BAB V PENUTUP
A. Kesimpulan
menyesatkan.
Menurut Gujarati (2007), untuk mendektesi keberadaan heteroskedastisitas digunakan metode grafik scatter plot, uji Park, uji Glejser, uji White, dimana apabila nilai probabilitas (p-value) observasi R2 lebih besar dibandingkan tingkat resiko kesalahan yang diambil (digunakan α = 5%), maka residual digolongkan homoskedastisitas.
d. Uji Autokorelasi
Autokorelasi adalah adanya korelasi antara variable itu sendiri, pada pengamatan yang berbeda waktu dan individunya. Pada umumya autokorelasi lebih sering terjadi pada data time series (Nachrowi dan Usman, 2008)
Menurut Winarno (2011), autokorelasi adalah hubungan antara residual satu observasi dengan residual observasi lainnya. Autokorelasi lebih mudah timbuh pada data yang bersifat runtut waktu, karena berdasarkan sifatnya, data masa sekarang dipengaruhi oleh data pada masa sebelumnya.
Dikarenakan dalam penelitian ini menggunakan data panel, maka uji autokorelasi sudah tidak perlu du uji kembali. Karena data panel sifatnya lebih kepada cross section maka bisa dikatakan tidak ada autokorelasi.
5. Koefisien Determinasi (Adjusted R2)
Untuk mengetahui penaksiran parameter dan standard error bahwa model regresi estimasi cukup baik atau tidak perlu dilakukan cara untuk mengukur seberapa dekat garis regresi yang terestimasi dengan data. Ukuran yang biasa yang digunakan untuk keperluan ini adalah Goodness of Fit (R2) . ukuran ini mencerminkan seberapa besar variasi dari (regressand) (Y) dapat diterangkan oleh regressor (X). Bila R2 =0, artinya variasi dari Y tidak dapat diterangkan oleh X sama sekali. Sementara bila R2 = 1, artinya variasi dari Y, 100% dapat diterangkan oleh X. dengan kata lain bila R2 = 1, maka semua titik pengamatan berada pada garis regresi. Dengan demikian, ukuran goodness of fit dari suatu model ditentukan oleh R2 yang nilainya antara nol dan satu.
6. Uji Hipotesis
Uji hipotesis ini digunakan untuk memeriksa atau menguji apakah koefisien regresi yang didapat signifikan (berbeda nyata). Maksudnya dari signifikan ini adalah suatu nilai koefisien regresi yang secara statistik tidak sama dengan nol. Jika koefisien slope sama dengan nol, berarti dapat dikatakan bahwa tidak cukup bukti untuk menyatakan variabel bebas mempunyai pengaruh terhadap variabel terikat. Ada dua jenis uji hipotesis terhadap koefisien regresi yang dapat dilakukan antara lain: a. Uji Signifikansi simultan (uji F)
Pengujian ini dilakukan untuk mengetahui apakah semua variabel independen secara bersama-sama (simultan) dapat berpengaruh terhadap variable dependen. Cara yang digunakan adalah dengan membandingkan nilai F hitung dengan F table dengan ketentuan sebagai berikut:
1. Ho : β = 0 berarti tidak ada pengaruh signifikan dari variabel independen terhadap variabel dependen secara simultan (bersama-sama).
2. Ho : β > 0, berarti ada hubungan yang signifikan dari variabel independen terhadap variabel dependen secara simultan (bersama-sama).
3. Tingkat kepercayaan yang digunakan adalah 95% atau taraf signifikan 5% (α = 0,05) dengan kriteria penilaian sebagai berikut:
a) Jika F hitung > F table maka Ha diterima dan Ho ditolak berarti ada variable independen secara bersama-sama mempunyai pengaruh yang signifikan terhadap variable dependen.
Jika F hitung < F tabel maka Ho diterima dan Ha ditolak berarti ada variable independen secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap variable dependen.
b. Uji Signifikansi Individual (uji t)
Uji ini dilakukan untuk mengetahui pengaruh masing – masing variabel independen secara parsial terhadap variabel dependen. Uji t dilakukan dengan membandingkan t hitung terhadap t table dengan ketentuan sebagai berikut:
1. Ho : β = 0, berarti tidak ada pengaruh positif dari masing -masing variabel independen terhadap variabel dependen secara parsial (individu).
