.

Halim Y., Maiden C., Rudolf L.T, 2005.Pengaruh Manajem Laba pada Tingkat Pengungkapan Laporan Keuangan pada Perusahaan Manufaktur yang termasuk dalam LQ45. Simposium Nasional Akuntansi 8. Solo tanggal 15 - 16 September. Herawati, Nurul dan Zaki Baridwan,2007. Manajemen Laba pada perusahaan yang melanggar perjanjian utang. Simposium Nasional Akuntansi 10. Makasar tanggal 26 – 28 Juli. Herawati, Vinola. 2007. Peran Praktek Corporate governance Sebagai Moderating Variable dari Pengaruh Earnings management Terhadap Nilai Perusahaan.

Indraswari, Ratih, 2010. Pengaruh Status Internasional, Diversifikasi Operasi dan Legal Origin terhadap Manajemen Laba (Studi Perusahaan Asia yang terdaftar di NYSE). Simposium Nasional Akuntansi 13. Purwokerto tanggal 15 - 16 September.

Jensen, Michael C dan William H. Mecklikng, 1976. Theory of the firm : Managerial Behaviour, Agency Cost and Ownership Structure. Journal of Financial Economics. 3(4): 305 – 360.

Luhgiatno, 2008. Mencegah Tindakan Manajemen Laba dengan Mekanisme Corporate governance . Fokus Ekonomi. 3(2).

Ma’ruf, Muhammad, 2006. Analisis Faktor – Faktor yang mempengaruhi manajemen laba pada perusahaan go public di Bursa Efek Jakarta. Skripsi S1. Fakultas Ekonomi Universitas Islam Indonesia.

Meutia, Inten. 2004. Pengaruh Independensi Auditor Terhadap Manajemen Laba untuk KAP BIG 5 dan Non Big 5. Jurnal Riset Akuntansi Indonesia. Vol. 7 . No. 3: hal.333 – 350.

Midiastuty, Pratana P., dan Mas’ud Machfoedz. 2003. Analisis Hubungan Mekanisme Corporate governance dan Indikasi Manajemen Laba. Simposium Nasional Akuntansi 6. Surabaya tanggal 16-17 Oktober.

Nasution, Marihot dan Dodi Setiawan, 2007. Pengaruh Corporate governance terhadap Manajemen Laba di Industri Perbankan Indonesia. Simposium Nasional Akuntansi 10. Makasar tanggal 26 – 28 Juli.

Ningsaptiti, Restie, 2010. Analisis Pengaruh Ukuran Perusahaan dan Mekanisme Corporate governance terhadap Manajemen Laba. Skripsi S1. Fakultas Ekonomi Universitas Diponegoro.

Ningsaptiti, R, 2010. Analisis Pengaruh Ukuran Perusahaan dan Mekanisme Corporate governance terhadap Manajemen Laba. Skripsi. Universitas Diponegoro Semarang

Pangestuti, I Gusti Ayu Putu Shita,2010. Analisi Faktor-Faktor yang Berpengaruh terhadap Manajemen Laba. Skripsi S1. Fakultas Ekonomi Universitas Diponegoro.

Primanita & Setiono, 2006. Manajemen Laba: Konsep, Bukti Empiris dan Implikasinya. SINERGI. 8(1) : 43 – 51.

Purnomo, B, 2009. Pengaruh Earning Power terhadap Praktik Manajemen Laba. Jurnal Media Ekonomi. 14 (1)

Rahmawati, 2006. Pengaruh Asimetri Informasi Terhadap Praktek Manajemen Laba Pada Perusahaan Perbankan Publik Yang Terdaftar di Bursa Efek Jakarta, Simposium Nasional Akuntansi IX, Padang.

Riyanto, B, 2001. Dasar-dasar Pembelanjaan Perusahaan. Edisi 4. BPFE: Yogyakarta. Shleifer and R.W.Vishny, 1988. Management Ownership and Market Valuation: An

Empirical Analysis. Journal of Financial Economics,20 January/March : 293-315.

Sembiring Rismada,(2005). KarakteristikPerusahaan dan Pengungkapan Tanggung Jawab Sosial. Tesis. Universitas Diponegoro,Tesis.

Siallagan, Hamongan dan Mas’ud Machfoed,2006. Mekanise Corporate governance, Kualitas Laba dan Nilai Perusahaan. Simposium Nasional Akuntansi 9. Padang tanggal 23 – 26 Agustus.

Sri, Sulistiyanto, 2008. Manajemen Laba Teori dan Model Empiris . Jakarta: Grasindo. Suaryana, Agung. 2005. Pengaruh Komite Audit terhadap Kualitas Laba. Simposium Nasional Akuntansi 8. Solo tanggal 15 - 16 September.

Sugiyono, (2007) Statistik untuk Penelitian. Bandung: Alfabeta.

Ujiyantho dan Bambang Agus Pramuka, (2007). Mekanisme Corporate Governance, Manajemen Laba dan Kinerja Keuangan. Simposium Nasional Akuntansi X. Utami, 2005.Pengaruh Manajemen Laba Terhadap Biaya Modal Ekuitas (Studi Pada

Perusahaan Publik Sektor Manufaktur), Simposium Nasional Akuntansi VIII Veronica, Sylvia, dan Siddharta Utama, 2005. Pengaruh Struktur Kepemilikan, Ukuran

Perusahaan, dan Praktek Corporate governance terhadap Pengelolaan Laba (Earnings management). Simposium Nasional Akuntansi 8. Solo tanggal 15 - 16 September.

Wedari, L.K. 2004. Analisis Pengaruh Proporsi Dewan Komisaris dan Keberadaan Komite Audit Terhadap Manajemen Laba. Simposium Nasional Akuntansi 7. Denpasar tanggal 2 – 3 Desember.

Widyaningdyah, Agnes Utari. 2001. Analisis Faktor – Faktor yang berpengaruh terhadap Earning management pada Perusahaan Go Public di Indonesia. Jurnal Akuntansi & Keuangan. 3(2): 89 – 101.

Zarkasyi, 2008, Good Corporate Governance Pada Badan Usaha Manufactur, perbankan, dan Jasa Keuangan Lainnya. Bandung, Alfabeta.

BAB III

METODE PENELITIAN 3.1 Jenis Penelitian

Penelitian ini menggunakan desain kausal (causal) yang berguna untuk menganalisa hubungan antar satu variabel dengan variabel lainnya. Data yang digunakan dalam penelitian ini adalah data kuantitatif, yaitu data yang berbentuk angka. Metode pengumpulan data dalam penelitian ini merupakan dokumentasi data sekunder yang diperlukan berupa laporan keuangan perusahaan manufacturing yang terdaftar di Bursa Efek Indonesia (BEI) tahun 2012-2014

3.2 Lokasi Penelitian

Lokasi penelitian ini yaitu pada perusahaan manufacturing yang terdaftar di Bursa Efek Indonesia (BEI) tahun 2012-2014.

