BAB IV ANALISIS DAN PEMBAHASAN
B. Analisis Hasil Penelitian
Statistik deskriptif memberikan gambaran umum mengenai nilai rata-rata (mean), minimum, maksimum, dan standar deviasi yang dihasilkan dari variabel penelitian. Hasil analisis statistik deskriptif mengenai data penelitian disajikan dalam tabel berikut:
Tabel 4.1
Analisis Statistik Deskriptif
Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
KI 42 .6186 .27007 .14 1.00
DK 42 4.9286 2.45340 2.00 12.00
JRKA 42 4.7381 3.02074 1.00 13.00
KOMI 42 .4509 .11994 .17 .75
ML 42 166064124364.9524 583626296399.70720 -460986300567.00 2627245171120.00
Sumber: hasil pengolahan SPSS
Berdasarkan hasil analisis statistik deskriptif tersebut, dapat dijelaskan beberapa hal berikut, yaitu:
a. Jumlah seluruh sampel dalam penelitian ini adalah 14 perusahaan dikalikan tiga tahun penelitian yang berarti 42 unit analisis. Penelitian ini menggunakan 2 variabel independen dengan skala rasio yaitu kepemilikan institusional dan komisaris independen, dan 2 variabel independen dengan skala nominal yaitu dewan komisaris dan jumlah rapat komite audit.
b. Persentase kepemilikan institusional yang dimiliki perusahaan sampel adalah paling kecil 14 %, paling besar 100 %, rata-rata 61,86 % dan standar deviasinya adalah 27,007 %.
c. Jumlah dewan komisaris yang dimiliki perusahaan sampel adalah paling sedikit 2 orang, paling banyak 12 orang, rata-rata 5 orang dan standar deviasinya adalah 2,45.
d. Persentase komisaris independen yang dimiliki oleh perusahaan sampel adalah paling kecil 17 %, paling besar 75 %, rata-rata 45,09 % dan standar deviasinya adalah 11,99 %.
e. Jumlah rapat komite audit yang dimiliki oleh perusahaan sampel adalah paling sedikit 1, paling banyak 13 , rata-rata 4,73, dan standar deviasinya adalah 3,02.
2. Pengujian Asumsi Klasik a. Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi antara variabel dependen dengan variabel independen memiliki distribusi normal atau tidak. Cara yang dilakukan untuk melihat normalitas adalah dengan melihat hasil uji K-S, histogram dan grafik P-P plot. Cara pengambilan keputusan dalam uji K-S adalah apabila nilai Asymp.Sig (2-tailed) lebih besar dari 0,05 maka data terdistribusi secara normal, apabila nilai Asymp.Sig (2-tailed) lebih kecil dari 0,05 maka data tidak terdistribusi secara normal. Hasil uji normalitas dalam penelitian ini disajikan sebagai berikut berikut:
Tabel 4.2
Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N 42 Normal Parametersa,b Mean .0000610 Std. Deviation 92233720368.54776000 Most Extreme Differences Absolute .144 Positive .144 Negative -.085 Kolmogorov-Smirnov Z .935
Asymp. Sig. (2-tailed) .347
a. Test distribution is Normal. b. Calculated from data.
Sumber: hasil pengolahan SPSS
Dari tabel 4.2 dapat dilihat hasil uji Kolmogorov-Smirnov yang menunjukkan nilai Asymp.Sig. (2-tailed) lebih besar dari 0,05. Hal ini berarti data terdistribusi secara normal. Untuk lebih jelas berikut ini ditampilkan histogram dan grafik P-P plot.
Dari grafik histogram dapat dilihat bahwa data terdistribusi secara normal, yaitu grafik histogram tidak menceng ke kanan dan tidak menceng ke kiri. Grafik normal probability plot menunjukkan bahwa data juga terdistribusi secara normal, hal ini dapat diketahui dengan melihat grafik normal probability plot menunjukkan titk-titk menyebar mendekati garis diagonalnya.
