44
BAB IV HASIL DAN PEMBAHASAN
4.1 Data Penelitian
Data dalam penelitian ini dianalisis melalui metode analisis statistik dengan menggunakan analisis persamaan regresi berganda. Analisis data dimulai dengan
mengolah data dengan menggunakan Microsoft Office Excel 2007. Selanjutnya, dilakukan pengujian asumsi klasik dan hipotesis dengan menggunakan regresi
berganda. Pengujian dilakukan dengan menggunakan software SPSS versi 17.0. Prosedur pengujian dimulai dengan memasukkan data yang akan diuji ke dalam
program SPSS, yang kemudian menghasilkan output-output sesuai metode analisis yang telah ditetapkan sebelumnya. Adapun jumlah perusahaan yang
dijadikan sampel dalam penelitian ini, yang dipilih berdasarkan kriteria-kriteria tertentu, berjumlah 85 perusahaan. Periode penelitian adalah tahun 2012.
4.2 Hasil Penelitian
4.2.1 Statistik Deskriptif
Statistik deskriptif digunakan untuk menunjukkan jumlah data yang digunakan dalam penelitian ini serta dapat menunjukkan nilai maksimum, nilai
minimum, nilai rata-rata mean serta standar deviasi dari masing-masing variabel.
Penelitian ini menggunakan data sekunder yang dapat diperoleh dari situs www.idx.co.id dengan mendownload laporan keuangan sampel perusahaan
manufaktur pada tahun 2012.
Universitas Sumatera Utara
45
Variabel dalam penelitian ini meliputi Corporate Governance CG dan dewan komisaris sebagai variabel independen serta manajemen laba sebagai
variabel dependen. Hasil olah data deskriptif dapat dilihat pada tabel 4.2 sebagai berikut:
Tabel 4.2 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum
Mean Std.
Deviation M.LABA
85 -.095788 .524981 .19956089
.101951397 CG
85 .00
3.93 1.4792
1.04423 D.KOM
85 .25
1.00 .3981
.12354 Valid N
listwise 85
Sumber: Data yang diolah peneliti 1. Variabel Manajemen Laba M.LABA memiliki nilai
minimum -0.095788 dan maksimum 0.524981 dengan rata- rata 0.19956089 dan standar deviasi 0.101951397.
2. Variabel Corporate Governance CG memiliki nilai minimum 0.00 dan maksimum 3.93, dengan rata-rata
sebesar 1.4792 dan standar deviasi 1.04423. 3. Variabel Dewan Komisaris D.KOM memiliki nilai
minimum 0.25 dan maksimum 1.00, dengan rata-rata sebesar 0.3981 dan standar deviasi 0.12354.
Standar deviasi σ menunjukkan seberapa jauh kemungkinan nilai menyimpang dari nilai yang diharapkan dalam hal ini variabel M.LABA, CG,
Universitas Sumatera Utara
46
dan D.KOM. Semakin besar nilai standar deviasi maka semakin besar kemungkinan nilai riil menyimpang dari yang diharapkan Gujarati, 1995.
4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam sebuah regresi variabel dependen, variabel independen atau keduanya mempunyai distribusi
normal ataukah tidak mempunyai distribusi normal. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Salah satu metode
untuk mengetahui normalitas adalah dengan menggunakan metode analisis grafik dan analisis statistik. Analisis grafik dapat dilihat dengan melihat grafik histogram
ataupun dengan melihat grafik Normal Probability Plot. Uji normalitas yang pertama dengan melihat grafik histogram sebagaimana terlihat dalam gambar 4.1
di bawah ini :
Gambar 4.1 Grafik Histogram
Universitas Sumatera Utara
47
Metode lain yang digunakan dalam analisis grafik adalah dengan melihat Normal Probability Plot yang membandingkan distribusi kumulatif dari
distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji
normalitas dengan melihat Normal Probability Plot dapat dillihat pada gambar 4.2 berikut:
Gambar 4.2 Normal Probability Plot
Dari hasil uji normalitas dengan menggunakan grafik yaitu dengan menggunakan grafik histogram dan grafik normal p-plot menunjukkan bahwa
distribusi data normal. Pada grafik histogram Gambar 4.1 menunjukkan
Universitas Sumatera Utara
48
distribusi data mengikuti garis diagonal yang tidak menceng skewness ke kiri maupun ke kanan. Pada grafik normal p-plot Gambar 4.2 memperlihatkan titik
– titik menyebar di sekitar garis diagonal serta penyebarannya mendekati garis
diagonal sehingga dapat disimpulkan bahwa distribusi data normal. Untuk lebih memastikan apakah data residual terdistribusi normal atau tidak, maka dilakukan
pengujian one sample Kolmogorov-Smirnov.
Tabel 4.3 Hasil Uji Normalitas dengan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 85
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .10037923
Most Extreme Differences
Absolute .056
Positive .056
Negative -.051
Kolmogorov-Smirnov Z .514
Asymp. Sig. 2-tailed .954
a. Test distribution is Normal. b. Calculated from data.
Dalam tabel 4.3 hasil pengujian normalitas dengan uji statistik nonparametrik Kolmogorov-Smirnov menunjukkan nilai Z hitung sebesar 0.514
dengan taraf signifikansi 0,954. Nilai taraf signifikansi diatas 0,05 0,954 0,05 menunjukkan bahwa data residual terdistribusi secara normal. Dengan kata lain,
model regresi yang digunakan memenuhi asumsi normalitas.