3.3 Populasi dan Sampel Penelitian

Populasi penelitian adalah seluruh perusahaan manufaktur yang sudah terdaftar di BEI sebelum tanggal 1 Januari 2012. Sampel penelitian ditentukan berdasarkan purposive sampling yang berarti pemilihan sampel berdasarkan kriteria tertentu. Penelitian dilakukan secara purposive dengan tujuan untuk memperoleh sampel yang representatif berdasarkan kriteria yang ditentukan.Penentuan kriteria sampel diperlukan untuk menghindari timbulnya kesalahan dalam penentuan sampel penelitian, yang selanjutnya akan berpengaruh terhadap hasil analisis. Objek penelitian ini menggunakan perusahaan manufaktur karena perusahaan manufaktur ada dalam segala bidang sistem ekonomi dan laporan keuangannya pun disajikan secara lengkap dan rinci karena sifat operasi kegiatan usahanya. Adapun kriteria perusahaan manufaktur yang dijadikan

sampel antara lain:

1. Perusahaan sudah terdaftar di BEI sebelum tanggal 1 Januari 2012.

2. Perusahaan tidak keluar (delisting) dari BEI selama periode penelitian (2012-2014).

3. Menerbitkan laporan keuangan lengkap (laporan auditor independen, neraca, laporan laba rugi, laporan arus kas, perubahan ekuitas dan catatan atas laporan keuangan) melalui www.idx.co.id yang telah diaudit oleh auditor independen dari tahun 2012-2014.

4. Melakukan kegiatan operasional dan memiliki laba pada tahun tersebut (2012-2014)

3.4 Metode PengumpulanData

Datayangdigunakandalampenelitianiniadalahdata sekunder berupa laporan keuangan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) tahun 2012-2014. 3.5 Jenis Data

JenisdatayangdigunakandalampenelitianiniadalahDataTimes eries yangmemberikaninformasitentangnilaisuatuvariabeldariperiodekeperiode

yaitutahunanggaran2012sampai2014makaperiodeamatanmenjadi3(tiga) tahun dan jumlah sampel29sehingga sampel berjumlah 87 data penelitian.

3.6 Batasan Operasional

Batasan operasional dalam penelitian ini agar tujuan penelitian ini dapat tercapai sebagai berikut:

1. Faktor-faktor yang diteliti diperkirakan dapat mempengaruhi ketepatan waktu penyampaian laporan keuangan yaitu profitabilitas sebagai variabel independen dan kepemilikan institusional sebagai variabel moderating.

2. Objek penelitian ini adalah perusahaan publik sektor manufaktur dengan periode penelitian 2012-2014 dan menyampaikan laporan keuangan ke Bapepam pada periode tersebut.

3.7 Definisi Operasinal dan Metode PengukuranVariabel 3.7.1 Earning Power

Dengan melakukan analisis terhadap profitabilitas perusahaan maka investor dapat menilai kemampuan perusahaan dalam menghasilkan laba (earnings power) dan sejauh mana efektifitas pengolahan perusahaan pada masa-masa yang lalu. Rasio ini mengukur seberapa banyak keuntungan operasional bisa diperoleh dari setiap rupiah penjualan. Rasio ini dinyatakan sebagai berikut:

NPMit = REVit

NIit

Keterangan,

- NPMit = Net Profit Margin perusahaan i pada tahun t; - NIit = Net Income after tax perusahaan i pada tahun t; - REVit = Total Revenue perusahaan pada tahun t

3.7.2 Firm Size (Ukuran Perusahaan)

Ukuran perusahaan diukur dengan menggunakan nilai log total penjualan perusahaan pada akhir tahun. Penggunaan nilai log penjualan dimaksudkan untuk menghindari problem data natural yang tidak berdistribusi normal.

3.7.3 Earning Management (Manajemen Laba)

Variabel dependen (terikat) adalah manajemen laba. Manajemen laba adalah tindakan manajemen untuk memilih kebijakan akuntansi dari suatu standar tertentu dengan tujuan memaksimilasi kesejahteraan pihak manajemen.

3.7.4 Good Corporate Governance

Good corporate governance merupakan suatu mekanisme yang digunakan oleh suplier keuangan untuk melakukan kontrol terhadap manajer guna memastikan bahwa supplier keuangan perusahaan memperoleh pengembalian (return) dari kegiatan yang dijalankan oleh manajer. Perhitungan GCG menggunakan rumus persentase jumlah saham yang dimiliki oleh tim manajerial.

Berikut ini adalah definisi operasional dan metode pengukuran variabel penelitian: Tabel 3.1 Skala Pengukuran Variabel

Variabel Definisi Pengukuran Skala

Earning Powers (Independen)

Kemampuan untuk mengetahui efisiensi perusahaan dengan melihat besar kecilnya dalam menghasilkan laba. Net Profit Margin Rasio Firm size (Independen)

Skala dimana dapat diklasifikasikan besar kecil perusahaan menurut berbagai cara, antara lain: total aktiva, log size, nilai pasar saham,dll

Ln Total Asset Rasio

Earning Management (Dependen)

Suatu kondisi dimana manajemen melakukan intervensi dalam proses penyusunan laporan keuangan bagi pihak eksternal. Laporan Keuangan Rasio Good corporate governance (Moderasi)

Merupakan suatu mekanisme yang digunakan oleh suplier keuangan untuk melakukan kontrol terhadap manajer

GCG = jumlah saham yang dimiliki tim manajerial / jumlah saham beredar x 100%

3.8 Model dan Teknik Analisis Data

Model analisis yang digunakan untuk menguji hipotesis dalam penelitian ini adalah dengan analisis regresi berganda (multiple regression analysis) danuji residual dengan bantuan software SPSS (Statistical Package Social Science).

Regresibergandaadalahmetodestatistikyangdigunakanuntuk

menentukanbesarnyapengaruhantaravariabelindependenterhadap pertumbuhan ekonomi.Model regresi berganda yang digunakanadalah sebagaiberikut:

Y = a + b1X1 + b2X2 + e (1)

dimana:

Y = Manajemenlaba a = Konstanta

b1 – b2 = KoefisienVariabel X1 = Earning power

X2 = Firm size

Z = Good corporate governance e = error

Menurut Ghozali (2005), variabel moderating adalah variabel independen yang memperkuat atau memperlemah hubungan antara variabel independen lainnya terhadap variabel dependen. Ada tiga cara menguji regresi dengan variabel moderating yaitu uji interaksi, uji selisih mutlak, dan uji residual. Pengujian yang akan dilakukan untuk menguji variabel moderating dalam penelitian ini adalah menggunakan uji residual. Adapun persamaan regresi uji residual adalah sebagaiberikut:

Y = a + b1X1 + b2X2 +e (2)

|EM| = a +b1Y (3)

dimana:

EM = Earnings management (Manajemen Laba) a = Konstanta

b1 – b2 = KoefisienVariabel X1 = Earnings power X2 = Firm size

Analisis residual ingin menguji pengaruh deviasi (penyimpangan) dari suatu model. Fokusnya adalah ketidakcocokan (lack of fit) yang dihasilkan dari deviasi hubungan linierantar variabel independen. Lackoffitditunjukkanoleh nilai residual di dalam regresi. Dalam hal ini jika terjadi kecocokan antaravariabel independen dengan variabel moderating (nilai residual kecil atau nol) yaitu variabel independen tinggi dan variabel moderating juga tinggi maka variabel dependen juga tinggi. Sebaliknya jika terjadi ketidak cocokan atau lack of fit antara variable independen dengan variable moderating maka variable dependen akan rendah.

