Income Smoothing (IS) - HASIL DAN PEMBAHASAN A.Net Profit Margin (NPM)

HASIL DAN PEMBAHASAN A.Net Profit Margin (NPM)

D. Income Smoothing (IS)

Income Smoothingmerupakanbentuk manajemen pendapatan yang

merefleksikan akibat atau hasil ekonomi, bukan karena hasil-hasil tersebut, melainkan karena manajemen menghasilkan kualitas laba atau keuntungan yang lebih rendah karena pendapatan tidak menggambarkan kinerja ekonomi suatu bisnis selama periode tertentu.

Studi kasus pada PT. Arita Prima IndonesiaTbk (APII)Tahun 2017 ii. Koefisien Variasi Perusahaan Laba

No Kode 2015 (n1) 2016 (n2) 2017 (n3)

1 APII 18.443.574.546 15.871.882.915 13.921.992.681 Perhitungan Indeks Eksel – Laba

Kode ∆I 1 (n2 – n1) ∆I 2 (n3 – n2) ∆I (Average ∆I) A 1 (∆I 1-∆I) 2 A 2 (∆I 2-∆I) 2 A 3 (A1+A2)/(3-1) CV∆I √A3/ΔI APII (2.571.691.63) (1.949.890.23) (2.260.790.933) 96.659.244.327.787.900 96.659.244.327.787.900 96.659.244.327.787.900 (6.539)

iii. Koefisien Variasi Perubahan Pendapatan

Pendapatan

No Kode 2015 (n1) 2016 (n2) 2017 (n3)

1 APII 202.115.388.442 170.213.172.087 168.065.942.352 Perhitungan Indeks Eksel – pendapatan

Kode ∆S 1 (n2 – n1) ∆S 2 (n3 – n2) ∆S (Average ∆S) A 1 (∆S 1-∆S) 2 A 2 (∆S 2-∆S) 2 A 3 (A1+A2)/(3-1) CV∆S √A3/ΔS APII (31.902.216.355) (2.147.229.735) (32.975.831.223) ^{1.152.648.883.717.04}_0.000 ^{950.402.669.675.087.}_000.000 ^{475.777.659.279.402.}_000.000 (120.117)

Hasil dari perhitungan indeks perataan laba

Kode ^{Indeks Perataan Laba}

CV∆I/ CV∆S ^Status

APII ^(6.539)^/^(120.117)

= 0,0544 Melakukan Perataan Laba

Rumus menghitung Income Smoothing (IS)

IS =

𝐾𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑉𝑎𝑟𝑖𝑎𝑠𝑖 𝑃𝑒𝑟𝑢𝑏𝑎 𝑕𝑎𝑛 𝐿𝑎𝑏𝑎

𝐾𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛𝑉𝑎𝑟𝑖𝑎𝑠𝑖 𝑃𝑒𝑟𝑢𝑏𝑎 𝑕𝑎𝑛 𝑃𝑒𝑛𝑑𝑎𝑝𝑎𝑡𝑎𝑛

IS = −

6.539

−

120.117

IS =

0,0544

Untuk hasil perusahaan yang lainnya dapat dilihat secara lengkap pada tabel berikut :

Tabel 4.4

Indeks Perataaan Laba

Sektor Perdagangan, Jasa dan Investasi Tahun 2017

No Kode ^{Indeks Perataan Laba}CVΔI/CVΔS Keteranga No Kode ^{Indeks Perataan Laba}CVΔI/CVΔS Keterangan 1 AIMS 3,6484 ^{Tidak Melakukan}^Income