b. Uji Multikolinieritas
Tujuan uji multikolinieritas adalah untuk menguji ada tidaknya hubungan antar variabel independen dalam model regresi. Model regresi yang baik seharusnya tidak terjadi korelasi di antara varabel bebasnya (Ghozali, 2005). Hasil uji multikolinieritas disajikan sebagai berikut:
Tabel 4.3 Uji Multikolinieritas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -1.274E11 3.787E11 -.336 .739
KI -8.249E11 2.642E11 -.382 -3.122 .003 .978 1.023
DK 6.520E10 2.934E10 .274 2.222 .032 .961 1.041
JRKA 1.051E11 2.383E10 .544 4.409 .000 .961 1.040
KOMI -3.426E10 5.937E11 -.007 -.058 .954 .982 1.018
a. Dependent Variable: ML
Sumber: hasil pengolahan SPSS
Multikolinieritas terjadi apabila nilai tolerance < 0,1 dan nilai VIF > dari 10. Dari tabel 4.3 dapat diketahui variabel kepemilikan institusional memiliki nilai
tolerance 0,978 yang berarti lebih besar dari 0,1 dan nilai VIF 1,023 yang berarti lebih kecil dari 10. Variabel dewan komisaris memiliki nilai tolerance 0,961 yang berarti lebih besar 0,1 dan nilai VIF 1,041 yang berarti lebih kecil dari 10. Variabel komisaris independen memiliki nilai tolerance 0,961 yang berarti lebih besar dari 0,1 dan nilai VIF 1,040 yang berarti lebih kecil dari 10. Variabel jumlah rapat komite audit memiliki nilai tolerance 0.982 yang berarti lebih besar dari 0,1 dan nilai VIF 1,018 yang berarti lebih kecil dari 10. Maka dapat disimpulkan bahwa tidak terjadi multikolinieritas antar variabel independen.
Tabel 4.4 Koefisien Korelasi Coefficient Correlationsa
Model KOMI DK KI JRKA
1 Correlations KOMI 1.000 .044 -.104 .081
DK .044 1.000 .081 .172
KI -.104 .081 1.000 -.057
JRKA .081 .172 -.057 1.000
Covariances KOMI 3.525E23 7.734E20 -1.628E22 1.139E21
DK 7.734E20 8.610E20 6.248E20 1.199E20
KI -1.628E22 6.248E20 6.982E22 -3.589E20
JRKA 1.139E21 1.199E20 -3.589E20 5.677E20
a. Dependent Variable: ML
Multikolinieritas dapat dideteksi dengan melihat koefisien korelasi antar variabel indepnden. Jika koefisien korelasi yang terjadi antar variabel independen kurang dari 0,95 maka tidak terjadi multikolinieritas, sedangkan jika koefisien korelasi antar variabel independen lebih dari 0,95 maka telah terjadi multikolinieritas. Dari tabel 4.4 dapat diketahui bahwa korelasi antar variabel komisaris independen dengan dewan komisaris atau sebaliknya adalah sebesar 4,4
%. Korelasi antar variabel komisaris independen dengan kepemilikan institusional atau sebaliknya adalah 10,4 %. Korelasi antar variabel komisaris independen dengan jumlah rapat komite audit atau sebaliknya adalah sebesar 8,1 %. Maka dapat disimpulkan tidak terjadi multikolinieritas antar variabel independen karena tidak ada nilai korelasi antar variabel independen yang lebih besar dar 0,95.
c. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari satu pengamatan ke pengamatan lain sama, maka dapat disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah yang homokedastisitas. Untuk menguji adanya heterokedastisitas dapat dilakukan dengan mengamati grafik scatterplot yang disajikan sebagai berikut:
Sumber: hasil pengoalhan SPSS
Dasar pengambilan keputusan terjadi atau tidaknya heterokedastisitas adalah sebagai berikut:
1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, menyebar, kemudian menyempit) maka telah terjadi heterokedastisitas.
2) Jika tidak ada pola yang jelas, seperti titik yang menyebar di atas dan dibawah angka 0 pada sumbu y, maka tidak terjadi heterokedastisitas atau terjadi homokedastisitas.
Grafik scatterplot menunjukkan titik-titik yang menyebar di atas dan di bawah angka 0 pada sumbu y sehingga dapat disimpulkan bahwa dalam model regresi tidak terjadi heterokedastisitas.
