Tabel 3.1 Ringkasan Definisi Operasional Variabel:
No Variabel
Definisi Indikator
Pengukuran 1.
Konservatis me Laba Y
Suatu prinsip akuntansi yang mengakui biaya
atau beban
dengan cepat dan pendapatan
diakui dengan lambat. Rasio
2. PSAK64
X
1
Merupakan suatu
peraturan akuntansi
yang bertujuan untuk menetapkan pelaporan
keuangan atas
eksplorasi dan evaluasi pada
pertambangan sumber daya mineral.
Variabel dummy yaitu memberikan nilai 0 untuk perusahaan sampel yang
belum menerapkan PSAK 64 dan 1 untuk perusahaan sampel yang telah
menerapkan PSAK 64 Rasio
3. Struktur
kepemilikan manajerialX
2
Persentase jumlah
saham yang dimiliki pihak manajerial dari
seluruh jumlah saham yang beredar.
Rasio
4. Struktur
kepemilikan institusional
X
3
Persentase jumlah
saham yang dimiliki pihak institusional dari
seluruh jumlah saham yang beredar.
Rasio
5. Struktur
kepemilikan publik X
4
Persentase jumlah
saham yang dimilki oleh
kepemilikan publik
dari seluruh
jumlah saham
yang beredar.
Rasio
6. Ukuran
perusahaan X
5
Total aset perusahaan. Lntotal aset perusahaan
Rasio
7. LeverageX
6
Total utang dibagi total aset.
Rasio
Sumber: dikembangkan dari beberapa jurnal
3.9. Teknik Analisis Data
3.9.1. Analisis Statistik Deskriptif
Penelitian ini menggunakan metode analisis data statistik deskriptif dengan tujuan untuk mengetahui pengaruh variabel independen terhadap variabel dependen.
Menurut Jogiyanto 2007 descriptive statistics atau statistik deskriptif merupakan statistik yang digunakan untuk menggambarkan fenomena atau karakteristik dari data
yang digunakan dalam penelitian ini. Karakteristik data yang digambarkan adalah karakteristik distribusinya.
Menurut Ghozali 2011 statistik deskriptif memberikan gambaran atau deskripsi masing-masing variabel yang dilihat dari nilai rata-rata, standar deviasi, varian,
minimum, maksimum, sum, range, kurtosis dan skewness. Standar deviasi, varian, minimum dan maksimum menunjukkan hasil analisis terhadap distersi variabel,
sedangkan kurtosis dan skewness menunjukkan bagaimana variabel terdistribusi, lalu varian dan standar deviasi menunjukkan penyimpangan variabel terhadap nilai rata-
rata.
3.9.2 Analisis Regresi Berganda Model Panel Data
Menurut Indriantoro 1999, analisis regresi linear berganda pada dasarnya merupakan eksistensi dari metode regresi dalam analisis bivariate yang umumnya
digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel dependen dengan skala pengukuran interval atau rasio dalam satu persamaan
linear. Analisis regresi linear berganda digunakan untuk mengukur pengaruh antara lebih dari satu variabel bebas X terhadap variabel terikat Y. Perbedaan penerapan
metode analisis regresi linear berganda dan analisis regresi linear sederhana adalah terletak pada jumlah variabel bebas yang digunakan.
Analisis regresi linier berganda digunakan dalam penelitian ini untuk mengetahui pengaruh PSAK 64, struktur kepemilikan manajerial, struktur kepemilikan
institusional, struktur kepemilikan publik, ukuran perusahaan dan leverage terhadap konservatisme laba pada perusahaan pertambangan yang terdaftar di BEI periode
2011-2015. Teknik analisis regresi linear berganda digunakan dengan model dasar sebagai
berikut: Y=
...…………………..3.7 Sumber: Ghozali 2005
Dimana : Y
: Konservatisme akuntansi α
: Nilai intersep konstanta β1 – β6
: Koefisien regresi variabel X1
: PSAK 64 X2
: Struktur Kepemilikan Manajerial X3
: Struktur Kepemilikan Institusional X4
: Struktur Kepemilikan Publik X5
: Ukuran Perusahaan X6
: Leverage ε
: Error atau variabel di luar model
Pembuktian model regresi yang diajukan dalam penelitian dengan menggunakan panel data dalam Eviews. Data panel atau pooled data merupakan kombinasi dari data
time series dan cross section. Metode data panel lebih tepat digunakan untuk mengatasi interkorelasi diantara variabel-variabel bebas yang pada akhirnya dapat
mengakibatkan tidak tepatnya penaksiran regresi Griffiths dalam Supranto dan Limakrisna, 2012. Eviews merupakan program komputer yang digunakan untuk
mengolah data statistik dan ekonometrika. Terdapat tiga metode yang dapat digunakan untuk bekerja dengan model regresi dengan data panel Winarno, 2015
1. Pooled Least Squares PLS
Sebelum membuat regresi kita terlebih dahulu harus menggabungkan data cross-section dengan data time series pool data. Kemudian data gabungan
ini diperlakukan sebagai satu kesatuan pengamatan yang digunakan untuk mengestimasi model dengan metode PLS. Menurut Supranto dan Limakrisna
2012 pooled least square digunakan untuk mengestimasi data panel dengan metode OLS Ordinary Least Square. Model regresi data panel adalah
sebagai berikut: Y
it
= ………..…………...….3.8
Sumber: Djalal 2006
2. Fixed Effect FE
Dasar pemikiran pemikiran pembentukan model fixed effect yaitu variabel- variabel yang tidak semuanya masuk dalam persamaan model memungkinkan
adanya intercept yang tidak konstan. Atau dengan kata lain, intercept ini
mungkin berubah untuk setiap individu dan waktu. Model fixed effect menambahkan model dummy pada data panel. Model regresi data panel
adalah sebagai berikut : Y
it
= ………………3.9
Sumber: Djalal 2006
3. Random Effect RE
Teknik ini memperhitungkan bahwa error mungkin berkorelasi sepanjang time series dan cross section. Untuk memperhitungkan error dari data panel
teknik ini menggunakan metode least square. Rumus estimasi model ini sebagai berikut:
Y
it
= ……………3.10
Sumber: Djalal 2006
3.9.3 Pemilihan Model Data Panel
Terdapat dua uji yang dapat digunakan untuk memilih model yang tepat yaitu uji signifikan fixed effect uji F atau chow-test dan uji hausman. uji signifikan fixed effect
uji F atau chow-test digunakan untuk menentukan metode pendekatan yang digunakan antara pooled least square atau fixed effect. Sedangkan uji hausman
digunakan untuk menentukan metode pendekatan yang digunakan antara random effect atau fixed effect Supranto dan Limakrisna, 2013.
1. Uji Chow-test Common vs fixed effect