Smoothing ⁵⁰ ^HOTL (1,3408) ^Melakukan^Income

Smoothing

2 AKRA (0,1503) ^Melakukan^Income

Smoothing ⁵¹ ^ICON (0,3954) ^Melakukan_Smoothing^Income

Smoothing Smoothing

4 BMSR 0,9892 ^Melakukan^Income

Smoothing ⁵³ ^JGLE (3,2303) ^Melakukan_Smoothing^Income

5 BOGA 0,2419 ^Melakukan^Income

Smoothing ⁵⁴ ^JSPT 0,6619 ^Melakukan^Income

Smoothing

6 CLPI 14,9213 ^{Tidak Melakukan}^Income

Smoothing ⁵⁵ ^KPIG (4,6385) ^Melakukan_Smoothing^Income

7 CMPP (0,3835) ^Melakukan^Income

Smoothing ⁵⁶ ^MAMI 1,1075 ^{Tidak Melakukan}

Income Smoothing

8 DPUM 0,0329 ^Melakukan^Income

Smoothing ⁵⁷ ^PANR (0,9141) ^Melakukan^Income

Smoothing

9 DSSA (0,3446) ^Melakukan^Income

Smoothing ⁵⁸ ^PDES 0,2177 ^Melakukan^Income

Smoothing

10 EPMT (0,3237) ^Melakukan^Income

Smoothing ⁵⁹ ^PGLI 0,2324 ^Melakukan^Income

Smoothing

11 FISH (0,4636) ^Melakukan^Income

Smoothing ⁶⁰ ^PJAA (1,6600) ^Melakukan_Smoothing^Income

12 INTA 1,2511 ^{Tidak Melakukan}^Income

Smoothing ⁶¹ ^PNSE (20,5986) ^Melakukan^Income

Smoothing

13 INTD 0,8595 ^Melakukan^Income

Smoothing ⁶² ^PSKT 0,2710 ^Melakukan_Smoothing^Income

14 JKON (1,1645) ^Melakukan^Income

Smoothing ⁶³ ^PTSP 0,0187 ^Melakukan^Income

Smoothing

15 KOBX 0,1732 ^Melakukan^Income

Smoothing ⁶⁴ ^SHID 0,1916 ^Melakukan_Smoothing^Income

16 KONI (0,6174) ^Melakukan^Income

Smoothing ⁶⁵ ^BLTZ 0,1308 ^Melakukan^Income

Smoothing

17 LTLS 0,0591 ^Melakukan^Income

Smoothing ⁶⁶ ^EMTK (0,5279) ^Melakukan_Smoothing^Income

18 MICE 0,3924 ^Melakukan^Income

Smoothing ⁶⁷ ^FORU 0,9949 ^Melakukan^Income

Smoothing

19 OKAS 0,1554 ^Melakukan^Income

Smoothing ⁶⁸ ^JTPE 0,4311 ^Melakukan^Income

Smoothing

20 SDPC 0,2292 ^Melakukan^Income

Smoothing ⁶⁹ ^KBLV 0,7902 ^Melakukan^Income

Smoothing

21 TGKA 0,2594 ^Melakukan^Income

Smoothing ⁷⁰ ^LINK 0,0455 ^Melakukan^Income

Smoothing

22 TMPI (1,3683) ^Melakukan^Income

Smoothing ⁷¹ ^LPLI 7,9590 _{Income Smoothing}^{Tidak Melakukan}

23 TRIL (0,0215) ^Melakukan^Income

Smoothing ⁷² ^MARI 16,7914 ^{Tidak Melakukan}

Income Smoothing

24 TURI 0,6003 ^Melakukan^Income

Smoothing ⁷³ ^MDIA 3,1610 _{Income Smoothing}^{Tidak Melakukan}

25 UNTR 0,0170 ^Melakukan^Income

Smoothing ⁷⁴ ^MNCN 0,7396 ^Melakukan^Income

Smoothing

26 WICO 1,1497 ^{Tidak Melakukan}^Income

Smoothing ⁷⁵ ^MSKY (3,3469) ^Melakukan_Smoothing^Income

27 ACES 0,1497 ^Melakukan^Income

Smoothing ⁷⁶ ^SCMA (0,4821) ^Melakukan^Income

Smoothing

28 AMRT (0,4734) ^Melakukan^Income

Smoothing ⁷⁷ ^VIVA 2,1765 _{Income Smoothing}^{Tidak Melakukan}

29 CENT (0,6037) ^Melakukan^Income

Smoothing ⁷⁸ ^MIKA 0,8899 ^Melakukan^Income

Smoothing

30 CSAP 0,1172 ^Melakukan^Income

Smoothing ⁷⁹ ^PRDA 0,4278 ^Melakukan^Income

Smoothing

31 DAYA 0,2558 ^Melakukan^Income

Smoothing ⁸⁰ ^SILO 0,2405 ^Melakukan^Income

Smoothing

Tabel 4.4 (Lanjutan)

