49
3 Perusahaan yang memberikan informasi yang meliputi total
aktiva, total hutang pendapatan, piutang dagang, aktiva tetap, laba bersih dan aliran kas dari aktivitas operasi
perusahaan, KAP yang melakukan pengauditan tersedia 25
Tahun pengamatan 4
Perusahaan yang dijadikan sampel penelitian 100
4.2 Hasil Analasis Data
4.2.1 Analisis Statistik Deskriptif
Uji statistik deskriptif bertujuan untuk memberikan gambaran atau deskripsi dari suatu data yang dilihat dari jumlah sampel, nilai minimum, nilai
maksimum, nilai rata-rata mean, dan standar deviasi dari masing-masing variabel. Berikut ini dijelaskan statistik data penelitian:
Tabel 4.2 Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation ManjLaba
100 -.91
.40 -.0114
.19576 KI
100 34.01
99.14 75.2313
16.44824 KomAudit
100 34.01
99.00 74.9303
15.94591 Size
100 25.18
33.86 28.5495
1.70897 Laverage
100 .09
.90 .4492
.20861 Valid N
listwise 100
50
Berdasarkan hasil yang diperoleh dari Tabel 4.2 maka dapat dijelaskan bahwa: 1.
Variabel Manajemen Laba memiliki jumlah sampel sebanyak 100, nilai minimum -9.1, nilai maksimum 40, mean nilai rata-rata sebesar-0.0114
dan standart deviation atau simpangan baku sebesar 0.19576. 2.
Variabel Kepemilikan institusional memiliki jumlah sampel sebanyak 100, nilai minimum 34.01, nilai maksimum 99.14, mean nilai rata-rata
sebesar 75.2313 dan standart deviation atau simpangan baku sebesar 16.44824.
3. Variabel Komite Audit memiliki jumlah sampel sebanyak 100, nilai
minimum 34.01, nilai maksimum 99.00, mean nilai rata-rata sebesar 74.9303 dan standart deviation atau simpangan baku sebesar 15.94591.
4. Variabel Laverage memiliki jumlah sampel sebanyak 100, nilai minimum
0.09, nilai maksimum 90, mean nilai rata-rata sebesar 0.4492 dan standart deviation atau simpangan baku 0.20861.
5. Variabel Size memiliki jumlah sampel sebanyak 100, nilai minimum
25.18, nilai maksimum 33.86, nilai mean rata-rata 28.5495, dan nilai standart deviation atau simpangan baku 1.70897.
6. Jumlah sampel yang digunakan adalah sebanyak 100 sampel.
51
4.2.2 Uji Asumsi Klasik
Metode analisis yang digunakan oleh peneliti adalah metode moderated regression analysis MRA atau uji interaksi merupakan aplikasi khusus regresi
berganda linear. Analisis regresi berganda berguna untuk menguji pengaruh dari vatriabel independen terhadap variabel dependen dalam suatu penelitian dan analisis
regresi dengan variabel moderating, untuk menguatkan atau melemahkan hubungan antara variabel independen terhadap variabel dependen.
Sebelum melakukan uji hipotesis penelitian ini terlebih dahulu peneliti akan melakukan uji asumsi klasik, hal tersebut berguna untuk melihat apakah data telah
terdistribusi dengan normal dengan uji normalitas, dan untuk melihta apakah penelitian tersebut terjadi multikolineritas, heterokedastisitas dan autokorelasi atau
tidak. Uji asumsi klasik harus memenuhi: a.
Berdistribusi normal, b.
Non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna atau
mendekati sempurna, c.
Non-autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling korelasi.
d. Non-heteroskedasitas, artinya variance variabel independen dari satu
pengamatan kepengamatan yang lain adalah konstan atau sama.
52
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residul memiliki distribusi normal. seperti diketahui bahwa
uji t dan F mengasumsikan bahwa nilai residul mengikuti distribusi normal. kalau asumsi ini dilanggar maka uji statistic menjadi tidak valid untuk jumlah sampel kecil.
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik Ghozali,2013.
Menurut Ghozali 2013 memberikan pedoman pengambilan keputusan tentang data mendekati atau merupakan distribusi normal berdasarkna uji
Kolmogorov Smirnov yang dapat dilihat dari: a.
