BAB IV HASIL PENELITIAN DAN PEMBAHASAN
B. Hasil Penelitian
Penelitian ini dilakukan di Bursa Efek Indonesia, Data yang digunakan yaitu data sekunder berupa dokumen Laporan keuangan 2017-2019 yang unduh dari situs bursa efek indonesia, Fokus pengambilan data dilakukan di 10 perusahaan Manufaktur. Berdasarkan data yang berhasil dikumpulkan dan di olah dalam penelitian ini dapat di sajikan sebagai berikut.
a. Rasio Profitabilitas
Rasio profitabilitas merupakan rasio untuk menilai kemampuan perusahaan dalam memperolah keuntungan. Dalam penelitian ini profitabilitas diukur dengan menggunakan Net Profit Margin (NPM). Di mana NPM menunjukkan ukuran kemampuan perusahaan menghasilkan pendapatan bersih terhadap total penjualan yang dicapai. Net Profit Margin (NPM) merupakan indikator profitabilitas karena secara logis margin ini terkait langsung dengan objek perataan laba dan sering digunakan oleh investor sebagai dasar pengambilan keputusan ekonomi yang berhubungan dengan perusahaan sehingga sering dijadikan tujuan perataan laba oleh manajemen untuk mengurangi fluktuasi laba dan menunjukkan kepada pihak luar bahwa kinerja manajemen perusahaan tersebut telah efektif Untuk menghitung NPM suatu perusahaan digunakan rumus sebagai berikut.
Tabel 4.1 Data Rasio Profitabilitas Tahun 2017-2019 No Nama Perusahaan Rasio Profitabilitas (NPM) tahun 2017 Rasio Profitabilitas (NPM) tahun 2018 Rasio Profitabilitas tahun (NPM) 2019 1 PT.Polychem Indonesia Tbk -0,009719534 -0,001109694 -0,001389241 2 PT.Ekhadarma International Tbk 0,117085048 0,195071382 0,102074512 3 PT.Intan Wijaya Internasional Tbk 0,061377945 0,045317303 0,036210721 4 PT.Emdeki Utama Tbk 0,127925926 0,084640763 0,093995921 5 PT Madusari Murni Indah Tbk 0,077389247 0,07916403 0,054262566 6 PT.Indo Acidatama Tbk 0,033937892 0,064452309 0,062573201 7 PT.Chandra Asripetroc Tbk 0,132157457 0,071687102 0,012571578 8 PT.Unggul Indah Cahaya Tbk 0,037220519 0,049318345 0,03671542 9 PT.Duta Pertiwi Nusantara Tbk 0,053582175 0,065420569 0,033112774 10 PT.Barito Pacific Tbk 0,131478897 0,078706291 0,057182911
Sumber: Olah data Sekunder 2020
b. Rasio Leverage
Leverage adalah kemampuan perusahaan untuk menggunakan aset dari dana pinjaman untuk menciptakan hasil pengembalian (return) yang baik dan mengurangi biaya. Debt To Assets Ratio (Debt Ratio). Di mana Debt Ratio menunjukkan perbandingan antara total utang dengan total aktiva. Dengan kata lain, seberapa besar aktiva perusahaan dibiayai oleh utang Dipilihnya Debt rasio sebagai indikator leverage karena untuk menghindari pelanggaran perjanjian utang ketika mengalami default, dapat dilihat melalui kemampuan perusahaan
tersebut untuk melunasi utangnya dengan menggunakan aset yang dimiliki. Dihitung dengan rumus sebagai berikut:
d𝑒𝑏𝑡 𝑅𝑎𝑡𝑖𝑜 = 𝑇𝑜𝑡𝑎𝑙 𝑈𝑡𝑎𝑛𝑔
𝑇𝑜𝑡𝑎𝑙 𝐴𝑘𝑡𝑖𝑣𝑎t Ratio=Total Utang/Total Aktiva Tabel 4.2 Data Rasio leverage Tahun 2017-2019
No Nama Perusahaan Rasio Leverage tahun 2017 Rasio Leverage tahun 2018 Rasio Leverage tahun 2019 1. PT.Polychem Indonesia Tbk 0,561448178 0,122319 0,151384 2. PT.Ekhadarma International Tbk 0,202091675 0,19936 0,177599 3. PT.Intan Wijaya Internasional Tbk 0,131934527 0,460645 0,22319 4. PT.Emdeki Utama Tbk 0,137695862 0,137696 0,09936
5. PT Madusari Murni Indah
Tbk 0,420593154 0,420593 0,606449
6. PT.Indo Acidatama Tbk 0,570919825 0,57092 0,43741
7. PT.Chandra Asripetroc Tbk 0,790067485 0,790067 0,792852
8. PT.Unggul Indah Cahaya
Tbk 0,412437189 0,412437 4,2107
9. PT.Duta Pertiwi Nusantara
Tbk 0,151793932 0,151794 0,160155
10. PT.Barito Pacific Tbk 1,571669303 1,571669 1,606359
Pola Penerapan income smoothing yang akan diteliti pada penelitian ini yaitu berfokus pada metode Income Smoothing atau pemerataan laba. pengertian income smoothing adalah usaha yang di sengaja untuk membuat tingkat laba menjadi baik tanpa adanya fluktuasi perusahaan yang signifikan. Income smoothing juga difungsikan untuk mengurangi adanya laba yang abnormal atau di luar dari target perusahaan sehingga income smoothing dapat mempengaruhi terhadap pengambilan keputusan pimpinan dalam melakukan Sumber:Olah data sekunder 2020Sekunder
2020
strategi rumus yang digunakan dalam menghitung income smooting adalah sebagai berikut.