32 ECII 0,4012 ^Melakukan^Income

Smoothing ⁸¹ ^SRAJ ^0,8376

Melakukan Income Smoothing

33 ERAA 0,1069 ^Melakukan^Income

Smoothing ⁸² ^ASGR ^(0,1365)

Melakukan Income Smoothing

34 GOLD (0,1730) ^Melakukan^Income

Smoothing ⁸³ ^ATIC ^0,0662

Melakukan Income Smoothing

35 HERO 5,5412 ^{Tidak Melakukan}^Income

Smoothing ⁸⁴ ^DNET ^(4,3123)

Melakukan Income Smoothing

36 KOIN (0,0011) ^Melakukan^Income

Smoothing ⁸⁵ ^MLPT ^(1,1507) Melakukan Income Smoothing 37 LPPF 0,0624 ^Melakukan^Income Smoothing ⁸⁶ ^MTDL ^0,3577 Melakukan Income Smoothing

38 MAPI 0,0786 ^Melakukan^Income

Smoothing ⁸⁷ ^ABMM ^(0,3084)

Melakukan Income Smoothing

39 MIDI (1,1470) ^Melakukan^Income

Smoothing ⁸⁸ ^BHIT ^1,2535 Tidak Melakukan Income Smoothing 40 MKNT 0,0750 ^Melakukan^Income Smoothing ⁸⁹ ^BMTR ^0,9855 Melakukan Income Smoothing

41 MPPA 1,5049 ^{Tidak Melakukan}^Income

Smoothing ⁹⁰ ^BNBR ^(4,2597)

Melakukan Income Smoothing

42 RALS 0,2255 ^Melakukan^Income

Smoothing ⁹¹ ^BRMS ^0,3375

Melakukan Income Smoothing

43 RANC 1,1094 ^{Tidak Melakukan}^Income

Smoothing ⁹² ^MLPL ^4,3815

Tidak Melakukan

Income Smoothing

Smoothing Income Smoothing

45 TELE 0,3241 ^Melakukan^Income

Smoothing ⁹⁴ ^POOL ^0,7369

Melakukan Income Smoothing

46 BAYU 0,1456 ^Melakukan^Income

Smoothing ⁹⁵ ^SRTG ^(0,2681)

Melakukan Income Smoothing

47 BUVA 17,3732 ^{Tidak Melakukan}^Income

Smoothing ⁹⁶ ^DYAN ^0,0693

Melakukan Income Smoothing

48 FAST 0,8004 ^Melakukan^Income

Smoothing ⁹⁷ ^GEMA ^(0,7951)

Melakukan Income Smoothing

49 HOME (0,0124) ^Melakukan^Income

Smoothing ⁹⁸ ^MFMI ^0,3398

Melakukan Income Smoothing

Sumber : Data Olahan, 2018

Jika Indeks Eckel memiliki nilai ≥ 1 maka perusahaan tidak melakukan

Income Smoothingtetapi jika nilai Indeks Eckel ≤ 1 maka perusahaan

melakukan Income Smoothing. Dari Tabel 4.4 menunjukkan Income

Smoothing perusahaan jasa perdagangan, jasa dan investasi yang terdaftar di

BEI menunjukkan perusahaan yang melakukan Income Smoothing berjumlah 81 perusahaan sedangkan perusahaan yang tidak melakukan Income

Smoothing berjumlah 17 perusahaan.

E. Harga Saham

Harga saham merupakan harga penutupan pasar saham selama periode pengamatan untuk tipe-tipe jenis saham yang dijadikan sampel dan pergerakannya senantiasa diamati oleh para investor.

