Analisis Faktor-Faktor yang Mempengaruhi Fraudulent Financial Statement pada Perusahaan Manufaktur yang Go Public di Indonesia dan Malaysia dalam Perspektif Fraud Diamond

LAMPIRAN

Lampiran 1. Daftar Populasi dan Sampel Perusahaan Manufaktur yang Go Public di Indonesia

No. Kode Nama Perusahaan _{Kriteria Sampel} Keterangan

1 2 3 4 5

1 INTP Indocement Tunggal Prakasa, Tbk

     Sampel 1

2 SMBR Semen Baturaja Persero, Tbk

 X  X  Sampel 2

3 SMCB Holcim Indonesia, Tbk  X  X  Sampel 3

4 SMGR Semen Gresik, Tbk    X  -

5 WTON Wijaya Karya Beton, Tbk  X  X  -

6 AMFG Asahimas Flat Glass, Tbk      Sampel 4

7 ARNA Arwana Citra Mulia, Tbk      Sampel 5

8 IKAI Inti Keramik Alam Asri Industri,Tbk

     Sampel 6

9 KIAS Keramik Indonesia Assosiasi, Tbk

     Sampel 7

10 MLIA Mulia Industrindo, Tbk      Sampel 8

11 TOTO Surya Toto Indonesia, Tbk

     Sampel 9

12 ALKA Alaska Industrindo, Tbk    X  -

13 ALMI Alumindo Light Metal Industry, Tbk

     Sampel 10

14 BTON Beton Jaya Manunggal, Tbk

   X  -

15 CTBN Citra Turbindo,Tbk      Sampel 11

16 GDST Gunawan Dianjaya Steel, Tbk

     Sampel 12

17 INAI Indal Aluminium

Industry , Tbk

   X  -

18 ISSP Steel Pipe Industry of Indonesia, Tbk

 X  X  -

19 ITMA Itamaraya, Tbk  X    -

20 JKSW Jakarta Kyoei Steel Work LTD, Tbk

   X  -

21 JPRS Jaya Pari Steel, Tbk      Sampel 13

22 KRAS Krakatau Steel, Tbk    X  -

23 LION Lion Metal Works, Tbk  X  X  -

24 LMSH Lionmesh Prima, Tbk    X  -

25 AKPI Argha Karya Prima, Tbk      Sampel 14

Tbk

27 PICO Pelangi Indah Canindo, Tbk

     Sampel 15

28 TBMS Tembaga Mulia

Semanan, Tbk

     Sampel 16

29 BRPT Barito Pasific, Tbk      Sampel 17

30 BUDI Budi Acid Jaya, Tbk    X  -

31 DPNS Duta Pertiwi Nusantara, Tbk

     Sampel 18

32 EKAD Ekadharma International, Tbk

     Sampel 19

33 ETWA Eterindo Wahanatama, Tbk

 X  X  -

34 INCI Intan Wijaya

International, Tbk

   X  -

35 SOBI Sorini Agro Asia

Corporindo, Tbk

   X  -

36 SRSN Indo Acitama, Tbk    X  -

37 TPIA Chandra Asri

Petrochemical,Tbk

   X  -

38 UNIC Unggul Indah Cahaya, Tbk

     Sampel 20

39 AKKU Alam Karya Unggul, Tbk  X  X  -

40 APLI Asiaplast Industries, Tbk      Sampel 21

41 BRNA Berlina, Tbk      Sampel 22

42 FPNI Titan Kimia Nusantara, Tbk

     Sampel 23

43 IGAR Champion Pasific

Indonesia, Tbk

     Sampel 24

44 IMPC Impack Pratama Industri, Tbk

     Sampel 25

45 IPOL Indopoly Swakarsa

Industry, Tbk

     Sampel 26

46 SIAP Sekawan Intipratama, Tbk

 X  X  -

47 SIMA Siwani Makmur, Tbk  X  X  -

48 TRST Trias Sentosa, Tbk      Sampel 27

49 YPAS Yana Prima Hasta Persada, Tbk

     Sampel 28

50 CPIN Charoen Pokphand Indonesia, Tbk

     Sampel 29

51 JPFA Japfa Comfeed Indonesia, Tbk

52 MAIN Malindo Feedmill, Tbk      Sampel 31

53 SIPD Siearad Produce, Tbk  X  X  -

54 SULI Sumalindo Lestari Jaya, Tbk

   X  -

55 TIRT Tirta Mahakam Resources, Tbk

     Sampel 32

56 ALDO Alkindo Naratama, Tbk      Sampel 33

57 DAJK Dwi Aneka Jaya Kemasindo, Tbk

 X  X  -

58 FASW Fajar Surya Wisesa, Tbk      Sampel 34

59 INKP Indah Kiat Pulp & paper, Tbk

   X  -

60 INRU Toba Pulp Lestari, Tbk      Sampel 35

61 KBRI Kertas Basuki Rachmat Indonesia, Tbk

     Sampel 36

62 SPMA Suparma, Tbk      Sampel 37

63 TKIM Pabrik Kertas Tjiwi Kimia, Tbk

   X  -

Lampiran 2. Daftar Populasi dan Sampel Perusahaan Manufaktur yang Go Public di Malaysia

No. Kode Nama Perusahaan Kriteria Sampel Keterangan

1 2 3 4 5

1

Ablegroup Berhad

     Sampel 38

2

Abric BHD  X  X  -

3

ACME Holdings Berhad

 X    -

4

Adventa BHD  X    -

5

ABM Fujiya Berhad   X   -

6

Asia Knight Berhad   X   -

7

Alumunium Company of Malaysia

8

Ancom BHD  X    -

9

Anzo Holdings Berhad  X    -

10

Holdings BHD

     Sampel 39

11

Asia Poly Holdings BHD

  X   -

12

Boustead Heavy Industries Corp.