𝐼𝑛𝑑𝑒𝑘𝑠 𝑃𝑒𝑟𝑎𝑡𝑎𝑎𝑛 𝐿𝑎𝑏𝑎 =𝐶𝑉 ∆𝐼
𝐶𝑉∆𝑆deks Perataan Laba=CV ∆I/CV∆S
Tabel 4.3 Rasio income smoothing tahun 2017-2019
No. Nama Perusahaan
Income Smooting 2017 Income Smooting tahun 2018 Income Smoothing tahun 2019 1. PT.Polychem Indonesia Tbk 0,129455682 0,976219565 -1,340575739 2. PT.Ekhadarma International Tbk 0,844636111 0,100822534 0,000942836 3. PT.Intan Wijaya Internasional Tbk 1,000048739 0,968511732 0,04341865 4. PT.Emdeki Utama Tbk 0,750916401 0,810105992 0,485653566 5. PT Madusari Murni Indah Tbk 0,38239466 0,723564753 0,479470828 6. PT.Indo Acidatama Tbk 1,371101955 0,82792887 0,15311125 7. PT.Chandra Asripetroc Tbk 0,272019682 0,589923923 1,869602138 8. PT.Unggul Indah Cahaya Tbk 0,508008264 0,780043571 1,045561772 9. PT.Duta Pertiwi Nusantara Tbk 0,981493352 0,090873728 0,380979785 10. PT.Barito Pacific Tbk 0,129455682 -0,240750178 0,464662508
Sumber: Olah data Sekunder 2020
2. Hasil Uji Statistik Deskriptif
Analisis statistik deskriptif dilakukan untuk memberikan gambaran umum atas data yang telah dikumpulkan yang terdiri atas 3 Variabel yaitu Rasio
Profitabilitas (X1),Rasio leverage (X2) dan income smoothing (X3). Analisis ini
meliputi jumlah penelitian, nilai minimum, nilai maksimum, nilai rata-rata (mean) dan standar deviasi.
Tabel 4.4 Hasil Uji Statistik Deksriptif Descriptive Statistics
N Minimum Maximum Mean
Std. Deviation Profitabilitas 30 -,01 ,20 ,0661 ,04477 Leverage 30 ,00 1,61 ,4124 ,40230 Income smoothing 30 -1,55 1,87 1,4582 ,68810 Valid N (listwise) 30
Sumber: Olah data sekunder, SPSS 22
Berdasarkan tabel 4.4 hasil perhitungan diatas dapat didiketahui bahwa n atau jumlah data pada setiap variabel yaitu 30. Masing-masing variabel akan dijabarkan sebagai berikut:
a. Variabe Rasio profitabilitas. Variabel Rasio profitabilitas memiliki nilai minimum -01 yang berarti rasio terendah untuk rasio NPM adalah -0,1 dan nilai maksimum 0,20 berarti berarti rasiotertinggi profitabilitas adalah 0,20 nilai rata-rata 0,0661 dan standar deviasi 0,04477, nilai mean lebih besar dari nilai Std Deviasi berari data merupakan data yang baik.
