Keterangan : TA = Total Accruals
NOI = Net Operating Income CFO = Cash Flow Operting Activities.
Kemudian akan diukur nilai discretionary accruals dengan menggunakan
persamaan :
Keterangan : DACpt = discretionary accrual periode tes
TApt = total accruals periode tes SALEpt = penjualan periode tes
TApd = total accruals periode dasar SALEpd = penjualan periode dasar
Di dalam melakukan pendeteksian adanya manipulasi laba, pada umumnya akan ditemukan dua jenis discretionary accruals, yaitu discretionary accruals
TA = NOI - CFO
DACpt = TAptSALEpt – TApdSALEpd
negative dan positif.
5
discretionary accruals positif mencerminkan manipulasi yang dilakukan manajer dengan pola income increasing, sedangkan negative akan
menunjukkan manipulasi income decreasing, bentuk-bentuk discretionary accruals tersebut disesuaikan dengan motivasi yang dilakukan oleh manajer.
E. Teknik Analisis Data
Teknik analisis data dalam penelitian ini menggunakan perhitungan statistik yaitu dengan penerapan Statistical Product and Services Solutions SPSS for
windows 22.0. setelah data-data yang diperlukan dalam penelitian ini terkumpul, langkah selanjutnya yaitu melakukan analisis data yang terdiri dari metode statistik
deskriptif, uji asumsi klasik dan uji hipotesis. Adapun penjelasan mengenai metode analisis data tersebut adalah sebagai berikut:
1. Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata, standar deviasi, varian, maksimum, minimum, sum,
range, kurtosis dan skewness kemencengan distribusi. Statistik deskriptif mendeskripsikan data menjadi sebuah informasi yang lebih jelas dan mudah
dipahami. Statistik deskriptif digunakan untuk mengembangkan profil
5
Saiful, “Hubungan manajemen laba earnings management dengan kinerja operasi dan return saham di sekitar IPO”. Jurnal Riset Akuntansi Indonesia 7 3, 2004. h.316-332.
perusahaan yang menjadi sampel. Statistik deskriptif berhubungan dengan pengumpulan dan peningkatan data, serta penyajian hasil peningkatan tersebut.
6
2. Uji Asumsi Klasik
Pengujian asumsi klasik yang digunakan atas data sekunder dalam penelitian ini meliputi uji normalitas, multikolinearitas, heteroskedastisitas dan
autokorelasi yang secara rinci dapat dijelaskan sebagai berikut:
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal
atau tidak. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka
uji statistik 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.
7
Uji kolmogorov-smirnov merupakan salah satu bagian dari uji statistik. Uji kolmogorov-smirnov dapat dijadikan petunjuk apakah suatu
data terdistribusi normal atau tidak. Pada uji kolmogorov-smirnov, jika tingkat signifikan dibawah 0,05, maka data yang diuji memiliki
perbedaan yang signifikan dengan data normal baku sehingga data yang
6
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program SPSS, Edisi 5 Semarang: Badan Penerbit Universitas Diponegoro, 2011, h.19
7
Ibid., h.160.
diuji tidak berdistribusi normal. Sebaliknya jika tingkat signifikansi di atas 0,05, maka data yang diuji memiliki distribusi normal.
8
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas independen.
Pada model regresi yang baik seharusnya antar variabel independen tidak terjadi korelasi. Pengujian ini menggunakan matrik korelasi antar variabel
bebas untuk melihat besarnya korelasi antar variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel tersebut
tidak ortogonal atau terjadi kemiripan. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen bernilai
nol. Variabel ortogonal adalah variabel independen sama dengan nol. Dalam kata lain, jika terjadi korelasi maka dinamakan problem
multikolinearitas multikol.
9
Pada kasus multikolinearitas serius, koefisien regresi tidak lagi menunjukkan pengaruh murni dari variabel
independen dalam model. Pendeteksian multikolinearitas dilakukan dengan menggunakan
tolerance value dan variance inflation factor VIF. Kedua ukuran ini menunjukkan setiapvariabel independen yang dijelaskan oleh variabel
8
Ibid., h. 165.
9
Ibid., h. 105.
