ΔREC
it
: Total perubahan piutang receivables di perusahaan i pada periode ke t
Perubahan pendapatan memengaruhi perubahan akrual yang berasal dari modal kerja working capital, seperti piutang, persediaan, dan utang.
Perubahan pendapatan digunakan sebagai variabel kontrol karena relatif objektif sebagai ukuran operasi perusahaan sebelum manipulasi akrual
yang dilakukan oleh manajer. Namun demikian, pendapatan tidak sepenuhnya objektif dan terlepas dari usaha manipulasi laba. Hal ini terjadi
bila manajer berusaha memanipulasi laba melalui pendapatan, seperti percepatan pengiriman barang agar perusahaan dapat mengakui pendapatan
lebih awal. Perubahan pendapatan yang dikurangkan dengan perubahan piutang menunjukkan asumsi perubahan penjualan kredit yang merupakan
peluang manajemen laba Achmad, et al., 2007 dalam Nuraini, 2012. Sementara itu, PPE dimasukkan ke dalam model untuk mengontrol porsi
akrual total yang terkait dengan biaya depresiasi non diskresioner non discretionary depreciation expense
. Tidak seperti pada pengaruh pendapatan yang dikontrol dengan perubahan pendapatan, PPE yang
dimasukkan ke dalam jumlah pada periode tersebut berupa gross PPE dan bukan perubahan PPE. Ini terjadi karena biaya depresiasi total dan bukan
perubahan biaya depresiasi yang tercakup dalam ukuran akrual total. Kemudian, semua variabel dalam model estimasi akrual diskresioner
diskalakan dengan total aset pada tahun sebelumnya lagged asset untuk mengurangi heteroskedastisitas. Penskalaan ini merupakan suatu pendekatan
weighted least squares WLS untuk mengestimasi sebuah persamaan
regresi yang memiliki disturbance term yang heteroskedastik. WLS memiliki ketentuan bahwa semua variabel dependen dan independen agar
dibagi dengan estimasi variansi disturbance term. Jones 1991 juga berasumsi bahwa total aset tahun sebelumnya berasosiasi positif dengan
variansi disturbance term, lalu ia menggunakannya sebagai penskala Rahayu, 2009.
3.4.2 Uji Asumsi Klasik Regresi
Model regresi linier berganda dapat disebut sebagai model yang baik jika model tersebut memenuhi asumsi normalitas data dan terbebas dari
asumsi-asumsi klasik statistik, seperti multikolinearitas, autokorelasi, heteroskedastisitas.
Proses pengujian asumsi klasik statistik dilakukan bersama-sama dengan proses uji regresi. Sehingga, langkah-langkah yang dilakukan
dalam pengujian asumsi klasik statistik menggunakan media kotak kerja yang sama dengan uji regresi SPSS Nugroho, 2009. Ada empat macam
dalam pengujian asumsi klasik, di antaranya: a.
Uji Normalitas Tujuan uji normalitas adalah ingin mengetahui apakah distribusi
sebuah data mengikuti atau mendekati distribusi normal atau tidak, yakni distribusi data dengan bentuk lonceng bell shaped. Data yang baik
adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau ke kanan.
Uji normalitas pada multivariate sebenarnya sangat kompleks. Karena, harus dilakukan pada seluruh variabel secara bersama-sama.
Namun, uji ini bisa juga dilakukan pada setiap variabel. Logikanya adalah jika secara individual masing-masing variabel memenuhi asumsi
normalitas, secara bersama-sama multivariate variabel-variabel tersebut juga bisa dianggap memenuhi asumsi normalitas Hair dkk.,
1998. b.
Uji Multikolinearitas
Uji multikolinearitas diperlukan untuk mengetahui ada atau
tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model. Kemiripan antar variabel independen
dalam satu model akan menyebabkan terjadinya korelasi yang sangat kuat antara satu variabel independen dengan variabel independen yang
lain. Selain itu, deteksi terhadap multikolinearitas juga bertujuan untuk menghindari kebiasan dalam proses pengambilan kesimpulan mengenai
pengaruh pada uji parsial masing-masing variabel independen terhadap variabel dependen Nugroho, 2009.
c. Uji Autokorelasi
Menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada atau tidaknya korelasi antara variabel pengganggu e
t
pada periode tertentu dengan periode sebelumnya e
t-1
. Autokorelasi sering terjadi pada sampel dengan data time series dan n sampel adalah
periode waktu. Sedangkan untuk sampel data crossection dengan n item sampel, seperti perusahaan, orang, wilayah, dan lain sebagainya, jarang
terjadi. Karena, variabel pengganggu item sampel yang satu berbeda dengan yang lain Nugroho, 2009.
d. Uji Heteroskedastisitas
Heteroskedastisitas menguji terjadinya perbedaan variance
residual suatu periode pengamatan ke periode pengamatan yang lain.
Atau, gambaran hubungan antara nilai yang diprediksi dengan studentized delete residual
nilai tersebut. Model regresi yang baik adalah model regresi yang memiliki persamaan variance residual suatu periode
pengamatan dengan periode pengamatan yang lain. Atau, adanya hubungan antara nilai yang diprediksi dengan studentized delete residual
nilai tersebut. Sehingga, dapat dikatakan bahwa model tersebut adalah homoskedastisitas lain Nugroho, 2009.
3.4.3 Uji Hipotesis