2. Ho : β > 0, berarti ada pengaruh positif dari masing-masing variabel independen terhadap variabel dependen secara parsial (individu).
3. Tingkat kepercayaan yang digunakan adalah 95% atau taraf signifikan 5% (α = 0,05) dengan criteria penilaian sebagai berikut: a. Jika t hitung > t table maka Ha diterima dan Ho ditolak berarti
ada pengaruh yang signifikan dari masing – masing variable independen terhadap variable dependen secara parsial (individu).
b. Jika t hitung < t table maka Ho diterima dan Ha ditolak berarti tidak ada pengaruh yang signifikan dari masing – masing variabel independen terhadap variable dependen secara parsial (individu).
7. Model Regresi Berganda Menggunakan Data Panel
Model persamaan dasar data panel yaitu:
Yit = β1 X1it + β2 X2it + β3 X3it + β4 X4it + µit………. Model persamaan yang akan diestimasi pada penelitian ini adalah sebagai berikut:
KL = β0 + β1IOS + β2VD + β3LEV + β4LIQ + ε… Dimana:
KL : Kualitas Laba
β0 : Konstanta
β1,β2,β3,β4 : Koefisien Variabel Independen IOS : Investment Opportunity Set
VD : Voluntary Disclosure LEV : Leverage
LIQ : Likuiditas ε : Koefisien Eror
Setelah model penelitian diestimasi maka akan diperoleh nilai dan besaran dari masing – masing parameter dalam model persamaan diatas. Nilai dari parameter positif atau negatif selanjutnya akan digunakan untuk menguji hipotesis penelitian.
E. Operasional Variabel Penelitian
1. Variabel Independen
Variabel independen dalam penelitian ini adalah Investment Opportunity Set (IOS), Struktur Modal, Pertumbuhan Perusahaan, serta Return on Asset.
a. Investment Opportunity Set (IOS) (X1)
Menurut Sri Hasnawati (2005) dalam penelitiaanya menyebutkan investment opportunity dapat diukur melalui :
1. Total Assets Growth
2. Market to book value of total equity 3. Earning to price ratio
4. Ratio capital expenditure to BVA 5. Current assets to total assets
Dari kelima pengkuran diatas, pengukuran menggunakan market to book value of equity memiliki pengaruh yang besar terhadap nilai perusahaan. Oleh karena itu dalam penelitian ini mengambil market to book value of equity digunakan sebagai proksi dari investment opportunity. Penggunaan rasio ini didasari atas pemikiran MBVE yang mencerminkan pasar menilai return investasi dimasa depan akan lebih besar dari return yang diharapkan dari ekuitasnya. Dalam penelitian Puteri dan Rohman (2012), secara matematis variabel market to book value of equity diformulasikan sebagai berikut :
b. Voluntary Disclosure (X2)
Pengungkapan sukarela (voluntary disclosure) dalam penelitian ini menggunakan daftar item pengungkapan yang digunakan oleh Sudarma (2015) yang berjumlah 8 poin dan dibagi menjadi 46 item. 8 poin tersebut adalah :
1. Background Information (5 item) 2. Financial overview (2 item)
3. Key non-financial statistics (10 item) 4. Projected information (10 item)
MBVE =
(Shared Outstanding � � � ���)
5. Management discussion and analysis (4 item) 6. Research and Development activities (4 item) 7. Employee information (9 item)
8. Value added information (2 item)
Pengukuran luas pengungkapan sukarela dalam penelitian ini menggunakan daftar pengungkapan sukarela tanpa pembobotan. Indeks pengungkapan tanpa pembobotan dihitung dengan cara memberikan skor 1 pada setiap item yang diungkapkan dan skor 0 pada setiap item yang tidak diungkapkan perusahaan. Indeks pengungkapan sukarela (VDI) dapat dirumuskan sebagai berikut:
c. Leverage (X3)
Leverage yang dimaksud dalam penelitian ini adalah jumlah asset yang tidak dibayar oleh ekuitas pemegang saham. Rasio leverage diukur dengan membagi total hutang dengan jumlah modal perusahaan. Berikut adalah rumus untuk menghitung leverage (Ahalik dan Hardy, 2015) :