Untuk hasil perhitungan yang lainnya dapat dilihat secara lengkap pada tabel berikut :

Tabel 4.5 Bursa Efek Indonesia Harga Penutupan Saham

Sektor Perdagangan, Jasa dan Investasi Tahun 2017 (Dalam Rupiah) No Kode Harga Penutup Saham No Kode Harga Penutup Saham No ^Tahun Kode Harga Penutup Saham 1 AIMS 248 34 GOLD 560 67 FORU 125

2 AKRA 6.350 35 HERO 925 68 JTPE 274

3 APII 200 36 KOIN 298 69 KBLV 428

4 BMSR 140 37 LPPF 10.000 70 LINK 5.500

5 BOGA 620 38 MAPI 6.200 71 LPLI 130

6 CLPI 860 39 MIDI 1.050 72 MARI 1.300

7 CMPP 240 40 MKNT 262 73 MDIA 172

8 DPUM 278 41 MPPA 452 74 MNCN 1.282

9 DSSA 13.900 42 RALS 1.200 75 MSKY 780

10 EPMT 2.990 43 RANC 330 76 SCMA 2.480

11 FISH 2.400 44 SONA 2.300 77 VIVA 326

12 INTA 428 45 TELE 1.000 78 MIKA 1.810

13 INTD 450 46 BAYU 1.400 79 PRDA 3.700

14 JKON 540 47 BUVA 520 80 SILO 9.575

15 KOBX 113 48 FAST 1.440 81 SRAJ 242

16 KONI 338 49 HOME 97 82 ASGR 1.310

17 LTLS 500 50 HOTL 95 83 ATIC 890

18 MICE 350 51 ICON 139 84 DNET 2.250

19 OKAS 388 52 INPP 650 85 MLPT 620

20 SDPC 110 53 JGLE 133 86 MTDL 650

21 TGKA 2.600 54 JSPT 2.500 87 ABMM 2.300

22 TMPI 50 55 KPIG 1.275 88 BHIT 90

23 TRIL 50 56 MAMI 92 89 BMTR 590

24 TURI 1.130 57 PANR 2.500 90 BNBR 50

25 UNTR 35.400 58 PDES 1.275 91 BRMS 66

26 WICO 540 59 PGLI 155 92 MLPL 620

27 ACES 1.155 60 PJAA 1.320 93 PLAS 50

28 AMRT 610 61 PNSE 1.250 94 POOL 4.050

29 CENT 80 62 PSKT 50 95 SRTG 3.580

30 CSAP 454 63 PTSP 7.200 96 DYAN 56

31 DAYA 189 64 SHID 1.550 97 GEMA 970

32 ECII 605 65 BLTZ 10.100 98 MFMI 800

33 ERAA 734 66 EMTK 9.500 Sumber : Data Olahan, 2018

Dari Tabel 4.5 menunjukkan data Harga Saham perusahaan jasa perdagangan, jasa dan investasi yang terdaftar di BEI. Dari tabel tersebut dapat dilihat bahwa perusahaan yang memiliki Harga Saham tertinggi adalah perusahaanPT United Tractors Tbk (UNTR) sebesar Rp. 35.400,-dan perusahaan Harga Saham terendah adalah perusahaan PT Sigmagold Inti Perkasa Tbk (TMPI), PT Triwira Insanlesari Tbk (TRIL), PT Red Planet

Indonesia Tbk (PSKT), PT Bakrie dan Brothers Tbk (BNBR) dan PT Polaris Invesama Tbk (PLAS)sebesar Rp. 50,-.

F. Pemodelan Persamaan Struktural(SEM)

1. Metode Analisis Data

Pada analisis WarpPLS terdapat beberapa ukuran Model Fit dan Quality

Indices ditunjukkan pada tabel dibawah ini :

Tabel 4.6

Model Fit dan Quality Indices

No Model Fit dan Quality Indices Kriteria Fit Hasil Analisis ^Keterangan 1 Average path ciefficient (APC) P < 0,05 0,141 (p = 0,047) ^{Tidak Baik}

2 Average R-squared (ARS) P < 0,05 0,045 (p = 0,170) ^{Tidak Baik}

3 ^{Average adjusted R-squared}

(AARS) ^{P < 0,05} ^{0,021 (p = 0,212)}

Tidak Baik

4 Average block VIF (AVIF) ^{Acceptable if}^{< = 5,}^ideally^{< =}

3,3 ^1,316

Ideal

5 ^{Average full collinearity}^VIF

(AFVIF)