   X  -

13 BKOON (7187)

Boon Koon Group BHD  X    -

14

BTM Resources BHD      Sampel 40

15

Can-One BHD      Sampel 41

16

China Automobile Parts HLD LTD

     Sampel 42

17

Malaysia

     Sampel 43

18

Century Bond BHD  X    -

19

CN Asia Corporation BHD

     Sampel 44

20

Coastal Contract BHD      Sampel 45

21

Comfort Gloves Berhad    X  -

22

Denko Industrial Corporation

 X    -

23

Dolphin International Berhad

  X   -

24

Emas Kiara

Industries BHD

     Sampel 46

25

Eksons Corporation BHD

  X   -

26

Ewein Berhad      Sampel 47

27

Globaltec Formatio Berhad

 X    -

28

Gooodway Integrated Indsutries

29

Guh Holdings Berhad      Sampel 49

30

Halex Holdings

Berhad

 X    -

31

Heveaboard BHD      Sampel 50

32

Hock Heng Stone Industries

     Sampel 51

33

Jasa Kita BHD  X    -

34

Java Berhad  X    -

35

Kinsteel BHD  X    -

36

KNM Group BHD      Sampel 52

37

Lafarge Malaysia Berhad

     Sampel 53

38

Malaysia Steel Works (KL) BHD

     Sampel 54

39

Petronas Chemical Group BHD

     Sampel 55

40

Lampiran 3. Data Variabel Return on Asset

No. Kode

Perusahaan

2013 2014 2015

1 INTP 0.877 0.692 0.643

2 SMBR 0.115 0.128 0.1

3 SMCB 0.06 0.03 0.01

4 AMFG 0.09 0.11 0.07

5 ARNA 0.166 0.253 0.06

6 IKAI -0.025 -0.06 -0.057

7 KIAS 0.034 0.035 -0.077

8 MLIA -0.06 0.01 -0.005

9 TOTO 0.134 0.143 0,117

10 ALMI 0.027 -0.001 0.0251

11 CTBN 0.88 0.091 0.035

12 GDST 0.076 -0.009 -0.046

13 JPRS 0.039 -0.017 -0.06

14 AKPI 0.089 0.015 0.009

15 PICO 0.025 0.026 0.025

16 TBMS 0.039 0.04 0.042

17 BRPT -0.002 0.043 0.034

18 DPNS 0.265 0.064 0.043

20 UNIC 0.002 0.011 -0.003

21 APLI 0.006 0.035 0.006

22 BRNA -0.01 0.043 -0.004

23 FPNI 0.006 0.035 0.006

24 IGAR -0.01 0.043 -0.004

25 IMPC 0.111 0.153 0.137

26 IPOL 0.173 0.163 0.074

27 TRST 0.0342 0.0342 0.009

28 YPAS

0.0297 0.009 0.007

29 CPIN

0.01 -0.03 -0.037

30 JPFA

0.0257 0.082 0.11

31 MAIN

0.17 -0.005 0,024

32 TIRT

0.148 0.09 0.078

33 ALDO

0.13 0.103 0.115

34 FASW

-0.044 0.015 0.124

35 INRU

0.0112 0.005 -0.008

36 KBRI

-0.023 -0.013 -0.11

37 SPMA

0.019 0.023 0.019

38 ABLEGRP

-0.021 0.004 -0.025

39 APM

0.109 0.074 0.0464

40 BTM

-0.077 -0.036 -0.021

41 CANONE

42 CAP

0.281 0.201 0.171

43 CCM

0.005 -0.011 0.005

44 CNASIA

0.071 -0.102 -0.187

45 COASTAL

0.097 0.122 0.09

46 EKIB

-0.086 -0.037 -0.017

47 EWEIN

0.011 0.017 0.044

48 GOODWAY

0.001 0.001 -0.034

49 GUH

0.054 0.036 0.017

50 HEVEA

0.053 0.073 0.088

51 HOKHENG

0.008 0.007 0.008

52 KNM

0.005 0.01 0.01

53 LAFMSIA

0.09 0.064 0.079

54 MASTEEL

0.026 0.014 0.023

55 PCHEM

0.126 0.095 0.1

Lampiran 4. Data Variabel Financial Leverage

No. Kode

Perusahaan

2013 2014 2015

1 INTP

0.144 0.149 0.136

2 SMBR

0.117 0.083 0.0852

3 SMCB

0.411 0.4906 0.512

4 AMFG

5 ARNA

0.374 0.277 0.471

6 IKAI

0.571 0.654 0.823

7 KIAS

0.114 0.11 0.14

8 MLIA

0.849 0.839 0.843

9 TOTO

0.442 0.454 0.388

10 ALMI

0.77 0.81 1.22

11 CTBN

0.453 0.41 0.42

12 GDST

0.264 0.366 0.32

13 JPRS

0.081 0.082 0.084

14 AKPI

0.507 0.536 0.615

15 PICO

0.655 0.632 0.592

16 TBMS

0.91 0.89 0.834

17 BRPT

0.56 0.547 0.455

18 DPNS

0.128 0.122 0.12

19 EKAD

0.327 0.349 0.25

20 UNIC

0.458 0.39 0.367

21 APLI

0.287 0.177 0.282

22 BRNA

0.733 0.731 0.545

23 FPNI

0.287 0.177 0.282

24 IGAR

0.733 0.731 0.545

25 IMPC

0.286 0.177 0.191

26 IPOL

27 TRST

0.458 0.46 0.454

28 YPAS

0.476 0.461 0.417

29 CPIN

0.722 0.499 0.461

30 JPFA

0.653 0.671 0.644

31 MAIN

0.608 0.693 0.609

32 TIRT

0.926 0.896 0.88

33 ALDO

0.557 0.57 0.533

34 FASW

0.73 0.71 0.65

35 INRU

0.607 0.613 0.625

36 KBRI

0.121 0.478 0.641

37 SPMA

0.575 0.619 0.636

38 ABLEGRP

0.03 0.128 0.17

39 APM

0.213 0.214 0.213

40 BTM

0.447 0.323 0.345

41 CANONE

0.541 0.554 0.51

42 CAP

0.08 0.05 0.05

43 CCM

0.499 0.462 0.416

44 CNASIA

0.333 0.389 0.485

45 COASTAL

0.35 0.32 0.31

46 EKIB

0.294 0.29 0.28

47 EWEIN

0.423 0.33 0.63

48 GOODWAY

49 GUH

0.045 0.047 0.168

50 HEVEA

0.453 0.451 0.396

51 HOKHENG

0.529 0.524 0.53

52 KNM

0.49 0.45 0.39

53 LAFMSIA

0.204 0.217 0.216

54 MASTEEL

0.454 0.47 0.454

55 PCHEM

0.156 0.14 0.137

Lampiran 5. Data Variabel Total Asset Turnover

No. Kode

Perusahaan

2013 2014 2015

1 INTP

0.751 0.692 0.644

2 SMBR

430,995 0.414 0.447

3 SMCB

0.65 0.612 0.533

4 AMFG

0.993 0.93 0.858

5 ARNA

0.99 1.277 1.137

6 IKAI

0.438 0.505 0.362

7 KIAS

0.412 0.396 0.376

8 MLIA

0.722 0.779 0.801

9 TOTO

0.9702 0.9957 0.934

10 ALMI

1.043 1.038 2.505

11 CTBN

12 GDST

1.18 0.895 0.771

13 JPRS

0.517 0.831 0.394

14 AKPI

0.798 0.873 0.699

15 PICO

1.101 1.108 1.154

16 TBMS

3.74 3.47 3.95

17 BRPT

1.118 1.065 0.605

18 DPNS

0.512 0.494 0.431

19 EKAD

1.212 1.278 1.364

20 UNIC

1.63 1.695 1.283

21 APLI

0.927 1.076 0.844

22 BRNA

0.853 0.943 0.702

23 FPNI

0.927 1.076 0.844

24 IGAR

0.853 0.943 0.702

25 IMPC

2.043 2.104 1.764

26 IPOL

0.755 0.812 0.685

27 TRST

0.841 0.805 0.714

28 YPAS

0.623 0.769 0.732

29 CPIN

0.716 1.313 0.993

30 JPFA

1.433 1.552 1.458

31 MAIN

1.895 1.275 1.205

32 TIRT

1.016 1.137 1.117

33 ALDO

34 FASW

0.871 0.977 0.709

35 INRU

0.284 0.33 0.288

36 KBRI

0.015 0.026 0.166

37 SPMA

0.741 0.742

38 ABLEGRP

0.103 0.339 0.492

39 APM

0.787 0.785 0.866

40 BTM

0.231 0.221 0.0003

41 CANONE

0.734 0.009 0.017

42 CAP

1.122 0.908 1.113

43 CCM

0.695 0.664 0.678

44 CNASIA

0.444 0.405 0.39

45 COASTAL

0.494 0.42 0.407

46 EKIB

0.35 0.429 0.412

47 EWEIN

0.361 0.269 0.136

48 GOODWAY

0.98 0.781 0.988

49 GUH

0.042 0.102 0.105

50 HEVEA

0.922 1.024 0.951

51 HOKHENG

0.361 0.363 0.351

52 KNM

0.4906 0.474 0.377

53 LAFMSIA

0.705 0.678 0.0007

54 MASTEEL

1.356 1.336 1.353

55 PCHEM

Lampiran 6. Data Variabel Efektivitas Pengawasan (Proporsi Dewan Komisaris Independen)

No. Kode

Perusahaan

2013 2014 2015

1 INTP

0,29 0,29 0,29

2 SMBR

0 0 0,2

3 SMCB

0,29 0,33 0,29

4 AMFG

0,33 0,33 0,33

5 ARNA

0,67 0,67 0,67

6 IKAI

0,5 0,5 0,5

7 KIAS

0,33 0,33 0,33

8 MLIA

0,4 0,4 0,4

9 TOTO

0,25 0,4 0,4

10 ALMI

0,4 0,2 0,4

11 CTBN

0,4 0,33 0,33

12 GDST

0,5 0,33 0,33

13 JPRS

0,5 0,5 0,33

14 AKPI

0,33 0,33 0,33

15 PICO

0,5 0,33 0,33

16 TBMS

0,4 0,4 0,4

17 BRPT

0,33 0,33 0,33

18 DPNS

19 EKAD

0,5 0,5 0,5

20 UNIC

0,167 0,167 0,167

21 APLI

0,33 0,33 0,33

22 BRNA

0,167 0,33 0,33

23 FPNI

0,33 0,33 0,33

24 IGAR

0,167 0,33 0,33

25 IMPC

0 0 0

26 IPOL

0,5 0,5 0,5

27 TRST

0,33 0,33 0,33

28 YPAS

0,5 0,5 0,5

29 CPIN

0,33 0,33 0,33

30 JPFA

0,33 0,33 0,5

31 MAIN

0,33 0,6 0,6

32 TIRT

0,33 0,33 0,5

33 ALDO

0,33 0,33 0,33

34 FASW

0,33 0,4 0,5

35 INRU

0,5 0,5 0,5

36 KBRI

0,33 0 0

37 SPMA

0,4 0,6 0,6

38 ABLEGRP

0,67 0,67 0,67

39 APM

1 1 1

40 BTM

41 CANONE

0,33 0,33 0,33

42 CAP

0,57 0,75 0,33

43 CCM

0,67 0,5 0,5

44 CNASIA

0,5 0,5 0,5

45 COASTAL

0,43 0,43 0,67

46 EKIB

0,5 0,5 0,5

47 EWEIN

0,5 0,5 0,5

48 GOODWAY

0,5 0,5 0,5

49 GUH

0.5 0.5 0.5

50 HEVEA

0.28 0.28 0.28

51 HOKHENG

0.43 0.43 0.43

52 KNM

0.5 0.5 0.5

53 LAFMSIA

0.5 0.5 0.5

54 MASTEEL

0.43 0.43 0.43

55 PCHEM

0.5 0.5 0.5

Lampiran 7. Data Variabel Auditor Switching

No. Kode

Perusahaan

2013 2014 2015

1 INTP

0 0 0

2 SMBR

0 0 0

3 SMCB

4 AMFG

0 0 1

5 ARNA

0 0 0

6 IKAI

0 0 0

7 KIAS

0 0 0

8 MLIA

0 0 0

9 TOTO

0 0 0

10 ALMI

0 0 0

11 CTBN

0 0 0

12 GDST

0 1 1

13 JPRS

0 0 1

14 AKPI

0 0 0

15 PICO

0 1 1

16 TBMS

0 0 0

17 BRPT

0 0 0

18 DPNS

0 0 0

19 EKAD

0 0 1

20 UNIC

0 0 0

21 APLI

0 0 0

22 BRNA

0 0 0

23 FPNI

0 0 0

24 IGAR

0 0 0

25 IMPC

26 IPOL

0 0 1

27 TRST

0 0 1

28 YPAS

0 0 0

29 CPIN

0 1 1

30 JPFA

0 0 0

31 MAIN

0 0 0

32 TIRT

0 0 0

33 ALDO

0 0 0

34 FASW

0 0 0

35 INRU

0 0 0

36 KBRI

0 0 0

37 SPMA

0 0 1

38 ABLEGRP

0 0 0

39 APM

0 0 0

40 BTM

0 0 0

41 CANONE

0 0 0

42 CAP

0 0 0

43 CCM

0 0 1

44 CNASIA

0 0 1

45 COASTAL

0 0 0

46 EKIB

0 0 0

47 EWEIN

48 GOODWAY

0 0 0

49 GUH

0 0 0

50 HEVEA

0 0 0

51 HOKHENG

0 0 1

52 KNM

0 0 0

53 LAFMSIA

0 1 0

54 MASTEEL

0 0 0

55 PCHEM

0 0 0

Lampiran 8. Data Variabel Perubahan Direksi

No. Kode

Perusahaan

2013 2014 2015

1 INTP

0 1 1

2 SMBR

0 0 0

3 SMCB

0 1 0

4 AMFG

0 1 0

5 ARNA

0 0 0

6 IKAI

0 0 0

7 KIAS

0 0 0

8 MLIA

9 TOTO

0 0 0

10 ALMI

0 0 0

11 CTBN

0 0 0

12 GDST

0 0 1

13 JPRS

0 0 0

14 AKPI

0 0 0

15 PICO

0 0 0

16 TBMS

0 0 0

17 BRPT

0 0 0

18 DPNS

0 0 0

19 EKAD

0 0 1

20 UNIC

0 0 0

21 APLI

0 0 0

22 BRNA

0 1 0

23 FPNI

0 0 0

24 IGAR

0 1 0

25 IMPC

0 0 0

26 IPOL

0 0 0

27 TRST

0 0 0

28 YPAS

0 0 0

29 CPIN

0 0 0

30 JPFA

31 MAIN

0 0 0

32 TIRT

0 0 1

33 ALDO

0 0 0

34 FASW

0 1 0

35 INRU

0 0 1

36 KBRI

0 1 0

37 SPMA

0 0 0

38 ABLEGRP

0 0 1

39 APM

0 0 0

40 BTM

0 0 0

41 CANONE

0 1 0

42 CAP

0 1 0

43 CCM

0 1 1

44 CNASIA

0 0 0

45 COASTAL

0 1 0

46 EKIB

0 0 0

47 EWEIN

0 0 0

48 GOODWAY

0 0 0

49 GUH

0 1 0

50 HEVEA

0 0 0

51 HOKHENG

0 0 0

52 KNM

53 LAFMSIA

0 1 0

54 MASTEEL

0 0 0

55 PCHEM

0 0 0

Lampiran 9. Data Variabel Discretionary Accrual

No. Kode

Perusahaan

2013 2014 2015

1 INTP

0.852078778 0.459400865 0.579964156

2 SMBR

669.8217532 54.59031976 -10.479306

3 SMCB

-2.477132051 -3.091354513 -8.48878026

4 AMFG

-7.235099396 -19.02807635 -51.9590653

5 ARNA

-10.50113609 21.438294 -13.02234692

6 IKAI

-756.6547518 13.067013 -24.15841791

7 KIAS

-6.580808308 9.362175147 -3.658922861

8 MLIA

-1.428230859 -4.465068612 -3.782107586

9 TOTO

-12.4172392 0.396938855 2.096026545

10 ALMI

2.501400236 2.251065515 -1.536412795

11 CTBN

0.491171854 -39.16317342 -14.9993939

12 GDST

-8.643710055 -3.172876734 -26.49115068

13 JPRS

-3.630035902 2.470635665 -11.99267297

14 AKPI

4.468223084 -2.843145667 12.94823401

15 PICO

20.641849405211

(56.216457236589)

