Target Laba (Earnings Targets)

2. Target Laba (Earnings Targets)

Variabel independen dalam penelitian ini adalah target laba perusahaan, yang terdiri dari:

a. Melaporkan laba positif Laba positif diproksikan dengan premanaged earnings per share (PMEPS), yaitu laba per lembar saham sebelum perubahan diskresioner pada VAA, dengan rumus:

PMEPS it = (NI it / CSO it ) + D∆VAA it

b. Melaporkan peningkatan laba Peningkatan laba diproksikan dengan premanaged change in earnings per share ( PM∆EPS), yaitu perubahan laba per lembar saham sebelum perubahan diskresioner pada VAA, dengan rumus:

PM ∆EPS it = [(NI it – NI it-1 )/ CSO it ] + D∆VAA it

commit to user

NI it =

laba bersih perusahaan i pada tahun t CSO it

jumlah saham beredar perusahaan i pada tahun t D∆VAA it =

perubahan diskresioner VAA perusahaan i pada tahun t

Premanaged EPS (PMEPS)

Premanaged Change in EPS (PM∆EPS)

Sama seperti penelitian terdahulu (Frank dan Rego, 2006), peneliti mengklasifikasikan premanaged earnings tersebut menjadi tiga (gambar 3.1), yaitu jauh di bawah earnings targets (PMEPS << T, PM∆EPS << T ), di bawah earnings targets (PMEPS < T, PM∆EPS < T), dan di atas earnings targets (PMEPS > T, PM∆EPS > T).

PMEPS << T = 1

PMEPS < T = 1

PMEPS >> T = 1

-0,05

0 0,05 Earning Target Range

PM∆EPS << T = 1

PM∆EPS < T = 1

PM∆EPS >> T = 1

-0,05 0,05 0 Earning Target Range

Gambar 3.1 Premanaged Earnings pada Dua Target Laba

commit to user

Dalam pengujian hipotesis yang diajukan dalam penelitian, penulis menggunakan metode analisis regresi berganda untuk mengetahui pengaruh antara variabel independen dan variabel dependen. Pengujian hipotesis dilakukan dengan bantuan program Statistical Product and Service Solution (SPSS) for windows versi 17.0. Dalam penelitian ini dilakukan beberapa pengujian, antara lain:

1. Uji Normalitas Data Tujuan dilakukannya uji normalitas data adalah untuk menguji apakah variabel dependen dan variabel independen dalam model memiliki distribusi normal ataukah tidak. Untuk pengujian normalitas, peneliti menggunakan uji Kolmogorov Smirnov. Kriteria yang digunakan adalah pengujian dua arah (two tailed test), yaitu dengan membandingkan p value yang diperoleh dengan taraf signifikansi yang digunakan. Dalam penelitian ini menggunakan taraf signifikansi 0,05. Jika nilai p value > 0,05 maka data terdistribusi normal.

2. Uji Asumsi Klasik

a. Uji Multikolinieritas Uji multikolinieritas bertujuan untuk menguji apakah dalam model ditemukan adanya korelasi antar variabel independen (Ghozali, 2005). Model yang baik seharusnya tidak terjadi korelasi di antara variabel independennya. Untuk mendeteksi ada atau tidaknya multikolinieritas

commit to user

Factor (VIF). Tolerance mengukur variabilitas variabel independen terpilih yang tidak dijelaskan variabel independen lainnya. Nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/Tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai Tolerance > 0,1 dan nilai VIF <

10.

b. Uji Autokorelasi Uji ini digunakan untuk melihat apakah di dalam model linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah tersebut timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya (Ghozali, 2005). Model yang baik adalah model yang bebas dari autokorelasi. Untuk menguji ada tidaknya masalah autokorelasi, peneliti akan menggunakan uji Durbin-Watson (DW test). Kemudian nilai Durbin- Watson hitung (d) yang diperoleh dari hasil pengujian akan dibandingkan dengan nilai tabel Durbin-Watson.

c. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Untuk mendeteksi ada atau tidaknya

commit to user

dengan meregresi nilai logaritma dari kuadrat residual (LnU 2 i) terhadap variabel independen (Ghozali, 2005).