Acceptable if< = 5, ideally< =

3,3 ^1,072

Ideal

6 Tenenhaus GoF (GoF)

Small> = 0,1 Medium > = 0,25

Large > = 0,36

0,213 ^Medium

7 Sympson’s paradox ratio (SPR) ^{Acceptable if}^{> = 0,07,}^ideally

= 1 ^1,000

Ideal

8 ^{R-squared contribution ratio}

(RSCR)

Acceptable if> = 0,9, ideally =

1 ^1,000

Ideal

9 Statistical suppression ratio (SSR) Acceptable if > = 0,7 0,750 ^Acceptable

10 ^{Nonlinear bivariate causality}

direction ratio (NLBCDR) ^{Acceptable if}^{> = 0,7} ^0,875

Acceptable

Sumber : Data Olahan, 2018

Tabel 4.6 menunjukkan hasil Model Fit dan Quality Indicesyang akan disimpulkan sebagai berikut :

a. Berdasarkan Model Fit dan Quality Indices yaituAverage path

ciefficient (APC)dengan dengan hasil analisis 0,141 (p =

0,047),dikatakan tidak baik.

b. BerdasarkanModel Fit dan Quality IndicesyaituAverage R-squared

c. BerdasarkanModel Fit dan Quality Indicesyaitu Average adjusted

R-squared (AARS)dengan hasil analisis 0,021 (p = 0,212),dikatakan

tidak baik.

d. Berdasarkan Model Fit dan Quality IndicesyaituAverage block VIF (AVIF) dengan hasil analisis 1,316,dikatakan ideal.

e. Berdasarkan Model Fit dan Quality IndicesyaituAverage full

collinearity VIF (AFVIF) dengan hasil analisis 1,072,dikatakan ideal.

f. Berdasarkan Model Fit dan Quality IndicesyaituTenenhaus GoF (GoF) dengan hasil analisis 0,213,dikatakan Medium.

g. Berdasarkan Model Fit dan Quality IndicesyaituSympson’s paradox

ratio (SPR) dengan hasil analisis 1,000,dikatakan ideal.

h. Berdasarkan Model Fit dan Quality IndicesyaituR-squared

contribution ratio (RSCR) dengan hasil analisis 1,000,dikatakan ideal.

i. Berdasarkan Model Fit dan Quality IndicesyaituStatistical suppression ratio (SSR) dengan hasil analisis 0,750,dikatakan Acceptable.

j. Berdasarkan Model Fit dan Quality IndicesyaituNonlinear bivariate

causality direction ratio (NLBCDR) dengan hasil analisis

0,875,dikatakan Acceptable.

2. Hasil Pengujian Hipotesis

Pengujian hipotesis pada analisis WarpPLS menggunkan uji t. Kaidah keputusan pengujian hipotesis seperti telah dijelaskan, yaitu

menggunakan metode resampling, dan dilakukan dengan t-test. Untuk hasil pengujian dapat dilihat tabel dibawah ini :

Tabel 4.7

Hasil Pengujian Hipotesis

Hubungan antar Variabel

(Variabel penjelas →Variabel

Responden)

Koef. Jalur p-value Keterangan

1 X1 Y1 -0,166 <0,061 ^Weakly Significant 2 X2 Y1 0,131 0,112 Insignificant 3 X3 Y1 0,153 <0,077 ^Weakly Significant 4 Y1 Y2 0,116 0,142 Insignificant

Sumber : Data Olahan, 2018

Tabel 4.7 menunjukkan Hasil Pengujian Hipotesisyang akan disimpulkan sebagai berikut :

1. Berdasarkan hasil hubungan antara variabel Net Profit Margin(X1)

danIncome Smoothing(Y1) menunjukkan nilai p-value<0,061, maka

dikatakan Weakly Significant.ArtinyaNet Profit Margindan Income

Smoothingberpengaruh tetapi menunjukkan hubungan yang lemah.

