3.5.1 Analisis Statistik Deskriptif
Statistik deskriptif, menurut Ghozali 2005, memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi,
varian, maksimum, minimum, sum, range, kurtosis dan skewness kemencengan distribusi. Standar deviasi, varian, maksimum dan minimum menunjukkan hasil
analisis terhadap dispersi data. Sedangkan skewness kemencengan dan kurtosis menunjukkan bagaimana data terdistribusi. Varian dan standar deviasi
menunjukkan penyimpanagan data terhadap nilai rata-rata Sulistyowati, 2009. Apabila standar deviasi kecil, berarti nilai sampel atau populasi mengelompok di
sekitar nilai rata-rata hitungnya, karena nilainya hampir sama dengan nilai rata- rata, maka dapat disimpulkan bahwa setiap anggota sampel atau populasi
mempunyai kesamaan. Sebaliknya, apabila nilai deviasi besar, maka penyebaran dari rata-rata juga besar. Hal tersebut menunjukkan adanya selisih nilai
maksimum dan minimum yang terlalu ekstrim Suharyadi dan Purwanto, 2003 dalam Sulistyowati, 2009.
3.5.2 Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui kelayakan penggunaan model dalam penelitian ini. Pengujian ini juga bertujuan untuk memastikan bahwa
di dalam model regresi tidak terdapat multikolinearitas, heteroskedastisitas, autokorelasi serta untuk memastikan bahwa data yang dihasilkan berdistribusi
normal Ghozali, 2005. Sebelum dilakukan pengujian hipotesis, data yang diperoleh dalam penelitian ini diuji terlebih dahulu untuk memenuhi asumsi dasar.
Pengujian yang akan dilakukan pada penelitian ini sama dengan pengujian yang dilakukan oleh Zahara dan Veronica 2009, antara lain: 1 menguji normalitas
data dengan melakukan one sample Kolmogorov Smirnov, 2 menguji heteroskedastisitas dengan menggunakan Grafik Scatterplot, 3 menguji
multikolinearitas dengan melihat tolerance value dan variance inflation factor VIF, dan 4 menguji autokorelasi dengan menggunakan Uji Durbin-Watson
statistik-d.
3.5.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal agar uji statistik
untuk jumlah sampel kecil hasilnya tetap valid Ghozali, 2005. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan
analisis grafik dan uji statistik. Analisis grafik dalam penelitian dilakukan dengan cara melihat grafik Histogram dan Normal P Plot. Uji statistik yang digunakan
untuk menguji normalitas residual dalam penelitian ini adalah uji statistik non- parametrik Kolmogorov Smirnov. Uji ini diyakini lebih akurat daripada uji
normalitas dengan grafik, karena uji normalitas dengan grafik dapat menyesatkan, jika tidak hati-hati secara visual kelihatan normal Ghozali, 2005. Uji
Kolmogorov Smirnov dilakukan dengan membuat hipotesis: H0
: Data residual berdistribusi normal H1
: Data residual tidak berdistribusi normal.
Apabila asymptotic significance lebih besar dari 5 persen, maka data terdistribusi normal Ghozali, 2005.
3.5.2.2 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidak samaan variance dari residual satu pengamatan ke pengamatan
yang lain. Model regresi yang baik adalah homoskedastisitas, yaitu keadaan dimana variance dari residual satu pengamatan ke pengamatan lain tetap.
Ghozali, 2005. Uji Heteroskedastisitas yang akan dilakukan dalam penelitian ini menggunakan grafik Scatterplot. Uji grafik dilakukan dengan membaca pola
Scatterplot. Apabila titik-titik membentuk pola tertentu pada Scatterplot, maka dapat disimpulkan terdapat heteroskedastisitas dan model regresi harus diperbaiki.
3.5.2.3 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi kolinearitas diantara variabel independen Ghozali, 2005. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model
regresi dalam penelitian ini dengan melihat 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Operasionalnya, setiap variabel independen
menjadi variabel dependen dan diregres terhadap variabel independen lainnya Ghozali, 2005.
3.5.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya Ghozali, 2005. Uji ini dilakukan karena data yang dipakai dalam penelitian ini adalah data time series,
dimana seperti diketahui bahwa dalam data jenis ini sering muncul problem autokorelasi yang dapat saling “mengganggu” antar data Ghozali, 2005.