VDI = Total Score
Total Score of disclosure (46 item)
Keterangan:
DER = Debt to Equity Ratio Total debt = Total hutang perusahaan Equity = Jumlah modal perusahaan
d. Likuiditas (X4)
Likuiditas menunjukan kemampuan perusahaan dalam membayar kewajiban jangka pendeknya yang jatuh tempo tepat pada waktunya. Digunakan untuk menganalisis posisi modal kerja perusahaan dan mengukur tingkat keamanan perusahaan. Rasio likuiditas yang digunakan pada penelitian ini adalah menggunakan current ratio.Dengan rumus (Nurhanifah dan Jaya, 2014)
2. Variabel Dependen
Variabel Dependen, yaitu variabel yang dipengaruhi atau tertanggung oleh variabel lain. variabel dependen yang digunakan dalam penelitian ini adalah kualitas laba. Menurut Scott (1997) dalam Paramitha (2012), ERC adalah ukuran besaran abnormal return suatu sekuritas sebagai respon terhadap komponen laba kejutan (unexpected earnings) yang dilaporkan
Current Ratio =
Current Libialities Current Asset
oleh perusahaan yang mengeluarkan sekuritas tersebut. ERC merupakan proksi dari kualitas laba. Besarnya ERC diperoleh dengan menggunakan beberapa tahapan perhitungan (Sudarma dan Ratnadi, 2015), yaitu:
1. Tahap pertama yang akan dilakukan adalah mencari return saham harian dan return pasar harian.
Return saham harian dihitung dengan menggunakan rumus:
Dimana:
Rit = return saham perusahaan i pada hari t Pit = harga penutupan saham i pada hari t
Pit-1 = harga penutupan saham i pada pada hari t-1 Return pasar harian dihitung sebagai berikut:
Dimana :
Rmt = return pasar harian
IHSGt = indeks harga saham gabungan pada hari t IHSGt-1 = indeks harga saham gabungan pada hari t-1.
2. Tahap kedua adalah menghitung abnormal return. Dalam penelitian ini abnormal return dihitung menggunakan model sesuaian pasar (market adjusted model). Abnormal return didapatkan dari:
ARi,t = Ri,t –Rm,t
Dimana:
ARi, = abnormal return perusahaan i pada perioda ke- t Ri,t = return perusahaan pada perioda ke-t
Rm,t = return pasar pada perioda ke-t
3. Tahap ketiga adalah menghitung variabel Cummulative Abnormal Return (CAR) dengan menggunakan rumus:
CARi(-3,+3) = t = -3∑+3 ARit Dimana:
CARi(-3,+3) = Abnormal return kumulatif perusahaan i selama periode pengamatan kurang lebih 3 hari dari tanggal publikasi laporan keuangan (3 hari sebelum, 1 hari tanggal publikasi dan 3 hari setelah tanggal publikasi laporan keuangan atau penyerahan laporan keuangan ke BAPEPAM).
4. Menghitung Unexpected Earnings (UE) dengan model random walk. UE diartikan sebagai selisih laba akuntansi yang diharapkan oleh pasar. UE diukur sesuai dengan penelitian Kalaapur (1994):
UEit (EPSit -EPSit-1) Pit-1
Dimana:
UEit = unexpected earnings perusahaan i pada perioda t EPSit = earnings per share perusahaan i pada perioda t EPSit-1= earnings per share perusahaan i pada perioda t-1 Pit-1 = harga saham perusahaan i pada perioda t-1
5. Tahap kelima adalah mencari Earnings Response Coefficient (ERC). ERC merupakan koefisien yang diperoleh dari regresi antara proksi harga saham dan laba akuntansi. Proksi harga saham yang digunakan adalah CAR, sedangkan proksi laba akuntansi adalah UE. Pada penelitian Mulyani et al. (2007) model persamaan yang digunakan untuk menentukan ERC adalah:
CARit = α0 + α1UEit + εit Dalam hal ini:
CARit = abnormal return kumulatif perusahaan i selama perioda pengamatan 3 hari sebelum dan sesudah publikasi laporan keuangan
εi = komponen error dalam model atas perusahaan i pada perioda t
Selengkapnya untuk definisi dan pengukuran operasional variabel penelitian ini dapat dilihat pada tabel 3.1 berikut ini.