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk memastikan bahwa analisis regresi terbebas dari kesalahan yang biasanya terjadi akibat dari data yang diambil dari periode bersamaan (time series), dimana residual dari data periode sebelumnya akan cenderung berpengaruh terhadap data dalam periode selanjutnya (Efferin,Darmadji,dan Tan, 2008). Untuk mendeteksi ada atau tidaknya autokorelasi dilakukan dengan menggunakan uji Durbin-Watson (DW-Test). Dasar pengambilan keputusan dalam uji Durbin-Watson adalah sebagai berikut:
Tabel 4.5 Uji 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
Tabel 4.6
Hasil Uji Durbin-Watson
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 .678a .459 .401 451831112246.72440 2.150
a. Predictors: (Constant), KOMI, DK, KI, JRKA b. Dependent Variable: ML
Sumber: hasil pengolahan SPSS
Dari tabel 4.5 dapat dilihat nilai DW sebesar 2,150 pada tingkat signifikansi 0,05, jumlah sampel (N) 42 dan jumlah variabel independen 4. Berdasarkan tabel Durbin-Watson nilai du (batas atas) adalah 1,720 dan nilai dl (batas bawah) adalah 1,336 . Nilai DW lebih besar daripada nilai du dan kurang dari 4-du, maka dapat disimpulkan tidak terjadi autokorelasi.
3. Analisis Regresi
Analisis regresi dilakukan untuk mengetahui seberapa besar hubungan antara variabel independen dengan variabel dependen. Dalam penelitian ini digunakan model regresi linier berganda. Berdasarkan hasil pengolahan data dengan program SPSS versi 18, maka diperoleh hasil sebagai berikut:
a. Persamaan Regresi
Pengolahan data dengan menggunakan regresi linier dalam mencari hubungan antara variabel independen yaitu kepemilikan institusional, dewan komisaris, komisaris independen, dan jumlah rapat komite audit terhadap variabel dependen yaitu manajemen laba disajikan sebagai berikut:
Tabel 4.7 Hasil Analisis Regresi
coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -127360293455.854 378701935757.994 -.336 .739 KI -824857995652.524 264225836949.516 -.382 -3.122 .003 DK 65195227225.088 29342750783.061 .274 2.222 .032 JRKA 105062649003.010 23826622151.095 .544 4.409 .000 KOMI -34258767201.695 593684468192.791 -.007 -.058 .954 a. Dependent Variable: ML
Sumber: hasil pengolahan SPSS
Maka persamaaan regresi yang dihasilkan adalah:
ML=-127360293455,854-824857995652,524KI+65195227225,088DK-34258767201,695KOMI+105062649003,010JRKA +e
Keterangan:
1) Konstanta sebesar -127360293455,854 menunjukkan bahwa apabila tidak ada variabel indepnden (X1=0, X2=0, X3=0, X4=0) maka manajemen laba adalah sebesar -127360293455,854.
2) β1 sebesar -824857995652,524 menunjukkan bahwa setiap kenaikan
kepemilikan institusional sebesar 1 % akan diikuti oleh penurunan manajemen laba sebesar 824857995652,524 dengan asumsi variabel lain tetap.
3) β2 sebesar 65195227225,088 menunjukkan bahwa setiap kenaikan dewan
komisaris sebesar 1 % akan diikuti oleh kenaikan manajemen laba sebesar 65195227225,088 dengan asumsi variabel lain tetap.
4) β3 sebesar -34258767201,695 menunjukkan bahwa setiap kenaikan komisaris
independen sebesar 1 % akan diikuti oleh penurunan manajemen laba sebesar 34258767201,695 dengan asumsi variabel lain tetap.
5) β4 sebesar 105062649003,010 menunjukkan bahwa setiap kenaikan jumlah rapat komite audit sebesar 1 % akan diikuti oleh kenaikan manajemen laba sebesar 105062649003,010 dengan asumsi variabel lain tetap.
