3.6 Metode Analisis Data dan Uji Hipotesis
3.6.1 Analisis Deskriptif
Statistik deskriptif merupakan statistik yang menggambarkan atau mendeskripsikan data menjadi sebuah informasi yang lebih jelas dan mudah untuk
dipahami. Statistik deskriptif ini memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, median, modus, standar deviasi, nilai
maksimum dan nilai minimum. Deskripsi variabel dalam penelitian ini adalah bagian dari hasil penelitian
yang berguna untuk menggambarkan tingkat varibel independen nilai perusahaan, kebijakan deviden, dan reputasi auditor dan variabel dependen
perataan laba .
3.6.2 Analisis Regresi Logistik
Pada penelitian ini, pengujian model hipotesis dilakukan dengan menggunakan regresi logisti biner
binary logistic regression. Pengujian hipotesis dengan metode binary logistic regression digunakan dalam penelitian ini karena
variabel dalam penelitian ini berskala metric dan nom metric.
Teknik analisis data dengan menggunakan regresi logistik tidak lagi memerlukan uji normalitas pada variabel bebasnya Ghozali, 2006 dan
mengabaikan heteroskedastisitas Gujarati, 2003. Analisis regresi logistic dilakukan dengan menggunakan bantuan program SPSS. Persamaan model regresi
logistik yang digunakan adalah sebagai berikut :
= β + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ e
Keterangan: :Variabel dummy perataan laba kategori 1 untuk perusahaan yang
melakukan perata laba dan kategori 0 untuk perusahaan yang tidak melakukan perata laba
β : Konstanta
β
1
– β
3
: Koefisien regresi untuk masing-masing variabel independen X
1
: Price to Book Value X
2
: Dividend Payout Ratio X
3
: Reputasi Auditor e
: kesalahan residual
3.6.3 Uji Hipotesis
Untuk menjawab hipotesis penelitian, dilakukan beberapa metode analisis sebagai berikut:
1. Menilai kelayakan model regresi Kelayakan model regresi dinilai dengan menggunakan Hosmer and
Lemeshow’s Goodnes of Fit Test. Jika nilai statistik Hosmer and Lemeshow Goodness of fit lebih besar dari pada 0,05 maka hipotesis nol diterima dan
berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model diterima karena sesuai dengan data observasinya Ghozali, 2006.
2. Menilai Keseluruhan Model Overall Model Fit Dalam menilai model fit dan keseluruhan model overall model fit
dapat dilakukan dengan beberapa cara sebagai berikut:
a. Uji Model Fit -2Log LikeHood Uji statistik model fit digunakan berdasarkan fungsi likelihood pada
estimasi model regresi. Likelihood L dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. L
ditranformasikan menjadi -2LogL untuk menguji hipotesis nol dan hipotesis alternatif. Penggunaan nilai untuk keseluruhan model terhadap
data dilakukan dengan membandingkan nilai -2LogLikelihood awal blok number = 0 dengan nilai -2Loglikelihood blok number=1. Apabila
terjadi penurunan, maka model tersebut menunjukan model regresi yang baik Ghozali, 2006
b. Cox and Snell’s R square Negelkerke’s R Square
Cox dan Snell’s R Square merupakan ukuran yang mencoba meniru ukuran R square pada multiple regression yang didasarkan pada teknik
estimasi likelihood dengan nilai maksimum kurang dari 1 sehingga sulit diinterprestsikan. Untuk mendapatkan koefisien determinasi yang dapat
diinterpretasikan seperti nilai pada multiple regression, maka
digunakan Nagelkereke R square. Nagelkereke square merupakan modifikasi dari koefisien Cox and Snell R square untuk memastikan
bahwa nilainya bervariasi dari 0 sampai 1. Hal ini dilakukan dengan cara membagi nilai Cox and Snell R square dengan nilai maksimumnya
Ghozali, 2006. c. Uji Overall Clasification Table
Uji Overall Clasification Table menghitung nilai estimasi yang benar correct dan salah incorrect. Pada kolom merupakan dua nilai
prediksi dari variabel dependen dalam hal ini melakukan perataan laba 1 dan tidak melakukan perataan laba 0, sedangkan pada baris menunjukkan
menunjukkan nilai observasi sesungguhnya dari variabel dependen. Pada model sempurna, maka semua kasus akan berada pada diagonal dengan
ketepatan peramalan 100 Ghozali, 2006. 3. Pengujian Signifikansi Koefisien Regresi
Pengujian koefisien regresi dilakukan untuk menguji seberapa jauh semua variabel independen yang dimasukkan dalam model mempunyai
pengaruh terhadap variabel dependen. Koefisien regresi logistik dapat ditentukan dengan menggunakan p-value probability value.
a. Tingkat signifikansi α yang digunakan sebesar 5 0,05.
b. Hipotesis nol dikatakan diterima apabila nilai probabilitas Sig. tingkat signifikansi α. Hal ini berarti, hipotesis alternatif ditolak atau hipotesis
yang menyatakan variabel independen berpengaruh terhadap variabel dependen ditolak.
c. Hipotesis nol dikatakan ditolak apabila nilai probabilitas Sig. tingkat signifikansi α. Hal ini berarti hipotesis alternatif diterima atau hipotesis
yang menyatakan variabel independen berpengaruh terhadap variabel dependen diterima. Ghozali, 2006.
51
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.1 Deskripsi Objek Penelitian
Objek penelitian yang digunakan adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dengan periode pengamatan penelitian tahun
2009-2011. Perusahaan yang dijadikan sampel adalah perusahaan yang menerbitkan laporan keuangan berturut-turut selama periode pengamatan dan
pemilihan sampel penelitian dilakukan dengan metode purposive sampling, sehingga sampel yang digunakan dalam penelitian ini merupakan representasi dari
populasi sampel yang ada serta sesuai dengan tujuan dari penelitian. Berikut adalah daftar perusahaan yang dijadikan sampel pada penelitian ini:
Tabel 4.1 Sampel Penelitian No.
Kode Nama Perusahaan
1 ACES
PT Ace Hardware Indonesia Tbk 2
AKRA PT AKR Corporindo Tbk
3 AMFG
PT Asahimas Flat Glass Tbk 4
AMRT PT Sumber Alfaria Trijaya Tbk
5 ARNA
PT Arwana Citramulia Tbk 6
ASGR PT Astra Graphia Tbk
7 ASII
PT Astra Internasional Tbk 8
AUTO PT Astra Otopart Tbk
9 BATA
PT Sepatu Bata Tbk 10
DLTA PT Delta Djakarta Tbk
11 DVLA
PT Darya-Varia Laboratoria Tbk 12
FAST PT Fast Food Indonesia Tbk
13 FISH
PT FKS Multi Argo Tbk 14
GGRM PT Gudang Garam Tbk
15 GJTL
PT Gajah Tunggal Tbk
Kategori