Pada penelitian ini, uji autokorelasi dilakukan dengan uji Durbin-Watson, dengan hipotesis:
H0 : tidak ada autokorelasi r=0
H1 : ada autokorelasi r≠0
Pengambilan keputusan ada tidaknya autokorelasi menurut Ghozali 2005 adalah:
Tabel 3.1 Kriteria Autokorelasi Durbin-Watson
Hipotesis nol Keputusan
Jika
Tidak ada autokorelasi positif Tidak ada autokorelasi positif
Tidak ada autokorelasi negatif Tidak ada autokorelasi negatif
Tidak ada autokorelasi, positif atau negatif
Tolak No decision
Tolak No decision
Tidak ditolak 0 d dl
dl ≤ d ≤ du 4 – dl d 4
4 – du ≤ d ≤ 4 – dl du d 4 – du
Sumber: Ghozali, 2005
3.5.3 Analisis Regresi
Analisis regresi pada dasarnya dilakukan dengan tujuan untuk mengestimasi dan atau memprediksi rata-rata populasi atau nilai rata-rata variabel
dependen berdasarkan nilai variabel independen yang diketahui Gujarati, 2003 dalam Ghozali, 2005. Analisis regresi dalam penelitian ini akan dilakukan
dengan uji koefisien determinasi, uji signifikasi simultan uji statistik F dan uji signifikansi parameter individual uji statsitik t.
3.5.4 Uji Hipotesis
Pengujian hipotesis dalam penelitian ini akan dilakukan setelah dilakukan pengujian terhadap data-data terkait manajemen laba bank umum syariah,
mengingat data akrual diskresioner yang merupakan variabel dependen dalam model yang diuji diperoleh setelah koefisien model Healy 1985 dan Jones
1991 diperoleh dengan rumus: TA
it
= ∆PMAD
it
+ ∆BDD
it
+∆UMP
it
- ∆BYD
it
- ∆UP
it
– BAP
it
- Dep
it
A
it-1
Setelah diperoleh nilai koefisien masing-masing variabel dalam model tersebut, kemudian langkah selanjutnya adalah mengestimasi rumus ke dalam
model berikut: TA
it
A
it-1
= a
1
1A
it-1
+ b
1
∆PO
it
A
it-1
+ b
2
PPE
it
A
it-1
+
ε
it
Nilai akrual diskresioner diukur berdasarkan nilai unstandardized residual dari persamaan regresi tersebut. Selanjutnya pengujian hipotesis dilakukan dengan
menggunakan regresi berganda. Berdasarkan hipotesis yang diajukan, maka
model yang digunakan untuk melihat pengaruh rasio CAMEL terhadap manajemen laba adalah sebagai berikut:
AD
it
= α + β
1
CAR
it
+ β
2
RORA
it
+ β
3
NPM
it
+ β
4
ROA
it
+ β
5
LDR
it
+ ε Dengan ekspektasi:
β
1
0, β
2
0, β
3
0, β
4
0 dan β
5
52
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
Pada bab ini akan dibahas mengenai objek penelitian, analisis data dan pembahasan hasil penelitian. Pada bagian analisis data akan dibahas mengenai
statistik deskriptif, uji asumsi klasik, goodness of fit model, dan pengujian hipotesis. Terakhir pembahasan hasil penelitian yang akan menjelaskan mengenai
hasil uji hipotesis penelitian ini.
4.1 Deskripsi Objek Penelitian
Populasi dalam penelitian ini terdiri dari seluruh Bank Umum Syariah BUS di Indonesia. Berdasarkan data statistik yang dihimpun oleh Bank
Indonesia per Oktober 2009 terdapat 6 Bank Umum Syariah yang telah beroperasi. Untuk sampel yang digunakan dalam penelitian ini terdiri dari 3 Bank
Umum Syariah, yaitu Bank Muamalat Indonesia BMI, Bank Syariah Mandiri BSM dan Bank Syariah Mega Indonesia BSMI. Ketiga bank tersebut dinilai
memenuhi kriteria sampel yang dibutuhkan dalam penelitian ini. Laporan keuangan yang digunakan untuk penelitian ini diambil dari laporan keuangan
bulanan Bank Umum Syariah yang disampaikan ke Bank Indonesia dan dipublikasikan selama periode bulan Januari 2008 sampai periode bulan
Desember 2009. Namun data laporan keuangan yang dapat dipakai dalam periode tersebut secara keseluruhan hanya terdapat 72 laporan keuangan bulanan,
Kategori