16 TBMS (39.128960000000) 17.689180243278 24.024103665598

17 BRPT

(0.000000000006)

(0.000000000006)

(0.000000000005)

18 DPNS

2.376228387979

15.857193917397

27.238577725899

19 EKAD

13.708086839629

7.641508823725

(5.561229228145)

20 UNIC

-10.07293188 -6.016073199 -18.23464375

21 APLI

-2.668308825 -7.822822266 -4.2471345

22 BRNA

-4.65079739 -4.850345851 -2.743144583

23 FPNI

-2.668308825 -7.822822266 -4.2471345

24 IGAR

-4.65079739 -4.850345851 -2.743144583

25 IMPC

75.56031244 10.40826982 -11.4332046

26 IPOL

6.75 5.390692999 147.1379372

27 TRST

-39.36090311 -33.84892725 -13.65435084

28 YPAS

2.376228388 15.85719392 27.23857773

29 CPIN

13.70808684 7.641508824 -5.561229228

30 JPFA

-389224.709 -443376.8813 -443697.2179

31 MAIN

2.721447263 6.094280054 16.24184073

32 TIRT

-2.167414764 -92.75502666 -87.6555

33 ALDO

-106.336915 6.562143541 5.853056358

34 FASW

-4.866006448 -2.251022487 1.463195965

35 INRU

-844.6472023 -832.5311993 -821.8241669

36 KBRI

8.593248689 3.678660162 -7.081202108

37 SPMA

38 ABLEGRP

17.23153983 0.054358495 -11.0532802

39 APM

8.913438416 -14.8385731 -9.715175941

40 BTM

-7.093333939 53.76235097 7.966881749

41 CANONE

-0.0949 0.6428 -0.0065

42 CAP

40.40555201 4.646744166 6.619160342

43 CCM

-13.08223314 -7.837070185 -10.30535852

44 CNASIA

-3.243127488 -58.63705658 -254.2057382 45 COASTAL

6.723490 6.889775 7.236755

46 EKIB

-5.76725981 9.744334266 8.690377587

47 EWEIN

103.7756901 2.931550913 1.749706324

48 GOODWAY

68.85413532 -6.303253949 -5.961201657

49 GUH

12.90042597 40.35787336 80.78297556

50 HEVEA

6.314375326 4.722113134 5.503159767 51 HOKHENG

81.73098459 41.31396282 36.84560457

52 KNM

-5.311141402 95.01008743 29.3749188 53 LAFMSIA

-14.53173308 -6.463745395 -6.95609625 54 MASTEEL

-30.30831651 -47.56810394 -58.15503139

55 PCHEM

Lampiran 10. Output Hasil Pengolahan Data SPSS

STATISTIK DESKRIPTIF

Statistik Deskriptif Variabel Return On Asset, Financial Leverage, Total Asset Turnover, Perubahan Direksi dan Discretionary Accrual (Min,

Max, Sum, Mean)

Descriptive Statistics

N Minimum Maximum Sum Mean

ROA 165 0 1 10 .6

LEV 165 .0300 1.2200 70.9918 .430253

Asset Turnover Efektivitas Pengawasan 165 165 .0003 0 430995.000 0 4 431130.9975 .323 2612.9151 36 .104

Discretionary Accrual 165 443697.22

00000000 669.821800 000 1278909.694 8865530 7750.9678 47797292

Valid N (listwise) 165

Sumber : Output SPSS, data diolah peneliti, 2016

Statistik Deskriptif Variabel Return On Asset, Financial Leverage, Total Asset Turnover, Perubahan Direksi dan Discretionary Accrual (Range,

Std. Deviation, Variance)

N Range Std. Deviation Variance

ROA 165 1 .133 .018

LEV 165 1.1900 .2301922 .053

Asset Turnover Komisaris Independen 165 165 430994.9997 0 1251.5285069 .08323 1.1266 .104

Discretionary Accrual 165 444367.04180

00000

5711.75875861 478050

3.26239

Statistik Deskriptif Variabel Auditor Switching dan Perubahan Direksi

Auditor_Switching Perubahan_Direksi

N Valid 165 165

Missing 0 0

Mean .1030 .1273

Median .0000 .0000

Minimum .00 .00

Maximum 1.00 1.00

Statistik Frekuensi Variabel Auditor Switching Auditor_Switching

Frequency Percent Valid Percent

Cumulative Percent V

a l i d

Tidak Berganti 148 89.7 89.7 89.7

Berganti 17 10.3 10.3 100.0

Total 165 100.0 100.0

Statistik Frekuensi Variabel Perubahan Direksi Perubahan_Direksi

Frequency Percent Valid Percent

Cumulative Percent V

a l i d

Tidak Berganti 144 87.3 87.3 87.3

Berganti 21 12.7 12.7 100.0

UJI ASUMSI KLASIK

Uji Normalitas

Kolmogorov – Smirnov Uji Normalitas One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 165

Normal Parametersa,b

Mean .00

Std. Deviation 56367.598

Most Extreme Differences

Absolute .385

Positive .301

Negative -.385

Kolmogorov-Smirnov Z 4.949

Asymp. Sig. (2-tailed) .0093

a. Test distribution is Normal.

Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standardized

Coefficients Beta T Collinearity Statistics

B Std. Error Sig. Tolerance VIF

(Constant) 4563.623 11739.733 .389 .698

ROA -22436.080 35333.712 -.052 -.635 .526 .910 1.099

LEV -37724.977 20517.875 -.152 -1.839 .068 .901 1.109

Asset Turnover

.007 .135 .004 .053 .958 .979 1.021

Komisaris Independen

8200.159 14200.049 .046 .577 .564 .954 1.048

SWITCH 5212.209 15015.942 .028 .347 .729 .959 1.043

Perubahan Direksi

9102.692 13644.811 .053 .667 .506 .967 1.035

Autokorelasi Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .162a .026 -.011 57427.8967384

169450 2.081 Heterokedastisitas Model Unstandardized Coefficients Standardize d Coefficients

T Sig.

B Std. Error Beta

(Constant) -3735.551 10814.159 -.345 .730

ROA 34746.652 32547.960 .086 1.068 .287

LEV 59607.861 18900.222 .255 3.154 .02

Asset Turnover

-.017 .124 -.010 -.135 .893

Komisaris Independen

-11994.672 13080.501 -.072 -.917 .361

SWITCH -6616.973 13832.067 -.038 -.478 .633

Perubahan Direksi

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .162a .026 -.011 57427.8967384

169450

2.081 a. Dependent Variable: RES2

Sumber : Output SPSS, data diolah peneliti, 2016 Koefisien Determinasi ��

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .162a .026 .031 57427.897

Sumber : Output SPSS, data diolah peneliti, 2016

Tabel 4.8 Uji Parsial Coefficientsa

Model

Unstandardize

d Coefficients Standardized Coefficients

T Sig.

B Std. Error Beta

(Constant) 4563.623 11739.733 .389 .39

ROA -22436.080 35333.712 -.0052 -.635 .32

LEV -37724.977 20517.875 -.152 -1.839 .48

Asset Turnover .007 .135 .004 .053 .958

Efektivitas Pengawasan

8200.159 14200.049 .046 .577 .564

SWITCH 5212.209 15015.942 .028 .347 .729

Perubahan Direksi

9102.692 13644.811 .053 .667 .506

a. Dependent Variable: Discretionary Accrual Sumber : Output SPSS, data diolah peneliti, 2016

Uji Simultan

Model

Sum of

Squares Df Mean Square F Sig.

1 Regression 1.396E10 6 2.326E9 .705 .646a

Residual 5.211E11 158 3.298E9

Total 5.350E11 164

Sumber : Output SPSS, data diolah peneliti, 2016

Uji Beda t-test variabel Return On Asset

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

Indonesia 92 .0654 .12945 .01350

Malaysia 66 .0338 .09864 .01214

Sumber : Output SPSS, data diolah peneliti, 2016

Uji Beda t-test variabel Financial Leverage

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

Indonesia 95 .447027 .2313415 .0237351

Malaysia 68 .416621 .2250515 .0272915

One-Sample Test

Test Value = 0

T Df Sig. (2-tailed)

Mean Difference

95% Confidence Interval of the Difference

Lower Upper

Indonesia 18.834 94 .000 .4470274 .399901 .494154

Uji Beda t-test variabel Efektivitas Pengawasan

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

Indonesia 14 .3671 .34653 .09261

Malaysia 17 .4282 .22063 .05351

Sumber : Output SPSS, data diolah peneliti, 2016

Uji Beda t-test variabel Auditor Switching One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

Indoensi a

95 .03 .176 .018

Malaysia 68 .21 .407 .049

One-Sample Test

Test Value = 0

T Df Sig. (2-tailed)

Mean Difference

95% Confidence Interval of the

Difference Lower

Upp er

Indonesia 1.75

1

94 .083 .032 .00 .07

Malaysia 4.16

8

67 .000 .206 .11 .30

Sumber : Output SPSS, data diolah peneliti, 2016

One-Sample Test

Test Value = 0

T Df Sig. (2-tailed)

Mean Difference

95% Confidence Interval of the

Difference

Lower Upper

Indonesia 3.964 13 .002 .36714 .1671 .5672

Uji Beda t-test variabel Perubahan Direksi

One-Sample Statistics

N Mean Std. Deviation

Std. Error Mean

Indonesia 95 .08 .279 .029

Malaysia 68 .18 .384 .047

Sumber : Output SPSS, data diolah peneliti, 2016

One-Sample Test

Test Value = 0

T Df

Sig. (2-tailed)

Mean Difference

95% Confidence Interval of the Difference

Lower Upper

Indonesia -1.421 94 .158

-8780.98164 84622420

-21046.0875 81519467

3484.124284 594984

Malaysia -1.002 67 .320

-6540.02848 85402925

-19563.4790 95607046

6483.422118 526462

DAFTAR PUSTAKA

Abdullahi, Rabi’u and Mansor, Noorhayati. 2015. “ Fraud Triangle Theory and Fraud Diamond Theory. Understanding the Convergent and Divergent for Future Reserach”. International Journal of Academic Research in Accounting, Finance and Management Sciences. Universiti Sultan Zainal Abidin. Malaysia.