3. Uji Hipotesis Analisis regresi linear berganda adalah analisis regresi linear digunakan untuk menguji hubungan antara dua atau lebih variabel dependen dengan himpunan variabel independen yang ditampilkan dalam bentuk persamaan regresi kemudian dilakukan pengujian koefisien regresi secara simultan

(uji F), pengujian ketepatan (Goodness of Fit/R 2 ), dan pengujian koefisien regresi parsial (uji-t). Sesuai dengan kerangka pemikiran dan pengajuan hipotesis di atas maka hipotesis akan di uji dengan persamaan regresi sebagai berikut:

D∆VAA it = β 1 PMEPS<<T it + β 2 PM∆EPS<<T it + β 3 PMEPS<T it + β 4 PM∆EPS<T it +β 5 PMEPS>>T it +β 6 PM∆EPS>>T it + ε it

Dimana: D∆VAA it

= perubahan diskresioner VAA perusahaan i pada tahun t PMEPS<<T = variabel dummy sama dengan 1 jika PMEPS lebih

kecil dari -0,05; sama dengan 0 jika tidak. PM∆EPS<<T = variabel dummy sama dengan 1 jika PM∆EPS lebih

kecil dari -0,05; sama dengan 0 jika tidak. PMEPS<T = variabel dummy sama dengan 1 jika PMEPS lebih

besar dari -0,05 dan lebih kecil dari 0; sama dengan 0 jika tidak.

commit to user

PM∆EPS<T = variabel dummy sama dengan 1 jika PM∆EPS lebih besar dari -0,05 dan lebih kecil dari 0; sama dengan 0 jika tidak.

PMEPS>>T = variabel dummy sama dengan 1 jika PMEPS lebih besar dari 0,05; sama dengan 0 jika tidak.

P M∆EPS>>T = variabel dummy sama dengan 1 jika PM∆EPS lebih besar dari 0,05; sama dengan 0 jika tidak.

β = Koefisien Regresi ε it

= Koefisien Error

a. Uji Statistik F (Uji F) Uji statistik F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model memiliki pengaruh secara bersama-sama terhadap variabel dependen. Kriteria pengujiannya adalah:

1) H 0 diterima dan H a ditolak yaitu apabila nilai signifikansi lebih dari nilai alpha 0,05 berarti variabel independen secara bersama-sama tidak berpengaruh terhadap variabel dependen atau dapat dikatakan bahwa model regresi tidak signifikan.

2) H 0 ditolak dan H a diterima yaitu apabila nilai signifikansi kurang dari nilai alpha 0,05 berarti variabel independen secara serentak dan signifikan bersama-sama berpengaruh terhadap variabel dependen atau dapat dikatakan bahwa model regresi signifikan.

commit to user

Uji ketepatan perkiraan bertujuan untuk menilai total variasi variabel dependen yang dapat dijelaskan oleh variabel independen. Hasil dari

pengujian ini adalah koefisien determinasi majemuk disesuaikan (R 2 adjusted ) yaitu suatu koefisien determinasi yang menunjukkan besaran variasi dari variabel independen dalam menjelaskan variabel dependen. Jika dalam suatu model terdapat lebih dari dua variabel independen,

maka lebih baik menggunakan nilai adjusted R 2 . Nilai adjusted R 2 besarnya berkisar antara lebih besar sama dengan nol dan lebih kecil sama dengan 1. Jika semakin mendekati 1 maka model semakin baik, begitu pula sebaliknya.

c. Uji Statistik t (Uji t) Uji statistik t digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Kriteri pengujiannya adalah:

1) H 0 diterima dan H a ditolak yaitu apabila nilai signifikansi lebih dari nilai alpha 0,05 berarti variabel independen secara individual tidak berpengaruh terhadap variabel dependen.

2) H 0 ditolak dan H a diterima yaitu apabila nilai signifikansi kurang dari nilai alpha 0,05 berarti variabel independen secara individual berpengaruh terhadap variabel dependen.

commit to user