3.8.1 Pengujian Asumsi Klasik

Pengujian asumsi klasik diperlukan untuk mengetahui apakahhasil estimasi regresi yang dilakukan benar-benar memiliki data yang normaldan terbebas dari adanya gejala multikolinearitas, gejala autokorelasi dan gejala heteroskedastisitas. Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE (Best Linear Unbiased Estimator) yaitu tidak terdapat multikolinearitas, maka akan sulit untuk mengisolasi pengaruh-pengaruh individual dari variabel, sehingga tingkat signifikankoefisien regresi menjadi rendah. Dengan adanya autokorelasi mengakibatkan penaksir masih tetap bias dan masih tetap konsisten hanya

saja menjadi tidak efisien. Jika terdapat heteroskedastisitas, maka varian tidak konstan sehinggadapat menyebabkan biasnya standar error. Oleh karena itu, uji asumsi klasikperlu dilakukan.

Pengujian asumsi klasik yang dilakukan yaitu, sebelum dilakukan pengujian hipotesis dengan menggunakan analisis regresi berganda, maka diperlukan pengujian asumsi klasik yang meliputi pengujiannormalitas, multikolinearitas, dan heteroskedastisitas.

1). UjiNormalitas

Uji normalitas dilakukan untuk mengetahui apakah distribusi data mengikutiataumendekatidistribusinormal.Datayangbaikadalahdatayang mempunyai pola seperti data terlihat menyebar mengikuti garis diagonaldan diagram histogram yang tidak condong kekiri dan ke kanan. Pengujian ini dilakukan dengan kolmogrov smirnov. Hasil pengujian ini akan dibandingkan dengan nilai signifikan yang telah ditentukan yaitu sebesar 5% atau 0,05. Jika nilai probabilitas yang diperoleh lebih besar dari 0,05, maka data tersebut terditribusi normal (Ghozali,2005).

Untuk menguji normalitas digunakan 2 metode pengujian yaituNormal p_plot dan diagram histogram. Jika data ternyata tidak berdistribusinormal, analisis non parametrik termasuk model-model regresi dapat digunakanuntuk mendeteksi penyebaran. Mendeteksi apakah data berdistribusi normal atautidak dapat diketahui dengan menggambarkan penyebaran data melalui sebuah grafik. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Data dalam keadaan normal apabila distribusi data menyebar disekitar garis diagonal. Kenormalan data juga dapat dilihat dengan melihat

diagram histogram dimana keputusan atau pengambilan kesimpulan yaitu jika grafik histogram tidak condong ke kiri dan ke kanan maka data penelitian berdistribusi normal dan sebaliknya.

2). UjiMultikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen (Ghozali, 2011).

Hasil uji multikolonieritas dapat ditunjukkan dengan nilai varian inflation factor (VIF) dan tolerance value dari tiap-tiap variabel independen. suatu model regresi menunjukkan tidak terjadi gejala multikolinearitas jika nilai VIF di bawah 10 tolerance value di atas 0,1.

Uji multikolinearitas terhadap setiap datavariabel bebas yaitu dengan:

a. Melihat angka Collinearity Statistics yang ditunjukkan oleh Nilai Variance inflation Factor (VIF). Jika angka VIF lebih besar dari 10, maka variabel bebas yang ada memiliki masalah multikolinearitas.

b. Melihat nilai tolerance pada output penilaian multikolinearitas yang tidak menunjukkan nilai yang lebih besar dari 0,1 akan memberikan kenyataan bahwa tidak terjadi masalah multikolinearitas (Nugroho,2005).

3). Uji Autokorelasi

Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain (Kuncoro,2001). Untuk mendeteksi ada atau tidaknya autokorelasi dilakukan pengujian Durbin-Watson (DW) dengan melihat model regresi linear berganda. Jika nilai Durbin-Watson berada di bawah angka 2 maka model

tersebut terbebas dari autokorelasi. Pengujian ada atau tidaknya autokorelasi dalam persamaan regresi ini dengan melihat keadaan nilai Durbin Watson dari hasil perhitungan. Untuk mengetahui adanya autokorelasi dalam suatu model dilakukan melalui pengujian terhadap nilai DW. Autokorelasi dalam model regresi artinya ada korelasi anggota sampel yang diurutkan berdasarkan waktu. Ketentuan pengujian terhadap nilai uji DW adalah sebagaiberikut (Ghozali,2005).

DW <dl : ada autokorelasi dl £ DW£du : tanpa kesimpulan du< DW<4-du : tidak ada autokorelasi 4-du £DW£4-dl : tanpa kesimpulan DW >4-dl : ada autokorelasi 4). Uji Heteroskedastisitas

Uji heteroskedastisitas dilakukan untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Jika varian dari residual suatu pengamatan ke pengamatanlain tetap disebut homokedastisitas, sedangkan untuk varian yang berbeda disebut heterokedastisitas. Modelregresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Menurut Nugrohon(2005), cara mendeteksi ada atautidaknya heterokedastisitas adalah sebagai berikut:

a. Titik-titik data menyebar di atas dan di bawah atau disekitar angka 0. 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.

3.8.2. PengujianHipotesis

Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam penelitian, jika terdapat diviasi antara sampel yang ditentukan dengan jumlah populasi maka tidak menutup kemungkinan untuk terjadiny akesalahan dalam mengambil keputusan antara menolak maupun menerima suatu hipotesis. Untuk menguji hipotesis yang diajukan maka dilakukan pengujian terhadap variabel-variabel penelitian baik secara simultan maupun parsial. Pengujian secara simultan digunakan ujis tatistik F(uji signifikan simultan) dan pengujian secara parsial digunakan uji statistik t (uji signifikan parsial).

Menurut Ghozali (2005), uji hipotesis dapat dilakukan dengan 3(tiga) cara,yaitu:

1. Uji statistik F

Uji F menguji pengaruh simultan antara variabel independen terhadap variabel dependen. Adapun langkah-langkah dalam pengambilan keputusanuntuk uji F adalah sebagaiberikut:

• Ho:b1 = 0, Earnings power dan Firm size tidak berpengaruh signifikan terhadap Earnings management.

• H1:b1 ≠ 0, Earnings power dan Firm size berpengaruh signifikan terhadap Earnings management

Kriteria pengujian adalah:

• P Value (sig) < 0,05 = H 0 ditolak

2. Uji Statistik t

Pengujian hipotesis secara parsial dilakukan dengan uji t, yaitumenguji pengaruh parsial antara variabel independen terhadap variabel dependen,dengan asumsi bahwa variabel lain dianggap konstan. Langkah-langkahpengambilan keputusan untuk uji t adalah sebagai berikut:

Ho:b1=0,Earnings power dan Firm size tidak berpengaruh signifikan secara parsial terhadap Earnings management

H1 : b1≠ 0 , Earnings power dan Firm sizeberpengaruh signifikan secara parsial terhadap Earnings management.

P Value (sig)<0,05 = H0ditolak P Value (sig)>0,05 = H0diterima 3. Koefisien determinasi (R2)

Koefisien determinasi (R2) bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai yang mendekati satu berarti variabel- variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen dan sebaliknya jika mendekati nol.

Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan satu variabel independen, maka nilai R2 pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R2 pada saat

mengevaluasi model regresi terbaik (Ghozali,2005). 4. Ketentuan Pengujian Variabel Pemoderasi Y = a+ EP + FS [ EP x GCG ] + [FS x GCG]

Ketentuan pengujian variabel pemoderasi adalah sebagai berikut :

- Jika hasil perkalian semua varibel bebas berpengaruh signifikan terhadap hubungan variabel bebas dengan variabel terikat, maka variabel tersebut memoderasi (menguatkan) hubungan variabel bebas dan variabel terikat. - Jika hasil perkalian semua variabel bebas tidak berpengaruh signifikan

terhadap hubungan variabel bebas dengan variabel terikat maka variabel tersebut tidak memoderasi (melemahkan) hubungan variabel bebas dan variabel terikat.

Dengan kata lain :

Ho : b3 ≠ 0 : Good corporate governance memoderasi hubungan dana Earnings power dan firm size terhadap earnings management

Ho : b3= 0 : Good corporate governance tidak memoderasi hubungan dana Earnings power dan firm size terhadap earnings management

Ha : b3 ≠ 0 : Ho diterima Jika thitung≤ t tabel atau α> 0.05

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian

4.1.1 Statistik Deskriptif

Setelah mengambil data sekunder terkait dengan variabel yang diuji pada penelitian ini yaitu Earning Power, Firm Size, Good Corporate Governance, dan Earning Management pada Perusahaan Manufaktur Makanan dan Minuman yang terdaftar di BEI periode 2012-2014, maka perlu diketahui bagaimana distribusi data dengan melihat nilai minimum, maksimum, nilai rata-rata, dan nilai standar deviasinya, yang mana ditampilkan pada Tabel 4.1 berikut:

Tabel 4.1 Statistik Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation earning_power 87 2.43 2.90 2.6593 .11337 firm_size 87 2.28 4.22 3.6029 .43113

GCG 87 -.90 4.20 2.3139 .92334

earning_mgt 87 -.54 2.46 .7269 .61883 Valid N (listwise) 87

Sumber: Hasil Pengolahan Data (September 2016)

Berdasarkan Tabel 4.1 diketahui bahwa nilai minimum, maksimum, mean, dan standar deviasi dari tiap-tiap variabel, adapun nilai earning power, firm size, good corporate governance, dan earning management adalah nilai yang sudah di logaritma naturalkan. Adapun data yang diteliti adalah 29 perusahaan selama 3 tahun penelitian yaitu 87 data.

4.1.2 Uji Asumsi Klasik

Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.

4.1.2.1 Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.1.

Gambar 4.1

Berdasarkan gambar 4.1 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan 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 dilihat dalam gambar 4.2 berikut:

Gambar 4.2

Normal Probability Plot (Data Asli)

Berdasarkan grafik profitabilitas pada gambar 4.2 di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal (garis normal). Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal

ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05 (Ghozali,2007:12).

Tabel 4.2

Hasil Uji Normalitas dengan Kolmogorov-Smirnov

One-Sample Kolmogorov-Smirnov Test

Unstandardize d Residual

N 87

Normal Parametersa,b Mean 0E-7

Std. Deviation .43418356 Most Extreme Differences

Absolute .135

Positive .122

Negative -.135

Kolmogorov-Smirnov Z 1.258

Asymp. Sig. (2-tailed) .084

a. Test distribution is Normal. b. Calculated from data.

Berdasarkan hasil uji normalitas dengan Kolmogorov-Smirnov (Data Asli) diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.084 dan nilai Kolmogorov-Smirnov Z sebesar 1.258 dibawah 1.97.

4.1.2.2. Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai inflation factor (VIF) dan Tolerance.

Tabel 4.3

Hasil uji Multikolinearitas

Coefficientsa

Model Collinearity Statistics Tolerance VIF 1

(Constant)

earning_power .968 1.033

firm_size .968 1.033

a. Dependent Variable: earning_mgt

Berdasarkan aturan Variance Inflation Factor (VIF) dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen.

4.1.2.3. 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).

1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.

2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.3 dibawah ini:

Gambar 4.3 Grafik Scatterplot

Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.

4.1.2.4 Uji Autokorelasi

Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya (Ghozali, 2005). Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson (DW test). Hasil pengujian autokorelasi dapat dilihat pada tabel berikut:

Tabel 4.4

Uji Autokorelasi dengan Durbin-Watson

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .713a .508 .496 .43932 2.163

a. Predictors: (Constant), firm_size, earning_power b. Dependent Variable: earning_mgt

Berdasarkan hasil pengujian Durbin-Watson diperoleh nilai Durbin-Watson sebesar 2.163 yang berarti berdasarkan kriteria Durbin-Watson hasil tersebut 1.579< 2.163< 2.421 yang berarti tidak terjadi autokorelasi.

4.1.3 Uji Hipotesis

Hasil pengujian regresi berganda pengaruh earning power dan firm size terhadap earning management pada Perusahaan Manufaktur di Bursa Efek Indonesia ditunjukkan pada Tabel 4.5 berikut:

Tabel 4.5 Hasil Analisis Regresi

Coefficientsa

Model Unstandardized

Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1

(Constant) 4.706 1.130 4.164 .000

earning_power .119 .425 .022 .280 .780 firm_size 1.017 .112 .708 9.105 .000 a. Dependent Variable: earning_mgt

Berdasarkan hasil analisis regresi linear berganda yang 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 pada baris pertama menunjukkan konstanta (a) dan baris selanjutnya menunjukkan konstanta variabel independen. Berdasarkan tabel 4.5 diatas maka model regresi yang digunakan adalah sebagai berikut:

earning_mgt = 4.706 + 0.119earning_power + 1.017firm_size + e

Adapun pengaruh dari masing-masing variabel independen secara parsial maupun secara simultan akan dijelaskan lebih lanjut pada bagian berikutnya.

4.1.3.1 Uji Simultan (Uji F)

Uji Simultan dilakukan untuk mengetahui pengaruh seluruh variabel independen yaitu earning power dan firm size terhadap earning management. Hasil uji F ditunjukkan pada Tabel 4.6 berikut ini:

Tabel 4.6 Hasil Uji F

ANOVAa

Model Sum of

Squares

df Mean Square

F Sig.