Agoes, Sukrisno dan Cenik Ardana. 2011. Etika Bisnis dan Profesi. Salemba Empat. Jakarta.

Ardiyani, Susmita dan Nanik Sri Utaminingsih. 2015. “ Analisis determinan financial statement melalui pendekatan fraud triangle”. Accounting Analysis Journal. Fakultas Ekonomi. UNES Semarang.

Erlina, 2011. Metodologi Penelitian, Art Design, Publishing & Printing, Medan. Ghozali, Imam, 2006. Aplikasi Analisis Multivariate dengan Program SPSS, Badan

Penerbit Universitas Dipenogoro, Semarang.

Hawariah Dalnial, Amrizah Kamaluddin, Zuraidah Mohd Sanusi and Khairun Syafiza Khairuddin. 2014. “ Accountability in Financial Reporting : Detecting Fraudulent Firms”. Accounting Research Institute and Faculty of Accountancy. University Teknologi MARA, Shah Alam, 40450 Selangor. Malaysia.

Kassem, Ragha and Hingson Andrew. 2012. “ The New Fraud Triangle Model” Loughbororugh’s Institutional Repository. Loughborough’s University. United Kingdom.

Koroy, Tri Ramayana. 2008. “Pendekatan Kecurangan (Fraud) Laporan Keuangan oleh Auditor Eksternal”. Jurnal Akuntansi Keuangan, vol.10 no.1. Jakarta. Kurniawati, Ema. 2012. “ Analisis Faktor-Faktor yang Mempengaruhi Financial

Statement Fraud dalam Perspektif Fraud Diamond”. Skripsi. Fakultas Ekonomika dan Bisnis. UNDIP Semarang.

Martantya, Daljono. 2007. “Pendeteksian Kecurangan Laporan Keuangan Melalui Faktor Risiko Tekanan dan Peluang”. Dipenogoro Journal of Accounting. Semarang.

Oktaviani, Karyawati dan Arsyad. 2014. “Factors Affecting Financial Statement Fraud: Fraud Triangle Approach” 3�� _{Economics & Business Research}

Festival. Fakultas Ekonomika dan Bisnis. Universitas Kristen Satya Wacana Salatiga.

Prasastie, Agung. 2015. “ Analisi Faktor-Faktor yang Mempengarauhi Kecurangan Laporan Keuangan dengan Perspektif Fraud Diamond”. Skripsi.

Ramadhana, Ferry 2015. “Pengaruh Auditor Switching, Opini Audit, Profitabilias, Reputasi KAP dan Ukuran Perusahaan Terhadap Audit Timeliness dengan Audit Report Lag Sebagai Variabel Intervening”. Skripsi. Fakultas Ekonomi dan Bisnis. USU Medan.

Sihombing, Kennedy Samuel.2014. “Analisis Fraud Diamond Dalam Mendeteksi Financial Statement Fraud. Studi Empiris Pada Perusahaan Manufaktur yang Terdapat di Bursa Efek Indonesia (BEI) Tahun 2010-2012”. Skripsi. Fakultas Ekonomika dan Bisnis. UNDIP Semarang.

Subramanyam, K.R. dan John J. Wild. 2010. Analisis Laporan Keuangan. Salemba Empat. Jakarta.

Wolk, Harry I. Dkk. 2002. Accounting Theory . SAGE Publications Ltd. Unites States of America.

Yung-I Lou and Ming-Long Wang. 2009. “ Fraud Risk Factor of the Fraud Triangle Assessing the Likelihood of Fraudulent Financial Reporting”. Journal of Business and Economics Research. National Cheng Kung University. Tainan. Taiwan.

BAB III

METODE PENELITIAN

Dalam bab ini dijabarkan tentang metode penelitian yang digunakan dalam pelaksanaan penelitian ini. Beberapa hal yang dijelaskan pada bab ini adalah populasi dan sampel yang digunakan dalam penelitian, jenis dan metode pengumpulan data, variabel penelitian dan teknik analisis data.

3.1 Jenis Penelitian

Jenis penelitian yang digunakan dalam penelitian ini adalah desain kausal. Desain kausal bertujuan untuk menguji hipotesis dan merupakan penelitian yang menjelaskan fenomena dalam bentuk hubungan antar variabel (Ramadhana, 2016). Tujuan utama dari penelitian ini adalah menganalisis pengaruh return on asset, financial leverage, capital turnover, jumlah dewan komisaris independen, auditor switching dan perubahan direksi sebagai variabel independen (bebas) terhadap fraudulent financial statement sebagai variabel dependen (terikat).

3.2 Tempat dan Waktu Penelitian

Tempat penelitian yang digunakan oleh peneliti adalah Perusahaan Manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) dan Bursa Efek Malaysia (BEM). Dengan demikian, peneliti akan menggunakan data-data laporan keuangan perusahaan manufaktur yang terdapat di Bursa Efek Indonesia (BEI)

manufaktur yang terdapat di Bursa Efek Malaysia (BEM) melalui website resmi

Waktu yang digunakan untuk penelitian ini dimulai pada bulan Februari 2016 dengan pengajuan judul dan pengesahan judul hingga bulan Desember 2016 untuk penyelesaian dan pengesahan skripsi.

3.3 Batasan Operasional

Batasan operasional adalah penentuan batasan yang lebih menjelaskan ciri-ciri spesifik yang lebih substantif dari suatu konsep. Alasan peneliti menetapkan batasan operasional adalah untuk menghindari timbulnya salah tafsir terhadap istilah-istilah dalam judul penelitian serta memudahkan peneliti dalam memilah data-data yang diperlukan dan tidak diperlukan bagi peneliti.

Tujuan dari batasan operasional adalah agar peneliti dapat mencapai suatu alat ukur yang sesuai dengan hakikat variabel yssang sudah didefinisikan konsepnya. Oleh karena itu, batasan operasional dalam penelitian ini adalah:

1. Perusahaan yang diteliti adalah perusahaan sektor manufaktur (sub sektor industri dasar dan bahan kimia) yang terdaftar di Bursa Efek Indonesia (BEI) dan Bursa Efek Malaysia (BEM) periode 2013-2015, dengan begitu perushaan manufaktur yang akan diteliti ini adalah perusahaan manufaktur yang sudah go public.

2. Menerbitkan laporan keuangan tahunan dengan tahun yang berahir 31 Desember.

4. Memiliki kelengkapan data laporan keuangan yang berkaitan dengan pengukuran variabel yang digunakan dalam peneitian ini.

5. Laporan keuangan yang dipublikaskan telah di audit oleh auditor independen periode 2013-2015.

3.4 Definisi Operasional

Definisi operasional atau biasa juga disebut dengan mendefinisikan konsep secara operasional adalah menjelaskan karakteristik dari obyek ke dalam elemen-elemen yang dapat diobservasi yang menyebabkan konsep dapat diukur dan dioperasionalkan ke dalam penelitian (Erlina, 2011).

3.4.1 Variabel Dependen

Variabel dependen merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel sebab atau variabel bebas (Erlina, 2011). Variabel dependen yang digunakan dalam penelitian ini adalah fraudulent financial statement yang diproksikan dengan earning management dan akan dihitung dengan rumus sebagai berikut :

Earnings Management yaitu: Nilai Discretionary Accrual dari Modified Jones Model. Rezaee (2002) (dalam Sihombing, 2014) yang menyatakan bahwa:

”Suatu Fraudulent Financial Statement sering kali diawali dengan salah saji atau manajemen laba dari laporan keuangan kuartal yang dianggap tidak

material tetapi akhirnya tumbuh menjadi fraud secara besar-besaran dan menghasilkan laporan keuangan tahunan yang menyesatkan”.

Dalam penelitian ini, earnings management digunakan sebagai proksi Fraudulent Financail Statement. Earnings management muncul karena adanya kesempatan bagi manajemen perusahaan untuk memilih metode akuntansi tertentu tanpa mengikuti peraturan yang berlaku sehingga dapat memanipulasi laba perusahaan yang akhirnya mendatangkan keuntungan bagi dirinya.

Dasar akrual dalam laporan keuangan memberikan kesempatan kepada manajer untuk memodifikasi laporan keuangan untuk menghasilkan jumlah laba yang diinginkan (Halim et al., 2005). Jumlah akrual yang tercermin dalam penghitungan laba terdiri dari discretionary accruals dan nondiscretionary accruals. Nondiscretionary accruals merupakan komponen akrual yang terjadi seiring dengan perubahan dari aktivitas perusahaan. Discretionary accruals merupakan komponen akrual yang berasal dari earnings management yang dilakukan manajer.