Tabel 3.1 Operasional Variabel
Variabel Indikator Skala
Investment Opportunity Set (IOS), (Puteri dan
Rohman, 2012)
MBVE = (Shared Outstanding x closing price) Total Equity
Rasio
Voluntary Disclosure (Sudarma dan Ratnadi,
2015)
Rasio
Leverage (Ahalik dan
Hardy, 2015) Rasio
Likuiditas (Nurhanifah
dan Jaya, 2014) Rasio
Kualitas Laba, (Sudarma
dan Ratnadi, 2015) CARit = α0 + α1UEit + εit Rasio VDI =
Total Score
Total score of disclosure
DER = Equity X 100% Total Debt Current Ratio = Current Asset Current Libialities
BAB IV
HASIL DAN PEMBAHASAN
A. Sekilas Gambaran Umum Objek Penelitian
Penelitian ini mengambil sampel seluruh perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) dari tahun 2010 sampai dengan tahun 2014. Kriteria-kriteria perusahaan yang djadikan sampel dalam penelitian ini dapat dilihat dalam tabel 4.1 dibawah ini
Tabel 4.1
Rincian Sampel Penelitian
No Kriteria Jumlah
1 Seluruh perusahaan manufaktur yang terdaftar di BEI dari
tahun 2010 sampai dengan 2014 143
2 Perusahaan tersebut memiliki data lengkap terkait dengan
variabel yang diteliti 98
3 Perusahaan yang mengalami kerugian tahun 2010 sampai
dengan tahun 2014 (59)
4 Perusahaan yang memenuhi kriteria. 39
5 Total sampel penelitian selama 5 periode 195 Sumber: Data sekunder yang diolah
Dari kriteria-kriteria perusahaan tersebut yang dijadikan sampel penelitian adalah sebanyak 39 perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) dengan periode pengamatan 5 tahun, sehingga diperoleh data observasi sebanyak 195. Adapun perusahaan yang menjadi objek penelitian adalah sebagai berikut:
B. Analisis Hasil dan Pembahasan
1. Statistik Deskriptif
Sebelum melakukan pengujian secara kemaknaan pengaruh variabel Investment Opportunity Set, Voluntary Disclosure, Leverage, dan Likuiditas terhadap Kualitas Laba, terlebih dahulu akan ditinjau mengenai deskripsi variabel penelitian dengan analisis statistik deskriptif. Statistik deskriptif memberikan gambaran suatu data yang dapat dilihat dari nilai rata-rata (mean), standar deviasi, nilai maksimum dan minimum. Selengkapnya mengenai hasil statistik deskriptif penelitian dapat dilihat pada tabel 4.3 sebagai berikut.
Tabel 4.2
Hasil Uji Statistik Deskriptif Seluruh Sampel
CAR MBVE VDI DER CR
Mean 0.787461 0.577003 0.269455 0.958773 0.562171 Median 0.718970 0.291000 0.260870 0.685266 0.570160 Maximum 1.871270 2.181040 0.347830 3.880536 2.273770 Minimum 0.170000 0.012080 0.195650 0.000380 0.003320 Std. Dev. 0.366983 0.616653 0.034992 0.739145 0.373286 Sumber: data sekunder yang diolah
Dari tabel 4.3 dapat dilihat bahwa variabel independen market book value asset (MBVE) memiliki nilai minimum 0.0212080 yang diperoleh dari PT. KMI Wire and Cable Tbk pada tahun 2013, sedangkan untuk nilai maksimumnya yang sebesar 2.181040 diperoleh dari PT. Lionmesh Prima Tbk pada tahun 2010. Dalam tabel 4.3 juga dapat dilihat nilai rata-rata market book value asset (MBVE) sebesar 0.577003 hal ini menujukkan bahwa market book value asset (MBVE) di dalam perusahaan mencapai 57.70% dengan standar deviasinya sebesar 0.616653.
Variabel independen voluntary disclosure memiliki nilai minimum sebesar 0.195650 yang diperoleh dari PT Darya-Varia Laboratoria Tbk pada tahun 2010, sedangkan untuk nilai maksimumnya adalah sebesar 0.347830 yang diperoleh dari PT Citra Tubindo Tbk pada tahun 2014. Nilai rata-rata dari voluntary disclosure adalah sebesar 0.269455, hal ini menunjukkan bahwa tingkat pengungkapan sukarela pada seluruh perusahaan sebesar 26.94% dengan standar deviasinya sebesar 0.34992.