Nilai sig. atau signifikan atau probabilitas 0.05, maka distribusi data adalah tidak normal,
b. Nilai sig. atau signifikan atau probabilitas 0.05, maka distribusi data
adalah normal. Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov dapat
dilihat pada Tabel 4.3 berikut ini:
53
Tabel 4.3 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardi zed
Residual N
100 Normal Parameters
a,b
Mean .0000000
Std. Deviation
.19403233 Most Extreme
Differences Absolute
.058 Positive
.040 Negative
-.058 Kolmogorov-Smirnov Z
.579 Asymp. Sig. 2-tailed
.891 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan hasil Uji normalitas tabel 4.3 maka hasil yang di dapatkan adalah data terdistribusi secara normal karena dari hasil pengolahan data tersebut, besarnya
nilai Kolmogorov-Smirnov adalah 0.579 dan signifikansinya pada 0.891. maka dapat disimpulkan bahwa data terdistribusi normal, karena 0.8910.05 dan dapat
dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini turut dilampirkan grafik histogram, dan normal probability plot yang terdistribusi normal.
54
Gambar 4.1 Uji Normalitas
55
Data yang telah terdistribusi normal dapat kita ketahui dengan melihat histrogram dan grafik pada gambar 4.1, grafik histogram pada uji normalitas di atas
dapat terlihat bahwa data terdistribusi mengikuti garis diagonal yang tidak melenceng Skewness ke kiri maupun ke kanan. Data yang telah terdistribusi normal juga bisa
diketahui dengan melihat grafik plot. Menurut Ghozali 2013 pendeteksian normalitas dapat dilakukan dengan
melihat penyebaran titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini
menunjukkan data telah terdistribusi normal. Pada gambar 4.2 dapat terlihat bahwa penyebaran data titik menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal, oleh sebab itu dapat diketahui bahwa data telah terdistribusi dengan normal.
4.2.2.2 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali,2013. Pengambilan keputusan ada atau
tidaknya autokorelasi, yaitu:
56
Tabel 4.4 Kriteria Pengambilan Keputusan
Uji Durbin-Watson
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0dd1
Tidak ada autokorelasi positif Tidak ada keputusan
d
lddu Tidak ada korelasi negatif
Tolak 4-dld4
Tidak ada korelasi negatif Tidak ada keputusan
4-dud4-dl Tidak ada autokorelasi positif
atau negative Tidak ditolak
Dud4-du
Hasil uji autokorelasi Durbin Watson terlihat seperti pada tabel dibawah ini:
Tabel 4.5 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .386
a
.149 .114
.18717 2.143
a. Predictors: Constant, KI, KomIndependen,KomAudit,Size,Laverage b. Dependent Variable: ManjLaba
Berdasarkan tabel 4.5 diatas dapat dilihat bahwa nilai DWadalah 2.143. selanjutnya nilai ini akan dibandingkan dengan nilai tabel dengan tingkat signifikansi
5, jumlah sampel 100 n=100 dan variabel independen 2 k=5. Maka dari tabel Durbin Watson didapatkan nilai batas dI adalah 1.441 dan batas atas du sebesar
57
1.647. Oleh karena DW 2.143 lebih besar dari batas atas du 1.647 dan lebih kecil dari 4 – 1.647 = 2.353 4-du, maka dapat disimpulkan tidak terdapat masalah
autokorelasi positif atau negatif dud4-du atau 1.6472.1432.353 atau dengan kata lain tidak terdapat autokorelasi.
4.2.2.3 Uji Heterokedastisitas
Heterokedastisitas bertujuan 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 berbeda disebut heteroskedastisitas. Model regresi yang
baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali,2013. Dasar pengambilan keputusannya menurut Ghozali 2013 adalah
sebagai berikut: 1.
Jika ada 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 dibawah angka 0 pada sumbu y, maka tidak terjadi heteroskedastisitas.