Manajemen laba (DACC) diukur melalui discretionary accrual yang dihitung dengan cara menyelisihkan total accruals (TACC) dan nondiscretionary accruals (NDACC). Discretionary accruals (DACC) merupakan tingkat akrual yang tidak normal yang berasal dari kebijakan manajemen untuk melakukan rekayasa terhadap laba sesuai dengan yang mereka inginkan. Dalam menghitung DACC, digunakan Modified Jones Model. Alasan penggunaan model ini karena Modified Jones Model dapat

mendeteksi manajemen laba lebih baik dibandingkan dengan model-model lainnya sejalan dengan hasil penelitian Dechow et al. (1995), (dalam Ujiyantho dan Pramuka, 2007). Selain itu menurut Sanjaya (2008), model discretionary accrual dapat mendeteksi manajemen laba secara konsisten. Model perhitungannya sebagai berikut:

Untuk mengukur discretionary accruals, terlebih dahulu menghitung total akrual untuk tiap perusahaan i di tahun t dengan metode modifikasi Jones yaitu:

TAC it = Niit – CFOit Dimana,

TAC it = Total akrual Niit = Laba Bersih CFOit = Arus kas Operasi

Nilai total accrual (TAC) diestimasi dengan persaman regresi OLS sebagai berikut:

TACit/Ait-1=β1(1/Ait-1)+β2(ΔRevt/Ait-1)+β3(PPEt/Ait-1)+e

Dengan menggunakan koefisien regresi diatas, nilai non discretionary accrual (NDA) dapat dihitung dengan rumus :

NDAit=β1(1/Ait-1)+β2(ΔRevt/Ait-1-ΔRect/Ait-1)+β3(PPEt/Ait1 Selanjutnya discretionary accrual (DA) dapat dihitung sebagai berikut: DAit = TACit/Ait-NDAit

Dimana,

NDAit = Non Discretionary Accruals perusahaan i pada periode ke t TACit = Total akrual perusahaan i pada periode ke t

Niit = Laba bersih perusahaan i pada periode ke t

CFOit = Aliran kas dari aktivitas operasi perusahaan i pada periode ke-t Ait-1 = Total aktiva perusahaan i pada periode ke t-1

ΔRevt = Perubahan pendapatan perusahaan i pada periode ke t PPEt = Aktiva tetap perusahaan pada periode ke t

ΔRect = Perubahan piutang perusahaan i pada periode ke t E = Error

Setelah nilai Total Acrual dan Discretionary Accrual didapatkan, kini saatnya untuk menghitung nilai Discretionary Accrual.

Dengan rumus : CurrAcc - NDACC TA

Dimana :

CurrAcc = Total current asset TA = Total accrual

NDACC =Total nondiscretionary accrual

3.4.2 Variabel Independen

Menurut Erlina (2011) variabel independen atau sering juga disebut dengan variabel bebas adalah variabel yang dapat mempengaruhi perubahan dalam variabel dependen, atau yang menyebabkan terjadinya variasi bagi

variabel terikat. Variabel independen yang digunakan dalam penelitian ini adalah:

a. Return On Asset

Return on asset (ROA) dihitung dengan membandingkan antara net income dengan total asset. Rasio perbandingan ini akan menunjukkan bagaimana kemampuan sebuah perusahaan untuk menggunakan sumber daya aset yang dimiliki oleh perusahaan tersebut untuk menghasilkan laba. Oleh sebab itu, dalam penelitian ini ROA digunakan sebagai proksi financial pressure dan dihitung dengan rumus :

ROA = ���������

����������

b. Financial Leverage

Leverage merupakanw bentuk tekanan external yang dihadapi oleh manajemen untuk menutupi total hutang perusahaan dengan total modal yang ada. Financial leverage dapat menjadi penyebab manajemen dalam perusahaan melakukan fraudulent financial statement dimana kondisi financial leverage suatu perusahaan menjadi tekanan bagi pihak manajemen, karena ketika perusahaan memiliki rasio leverage yang besar maka direksi dan manajemen perusahaan akan memilih untuk menggunakan metode akuntansi yang akan mengecilkan rasio leverage perusahaan dengan cara menggeser laba

periode mendatang ke periode saat ini (Watts dan Zimmerman, 1986) (dalam Ansar, 2012).

Oleh karena itu external pressure pada penelitian ini diproksikan dengan rasio Leverage (LEV). Rasio Leverage dihitung dengan rumus:

LEV = ����� �����������

����� �����

c. Total Asset Turnover

Total Asset Turnover measures how efficient a firm utilize its assets. Stockholders, bondholders and managers know that the more efficiently the firm operates, the better the return (Galager dan Andrew). Total asset turnover merupakan rasio tingkat kemampuan perusahaan dalam memutar persediaan yang ada didalam perusahaan tersebut. Semakin tinggi rasio yang dihasilkan, berarti semakin baik kemampuan perusahaan tersebut dalam mamanfaatkan aset yang dimilikinya, begitu pula sebaliknya, semakin rendah rasio capital turnover yang dihasilkan, berarti semakin buruk kemampuan perusahaan tersebut dalam memanfaatkan asetnya. Ketika dihubungkan dengan perusahaan yang melakukan fraudulent financial statement, pressure dapat diproksikan dengan variabel total asset turnover. Perusahaan yang melakukan kecurangan memperlihatkan bahwa komposisi aktiva lancar didominasi oleh piutang dan persediaan.

Oleh sebab itu pressure dalam penelitian ini salah satunya diproksikan dengan Total Asset turnover yang dihitung dengan rumus :

Total Asset Turnover = _{�����}��������_{�����}

d. Efektivitas Pengawasan

Dalam sebuah perusahaan dibutuhkan internal control yang baik untuk mencegah dan mendeteksi terjadinya fraud dalam perusahaan tersebut. Pengendalian yang baik (effective monitoring) adalah kunci untuk memperkecil kemungkinan terjadinya fraud. Bagaimanapun juga, kemungkinan terjadinya fraud tidak dapat dihilangkan sama sekali, namun dapat diminimalisir, Ineffective monitoring adalah suatu keadaan perusahaan dimana tidak terdapatinternal control yang baik. Hal tersebut dapat terjadi terjadi karena adanya dominasi manajemen oleh satu orang atau kelompok kecil, tanpa kontrol kompensasi, tidak efektifnya pengawasan dewan direksi dan komite audit atas proses pelaporan keuangan dan pengendalian internal dan sejenisnya (SAS No.99) (dalam Sihombing, 2014).

Oleh sebab itu, penelitian ini memproksikan ineffective monitoring pada rasio jumlah dewan komisaris independen (BDOUT).

e. Auditor Switching

Auditor switching yang dilakukan sebelum masa regulasi auditor eksternal yang disyaratkan oleh undang-undang akan menjadi sebuah tanda tanya bagi pengguna informasi laporan keuangan perusahaan. Perusahaan yang melakukan auditor switching sebelum jangka waktu yang disyaratkan kemungkinan besar memiliki masalah dengan auditor eksternal yang bersangkutan. Masa pengamatan penelitian ini dari tahun 2013-2015 (3 tahun). Dengan begitu, perusahaan yang melakukan auditor switching selama masa pengamatan ini dikarenakan oleh suatu masalah atau lain hal.

Auditor switching pada suatu perusahaan dapat dinilai upaya untuk menghilangkan jejak fraud (fraud trail) yang ditemukan oleh auditor sebelumnya. Kecenderungan tersebut mendorong perusahaan untuk mengganti auditor independennya guna menutupi kecurangan yang terdapat dalam perusahaan. Oleh karena itu, penelitian ini memproksikan Rationalization dengan pergantian kantor akuntan publik (∆CPA) yang diukur dengan variabel dummy dimana apabila terdapat perubahan kantor akuntan publik selama periode 2013-2015 maka diberi kode 1, sebaliknya apabila tidak terdapat perubahan kantor akuntan publik selama periode 2013-2015 maka diberi kode 0.

f. Perubahan Direksi

Dalam penelitian ini, capability diproksikan dengan pergantian direksi perusahaan (DCHANGE) yang diukur dengan variabel dummy dimana apabila terdapat perubahan direksi perusahaan selama periode 2013-2015 maka diberi kode 1, sebaliknya apabila tidak terdapat perubahan direksi perusahaan selama periode 2013-2015 maka diberi kode 0.

3.5 Skala Pengukuran Variabel

Pengukuran merupakan suatu proses pemberian angka atau simbol pada karakteristik atau properti sesuai dengan aturan atau prosedur yang telah ditetapkan (Erlina, 2011). Pengukuran variabel dilakukan dengan menggunakan skala. Secara umum terdapat empat jenis skala, yaitu skala nominal, skala ordinal, skala interval, dan skala rasio. Dalam penelitian ini hanya menggunakan skala nominal dan skala rasio.

Skala nominal adalah skala yang menyatakan kategori, kelompok atau klasifikasi konstruk yang diukur dalam bentuk variabel dimana nilai variabel hanya menjelaskan kategori, tidak menjelaskan nilai peringkat. Sedangkan skala rasio adalah skala yang menunjukkan kategori, peringkat, jarak, dan perbandingan konstruk yang diukur (Erlina, 2011).

Tabel 3.1

Defenisi Operasional dan Pengukuran Variabel

Variabel Definisi Indikator Skala

Variabel Dependen Fraudulent

Suatu bentuk manipulasi dalam laporan

Financial Statement keuangan yang dalam penelitian ini diproksikan dengan earning management Variabel Independen Return On Asset (X1)

Kemampuan perusahaan untuk menghasilkan laba perusahaannya menggunakan sumer daya aset yang ada di dalam perusahaan.

ROA = ���������

����������

Rasio

Financial Leverage (X2)

Suatu bentuk tekanan yang harus dihadapi oleh perusahaan untuk mampu menutupi total hutang perusaannya menggunakan total sumber daya aset yang ada di dalam perusahaan tersebut.

LEV = ����������������

����������

Rasio

Total Asset Turnover (X3)

Kemampuan perusahaan dalam

menghasilkan penjualan bersih dalam satu tahun menggunakanseg ala sumber daya aset perusahaan yang ada.

Total Asset Turnover = _{�����}��������_{�����}

Rasio

Efektivitas Pengawasan (X4)

Semakin banyak jumlah Dewan Komisaris Independen di dalam suatu perusahaan dari total seluruh BDOUT = ������ ����� ��������� �������� �� ������� ����� ��������� Nominal

Dewan

Komisaris yang ada akan semakin baik, karena terdapat internal control yang semakin kuat.

Auditor Switching (X5)

Perubahan Auditor Eksernal perusahaan.

Berganti = 1 Tidak berganti = 0

Ket: (Selama periode pengamatan 3 tahun)

Nominal

Perubahan Direksi (X6)

Pergantian pimpinan tertinggi di perusahaan.

Berganti = 1 Tidak berganti = 0

Ket: (Selama periode pengamatan 3 tahun)

Nominal

3.6 Populasi dan Sampel Penelitian 3.6.1 Populasi Penelitian

Populasi adalah wilayah generalisasi yang terdiri dari objek atau subjek yang menjadi kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Erlina, 2011). Populasi dari penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) dan Bursa Efek Malaysia (BEM) pada tahun 2012-2014. Alasan peneliti memilih perusahaan pertambangan karena berdasarkan penelitian Association of Certified Fraud Examiner (ACFE) jenis industri yang paling banyak melakukan kecurangan dalam laporan keuangan di kaswasan Asia Tenggara adalah industri manufaktur, dalam penelitian ini peneliti memilih sub sektor industri dasar dan kimia karena berjumlah paling banyak dibanding subsektor manufaktur lainnya. Jumlah anggota populasi

pada penelitian ini terdiri dari 103 perusahaan yang dapat dilihat pada Lampiran 1 dan 2.