Variabel independen leverage memiliki nilai minimum sebesar - 0.000380 yang diperoleh dari PT Nusantara Infrastructure Tbk pada tahun 2013, sedangkan untuk nilai maksimumnya adalah sebesar 3.880536 yang diperoleh dari PT Nusantara Infrastucture Tbk pada tahun 2014. Nilai rata- rata dari leverage adalah sebesar 0.958773, hal ini menujukkan bahwa tingkat
hutang perusahaan pada seluruh perusahaan sebesar 95.87% dengan standar deivasi sebesar 0.739145.
Variabel independen likuiditas memiliki nilai minimum sebesar 0.003320 yang diperoleh dari PT Delta Djakarta Tbk pada tahun 2014, sedangkan untuk nilai maksimumnya adalah sebesar 2.273770 yang diperoleh dari PT Indal Alumunium Industry Tbk. Nilai rata-rata dari likuiditas adalah sebesar 0.562171, hal ini menujukkan bahwa kemampuan perusahaan yang membayar hutang jangka pendek sebesar 56.21% dengan standar deviasinya sebesar 0.373286.
Variabel dependen kualitas laba memiliki nilai minimum sebesar 0.170000 yang diperoleh dari PT Multi Bintang Indonesia Tbk pada tahun 2010, sedangkan untuk nilai maksimumnya adalah sebesar 1.8721270 yang diperoleh dari PT Kalbe Farma Tbk pada tahun 2014. Nilai rata-rata dari kualitas laba adalah sebesar 0.787461, hal ini menunjukkan bahwa kualitas laba perusahaan sebesar 78.74% dengan standar deviasinya sebesar 0.366983.
2. Pemilihan Model Terbaik
a. Uji Chow
Untuk mengetahui model panel yang akan digunakan, maka digunakan uji F-Restricted dengan cara melihat nilai (P-Value) F-
Statistik lebih kecil dari tingkat signifikan α = 5%, terlebih dahulu dibuat hipotesisnya. Adapun hipotesisnya adalah sebagai berikut:
H0 : Model Pooled Least Square (PLS) H1 : Model Fixed Effect (FEM)
Dari hasil berdasarkan metode Fixed Effect Model (FEM) dan Pooled Least Square (PLS) diperoleh nilai probababilitas F-Statistik yakni sebagai berikut:
Table 4.3 Hasil Uji Chow
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 1.513377 (38,152) 0.0421 Cross-section Chi-square 62.572161 38 0.0073
Sumber: data sekunder yang diolah
Dari tabel 4.4 diatas diperoleh F-Statistik adalah 1.513377 dan nilai probabilitas F-Statistik sebesar 0.0421 yang berarti bahwa nilai probabilitas F-Statistik lebih kecil dari tingkat signifikansi α 5% (0.0421 < 0.05). Maka H0 ditolak, sehingga model panel yang digunakan adalah Fixd Effect Model (FEM).
b. Uji Hausman
Untuk mengetahui model panel yang akan digunakan, maka digunakan uji hausman. Pengujian ini untuk menentukan model paling tepat digunakan antara Fixed Effet Model (FEM) dengan Random Effect Model (REM). Uji hausman memberikan penilaian dengan menggunakan Chi-Square Statistic dan nilai α 5% sehingga keputusan pemilihan model dapat ditentukan dengan tepat. Sebelum membandingkan Chi-Square Statistic dan terlebih dahulu dibuat hipotesisnya adalah sebagai berikut:
H0 : Model Random Effect H1 : Model Fixed Effect
Hasil pengolahan dengan uji hausman dapat dilihat pada tabel 4.5 sebagai berikut:
Tabel 4.4 Hasil Uji Hausman
Correlated Random Effects - Hausman Test Equation: Untitled
Test cross-section random effects Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 9.008821 4 0.0609
Berdasarkan hasil uji hausman pada tabel 4.5 diatas, didapatkan Chi-Square statistic sebesar 9.008821 dengan nilai probabilitas 0.0609. Dikarenakan nilai probabilitas Chi-Square statistic lebih besar dari nilai α 5% (0.0609 > 0.005) maka H0 diterima. Dapat disimpulkan bahwa model yang dapat digunakan untuk model penelitian adalah Random Effect Model (REM).