58
Gambar 4.2 Uji Heteroskedisitas
Pada gambar 4.2 pada grafik Scatterplot diatas dapat terlihat bahwa titik data menyebar secara acak dan tidak terlihat pola tertentu, dan pada grafik scatterplot
diatas juga dapat terlihat bahwa tidak tersebar diatas maupun dibawah sumbu y dan angka 0. Oleh karena itu dapat disimpulkan bahwa tidak terjadi heterokedastisitas di
dalam penelitian ini, dan model regresi ini layak dipakai dalam penelitian.
4.2.2.4 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan korelasi antara variabel bebas independen. Model regresi yang baik
seharusnya tidak terjadi korelasi antara variable l independen. Jika variabel independen saling berkorelasi, maka variabel ini tidak ortogonal.
59
Variabel orthogonal adalah variabel independen yang nilai korelasi antara sesame variabel independen sama dengan nol Ghozali,2013. Untuk mendeteksi ada
tidaknya gejala multikolinearitas adalah dengan melihat tolerance dan variance inflation faktor VIF. Tolerance mengukur variabilitas variabel independen yang
terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerance. Nilai
cutoff yang umum dipakai untuk menunjukan adanya multikolinearitas adalah nilai tolerance 0.1 atau sama dengan VIF 10 Ghozali,2013. Hasil pengujian terhadap
multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.6
Tabel 4.6 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardi
zed Coefficie
nts t
Sig. Collinearity
Statistics
B Std.
Error Beta
Toleran ce
VIF
1 Constant
.057 .347
.165 .869 KI
.003 .001
.031 .296 .768
.921 1.085 KuaAudit
-.053 .054
-.128 -.985 .327 .616 1.623
KomAudit -.050
.001 -.003 -.033 .974
.948 1.055 Size
-.001 .013
-.005 -.042 .967 .803 1.245
Laverage -.135
.120 -.144
- 1.130
.261 .640 1.562
a. Dependent Variable: ManjLaba
60
Berdasarkan data olahan spss diatas dapat diketahui bahwa data penelitian ini tidak terjadi multikolinearitas. Hal tersebut dapat diketahui bahwa data penelitian ini
tidak terjadi multikolinearitas. Hal tersebut dapat diketahui bahwa tidak ada satupun variabel independen yang memiliki VIF di atas 10 ataupun tolerance dibawah 0.1.
dari hasil uji multikolinearitas ini didapatkan bahwa nilai VIF untuk kepemilikan institusional adalah 1.085 10 dan nilai tolerance sebesar 0.921 0.1. Nilai VIF
untuk proporsi dewan komite audit adalah 1.055 10 dan nilai tolerance sebesar 0.948, Nilai VIF untuk size adalah 1.245 10 dan nilai tolerance sebesar 0.803 0.1.
Nilai VIF untuk leverage adalah1.562 10 dan nilai tolerance sebesar 0.640 0.1 Nilai VIF untuk kualitas audit adalah 1.623 10 dan nilai tolerance 0.616 0.1.
Kesimpulan dari uji multikolinearitas ini adalah bahwa semua variabel independen dan variabel kontrol telah lolos dari uji multikolinearitas.
4.2.3. Analisis Regresi
Moderated regression analysis MRA atau uji interaksi merupakan aplikasi khusus regresi berganda linear dimana dalam persamaan regresinya mengandung
unsur interaksi perkalian dua atau lebih variabel independen, yang terdaftar pada analisis pengaruh kepemilikan institusional terhadap manajemen laba dan pengaruh
interaksi anatara kepemilikan intitusional terhadap manjemen laba dengan kualitas audit sebagai moderating hasil berikut:
61
Tabel 4.7 Hasil Analisis Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.066 .355
.185 .854
KI .003
.001 .027
.244 .807
KuaAudit -.053
.055 -.126
-.957 .341
KI_KuaAudit -.003
.025 -.013
-.116 .908
Size -.001
.013 -.007
-.064 .949
Laverage -.134
.120 -.143 -1.117
.267 a.