1

Regression 16.721 2 8.361 43.319 .000b Residual 16.212 84 .193

Total 32.934 86 a. Dependent Variable: earning_mgt

b. Predictors: (Constant), firm_size, earning_power

Berdasarkan Tabel 4.6 diketahui bahwa nilai F hitung adalah 43.319, yang lebih besar dari nilai F Tabel sebesar 2.71, dan nilai signifikansi 0.000, yang lebih kecil dari 0.05, sehingga disimpulkan bahwa seluruh variabel independen yaitu earning power dan firm sizeperusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2012-2014

4.1.3.2 Uji Parsial (Uji t)

Pengujian uji parsial dilakukan untuk mengetahui pengaruh dari masing-masing variabel secara sendiri-sendiri (parsial) terhadap variabel dependen, sehingga akan ditemukan 2 hasil dari pengujian uji t ini, yang mana akan ditunjukkan pada Tabel 4.7 berikut:

Tabel 4.7 Hasil Uji t

Coefficientsa

Model Unstandardized

Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1

(Constant) 4.706 1.130 4.164 .000

earning_power .119 .425 .022 .280 .780 firm_size 1.017 .112 .708 9.105 .000 a. Dependent Variable: earning_mgt

Berdasarkan Tabel 4.7 diketahui bahwa:

1. Earning power memiliki nilai t hitung sebesar 0.280 < t tabel 1.662 dengan signifikansi 0.780> 0.05 sehingga diketahui bahwa earning power berpengaruh positif namun tidak signifikan terhadap earning management. 2. Firm sizememiliki nilai t hitung 9.105> t tabel 1.662 dengan signifikansi

0.000< 0.05 sehingga diketahui bahwa firm size berpengaruh secara positif dan signifikan terhadap earning management.

4.1.3.3 Uji Koefisien Determinasi (Uji R)

Uji koefisien determinasi(R2) ini digunakan untuk menggambarkan kemampuan model menjelaskan variasi yang terjadi dalam variabel dependen (Ghozali, 2005). Koefisien determinasi (R2)dinyatakan dalam persentase. Nilai yang mendeakati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Hasil pengujian R dilihat pada Tabel 4.8 berikut:

Tabel 4.8

Uji Koefisien Determinasi

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .713a .508 .496 .43932 2.163

a. Predictors: (Constant), firm_size, earning_power b. Dependent Variable: earning_mgt

Berdasarkan Tabel 4.8 diketahui bahwa nilai R adalah 0.713 yang artinya hubungan antara variabel independen yaitu earning power dan firm size terhadap earning management perusahaan manufaktur yang terdaftar di BEI periode 2012-2014 adalah erat. Nilai R Square menunjukkan angka 0.508 yang artinya 50.8% earning management dapat dijelaskan oleh earning power dan firm size, sedangkan 49.2% lainnya dijelaskan oleh variabel lain yang tidak termasuk pada penelitian ini.

4.1.4 Uji Analisis Regresi dengan Variabel Moderating

Setelah mengetahui hasil penelitian analisis regresi berganda, maka langkah selanjutnya adalah analisis regresi dengan variabel moderasi yakni variabel good corporate governance, yang mana tahapannya adalah uji asumsi klasik dan uji hipotesis. 4.1.4.1 Uji Asumsi Klasik

1. Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.4.

Gambar 4.4

Berdasarkan gambar 4.4 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan 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 dilihat dalam gambar 4.5 berikut:

Gambar 4.5

Normal Probability Plot (Data Asli)

Berdasarkan grafik profitabilitas pada gambar 4.5 di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal (garis normal). Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal

ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05 (Ghozali,2007:12

Tabel 4.9

Hasil Uji Normalitas dengan Kolmogorov-Smirnov

One-Sample Kolmogorov-Smirnov Test

Unstandardize d Residual

N 87

Normal Parametersa,b Mean 0E-7

Std. Deviation .60880310 Most Extreme Differences

Absolute .076

Positive .076

Negative -.053

Kolmogorov-Smirnov Z .705

Asymp. Sig. (2-tailed) .703

a. Test distribution is Normal. b. Calculated from data.

Berdasarkan hasil uji normalitas dengan Kolmogorov-Smirnov (Data Asli) diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.703 dan nilai Kolmogorov-Smirnov Z sebesar 0.705 dibawah 1.97.

2. Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai inflation factor (VIF) dan Tolerance

Tabel 4.10

Hasil uji Multikolinearitas

Coefficientsa

Model Collinearity Statistics Tolerance VIF

1

(Constant)

Zscore(earning_power) .858 1.165

Zscore(GCG) .860 1.162

x1z .977 1.024

a. Dependent Variable: earning_mgt

Berdasarkan aturan Variance Inflation Factor (VIF) dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen.

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).

1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.

2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.6 dibawah ini:

Gambar 4.6 Grafik Scatterplot

Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.

4. Uji Autokorelasi

Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya (Ghozali, 2005). Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson (DW test). Hasil pengujian autokorelasi dapat dilihat pada tabel berikut:

Tabel 4.11

Uji Autokorelasi dengan Durbin-Watson

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .179a .032 -.003 .61971 1.586

a. Predictors: (Constant), x1z, Zscore(GCG), Zscore(earning_power) b. Dependent Variable: earning_mgt

Berdasarkan hasil pengujian Durbin-Watson diperoleh nilai Durbin-Watson sebesar 1.586 yang berarti berdasarkan kriteria Durbin-Watson hasil tersebut 1.579 < 1.586 < 2.421 yang berarti tidak terjadi autokorelasi.

4.1.4.2 Uji Hipotesis

Hasil pengujian analisis regresi dengan variabel moderasi antara variabel earning_power dengan earning management di mana good corporate governance sebagai variabel moderasi dapat dilihat pada Tabel 4.12 berikut:

Tabel 4.12

Uji Hipotesis Regresi Moderasi

Coefficientsa

Model Unstandardized

Coefficients

Standardized Coefficients

t Sig. B Std.

Error

Beta

1

(Constant) .660 .106 6.226 .000

Zscore(earning_power) -.085 .072 -.137 -1.175 .243 Zscore(GCG) -.038 .072 -.062 -.531 .597

x1z .077 .095 .089 .811 .420

a. Dependent Variable: earning_mgt

Berdasarkan Tabel 4.12 diketahui bahwa nilai signifikansi variabel absolut residual antara earning power dengan GCG adalah 0.420 > 0.05, sehingga dapat disimpulkan bahwa variabel GCG tidak mampu memoderasi hubungan antara earning power dengan earning management pada Perusahaan Manufaktur yang terdaftar di BEI periode 2012-2014.

4.1.5 Uji Analisis Regresi dengan Variabel Moderating 4.1.5.1 Uji Asumsi Klasik

1. Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.7.

Gambar 4.7

Gambar Grafik Histogram (Data Asli)

Berdasarkan gambar 4.7 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang

membandingkan distribusi kumulatif dan 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 dilihat dalam gambar 4.8 berikut:

Gambar 4.8

Normal Probability Plot (Data Asli)

Berdasarkan grafik profitabilitas pada gambar 4.8 di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal (garis normal). Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05 (Ghozali,2007:12).

Tabel 4.13

Hasil Uji Normalitas dengan Kolmogorov-Smirnov

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 87

Normal Parametersa,b Mean 0E-7

Std. Deviation .39551604 Most Extreme Differences

Absolute .117

Positive .075

Negative -.117

Kolmogorov-Smirnov Z 1.091

Asymp. Sig. (2-tailed) .185

a. Test distribution is Normal. b. Calculated from data.

Berdasarkan hasil uji normalitas dengan Kolmogorov-Smirnov (Data Asli) diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.185 dan nilai Kolmogorov-Smirnov Z sebesar 1.091 dibawah 1.97.

2. Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai inflation factor (VIF) dan Tolerance.