3. Hasil Uji Asumsi Klasik
a. Uji Normalitas
Untuk menguji apakah dalam model regresi variable pengganggu atau residual memiliki distribusi normal atau tidak dapat diketahui dengan membandingkan nilai Jarque-Bera dengan nilai Chi-tabel, maka data dalam penelitian berdistribusi normal (Winarno, 2011:5). Sebenarnya normalitas data dapat dilihat dari gambar histogram, namun seringkali polanya tidak mengikuti bentuk kurva normal, sehingga sulit disimpulkan. Lebih mudah bila melihat koefisien Jarue-Bera dan probabilitasnya. Kedua angka ini bersifat saling mendukung. Apabila nilai probabilitasnya lebih besar dari 5 %, maka data terdistribusi normal (Winarno, 2011:5). Adapun uji normalitas dapat dilihat pada grafik 4.1 sebagai berikut:
Grafik 4.1 Uji Normalitas 0 4 8 12 16 20 24 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4
Series: Standardized Residuals Sample 2010 2014 Observations 195 Mean -3.97e-16 Median -0.005399 Maximum 0.425662 Minimum -0.332740 Std. Dev. 0.152547 Skewness 0.395455 Kurtosis 3.079235 Jarque-Bera 5.133510 Probability 0.076784
Sumber: data diolah
Dilihat pada grafik 4.1 diperoleh nilai Jarque-Bera hitung sebesar 5.133510 dan nilai probabilitasnya sebesar 0.0776784, karena nilai probabilitas lebih besar dari tingkat signifikansi α = 5% (0.0776784 > 0.05). Maka dapat disimpulkan bahwa data dalam penelitian ini telah terdistribusi secara normal.
b. Uji Multikolinieritas
Multikolinieritas adalah kondisi adanya hubungan linier antar variable indpenden. Untuk meilihat ada atau tidak adanya multikolonieritas nilai correlation matrix dari semua variabel inpenden harus kurang dari 0.8. Berikut ini uji multikolinieritas dengan menggunakan correlation matrix:
Tabel 4.5
Hasil Uji Multikolinieritas
MBVE VDI DER CR
MBVE 1.000000 0.104329 0.077501 -0.081628 VDI 0.104329 1.000000 0.224558 -0.161399 DER 0.077501 0.224558 1.000000 0.011167 CR -0.081628 -0.161399 0.011167 1.000000 Sumber: data diolah
Dari tabel 4.7 dapat dilihat bahwa tidak ada masalah multikolinieritas. hal ini dikarenakan nilai korelasi matriks (correlation matrix) dari semua variable independen adalah kurang dari 0.8.
Multikolinieritas biasanya terjadi pada estimasi yang menggunakan data runtut waktu. Dengan mengkombinasikan data time series dengan data cross-section mengakibatkan masalah multikolinieritas secara teknis dapat dikurangi. Penelitian ini menggunakan data panel, yang mana secara teknis sudah dikatakan masalah multikolinieritas adalah sudah tidak ada.
c. Uji Heterkoskedastisitas
Untuk mendeteksi adanya heteroskedastisitas dalam penelitian salah satunya adalah menggunakan menggunakan cara dalam prosedur statistic dengan uji park. Uji park menggunakan ln(residu2) sebagai variable dependen. Berikut hasil uji heteroskedastisitas dengan uji park:
Tabel 4.6 Hasil Uji Park
Variable Coefficient Std. Error t-Statistic Prob. MBVE -0.005186 0.003992 -1.299240 0.1954
VDI 0.018336 0.072760 0.252004 0.8013 DER 0.005330 0.006643 0.802319 0.4234 CR -0.002859 0.003395 -0.841893 0.4009 C 0.020948 0.020183 1.037873 0.3006 Sumber: data diolah
Berdasarkan tabel 4.8 diatas, dari hasil tersebut dapat dilihat nilai probababilitas dari masing-masing variable independen lebih besar dari α = 5%. Hal ini mengindikasi bahwa data penelitian ini tidak mengandung heteroskedastisitas. Maka dapat disimpulkan bahwa data penelitian ini terbebas dari masalah heteroskedastisitas.