b. Variabel RasioLevarage. Variabel Rasio Avarage memiliki nilai minimum 0.00, yang berarti rasio terendah untuk rasio Leverage adalah 0,0 dan nilai maksimum 1,61, berarti rasio tertinggi leverage adalah 1,61 nilai rata-rata 0,4124 dan standar deviasi 0,40230, nilai mean lebih besar dari nilai Std Deviasi berari data merupakan data yang baik.
c. Variabel income smoothing. Variabel income smoothingmemiliki nilai minimum -1.55, yang berarti rasio yang terendah untuk income smoothing adalah -1,55 dan nilai maksimum 7,311151 nilai rata-rata 2,13580994 dan
standar deviasi 2,441977394, nilai mean lebih besar dari nilai Std Deviasi berari data merupakan data yang baik.
3. Uji Asumsi Klasik
Sebelum data diolah dengan regresi berganda maka dilakukan uji asumsi klasik untuk memperoleh keyakinan bahwa data yang diperoleh beserta Variabelpenelitian layak untuk diolah lebih lanjut. Uji asumsi klasik yang dapat digunakandalam penelitian ini adalah:
a. Uji Normalitas Residual
Pengujian normalitas residual adalah pengujian tentang kenormalan distribusi residual. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Uji ini dapat dilihat dengan menggunakan Kolmogorov Smirnov tes. Jika probabilitas > 0.05 maka H0 diterima, dalam arti data terdistribusi normal. Jika probabilitas data < 0.05 maka H0 ditolak dan artinya data tidak terdistribusi normal maka perlu adanya perlakuan khusus agar menjadi normal.
Tabel 4.5 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parametersa,b Mean ,0000000 Std. Deviation ,59710641 Most Extreme Differences Absolute ,136 Positive ,136 Negative -,109 Test Statistic ,136
Asymp. Sig. (2-tailed) ,164c
a. Test distribution is Normal. b. Calculated from data.
Sumber: Olah data sekunder, SPSS 22
Berdasarkan tabel 4.5 Hasil uji normalitas dari pengolahan SPSS hasil yang di dapat berdasarkan One Sample Kolmegrov-Smirnov Test, adalah 0,164 lebih besar dari 0,05. Sehingga dapat disimpulkan bahwa data berdistribusi normal.
Gambar 4.5 Hasil Uji normalitas menggunakan Normal P-P Plot Regresi
Berdasarkan gambar 4.5 Memperlihatkan penyebaran data yang berada disekitar garis diagonal dan mengikuti arah garis diagonal, ini menunjukkan bahwa model regresi telah memenuhi asumsi normalitas.
b.
Uji MultikolienaritasBertujuan untuk menguji apakah pada model regresi ada ditemukan korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Adapun syarat uji multikolinearitas adalah dengan melihat nilai Tolerance dan VIF (Variance Inflation Factor) Jika nilai Tolerance lebih besar dari 0,10 maka artinya tidak terjadi multikolinieritas dalam model regresi. Jika nilai Tolerance lebih kecil dari
0,10 maka artinya terjadi multikolinieritas dalam model regresi. Jika nilai VIF lebih kecil dari 10,00 maka artinya tidak terjadi multikolinieritas dalam model regresi.
Jika nilai VIF lebih besar dari 10,00 maka artinya terjadi multikolinieritas dalam model regresi.
Tabel 4.6 Hasil Uji Multikolienaritas
Model Collinearity Statistics Tolerance VIF 1 (Constant) Rasio Financial Rasio Leverage 0,986 1,014 Rasio Profitabilitas 0,986 1,014 a. Dependent Variable: Income Smoothing
Sumber: Olah data sekunder, SPSS 22
Berdasarkan Tabel 4.6 Di atas terlihat bahwa nilai Tolerance untuk Variabel profitabilitas x1 dan Financial Leverage x2 mendapatkan 0,986 dan 0,986masing-masing lebih besar dari0,10 dan nilaiVariance Inflation Factor (VIF) untuk ketiga variabel independen Variabel profitabilitas x1, 1,014, Rasio leverege x2 dengan nilai VIF 1,014, dan lebih kecil dari 10,00. Sehingga dapat disimpulkan bahwa model persamaan regresi tidak terdapat problem multikolinieritas dan dapat digunakan dalam penelitian ini.
c. Uji Heteroskedastisitas
Bertujuan menguji apakah model regresi terjadi ketidaksamaan varians dan residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedasitisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah homoskedastisitas (Imam Ghazoli, 2016).