Universitas Sumatera Utara
49
4.2.2.2 Uji Multikolinearitas
Uji ini bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya
tidak terjadi korelasi diantara variabel independen. Jika terjadi korelasi, maka terdapat multikolonieritas. Uji multikolonieritas diuji dengan melihat nilai
Variance Inflation Factor VIF. Dikatakan tidak terdapat multikolonieritas dalam model regresi jika tolerance 0,1 dan VIF 10 Ghozali, 2009. Hasil uji
mutikolinearitas dapat dilihat pada tabel berikut :
Tabel 4.4 Hasil Uji Multikolinearitas
Berdasarkan tabel 4.4, dapat diketahui bahwa nilai tolerance dari setiap variabel independen lebih dari 0,1 dan nilai VIF dari setiap variabel
independen tidak lebih dari 10. Oleh karena itu, dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi
4.2.2.3 Uji Heteroskedastisitas
Pengujian ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
Model Collinearity Statistics
Tolerance VIF
1 Constant
CG .959
1.042 D.KOM
.959 1.042
Universitas Sumatera Utara
50
yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan
ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik
scatterplot, dengan dasar analisis Ghozali, 2005:139 a Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot di tunjukkan pada gambar 4.3 dibawah ini:
Gambar 4.3 Grafik Scatterplot
Universitas Sumatera Utara
51
Pada grafik scatterplot di atas, terlihat titik-titik menyebar secara acak serta tersebar, baik di atas maupun di bawah angka 0 pada sumbu Y sehingga
dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model transformasi regresi yang digunakan.
4.2.2.4 Uji Autokorelasi
Pengujian ini bertujuan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah yang bebas autokorelasi.
Untuk mengetahui adanya autokorelasi dalam suatu model regresi dilakukan melalui pengujian terhadap nilai uji Durbin-Watson Uji DW. Dasar pengambilan
keputusan tentang ada atau tidaknya autokorelasi dengan menggunakan Durbin- Watson adalah sebagai berikut :
Tabel 4.5 Kriteria Autokorelasi Durbin-Watson DW
Jika Hasil
d dl Terdapat gejala autokorelasi positif
d 4 – dl
Terdapat gejala autokorelasi negative du d 4
– du Tidak terdapat gejala autokorelasi
dl d du Pengujian tidak meyakinkan No
decision
Universitas Sumatera Utara
52
Hasil uji autokorelasi dengan Durbin-Watson dapat dilihat pada tabel 4.6 dibawah ini :
Tabel 4.6 Hasil Uji Autokorelasi dengan
Durbin-Watson
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.175
a
.031 .007
.101595989 2.041
a. Predictors: Constant, D.KOM, CG b. Dependent Variable: M.LABA
Dari hasil uji autokorelasi Durbin –Watson dengan menggunakan spss
17 maka diperoleh nilai DW sebesar 2.041. Nilai ini yang diuji berdasarkan ketentuan ada tidaknya gejala autokorelasi, yakni jika nilai Durbin-Watson DW
ada pada batas du atas dan 4-du du DW 4-du, model regresi tidak mengalami gejala autokorelasi. Nilai signifikansi yang digunakan adalah 5
dengan jumlah sampel 85 n=85 dan jumlah variable dependen dan independen sebanyak 3, maka dari tabel data statistik Durbin-Watson diperoleh nilai batas
bawah dl sebesar 1.59952 dan nilai batas atas du sebesar 1.69568. Nilai D-W 2.041 berada di antara du 1.69568 dan 4-du 2.30432 atau 1.69568 2.041
2.30432. Dengan demikian dapat disimpulkan bahwa model regresi tidak mengalami gejala autokorelasi, sehingga pengujian dapat dilanjutkan.
4.2.3 Analisis Regresi Berganda
Hasil analisis regresi berganda pengaruh corporate covernance dan dewan komisaris terhadap manajemen laba pada perusahaan manufaktur yang
terdaftar di Bursa Efek Indonesia ditunjukkan pada tabel 4.7 berikut :
Universitas Sumatera Utara
53
Tabel 4.7 Hasil Analisis Regresi
Coefficient
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error
Beta 1
Constant .254
.038 6.620 .000
CG -.010
.011 -.106
-.959 .341 D.KOM
-.098 .092
-.119 -1.072 .287
a. Dependent Variable: M.LABA
Analisis regresi berganda digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap satu variabel dependen. Persamaan regresi
dapat dilihat dari tabel hasil uji coefficients. Pada tabel coefficients yang dibaca adalah nilai dalam kolom B, baris pertama menunjukkan konstanta a dan baris
selanjutnya menunjukkan konstanta variabel independen. Berdasarkan tabel 4.7 di atas maka model regresi yang digunakan adalah sebagai berikut;
M.LABA = 0.254 – 0.010 CG - 0.098 D.KOM
Dari persamaan regresi tersebut diatas maka dapat dianalisis sebagai berikut:
a Konstanta sebesar 0.254 menyatakan bahwa jika nilai CG dan
D.KOM adalah nol maka M.LABA yang terjadi adalah sebesar 0.254.
b Koefisien regresi CG sebesar -0.010 menyatakan bahwa setiap
penambahan CG sebesar 1 maka akan menurunkan M.LABA sebesar 1.
Universitas Sumatera Utara
54
c Koefisien regresi D.KOM sebesar -0.098 menyatakan bahwa
setiap penambahan D.KOM sebesar 1 maka akan menurunkan MLABA sebesar 9.8.
4.2.4 Uji Hipotesis 4.2.4.1 Koefisien Determinasi
Kategori