Tabel 4.14

Hasil uji Multikolinearitas

Coefficientsa

Model Collinearity Statistics Tolerance VIF

1

(Constant)

Zscore(GCG) .866 1.154

Zscore(firm_size) .813 1.231

X2z .832 1.201

a. Dependent Variable: earning_mgt

Berdasarkan aturan Variance Inflation Factor (VIF) dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen.

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).

3. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.

4. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.9 dibawah ini:

Gambar 4.9 Grafik Scatterplot

Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.

4. Uji Autokorelasi

Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya (Ghozali, 2005). Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson (DW test). Hasil pengujian autokorelasi dapat dilihat pada tabel berikut:

Tabel 4.15

Uji Autokorelasi dengan Durbin-Watson

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .769a .592 .577 .40260 2.019

a. Predictors: (Constant), x2z, Zscore(GCG), Zscore(firm_size) b. Dependent Variable: earning_mgt

Berdasarkan hasil pengujian Durbin-Watson diperoleh nilai Durbin-Watson sebesar 2.019 yang berarti berdasarkan kriteria Durbin-Watson hasil tersebut 1.579 < 2.019< 2.421 yang berarti tidak terjadi autokorelasi.

4.1.5.2 Uji Hipotesis

Hasil pengujian analisis regresi dengan variabel moderasi antara variabel firm_size dengan earning management di mana good corporate governance sebagai variabel moderasi dapat dilihat pada Tabel 4.12 berikut:

Tabel 4.16

Uji Hipotesis Regresi Moderasi

Coefficientsa

Model Unstandardized

Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1

(Constant) .797 .081 9.878 .000

Zscore(GCG) -.193 .047 -.312 -4.134 .000 Zscore(firm_size) -.502 .048 -.812 -10.428 .000

x2z -.054 .053 -.079 -1.025 .308

a. Dependent Variable: earning_mgt

Berdasarkan Tabel 4.16 diketahui bahwa nilai signifikansi variabel absolut residual antara firm size dengan GCG adalah 0.308 > 0.05, sehingga dapat disimpulkan bahwa variabel GCG tidak mampu memoderasi hubungan antara firm size dengan earning management pada Perusahaan Manufaktur yang terdaftar di BEI periode 2012-2014.

4.2 Pembahasan

Berdasarkan hasil penelitian telah diketahui bahwa earning power dan firm size memengaruhi secara positif dan signifikan secara simultan terhadap earning management pada Perusahaan Manufaktur yang terdaftar di Bursa Efek Indonesia periode 2012-2014. Hasil penelitian ini didapatkan dari nilai 43.319 > 2.71 dan signifikansi 0.000 < 0.05, yang mana menyatakan bahwa secara bersama-sama earning power dan firm size yang meningkat akan meningkatkan earning management pada Perusahaan Manufaktur yang terdaftar di Bursa Efek Indonesia periode 2012-2014.

Pengaruh Earning Power terhadap Earning Management

Hasil penelitian menunjukkan bahwa earning power berpengaruh secara positif namun tidak signifikan terhadap earning management dikarenakan nilai t hitung 0.280 < 1.662 dan signifikansi 0.780 > 0.05. Hasil penelitian ini menunjukkan bahwa earning power perusahaan yang semakin besar tidak dapat menentukan bagaimana earning management diaplikasikan pada perusahaan tersebut. Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Menurut Yuliana (2011), pada penelitian tesis di Fakultas Ekonomi, Universitas Diponegoro dengan judulpenelitian Pengaruh Kompensasi, Leverage, Ukuran Perusahaan, Earnings Power Terhadap Manajemen Laba dan dengan menggunakan analisis regresi linier berganda membuktikan bahwa kompensasi, leverage, ukuran perusahaan, earnings powermemberi pengaruh signifikan terhadap Manajemen Laba (p<0.05).

PengaruhFirm SizeterhadapEarning Management

Hasil penelitian menunjukkan bahwa firm size berpengaruh secara positif dan signifikan terhadap earning management dikarenakan nilai t hiutng 9.105 > t tabel 1.662 dan signifikansi 0.000 < 0.05. Hasil penelitian ini menunjukkan bahwa firm size perusahaan yang semakin besar akan berpengaruh signifikan terhadap earning management perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2012-2014. Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Nurul (2014) Universitas Andalas, Analisis pengaruh leverage, earning power, capital structure dan firm size terhadap manajemen laba pada perusahaan sektor barang konsumsi yang terdaftar di BEI periode 2009-2013 dan dengan menggunakan analisis regresi linier berganda membuktikan bahwa everage, earning power, capital structure dan firm size berpengaruh signifikan terhadap manajemen laba.

Pengaruh variabel moderasi (Good Corporate Governance)

Hasil pengujian regresi dengan variabel moderasi menyatakan bahwa variabel good corporate governance tidak mampu menjadi variabel moderasi antara variabel independen yaitu earning power dan firm size dengan variabel dependen yaitu earning management. Hasil penelitian ini menunjukkan bahwa good corporate governance yang baik maupun tidak baik; tidak akan mampu memperkuat atau memperlemah hubungan antara earning power dan firm size dengan earning management.

BAB V

KESIMPULAN DAN SARAN 5.1 Kesimpulan

Berdasarkan hasil penelitian dan pembahasan yang telah dijelaskan pada bab sebelumnya, maka peneliti mengambil kesimpulan penelitian ini sebagai berikut:

1. Earning powerdan firm size secara simultan berpengaruh secara positif dan signifikan terhadap earning management pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2012-2014.

2. Secara parsial, earning power berpengaruh secara positif namun tidak signifikan terhadap earning management pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2012-2014.

3. Secara parsial, firm size berpengaruh secara positif dan signifikan terhadap earning management pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2012-2014.

4. Variabel moderasi yaitu good corporate governance tidak mampu menjadi variabel moderasi antara earning power dan firm size dengan earning management.

5.2 Saran

Setelah peneliti menyimpulkan penelitian ini maka peneliti mencoba memberikan saran yaitu:

1. Sebaiknya perusahaan lebih menjelaskan laporan tahunan secara komprehensif dan transparan.

2. Sebaiknya perusahaan lebih mampu untuk menentukan bagaimana praktik manajemen laba dilaksanakan di perusahaan demi tercapainya peningkatan investor pada perusahaan.

3. Sebaiknya penelitian selanjutnya menambahkan variabel lain yang dirasa dapat menyempurnakan penelitian ini.

BAB II

KAJIAN PUSTAKA 2.1 Landasan Teori

2.1.1 Teori Agency

Teori agensi mengasumsikan bahwa semua individu bertindak untuk kepentingan mereka sendiri. Teori agensi pertama kali di diperkenalkan oleh Jensen dan Meckling (1976). Hubungan keagenan timbul karena adanya kontrak antara pemegang saham (principal) dan menajemen perusahaan (agent) yang merupakan pengelola perusahaan, dalam kontrak tersebut pemilik memberikan wewenang kepada manajemen untuk menjalankan operasi perusahaan termasuk dalam pengambilan keputusan. Akan tetapi, tidak ada jaminan bahwa manajemen perusahaan mengutamakan kepentingan pemilik perusahaan (Brealey et al., 2008).