DependentVariabel: Manajemen Laba Berdasarkan data diatas, dapat dirumuskan suatu persamaan regresi untuk
manejemen laba pada perusahaan manufaktur yang terdaftar di bursa efek indonesia periode 2010-2013 adalah sebagai berikut:
Y = 0.066 + 0.003 X1 – 0.53 X2 – 0.003 X3 – 0.001 X4 – 0.134 X5+ € Keterangan :
1. Konstanta α sebesar 0.0066 menunjukkan bahwa variabel independen sama
dengan nol kepemilikan institusional = 0, komite audit = O, variabel control sama dengan nol leverage = 0, ukuran perusahaan size = 0 dan variabel
moderating sama dengan nol kualitas audit = 0 2.
Koefisien regresi kepemilikan institusional β1 sebesar 0.003 menunjukkan bahwa setiap kenaikan dari kepemilikan institusional sebesar 1 satuan akan
diikuti oleh kenaikan manajemen laba sebesar 0.003
62
3. Koefisien regresi kualitas audit β2 sebesar -0.53 menunjukkan bahwa setiap
kenaikan dari kualitas audit sebesar 1 satuan akan diikuti oleh kenaikkan manajemen laba sebesar -0.53
4. Koefisien regresi interaksi antara kepemilikan institusional dengan kualitas
audit β3 sebesar -0.003 menujukkan bahwa setiap kenaikan interaksi antara kepemilikan institusional sebesar 1 satuan akan diikuti oleh kenaikan
manajemen laba sebesar -0.003 5.
Koefisien regresi laverage β4 sebesar -0.001 menunjukkan bahwa setiap kenaikan laverage sebesar 1 satuan akan diikuti oleh kenaikan manajemen
laba sebesar -0.001 6.
Koefisien regresi ukuran perusahaan size sebear -0.134 menunjukkan bahwa setiap kenaikan ukuran perusahaan sebesar 1 satuan akan diikuti oleh
kenaikan manajemen laba sebesar -0.134. Analisis pengaruh komite audit terhadap manajemen laba dengan interaksi antara
komite audit dengan kualitas audit sebagai berikut:
63
Tabel 4.8 Hasil Analisis Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
.047 .347
.136 .892
KomAudit -.001
.001 -.005
-.052 .958
KuaAudit -.050
.054 -.120
-.920 .360
KA_KUA -.014
.021 -.071
-.687 .494
Size .001
.013 .007
.063 .950
Laverage -.131
.119 -.139
-1.097 .276
a. Dependent Variable: ManjLaba Berdasarkan data diatas, dapat dirumuskan suatu persamaan regresi untuk
manejemen laba pada perusahaan manufaktur yang terdaftar di bursa efek indonesia periode 2010-2013 adalah sebagai berikut:
Y = 0.047 - 0.001 X1 – 0.50 X2 – 0.014 X3 + 0.001 X4 – 0.131 X5 Keterangan :
1. Konstanta α sebesar 0.047 menunjukkan bahwa variabel independen sama
dengan nol komite audit = O, variabel control sama dengan nol leverage = 0, ukuran perusahaan size = 0 dan variabel moderating sama dengan nol
kualitas audit = 0 2.
Koefisien regresi komite audit β1 sebesar -0.001 menunjukkan bahwa setiap kenaikan dari kepemilikan institusional sebesar 1 satuan akan diikuti oleh
kenaikan manajemen laba sebesar -0.001
64
3. Koefisien regresi kualitas audit β2 sebesar -0.50 menunjukkan bahwa setiap
kenaikan dari kualitas audit sebesar 1 satuan akan diikuti oleh kenaikkan manajemen laba sebesar -0.50
4. Koefisien regresi interaksi antara kepemilikan institusional dengan kualitas
audit β3 sebesar -0.014 menujukkan bahwa setiap kenaikan interaksi antara kepemilikan institusional sebesar 1 satuan akan diikuti oleh kenaikan
manajemen laba sebesar -0.014 5.
Koefisien regresi laverage β4 sebesar 0.001 menunjukkan bahwa setiap kenaikan laverage sebesar 1 satuan akan diikuti oleh kenaikan manajemen
laba sebesar 0.001 6.
Koefisien regresi ukuran perusahaan size sebear -0.131 menunjukkan bahwa setiap kenaikan ukuran perusahaan sebesar 1 satuan akan diikuti oleh
kenaikan manajemen laba sebesar -0.131.
4.2.4 Pengujian Hipotesis