b. Koefisien Determinasi (R2)
Koefisien determinasi bertujuan untuk menentukan kemampuan variabel independen dalam menjelaskan variabel dependen. Nilai koefisien determinasi adalah antara nol (0) dan satu (1). Nilai ) yang kecil berarti kemampuan variabel independen dalam menjelaskan variabel dependen sangat terbatas. Nilai
yang mendekati satu (1) berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2005). Uji koefisien determinasi disajikan dalam tabel berikut:
Tabel 4.8
Uji Koefisien Determinasi
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 .678a .459 .401 451831112246.72440 2.150
a. Predictors: (Constant), KOMI, DK, KI, JRKA b. Dependent Variable: ML
Sumber: hasil pengolahan SPSS
Pada tabel 4.8 dapat dilihat nilai adjusted R square adalah 0,401 yang berarti kemampuan variabel independen dalam menjelaskan variabel dependen adalah sebesar 40,1 %. Maka dapat disimpulkan bahwa 40,1 % manajemen laba dipengaruhi oleh kepemilikan institusional, dewan komisaris, komisaris indepnden dan jumlah rapat komite audit. Sedangkan sisanya sebesar 59,9% dipengaruhi oleh variabel lain diluar variabel yang digunakan dalam penelitian ini.
c. Uji F
Uji F digunakan untuk mengetahui pengaruh variabel independen secara simultan terhadap variabel dependen. Ketentuan yang digunakan dalam uji F adalah sebagai berikut:
1) Jika F hitung lebih besar dari F tabel atau probabilitas lebih kecil dari tingkat signifikansi (Sig. < 0,05) maka model penelitian dapat digunakan atau model tersebut sudah tepat.
2) Jika F hitung lebih kecil dari F tabel atau probabilitas lebih besar dari tingkat signifikansi (Sig. > 0,05) maka model penelitian tidak dapat digunakan atau model tersebut tidak tepat. Hasil uji F disajikan dalam tabel berikut:
Tabel 4.9 Uji F (F Test)
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 6.412E24 4 9223372036854776.000 7.852 .000a
Residual 7.554E24 37 9223372036854776.000
Total 1.397E25 41
a. Predictors: (Constant), KOMI, DK, KI, JRKA b. Dependent Variable: ML
Sumber: hasil pengolahan SPSS
Pada tabel 4.9 dapat dilihat nilai F hitung adalah 7,852 dengan probabilitas 0,000, sedangkan F tabel adalah 2,82 dengan signifikansi 0,05. Berdasarkah hasil tersebut, dapat disimpulkan bahwa variabel kepemilikan institusional, dewan komisaris, komisaris independen dan jumlah rapat komite audit secara simultan berpengaruh terhadap manajemen laba karena F hitung lebih besar dari F tabel (
7,852 > 2,82) dan nilai probabilita lebih kecil dari tingkat signifikansi yaitu 0,000 < 0,05.
d. Uji t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variabel dependen (Ghozali, 2005). Hasil uji T disajikan dalam tabel berikut:
Tabel 4.10 Uji t (t Test) coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -127360293455.854 378701935757.994 -.336 .739 KI -824857995652.524 264225836949.516 -.382 -3.122 .003 DK 65195227225.088 29342750783.061 .274 2.222 .032 JRKA 105062649003.010 23826622151.095 .544 4.409 .000 KOMI -34258767201.695 593684468192.791 -.007 -.058 .954 a. Dependent Variable: ML
sumber: hasil pengolahan SPSS
berdasarkan tabel 4.10 dapat diketahui bahwa variabel kepemilikan institusional (KI) memiliki nilai signifikansi 0,03 yang berarti lebih kecil daripada 0,05, maka dapat disimpulkan bahwa variabel kepemilikan institusional
berpengaruh signifikan terhadap manajemen laba. Variabel dewan komisaris (DK) memiliki nilai signifikansi 0,032 yang berarti lebih kecil daripada 0,05, maka dapat disimpulkan bahwa variabel dewan komisaris berpengaruh signifikan terhadap manajemen laba. Variabel jumlah rapat komite (JRKA) audit memiliki nilai signifikansi 0,000 yang berarti lebih kecil daripada 0,05, maka dapat disimpulkan bahwa variabel jumlah rapat komite audit berpengaruh signifikan terhadap manajemen laba. Variabel komisaris independen (KOMI) memiliki nilai signifikansi 0,954 yang berarti lebih besar daripada 0,05, maka dapat disimpulkan bahwa variabel komisaris independen tidak berpengaruh signifikan terhadap manajemen laba.
C. Pembahasan Hasil Penelitian