3.6.2 Sampel Penelitian

Sampel adalah bagian populasi yang digunakan untuk memperkirakan karakteristik populasi (Erlina, 2011). Teknik pengambilan sampel yang digunakan adalah purposive sampling yaitu teknik penentuan sampel anggota populasi dengan pertimbangan atau kriteria tertentu. Kriteria pemilihan sampel pada penelitian ini adalah sebagai berikut:

1. Perusahaan yang diteliti adalah perusahaan sektor manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) dan Bursa Efek Malaysia (BEM) periode 2013-2015, dengan begitu perushaan manufaktur yang akan diteliti ini adalah perusahaan manufaktur yang sudah go public.

2. Menerbitkan laporan keuangan tahunan dengan tahun yang berahir 31 Desember.

3. Tidak sedang delisting dan data-data tersedia selama periode pengamatan. 4. Memiliki kelengkapan data laporan keuangan yang berkaitan dengan

pengukuran variabel yang digunakan dalam peneitian ini (ROA, leverage, asset turnover, dewan komisaris, net cash flow from operating activities keterangan auditor switching dan keterangan tentang pergantian direksi. 5. Laporan keuangan yang dipublikaskan telah diaudit oleh auditor

independen periode 2013-2015.

Proses seleksi sampel berdasarkan kriteria di atas dapat dilihat pada table 3.2 serta lampiran 1 dan 2.

Tabel 3.2

Proses Seleksi Sampel Berdasarkan Kriteria

No. Kriteria

Jumlah Pelanggaran

Kriteria

Akumulasi 1 Total perusahaan Manufaktur

(Sub Sektor Industri Dasar dan Kimia) yang terdaftar di BEI dan BEM periode tahun 2013-2015

0 103

2 Perusahaan Manufaktur yang terdaftar di BEI dan BEM manerbitkan laporan keuangan yang berakhir pada 31

Desember.

12 91

3 Perusahaan Manufaktur yang dalam periode pengamatan (2013-2015) tidak sedang mengalami delisting.

19 72

4 Perusahaan yang sedang menjadi objek pengamatan memiliki kelengkapan data sesuai dengan variabel dalam penelitian ini.

17 (10 buah perusahaan tidak termasuk criteria poin dua maupun empat)

55

5 Laporan keuangan perusahaan yang menjadi objek pengamatan telah diaudit oleh auditor

independen.

0 55

Jumlah amatan penelitian selama periode penelitian 165

3.7 Jenis Data

Penelitian ini menggunakan jenis data sekunder. Data sekunder adalah data yang telah dikumpulkan oleh lembaga pengumpul data dan dipublikasikan kepada masyarakat pengguna data (Erlina, 2011). Data penelitian ini mencakup laporan

keuangan yang telah dipublikasikan, yang diambil dari database Bursa Efek Indonesia (BEI) dan Bursa Efek Malaysia dengan cara mengunduh data melalui

website resmi

2015.

3.8 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah menggunakan metode dokumentasi. Data penelitian diperoleh dari dokumentasi laporan keuangan tahunan (annual report) yang sudah go public yang dipublikasikan melalui situs Bursa Efek Indonesia melalui alama

dan Bursa Efek Malaysia melalui alama

3.9 Teknik Analisis Data

3.9.1 Analisis Statistik Deskriptif

Analisis statistik deskriptif digunakan untuk mengetahui karakteristik sampel yang digunakan dan menggambarkan variabel-variabel dalam penelitian. Analisis statistik deskriptif meliputi jumlah, sampel, nilai minimum, nilai maksimum, nilai rata-rata (mean), dan standar deviasi dari semua variabel

3.9.2 Uji Asumsi Klasik 3.9.2.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah model regresi, variabel pengganggu atau residual memiliki distribusi normal (Ghozali, 2011), melalui uji ini diharapkan didapatnya kepastian dipenuhinya syarat normalitas yang akan menjamin dapat dipertanggungjawabkannya langkah-langkah analisis statistik sehingga kesimpulan yang diambil dapat dipertanggungjawabkan.

Ada 2 cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji analisis statistik.

1. Analisis Grafik

Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data ( titik ) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan kesimpulan sebagaimana dikemukakan oleh Ghozali (2011)

a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.

b. Jika data menyebar menjauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau garis histogram tidak menunjukkan pola pada ditribusi normal, maka model regresi tidak memenuhi asumsi normalitas.

2. Analisis Statistik

Uji normalitas dengan grafik dapat menyesatkan kalu tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa saja sebaliknya (Ghozali, 2011). Oleh sebab itu, dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Uji statistik ini dapat digunakan melalui uji statistik kolmogorov – smirnov (K-S). Pedoman untuk pengambilan keputusannya didasarkan sebagaimana diungkapkan Ghozali (2011) “ Apabila nilai signifikansi atau nilai probabilitas > 0.05, maka distribusi data normal. Apabila nilai signifikansi atau nilai probabilitas < 0.05 maka distribusi data tidak normal.

3.9.2.2 Uji Multikolonieritas

Uji multikolonieritas bertujuan untuk menguji apakah model regresi terdapat korelasi antar variabel independen. Model regresi yang baik seharusnya antar varariabel independen tidak terjadi korelasi. Pendekatan yang digunakan untuk menguji ada tidaknya multikolonieritas ada dua yaitu dengan melihat nilai tolerance dan lawannya dan dengan uji tes Variance Inflation Factor (VIF), dengan analisis sebagai berikut:

a. Jika nilai tolerance > 0,10 dan VIF < 10, maka dapat diartikan bahwa tidak terdapat multikolonieritas antar variabel independen dalam model regresi.

b. Jika nilai tolerance < 0,10 dan VIF > 10, maka dapat diartikan bahwa terdapat multikolonieritas antar variabel independen dalam model regresi.

3.9.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah model dalam model regresi linier ada korelasi antar pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mendeteksi terjadinya autokorelasi dapat dilakukan dengan pengujian terhadap nilai uji Durbin-Watson (Uji DW) dengan ketentuan sebagai berikut:

1. Bila nilai Durbin-Watson (DW) terletak antara batas atas atau Upper Bound (DU) dan 4 – DU, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.

2. Bila nilai DW lebih rendah daripada batas bawah atau Lower Bound (DL), maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif.

3. Bila nilai DW lebih besar daripada (4-DL), maka koefisien autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif. 4. Bila nilai DW terletak di antara batas atas (DU) dan batas bawah

(DL) atau DW terletak antara (4-DU) dan (4-DL), maka hasilnya tidak dapat disimpulkan

3.9.2.4 Uji Heterokedastisitas

Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain (Ghozali, 2011). Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut sebagai homoskedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Untuk melihat ada tidaknya heteroskedastisitas dapat dilakukan dengan uji glejser. Data tidak terkena heteroskedastisitas jika nilai signifikansi lebih besar dar 0.05 (Ghozali, 2011).

3.9.3 Uji Hipotesis

Uji hipotesis dilakukan untuk mendapatkan hasil analisis data yang valid dan mendukung hipotesis yang dikemukakan pada penelitian ini. Berikut uji hipotesis yang digunakan dalam penelitian ini :

Penelitian ini menggunakan software SPSS versi 19 untuk memprediksi hubungan antara variabel independen dengan variabel dependen. Hubungan antara discretionary accruals yang menggambarkan seberapa besar earning management dalam perusahaan tersebut yang merupakan proksi dari Fraud Diamond diuji menggunakan model sesuai dengan penelitian Skousen et al. (2009) dengan model regresi :

+ ß5∆CPA + ß6DCHANGE + εi Keterangan:

ß0 = Koefisien regresi konstanta

ß1,2,3,4,5,6 = Koefisien regresi masing-masing proksi DACCit = Discretionary accruals perusahaan i tahun t ROA = Return On Assets

LEV = Rasio total kewajiban per total aset TAT = Rasio penjualan bersih pertotal aset BDOUT = Rasio dewan komisaris independen ∆CPA = Pergantian auditor independen DCHANGE = Pergantian direksi ε = error

Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari nilai Goodness of fit. Secara statistik, Goodness of fit dapat diukur dari koefisien determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana H0 ditolak). Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah dimana H0 diterima (Ghozali, 2011).

3.9.3.1 Koefisien Determinasi (��)

Koefisien Determinasi (�2_{) pada intinya mengukur seberapa}

jauh kemampuan model dalam menerangkan variasi variabel independen (Ghozali, 2011). Nilai koefisiensi determinasi adalah antara nol dan satu.

Nilai �2 _{yang kecil berarti kemampuan variabel-variabel independen}

dalam menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variable – variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel independen.

3.9.3.2 Uji Parsial (Uji Statistik t)

Menurut Ghozali (2011) uji stastistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variabel dependen. Pada uji statistik t, nilai t hitung akan dibandingkan dengan nilai t tabel, Pengujian dilakukan dengan menggunakan significance level 0,05 (α=5%). Penerimaan atau penolakan hipotesis dilakukan dengan kriteria sebagai berikut :

a. Bila t hitung > t tabel atau probabilitas < tingkat signifikansi (Sig < 0,05), maka Ha diterima dan Ho ditolak, variabel independen berpengaruh terhadap variabel dependen.

b. Bila t hitung < t tabel atau probabilitas > tingkat signifikansi (Sig > 0,05), maka Ha ditolak dan Ho diterima, variabel independen tidak berpengaruh terhadap variabel dependen.

3.9.3.3 Uji Simultan (Uji Statistik F)

dimasukkan dalam model mempunyai pengaruh terhadap variabel dependennya. Uji simultan digunakan untuk menguji besarnya pengaruh dari variabel independen secara bersama-sama atau simultan terhadap variabel dependen.

Untuk menentukan nilai F tabel, tingkat signifikansi yang digunakan sebesar 5% dengan derajat kebebasan (degree of freedom) df = (n-k) dan (k-1) dimana n adalah jumlah sampel, kriteria yang digunakan adalah:

a. Bila F hitung > F tabel atau probabilitas < nilai signifikan ( Sig ≤ 0,05), maka Ha (hipotesis alternatif ) diterima, ini berarti bahwa secara simultan variabel independen memiliki pengaruh signifikan terhadap variabel dependen.

b. Bila F hitung < F tabel atau probabilitas > nilai signifikan ( Sig ≥ 0,05), maka Ha (hipotesis alternatif) ditolak, ini berarti bahwa secara simultan variabel independen tidak mempunyai pengaruh signifikan terhadap variabel dependen.