Menurut Anthony dan Govindorajan (2005) salah satu elemen kunci dari teori agensi adalah prinsipal dan agen memiliki preferensi atau tujuan yang berbeda. Jensen dan Meckling (1976), menyatakan bahwa jika kedua kelompok (agent dan principal) tersebut adalah orang-orang yang berupaya memaksimalkan utilitasnya, maka terdapat alasan yang kuat untuk agen tidak akan selalu bertindak yang terbaik untuk kepentingan prinsipal.

Teori keagenan mengasumsikan agen menerima kepuasan tidak hanya dari kompensasi keuangan tetapi juga dari tambahan yang telihat dalam hubungan suatu agensi, seperti waktu luang yang banyak, kondisi kerja yang menarik dan jam kerja yang fleksibel. Sedangkan prinsipal diasumsikan hanya tertarik pada pengembalian keuangan yang diperoleh dari investasi mereka di perusahaan tersebut. Oleh karena itu,

teori keagenan berkaitan dengan usaha-usaha untuk memecahkan masalah yang timbul dalam hubungan keagenan.

Menurut Agency Theory, perusahaan dipandang sebagai kontrak antara manajemen (sebagai agent) dan pemilik (sebagai principal). Berdasarkan teori ini, karakteristik asli manusia akan mengutamakan kepentingan sendiri, manajemen (agent) tidak selalu bertindak demi kepentingan terbaiknya pemilik (principal), (Primanita dan Setiono, 2006).

Pihak principal termotivasi mengadakan kontrak untuk mensejahterakan dirinya dengan profitabilitas yang selalu meningkat. Agent termotivasi untuk memaksimalkan pemenuhan kebutuhan ekonomi dan psikologisnya, antara lain dalam hal memperoleh investasi, pinjaman, maupun kontrak kompensasi. Konflik kepentingan semakin meningkat terutama karena principal tidak dapat memonitor aktivitas agent sehari-hari untuk memastikan bahwa agent bekerja sesuai dengan keinginan pemegang saham (Widyaningdyah, 2001).

2.1.2 Laba

Laba merupakan indikator yang dapat digunakan untuk mengukur kinerja operasional perusahaan. Informasi tentang laba mengukur keberhasilan atau kegagalan bisnis dalam mencapai tujuan operasi yang ditetapkan. Baik kreditur maupun investor, menggunakan laba untukmengevaluasi kinerja manajemen, memperkirakan earnings power, dan untuk memprediksi laba dimasa yang akan datang (Hamongan dan Mas’ud, 2006).

Laba yang besar saja belum merupakan ukuran bahwa perusahaan itu telah dapat bekerja dengan efisien. Efisiensi baru dapat diketahui dengan membandingkan laba

yang diperoleh itu dengan kekayaan atau modal yang menghasilkan laba tersebut. Tinggi rendahnya earnings power ditentukan oleh dua faktor yaitu profit margin, yaitu perbandingan antara net operating income (keuntungan neto) dengan net sales (penjualan neto), dan turnover of operating assets (tingkat perputaran aktiva usaha).

Dengan melakukan analisis terhadap profitabilitas perusahaan maka investor dapat menilai kemampuan perusahaan dalam menghasilkan laba (earnings power) dan sejauh mana efektifitas pengolahan perusahaan pada masa- masa yang lalu. Rasio ini mengukur seberapa banyak keuntungan operasional bisa diperoleh dari setiap rupiah penjualan.

2.1.3 Earnings Power

Menurut Riyanto (2008)earnings power adalah kemampuan untuk mengetahui efisiensi perusahaan dengan melihat besar kecilnya dalam menghasilkan laba. Investor beranggapan bahwa earnings power yang tinggi akan menjamin pengembalian investasi serta akan memberikan keuntungan yang layak, oleh karena itu perusahaan harus menampilkan kinerja menejemen yang baik sehingga earnings power perusahaan dapat dilihat maksimal.

Ukuran menggunakan rasio. Indikator pengukuran earnings power dengan menggunakan rasio profitabilitas dalam penelitian ini menggunakan Return On Assets (ROA) dengan menggunakan rumus sebagai berikut :

EP= 100%

asset

Total x

EAT

(Kamus Perbankan, Sujana Ismaya, 2006)

Menurut Riyanto (2008) perhitungan earnings power atas dasar suatu sistem analisa yang dimaksudkan untuk menunjukkan efisiensi perusahaan yang digunakan oleh para

pengguna laporan keuangan. Tinggi rendahnya earnings power dapat ditentukan oleh beberapa faktor yang bisa dilihat dari rasio keuangan, yaitu :

1. Profit Margin

Dimaksudkan untuk mengetahui efisiensi perusahaan dengan melihat kepada besar kecilnya laba usaha dalam hubungannya dengan sales.

2. Persentase laba bersih dari nilai aktiva (ROA)

Dimaksudkan untuk mengetahui efisinsi perusahaan dengan melihat kepada besar kecilnya laba usaha dalam hubungannya dengan aktiva perusahaan.

3. ROI, rasio keuntungan neto sesudah pajak dengan jumlah investasi.

Menurut Natarsyah S. dalam Ma’ruf (2006) rasio keuangan yang sering digunakan adalah ROA sebagai salah satu indikator earnings power perusahaan, yaitu yang mencerminkan kinerja manajemen dalam menggunakan seluruh aset yang dimilikinya, mempunyai pengaruh yang dominan terhadap harga saham dengan rumus sebagai berikut:

ROA =

Asset Total

Tax After Earnings

x100%

Alasan menggunakan rasio ini sebagai alat pengukuran earnings power pada suatu perusahaan yakni, rasio ini mampu menilai kemampuan perusahaan untuk menggunakan rata-rata asetnya dalam menghasilkan profit. Rasio ini juga dapat mewujudkan hubungan investasi baru yang ditunjukkan pada arus kas bersih dikaitkan dengan total aset yang digunakan perusahaan.

Penelitian Purnomo (2009) memperlihatkan suatu hasil bahwa manager selalu berusaha untuk memperlihatkan laba perusahaan yang tinggi guna meyakinkan akan

kemampuan profitabilitas (earningss power) yang tinggi pula. Dengan kata lain, earningss power berpengaruh positif terhadap manajemen laba.

2.1.4 Firm Size (Ukuran Perusahaan)

Ukuran perusahaan (total asset) merupakan gambaran besar kecilnya perusahaan yang tercermin dari nilai total aktiva perusahaan pada neraca akhir tahun yang diukur dengan logn (Ln) dari total aktiva. Apabila perusahaan memiliki total aktiva yang besar menunjukkan bahwa perusahaan telah mencapai tahap kedewasaan (maturity) atau well established. Secara umum perusahaan yang mempunyai total aktiva yang relatif besar dapat beroperasi dengan tingkat efisiensi yang lebih tinggi dibandingkan dengan perusahaan yang total aktivanya lebih rendah. Oleh karena itu, perusahaan dengan total aktiva yang besar akan lebih mampu untuk menghasilkan tingkat keuntungan yang lebih tinggi.Hal ini sesuai dengan teori agency yang mengatakan bahwa semakin besar suatu perusahaan maka biaya keagenan yang muncul juga semakin besar, untuk mengurangi biaya keagenan tersebut, perusahaan cenderung mengungkapkan informasi yang lebih luas (Sembiring, 2005).