2. Berdasarkan hasil hubungan antara variabel Debt to Equity Ratio (X2)

dan Income Smoothing(Y1) menunjukkan nilai p-value 0,112, maka

dikatakan Insignificant. ArtinyaDebt to Equity Ratiodan Income

Smoothingtidak berpengaruh.

3. Berdasarkan hasil hubungan antara variabel Return On Asset (X3) dan

Income Smoothing(Y1) menunjukkan nilai p-value<0,077, maka

dikatakan Weakly Significant. ArtinyaReturn On Assetdan Income

Smoothingberpengaruh tetapi menunjukkan hubungan yang lemah.

4. Berdasarkan hasil hubungan antara variabel Income Smoothing(Y1) dan Harga Saham (Y2) menunjukkan nilai p-value0,142, maka

dikatakan Insignificant.ArtinyaIncome Smoothingdan Harga Saham tidak berpengaruh.

BAB V PENUTUP

Berdasarkan hasil penelitian maka kesimpulan yang dapat diambil adalah sebagai berikut :

1. BerdasarkanModel Fit dan Quality IndicesyaituAverage path ciefficient

(APC)dengan dengan hasil analisis 0,141 (p = 0,047),dikatakan tidak baik.Berdasarkan Model Fit dan Quality Indices yaituAverage block VIF (AVIF) dengan hasil analisis 1,316,dikatakan ideal.Berdasarkan Model Fit

dan Quality Indices yaituTenenhaus GoF (GoF) dengan hasil analisis

0,213,dikatakan Medium.Berdasarkan Model Fit dan Quality Indices

yaituNonlinear bivariate causality direction ratio (NLBCDR) dengan hasil analisis 0,875,dikatakan Acceptable.

2. Berdasarkan hasil hubungan antara variabel X1 dan Y1 menunjukkan nilai

p-value<0,061, maka dikatakan Weakly Significant.Berdasarkan hasil

hubungan antara variabel X2 dan Y1 menunjukkan nilai p-value 0,112, maka dikatakan Insignificant.Berdasarkan hasil hubungan antara variabel X3 dan Y1 menunjukkan nilai p-value<0,077, maka dikatakan Weakly

Significant. Berdasarkan hasil hubungan antara variabel Y1 dan Y2

menunjukkan nilai p-value 0,142, maka dikatakan Insignificant.

Berdasarkan hasil penlitian maka penulis mengajukan saran yang diharapkan dapat menjadi masukan yang berguna bagi pihak-pihak yang berkepentingan :

1. Bagi Perusahaan untuk tidak melakukan Income Smoothing karena hasil penelitian ini membuktikan bahwa reaksi pasar antara perusahaan tidak terdapat perbedaan sehingga tidak akan memberikan dampak apapun yang berarti.

2. Bagi Investor dalam menggunakan laporan keuangan investor diharapkan tidak hanya memfokuskan diri pada jumlah laba yang dihasilkan suatu perusahaan, tetapi juga menganalisa bagaimana alur laba itu terjadi, sehingga tidak salah dalam melakukan investasi pada perusahaan, terutama dalam kaitannya dengan tingkat pengambilan saham.

3. Dalam penelitian selanjutnya diharapkan memperluas periode penelitian sehingga diperoleh data sampel yang lebih banyak dengan harapan dapat memberikan hasil yang lebih kuat tentang praktik perataan laba dalam kaitannya dengan ukuran perusahaan.Penelitian ini hanya mengambil sampel dari perusahaan jasa sektor perdagangan, jasa dan investasi. Diharapkan penelitian selanjutnya dapat mengambil sektor-sektor usaha lain yang terdaftar di BEI sebagai sampel dan melakukan perbandingan sektor usaha mana lebih banyak melakukan praktik perataan laba.

Dalam dokumen BAB I PENDAHULUAN A. Latar Belakang - AnalisisPengaruh NetProfit Margin, Debt to Equity Ratiodan Return On AssetTerhadapIncome Smoothingdan Harga Saham Perusahaan Jasa Sektor Perdagangan, Jasa dan Investasi di Bursa Efek Indonesia - Repository UM Pontiana (Halaman 103-114)