3.9.3.4 Uji Beda (Uji Beda t-test)

Uji beda t-test digunakan untuk menentukan apakah dua sampel yang tidak berhubungan memiliki nilai rata-rata yang berbeda. Uji beda t-test dilakukan dengan cara membandingkan perbedaan antara dua nilai rata-rata dengan standar error dari perbedaan rata-rata dua sampel atau secara rumus dapat ditulis sebagai berikut :

t = ���� −���� ������ ������� − ���� −���� ������ �����

������� ����� ��������� ���� −���� ����� ������

Standar eror perbedaan dalam nilai rata-rata terdistribusi secara normal. Jadi tujuan uji beda t-test adalah membandingkan rata-rata dua grup yang tidak berhubungan satu dengan yang lain. Apakah kedua grup tersebut mempunyai nilai rata-rata yang sama ataukah tidak sama secara signifikan. Sebagai missal kita ingin mengetahui apakah rata-rata pengalaman kerja sebelumnya berbeda untuk responden laki-laki dan perempuan. (Ghozali, 2006).

Dalam penelitian ini uji t-test beda digunakan untuk melihat perbedaan dari faktor-faktor yang mempengaruhi fraudulent financial statement dua jenis sampel yang saling tidak mempengaruhi satu sama lain, yaitu sampel perusahaan manufaktur yang go public di Indonesia dan Malaysia.

BAB IV

HASIL DAN PEMBAHASAN

4. 1 Gambaran Umum

Penelitian ini menggunakan metode analisis regresi logistik untuk hubungan langsung antara variabel independen terhadap variabel dependen.. Data-data terlebih dahulu dianalisis dengan menggunakan Microsoft Excel, dan kemudian pengujian dilakukan dengan menggunakan software pengolah data SPSS versi 19. Proses pengolahan data dimulai dengan input variabel-variabel penelitian ke program SPSS dan menghasilkan output sesuai dengan metode analisis data yang telah ditentukan.

4. 2 Hasil Penelitian

24.2.1 Analisis Statistik Deskriptif

Analisis statistik deskriptif memberikan informasi mengenai gambaran data meliputi jumlah sampel, nilai minimum, nilai maksimum, niali rata-rata (mean), dan standar deviasi dari variabel-variabel penelitian. Peneliti menggunakan statistik deskriptif untuk variabel-variabel yang diukur dengan skala rasio dan frequency untuk variabel yang diukur dalam skala nominal (variabel dummy).

Tabel 4.1

Statistik Deskriptif Variabel Return On Asset, Financial Leverage, Total Asset Turnover, Perubahan Direksi dan Discretionary Accrual (Min,

Max, Sum, Mean)

Descriptive Statistics

N Minimum Maximum Sum Mean

ROA 165 0 1 10 .6

LEV 165 .0300 1.2200 70.9918 .430253

Asset Turnover Efektivitas Pengawasan 165 165 .0003 0 430995.000 0 4 431130.9975 .323 2612.9151 36 .104

Discretionary Accrual 165 443697.22

00000000 669.821800 000 1278909.694 8865530 7750.9678 47797292

Valid N (listwise) 165

Sumber : Output SPSS, data diolah peneliti, 2016 Tabel 4.2

Statistik Deskriptif Variabel Return On Asset, Financial Leverage, Total Asset Turnover, Perubahan Direksi dan Discretionary Accrual

(Range, Std. Deviation, Variance)

Descriptive Statistics

N Range Std. Deviation Variance

ROA 165 1 .133 .018

LEV 165 1.1900 .2301922 .053

Asset Turnover Komisaris Independen 165 165 430994.9997 0 1251.5285069 .08323 1.1266 .104

Discretionary Accrual 165 444367.04180

00000

5711.7587586 1478050

3.26239

Valid N (listwise) 165

1. Jumlah seluruh sampel penelitian adalah 55 perusahaan yangterdiri dari 38 perusahaan yang ada di Indoesia dan 17 perusahaan yang ada di Malaysia. Total amatan dalam penelitian ini ada sebanyak 165 amatan penelitian, yaitu 55 perusahaan dikali dengan tiga tahun periode penelitian. Dari tabel terlihat jelas bahwa 165 data valid dalam penelitian ini, hal iniberarti semua data dalam amatan ini adalah valid. Tiga variabel independen yang menggunakan skala rasio yaitu , ROA, leverage dan asset turnover. Sementara tiga variable selanjutnya menggunakan skala nominal dan akan dibahas dalam uji statitik frekuensi karena menggunakan variable dummy.

2. Variabel independen Return on Assets (ROA) memiliki nilai minimum sebesar 0 dan nilai maksimum sebesar 1 dengan rata-rata 0.6. Hal ini menunjukkan bahwa semua perusahaan yang menjadi sampel mempunyai nilai ROA positif. Nilai standar deviasi sebesar 0.133 yang jauh lebih kecil jika dibandingkan dengan nilai mean. Artinya nilai mean dari variabel return on asset merupakan representasi yang baik dari keseluruhan data .

3. Variabel independen leverage memiliki nilai minimum sebesar 0.300 dan nilai maksimum sebesar 1.2200 dengan rata-rata berada pada skor 0.430253. Nilai standar deviasi sebesar 0.2301922 yang lebih kecil jika dibandingkan dengan nilai mean dari variabel leverage artinya nilai mean merupakan representasi yang baik dari keseluruhan data.

4. Variabel independen asset turnover memiliki nilai minimum sebesar 0.0003 dan nilai maksimum sebesar 430995.0000 dengan rata-rata berada pada skor 2612.915136. Nilai standar deviasi sebesar 1251.5285069 yang lebih kecil jika dibandingkan dengan nilai mean artinya nilai mean dari variabel asset turnover merupakan representasi yang baik dari keseluruhan data.

5. Variabel independen efektivitas pengawasan yang diproksikan dengan proporsi dewan komisaris independen memiliki nilai minimum sebesar nol dan nilai maksimum sebesar empat . Nilai standar deviasi sebesar 0.08323 yang lebih kecil jika dibandingkan dengan nilai mean yaitu

0.104 artinya nilai mean dari variabel efektivitas pengawasan

merupakan representasi yang baik dari keseluruhan data dari variabel efektivitas pengawasan.

6. Variabel dependen fraudulent financial statement yang diproksikan dengan discretionary accrual memiliki nilai minimum sebesar 0.0003 dan nilai maksimum sebesar 430995.0000 dengan. Nilai standar deviasi sebesar 5711.75875861478050 yang lebih kecil jika dibandingkan dengan nilai mean yaitu 7750.967847797292 artinya nilai mean dari variabel discretionary accrual merupakan representasi yang baik dari keseluruhan data.

Tabel 4.3

Statistik Deskriptif Variabel Auditor Switching dan Perubahan Direksi

Auditor_Switching

Perubahan_Direks i

N Valid 165 165

Missing 0 0

Mean .1030 .1273

Median .0000 .0000

Minimum .00 .00

Maximum 1.00 1.00

Sumber : Output SPSS, data diolah peneliti, 2016

Berdasarkan Tabel 4.3 dapat dideskripsikan bahwa jumlah data yang valid adalah 165 buah, sedangkan data yang hilang (missing) adalah nol, artinya semua data telah diproses. Selain itu, sangat jelas terlihat bahwa kedua variabel ini menggunakan variabel dummy terlihat dari nilai maximum yaitu satu dan nilai minimum adalah nol. Sesuai dengan yang telah ditetapkan sebelumnya, jika berganti akan diberi angka satu dan apabila tidak berganti akan diberi angka nol.

Tabel 4.4

Statistik Frekuensi Variabel Auditor Switching

Auditor_Switching

Frequency Percent

Valid Percent

Cumulative Percent

Valid Tidak Berganti 148 89.7 89.7 89.7

Berganti 17 10.3 10.3 100.0

Total 165 100.0 100.0

Berdasarkan Tabel 4.4 dapat dideskripsikan bahwa variabel independen auditor switching menggunakan variabel dummy, dimana perusahaan yang melakukan pergantian auditor diberi kode “1”, sedangkan perusahaan yang tidak melakukan pergantian auditor diberi kode “0” memiliki data valid karena seluruhnya telah diproses. Jumlah data yang tidak melakukan pergantian auditor sebanyak 148 buah (89,7%), sedangkan jumlah data yang melakukan pergantian auditor sebanyak 17 buah (10,3%). Dapat disimpulkan bahwa sebagian besar perusahaan tidak melakukan pergantian auditor selama periode pengamatan.

Tabel 4.5

Statistik Frekuensi Variabel Pergantian Direksi

Perubahan_Direksi

Frequency Percent Valid Percent

Cumulative Percent

Valid Tidak Berganti 144 87.3 87.3 87.3

Berganti 21 12.7 12.7 100.0

Total 165 100.0 100.0

Sumber : Output SPSS, data diolah peneliti, 2016

Berdasarkan Tabel 4.5 dapat dideskripsikan bahwa variabel independen perubahan direksi menggunakan variabel dummy, dimana perusahaan yang melakukan pergantian direksi selama periode pengamatan akan diberi angka “satu” dan perusahaan yang tidak melakukan pergantian direksi selama periode pengamatan diberi angka “nol”. Dapat disimpulkan secara keseluruhan bahwa data yang ada valid karena seluruhnya telah diproses. Jumlah data perusahaan yang melakukan pergantian direksi selama periode pengamatan sebanyak 144

buah (87,3%), sedangkan jumlah data perusahaan yang tidak melakuakan pergantian direksi selama periode pengamatan sebanyak 21 buah (12,7%). Dapat disimpulkan bahwa sebagian besar perusahaan tidak melakukan pergantian direksi selama periode pengamatan.

24.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Pengujian normalitas data penelitian ini menggunakan analisis grafik dan statistik. Analisis grafik untuk melihat normalitas dilakukan dengan melihat kurva normal probability plot. Analisis statistik dilakukan dengan uji kolmogrov-smirnov.