Menurut Agnes Sawir (2004) dalam Veronica (2006) ukuran perusahaan dinyatakan sebagai determinan dari struktur keuangan dalam hampir setiap studi untuk alasan yang berbeda.Pertama, ukuran perusahaan dapat menentukan tingkat kemudahan perusahaan memperoleh dana dari pasar modal. Kedua, ukuran perusahaan menentukan kekuatan tawar-menawar dalam kontrak keuangan. Ketiga, ada kemungkinan pengaruh skala dalam biaya dan return membuat perusahaan yang lebih besar dapat memperoleh lebih banyak laba.

diluangkanuntukmembimbing peneliti sehingga peneliti dapat meyelesaikan penelitiannya.

4. Bapak Drs. Hotmal Jafar.,MM.,Ak dan Ibu DR. Rina Bukit, SE.,M.Si.,Ak. selaku dosan penguji dan dosen pembanding yang telah meluangkan waktu, tenaga dan pikiran kepada peneliti.

5. Bapak Drs. Firman Syarif, M.Si.,Ak. , Ibu Dra. Mutia Ismail,M.Si. , Bapak Drs. Syahrul Rambe,MM.,Ak. dan seluruh jajaran dosen Fakultas Ekonomi Universitas Sumatera Utara yang telah membantu dan membimbing peneliti dalam menyelesaikan penilitian dan pembelajaran.

6. Terima kasih kepada yang terkasih Uli Debora Bangun S.Ked, yang telah membantu dan memberi dukungan selama pengerjaan penelitian ini.

7. Teman-teman yang selalu memberikan semangnat, nasehat dan bantuan, Adinda Nadira, Bang Aldi, Bpk Buhari Sitepu, Defri Sianipar, Rinto Sigiro, Baginta Seda, Renard Kaban, Ferdinan Tambunan, Bona Tobing, Denisa Nababan, Roni Sitepu dan kepada seluruh teman-teman S1 Stambuk 2011.

Demikian kata pengantar ini peneliti sampaikan. Semoga skripsi ini bermanfaat bagi semua pembaca.

Medan, 18 Oktober 2016

Andika Nanran Tarigan NIM: 110503028

vi DAFTAR ISI

HALAMAN JUDUL ... i

ABSTRAK ... ii

ABSTRACT ... iii

KATA PENGANTAR ... iv

DAFTAR ISI ... vi

DAFTAR TABEL ... DAFTAR GAMBAR ... DAFTAR LAMPIRAN ... BAB I PENDAHULUAN ... 1

1.1 Latar Belakang Masalah ... 1

1.2 Rumusan Masalah ... 7

1.3 Tujuan Penelitian ... 7

1.4 Manfaat Penelitian ... 8

BAB II TINJAUAN PUSTAKA ... 9

2.1 Landasan Teori... 9

2.1.1 Teori Agency ... 10

2.1.2 Laba ... 11

2.1.3 Earnings Power. ... 12

2.1.4 Firm Size. ... 13

2.1.5 Earnings Management ... 14

2.2 Good Corporate Governance ... 16

2.2.1 Definisi GCG ... 16

2.2.2 Tujuan dan Manfaat GCG ... 18

2.2.3 Dasar Tata Kelola GCG... 21

2.3 Penelitian Terdahulu ... 23

2.4 Kerangka Konseptual ... 26

BAB III METODE PENELITIAN ... 27

3.1 Jenis Penelitian ... 27

3.2 Tempat & Waktu Penelitian ... 27

3.3 Populasi dan Sampel ... 27

3.4 Metode Pengumpulan Data ... 28

3.5 Jenis Data ... 28

3.6 Batasan Operasinal ... 28

3.7 Definisi Operasional dan Metode PengukuranVariabel ... 29

3.7.1 Earning Power ... 29

3.7.2 Firm Size ... 29

3.7.3 Earning Management ... 30

3.7.4 Good Corporate Governance ... 30

3.8 Model dan Teknik AnalisisData ... 33

3.8.1 Pengujuan Asumsi Klasik ... 35

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... 39

4.1 Hasil Penelitian ... 39

4.1.1 Statistik Deskriptif ... 39

4.1.2 Uji Asumsi Klasik ... 40

4.1.2.1 Uji Normalitas ... 40

4.1.2.2 Uji Multikolinearitas ... 42

4.1.2.3 Uji Heteroskedastsitas ... 43

4.1.2.4 Uji Autokorelasi ... 45

4.1.3 Uji Hipotesis ... 46

4.1.3.1 Uji Simultan (Uji F)... 47

4.1.3.2 Uji Parsial (Uji t) ... 48

4.1.3.3 Uji Koefisien Determinasi (Uji R) ... 49

4.1.4 Uji Analisi Regresi dengan Variabel Moderating ... 50

4.1.4.1 Uji Asumsi Klasik ... 50

4.1.4.2 Uji Hipotesis ... 56

4.1.5 Uji Analisis Regresi dengan Variabel Moderating ... 57

4.1.5.1 Uji Asumsi Klasik ... 57

4.1.5.2 Uji Hipotesis ... 64

4.2 Pembahasan... 65

BAB V KESIMPULAN DAN SARAN ... 67

5.1 Kesimpulan ... 67

5.2 Saran ... 68

DAFTAR PUSTAKA ... 69

viii DAFTAR TABEL

No. Tabel Judul Halaman

2.3. Penelitian Terdahulu ... 23

3.1. Defenisi Operasional ... 30

4.1. Statistik Deskriptif ... 39

4.2. Hasil Uji Normalitas dengan Kolmogrov-Smirnov .... 42

4.3. Hasil Uji Multikolinearitas ... 43

4.4. Uji Autokorelasi dengan Durbin-Watson ... 45

4.5. Hasil Analisis Regresi ... 46

4.6 Hasil Uji F ... 47

4.7 Hasil Uji t ... 48

4.8 Hasil Koefisien Determinasi ... 49

4.9. Hasil Uji Normalitas dengan Kolmogorov-Smirnov .. 52

4.10. Hasil Uji Multikolinearitas ... 53

4.11. Uji Autokorelasi dengan Durbin-Watson ... 55

4.12. Uji Hipotesis Regresi Moderasi ... 56

4.13. Hasil Uji Normalitas dengan Kolmogorov-Smirnov .. 59

4.14. Hasil Uji Multikolinearitas ... 60

4.15. Uji Autokorelasi dengan Durbin-Watson ... 63

DAFTAR GAMBAR

No. Gambar Judul Halaman

2.4. Kerangka Konseptual ... 26

4.1. Grafik Histogram ... 40

4.2. Normal Probability Plot ... 41

4.3. Grafik Scatterplot ... 44

4.4. Grafik Histogram ... 50

4.5. Normal Probability Plot ... 51

4.6. Grafik Scatterplot ... 54

4.7 Grafik Histogram ... 57

4.8. Normal Probability Plot ... 58

x DAFTAR LAMPIRAN

No. Gambar Judul Halaman

1 Lampiran Populasi dan Sample ... 73

2 Analisis Regresi Berganda Tanpa Variabel Moderasi ... 76

3 Analisis Regresi 1 Dengan Variabel Moderasi... 81