Gambar 4.7 Hasil Uji Heteroskedastisitas
Sumber: Olah data sekunder, SPSS 22
Berdasarkan gambar 4.7 Grafik scatterplot menunjukkan bahwa data tersebar di atas dan di bawah angka 0 (nol) pada sumbu Y dan tidak terdapat suatu pola yang jelas pada penyebaran data tersebut. Hal ini berarti tidak terjadi heteroskedastisitas pada model persamaan regresi, sehingga model regresi layak digunakan untuk memprediksi Praktik income smoothing berdasarkan variabel yang mempengaruhinya.
d. Uji Autokorelasi
Hasil Uji Autokorelasi berarti terdapatnya korelasi antara anggota sampel atau data pengamatan yang diurutkan berdasarkan waktu, sehingga satu data dipengaruhi oleh data sebelumnya. Pengujian ini bertujuan untuk mengetahui ada data atau tidaknya korelasi antara kesalahan-Kesalahan yang muncul pada data yang diurutkan pada waktu (time series).Model yang baik harus bebas dari djustedkorelasi. Pengujian autokorelasi menggunakan model Durbin-Watson. Uji
statistik Durbin-Watson menguji bahwa tidak terdapat autokorelasi pada nilai sisa. Kriteria pengujian Durbin Watson adalah sebagai berikut:
a). Bila angka DW < -2 berarti ada autokorelasi yang positif
b). Bila angka DW -2 sampai dengan +2 berarti tidak ada autkorelasi c). Bila angka DW > 2 berarti ada autokorelasi negatif
Tabel 4.7 Hasil Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,497a ,247 ,191 ,61883 1,399
a. Predictors: (Constant), Rasio Leverage, Rasio Profitabilitas b. Dependent Variable: income smoothing
Sumber: Olah data sekunder, SPSS 22
Berdasarkan tabel 4.7 nilai Durbin Watson sebesar 1,399 sehingga dapat di simpulkan bahwa tidak ada auto korelasi yang terjadi, Hal tersebut menunjukkan bahwa tidak adanya pengaruh waktu terhadap variabel terikat. 4. Hasil Uji Koefisien Korelasi (R) dan Koefisien Determinasi
Uji koefisien korelasi (R) bertujuan untuk mengetahui hubungan antara dua atau lebih variabel independen (X) terhadap variabel dependen (Y) secara serentak. Sedangkan uji koefisien determinasi (R2) dalam regresi linear berganda digunakan untuk mengetahui persentase kontribusi pengaruh variabel independen secara serentak terhadap variabel dependen (Y). Koefisien ini menunjukkan seberapa besar persentase variasi variabel independen yang digunakan dalam model mampu menjelaskan variasi variabel dependen.
Untuk regresi dengan lebih dari dua variabel bebas digunakan adjusted R^2 sebagai koefisien determinasi. Jika nilai adjusted R^2 sama dengan 0, maka variasi variabel independen yang digunakan dalam model tidak menjelaskan
sedikitpun variasi variabel dependen. Sebaliknya adjusted R^2 sama dengan 1, maka variasi variabel independen yang digunakan dalam model menjelaskan 100% variasi variabel dependen.
0,00 - 0,199 = sangat rendah 0,20 - 0,399 = rendah
0,40 - 0,599 = sedang 0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat
Tabel 4.8 Hasil Uji Koefisien Korelasi (R) dan Koefisien Determinasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,497a ,247 ,191 ,61883
a. Predictors: (Constant), RasioLeverage, Rasio Profitabilitas
b. Dependent Variable: income smoothing Sumber: Olah data sekunder, SPSS 22
Berdasarkan Tabel 4.8 tampilan output SPPS nilai koefisien korelasi (R) sebesar 0,497 menunjukkan bahwa hubungan (korelasi) antara variabel bebas dengan variabel terikat memiliki hubungan yang sangat kuat sehingga dapat disimpulkan bahwa variabel Rasio Profitabilitas x1 dan Rasio Leverage x2 memiliki hubungan yang sedang dengan income smoothing.