Gambar 4.1 Grafik Normal P-Plot Sumber : Output SPSS, data diolah peneliti, 2016

Pada Gambar 4.1 terlihat data menyebar di sekitar garis diagonal dan mengikuti arah garis histograf menuju pola distribusi nomal maka variabel dependen (fraudulent financial statement) memenuhi asumsi normalitas. Selain itu uji normalitas juga dapat dilakukan dengan uji one-sample kolmogorov-smirnov. Nilai signifikansi dari residual yang berdistribusi secara normal adalah jika nilai asymp.Sig (2-tailed) dalam pengujian one-sample kolmogorov-smirnov test lebih dari 0,05. Hasil uji one-sample kolmogorov-kolmogorov-smirnov test ditampilkan pada Tabel 4.6 di bawah ini.

Tabel 4.6

Kolmogorov – Smirnov Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 165

Normal Parametersa,b

Mean .00

Std. Deviation 56367.598

Most Extreme Differences

Absolute .385

Positive .301

Negative -.385

Kolmogorov-Smirnov Z 4.949

Asymp. Sig. (2-tailed) .0093

a. Test distribution is Normal.

Sumber : Output SPSS, data diolah peneliti, 2016

Dari Tabel 4.6 dapat dilihat bahwa nilai kolmogorov smirnov adalah 4,949 dengan nilai asymp.sig.(2-tailed) sebesar 0,093 hal ini berarti data dalam model regresi berdistribusi normal, karena nilai asymp.sig.(2-tailed) lebih besar dari 0,05.

4.2.2.2 Uji Multikolinieritas

Pengukuran multikolonieritas dalam penelitian ini dilihat dari nilai tolerance dan variance inflation factor (VIF). Apabila nilai tolerance > 0,10 dan VIF < 10 maka model regresi tersebut bebas dari multikolonieritas. Berikut hasil perhitungan menggunakan SPSS 19.

Tabel 4.7 Uji Multikolinearitas Coefficientsa Model Unstandar dized Coefficient s Standar dized Coeffici

ents Beta T Collinearity Statistics

B

Std.

Error Sig.

Tolerance VIF

(Constant) 4563.623 11739.7

33

.389 .698

ROA -22436.080 35333.7

12

-.052 -.635 .526 .910 1.099

LEV -37724.977 20517.8

75

-.152 -1.839 .068 .901 1.109

Asset Turnover

.007 .135 .004 .053 .958 .979 1.021

Komisaris Independen

8200.159 14200.0 49

.046 .577 .564 .954 1.048

SWITCH 5212.209 15015.9

42

.028 .347 .729 .959 1.043

Perubahan Direksi

9102.692 13644.8 11

.053 .667 .506 .967 1.035

a. Dependent Variable: Discretionary Accrual

Sukma Siregar dan teman-teman grup A S1 Akuntansi USU, terimakasih atas waktu dan kebersamaannya selama ini.

Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Oleh karena itu, penulis mengharapkan kritik dan saran yang membangun demi kesempurnaan skripsi ini.

Medan, 07 Januari 2017 Penulis,

NIM : 130503024 ALAM AZHIIM AZIIZ

DAFTAR ISI

Halaman

DAFTAR ISI………...………....……….. i

DAFTAR TABEL………...……….. iv

DAFTAR GAMBAR……… DAFTAR LAMPIRAN..……….………. v vi BAB I PENDAHULUAN……….. 1

1.1 Latar Belakang Masalah………. 1

1.2 Rumusan Masalah………... 14

1.3 Tujuan Penelitian……… 16

1.4 Manfaat Penelitian……….. 17

BAB II TINJAUAN PUSTAKA……… 19

2.1 Landasan Teori……… 19

2.1.1 Fraud……….……... 19

2.1.2 Fraudulent Financial Statement……….. 21

2.1.3 Pressure... 21

2.1.4 Earning Management………... 21

2.1.5 Financial Pressure………... 24

2.1.6 Return On Asset………... 24

2.1.7 Financial Leverage……….. 25

2.1.8 Total Asset Turnover………….……….... 26

2.1.9 Kesempatan (Opportunity)………... 27

2.1.10 Dewan Komisaris Independen………. 27

2.1.11 Auditor Switching………. 30

2.1.12 Perubahan Direksi……… 31

2.1.13 Korupsi (Corruption)………... 32

2.2 Penelitian Terdahulu………... 33

2.3 Kerangka Konseptual………. 36

2.4 Hipotesis Penelitian……… 38

2.4.1 Pengaruh Return On Asset Terhadap Fraudulent Financial Statement di Indonesia danMalaysia……. 38

2.4.2 Pengaruh Financial Leverage Terhadap Fraudulent Financial Statement di Indonesia dan Malaysia…….. 39

2.4.3 Pengaruh Capital Turnover Terhadap Fraudulent Financial Statement di Indonesia dan Malaysia…….. 40

2.4.4 PengaruhJumlah Dewan Komisaris Independen Terhadap Fraudulent Financial Statement di Indonesia dan Malaysia………. 41

2.4.5 Pengaruh Auditor Switching Terhadap Fraudulent Financial Statement di Indonesia dan Malaysia……... 42 2.4.6 Pengaruh Perubahan DireksiTerhadap Fraudulent

Financial Statement di Indonesia dan Malaysia……. 43

2.4.7 Pengarauh Return On Asset, Financial Leverage Capital Turnover, Jumlah Dewan Komisaris Independen Auditor Switching dan Perubahan Direksi Terhadap Frudulent Financial Statement di Indonesia dan Malaysia………... 44

BAB III METODE PENELITIAN………...……….…. 46

3.1 Jenis Penelitian………. 46

3.2 Tempat dan Waktu Penelitian………... 46

3.3 Batasan Operasional………. 47

3.4 Definisi Operasional………. 48

3.4.1 Variabel Dependen……….. 48

3.4.2 Variabel Independen……… 51

3.5 Skala Pengukuran Variabel……….. 56

3.6 Populasi dan Sampel Penelitian……… 58

3.6.1 Populasi Penelitian……….. 58

3.6.2 Sampel Penelitian……… 59

3.7 Jenis Data……….…. 60

3.8 Metode Pengumpulan Data……….. 61

3.9 Teknik Analisis Data……… 61

3.9.1 Analisis Statistik Deskriptif……… 61

3.9.2 Uji Asumsi Klasik………... 61

3.9.2.1 Uji Normalitas………. 61

3.9.2.2 Uji Multikolonieritas………... 63

3.9.2.3 Uji Autokorelasi………..………….... 64

3.9.2.4 Uji Heterokedastisitas……….…. 65

3.9.3 Uji Hipotesis……….……... 65

3.9.3.1 Koefisien Determinasi………. 66

3.9.6.2 Uji Parsial (Uji Statistik t)………... 67

3.9.6.3 Uji Simultan (Uji Statistik F)……….. 67

BAB IV HASIL DAN PEMBAHASAN………...……….. 70

4.1 Gambaran Umum………. 70

4.2 Hasil Penelitian……….………... 70

4.2.1 Analisis Statistik Deskriptif………. 70

4.2.2 Uji Asumsi Klasik……..………. 76

4.2.2.1 Uji Normalitas……….……….. 76

4.2.2.2 Uji Multikolinieritas………..………… 78

4.2.2.3 Uji Autokorelasi………..………….………….. 79

4.2.2.4 Uji Heterokedastisitas……… 80

4.3 Uji Hipotesis………… ……….…… ……….. 81

4.3.1.1 Koefisien Determinasi…..……… 81

4.3.1.2 Uji Parsial (Uji t)……….…. 83

4.3.1.3 Uji Simultan (Uji F)……….. 86

4.4 Pembahasan………..……… 93

4.4.1 Pengaruh Return On Asset Terhadap Fraudulent Financial Statement di Indonesia dan Malaysia……… 93

4.4.2 Pengaruh Financial Leverage Terhadap Fraudulent Financial Statement di Indonesia dan Malaysia……... 93

4.4.3 Pengaruh Total Asset Turnover Terhadap Fraudulent Financial Statement di Indonesia dan Malaysia…….. 94

4.4.4 Pengaruh Efektivitas Pengawasan Terhadap Fraudulent Financial Statement di Indonesia dan Malaysia………. 94

4.4.5 Pengaruh Auditor Switching Terhadap Fraudulent Financial Statement di Indonesia dan Malaysia……... 95

4.4.6 Pengaruh Perubahan Direksi Terhadap Fraudulent Financial Statement di Indonesia dan Malaysia……... 96

4.4.7 Pengaruh Return On Asset, Financial Leverage, Total Asset Turnover, Efektivitas Pengawasan, Auditor Switching, dan Perubahan Direksi Terhadap Fraudulent Financial Statement di Indonesia dan Malaysia……… 96

BAB V KESIMPULAN DAN SARAN………..…. 98

5.1 Kesimpulan……….. 98

5.2 Saran………..……….. 100

DAFTAR PUSTAKA……….………. 101

DAFTAR TABEL

No. Tabel Judul Halaman

2.1 Penelitian Terdahulu……… 33

3.1 Defenisi Operasional dan Pengukuran Variabel ……… 56

3.2 Proses Seleksi Sampel Berdasarkan Kriteria …………. 60

4.1 Statistik Deskriptif Variabel Return On Asset, Financial Leverage, Total Asset Turnover, Perubahan Direksi dan Discretionary Accrual (Min, Max, Sum, Mean)……….. 71

4.2 Statistik Deskriptif Variabel Return On Asset, Financial Leverage, Total Asset Turnover, Perubahan Direksi dan Discretionary Accrual (Range, Std. Deviation, Variance) 71

4.3 Statistik Deskriptif Variabel Auditor Switching dan Perubahan Direksi……….... 74

4.4 Statistik Frekuensi Variabel Auditor Switching………... 74

4.5 Statistik Frekuensi Variabel Perubahan Direksi………... 75

4.6 Kolmogorov-Smirnov………... 77

4.7 Uji Multikolinearitas……….…… 78

4.8 Uji Autokorelasi……… 79

4.9 Uji Heterokedastisitas……….. 81

4.10 Uji Koefisien Determinasi R2………. 82

4.11 Uji Parsial……….... 83

4.12 Uji Simultan……… 86

4.13 Uji Beda t-test Return On Asset……….. 87

4.14 Uji Beda t-test Financial Leverage………. 88

4.15 Uji Beda t-test Total Asset Turnover……….. 89

4.16 Uji Beda t-test Dewan Komisaris Independen………... 90

4.17 Uji Beda t-test Auditor Switching……….. 91

DAFTAR GAMBAR

No. Gambar Judul Halaman

1.1 Fraud Cases in Southeast Asia 2012……….. 2

1.2 Occupational Fraud Loss……… 5

2.1 Kerangka Konseptual ………. 37