Berdasarkan Tabel 4.8 nilai R Square adalah 0,247 yang menunjukkan bahwa variabel bebas yaitu RasioProfitabilitas x1 dan Rasio leverage x2 mampu menjelaskan perubahan sebesar 24,7% atas variabel income smoothing dalam hal ini Income smoothing sedangkan sebesar 76,3% perubahan diterangkan oleh variabel lain yang tidak dimasukkan dalam model penelitian ini
5. Uji F Simultan
Pengujian ini untuk menguji Rasio Profitabilitas (x1), Rasio Leverage (x2), terhadap income smoothing pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia secara simultan. Pengujian ini dilakukan dengan bantuan SPSS. untuk menguji secara simultan dilakukan analisis masing-masing koefisien regresi. Hasil analisis regresi berganda simultan dapat dilihat sebagai berikut.
1) Jika Fhitung>FTabel, maka H0 ditolak dan H1 diterima 2) Jika Fhitung<FTabel, maka H1 ditolak dan H0 diterima
Atau
1) Jika Sig < 0,05, maka H0 ditolak dan H1 diterima 2) Jika Sig > 0,05, maka H1 ditolak dan H0 diterima
Tabel 4.9 Hasil Uji F Simultan ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 3,391 2 1,696 4,428 ,022b
Residual 10,340 27 ,383
Total 13,731 29
a. Dependent Variable: income smoothing
b. Predictors: (Constant), Rasio Leverage, Rasio Profitabilitas Sumber: Olah data sekunder, SPSS 22
Berdasarkan tabel 4.9 dapat dilihat dengan tingkat signifikansi 5%, dan derajat kebebasan df1= 2 dan df2 = 27 maka nilafF berdasarkan tabel F dengan probabilita 0.05 (2;27) = 3,35. Dalam perhitungan diperoleh Fhitunglebih besar dari FTabel, yaitu 4,428 > 3,35 sehingga H0 ditolak. Sedangkan jika dilihat dari nilai sig hitung adalah 0,022 yaitu < 0,05 maka keputusannya juga menolak H0. Sehingga dapat ditarik kesimpulan bahwa RasioProfitabilitas (x1), Rasio Leverage (x2) berpengaruh secara simultan dan signifikan terhadap income smoothing pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
6. Hasil Uji T Parsial
Penelitian ini menggunakan 3 variabel yang terdiri atas dua variabel independen dan satu variabel dependen. Untuk mengetahui pola hubungan antar variabel, maka akan di uji tiga hipotesis yang telah diajukan sebelumnya menggunakan metode analisis regresi linear berganda.
Untuk mengetahui pengaruh variabel independen terhadap variabel dependen dengan persamaan regresi Ῠ = α+β1.X1+β2.X2+ҽ Hipotesis dalam penelitian ini dinyatakan dalam sebagai berikut.
H1:Variabel Profitabilitas berpangaruh positif signifikan income smoothing
H2: Variabel Financial Leverage berpangaruh positif signifikan terhadap income smoothing.
Tabel. 4.10 Hasil Uji Hipotesis T Parsial Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -,114 ,226 -,505 ,618 Rasio Profitabilitas 6,933 2,585 ,451 2,682 ,012 Rasio Financial Rasio Leverage ,277 ,288 ,162 ,964 ,344
a. Dependent Variable: income smoothing Sumber: Olah data sekunder, SPSS 22
Berdasarkan tabel 4.10 Hasil uji regresi linear berganda dapat di sajikan sebagai berikut:
1. Uji Hipotesis 1
Hasil uji hipotesis 1 dapat dilihat pada tabel 4.10 Rasio Profitabilitas memiliki tingkat signifikansi sebesar 0,012. Nilai sig 0.05 lebih kecil dari 0,05 dan nilai t-hitung 2,682 lebih besar dari nilai t-tabel yaitu 2,042. Sehingga dapat
diartikan bahwa variabel Rasio Profitabilitas (x1) menerima hipotesis 1 dan menolak hipotesis 0 yang menyatakan bahwa Rasio Profitabilitas berpengaruh positif dan signifikan terhadap income smoothing.
2. Uji Hipotesis 2
Hasil uji hipotesis 2 dapat dilihat pada tabel 4.10, variabel Rasioleverage memiliki tingkat signifikansi sebesar 0,984. Nilai sig 0,964 lebih besar dari 0,05 dan memiliki nilai t-hitung 964 yang lebih kecil dari nilai t-tabel 2,042 Berdasarkan hal tersebut dapat disimpulkan bahwa variabel x2 Rasio Leverage menolak Hipotesis 2 sehingga dapat diartikan bahwa Rasio Leverage tidak memiliki pengaruh positif dan signifikan terhadap income smoothing.