4. Random Effect Model (REM)
Model data panel yang digunakan dalam penelitian ini adalah dengan menggunakan model Random Effect Model (REM) dapat dijelaskan melalui persamaan sebagai beikut:
CAR = 0.180097 + 0.535607MBVE + 0.945009VDI – 0.014534DER + 0.102487CR
Dimana:
VDI : voluntary disclosure
DER : leverage
CR : likuiditas
5. Koefisien Determinasi (Adjusted R2)
Koefisien determinasi (adjusted R2) merupakan suatu ukuranyang penting dalam regresi. Hal ini karena koefisien determinasi (adjusted R2) dapat menginformasikan baim atau tidaknya model regresi yang di estimasi. Hal ini bertujuan untuk mengetahu seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Nilai adjusted R2 dikatakan baik jika nilainya diatas 0,5, hal ini karena nilai R2 berkisar antara 0-1.
Nilai adjusted R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas. Nilai adjusted R2 mendekati 1 berarti variabel-variabel indpenden memberikan
hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen. Hasil pengujian koefisien determinasi (adjusted R2) sebagai berikut:
Tabel 4.7 Hasil uji Adjusted R2
Adjusted R-Squared 0.828814 Sumber: data diolah
Berdasarkan tabel 4.11 didapatkan koefisien determinasi (adjusted R2)
sebesar 0.828814 atau 82.88%. Hal ini terlihat bahwa 82.88% kualitas laba dapat dijelaskan oleh variabel indpenden seperti nvestment opportunity set (IOS), voluntary disclosure, leverage, dan likuiditas. Sedangkan 17.12% di jelaskan oleh variabel diluar variabel independen yang digunakan, misalnya variabel ukuran perusahaan, struktur modal, pertumbuhan laba dan variabel lainnya (Dira dan Astika, 2014).
6. Hasil Uji Hipotesis
a. Uji-F-statistik
Untuk menguji apakah variabel independen berpengaruh secara bersama-sama terhadap vaeriabel dependennya, maka digunakan uji-f dengan cara membandigkan F-statistik dengan F-tabel.
Tabel 4.8 Uji F-Statistik F-statistic Prob(F-statistic)
235.8182 0.000000
Sumber: data diolah
Berdasarkan tabel 4.10 diatas, hasil regresi berganda dengan data panel menggunakan Random Effect Model (REM) diperoleh nilai F- statistik sebesar 235.8182 dengan nilai probabilitas sebesar 0.000000, pada tingkat keyakinan α = 5%, k = 4, n = 195, sehingga diperoleh F- tabel dengan nilai df yaitu (2.46). Maka dapat dilihat bahwa F-
statistik > F-tabel (1165.182 > 2.46) atau nilai probabilitas F-statistik lebih kecil dari tingkat signifikansi α = 5% (0.000000 < 0.05). Hal ini menunjukkan bahwa variabel investement opportunity set (IOS), voluntary disclosure, leverage, dan likuiditas berpengaruh secara simultan terhadap kualitas laba.
b. Uji t-statistik
Pengujian ini dilakukan untuk menguji apakah variable independen (investment opportunity set, voluntary dislclosure, leverage, dan likuiditas) berpengaruh secara parsial terhadap variable dependennya (kualitas laba) dan untuk mengetahui variable independen manakah yang paling dominan mempengaruhi variable dependen, yaitu dengan membandingkan masing-masing nilai t- statistik dari regresi dengan t-tabel dalam menolak atau menerima hipotesis. Pada tingkat keyakinan α = 5%, maka diperoleh t-tabel (4.9).
Tabel 4.9 Uji t- Statistik
Variable Coefficient t-Statistic Probability
MBVE 0.535607 30.51841 0.0000
VDI 0.945009 2.698329 0.0076
DER -0.014534 -0.885459 0.3770
CR 0.102487 3.381629 0.0009
C 0.180097 1.848578 0.0661
Tabel 4.9 merupakan hasil pengujian variable independen yaitu investment opportunity set, voluntary disclosure, levergae, dan likuiditas terhadap kualitas laba secara parsial. Dari tabel 4.9 diatas menunjukkan bahwa koefisien model regresi memiliki nilai konstanta sebesar 0.180097 dengan nilai t-statistic sebesar 1.848578 dan nilai probabilitas sebesar 0.0661. Konstanta sebesar 0.180097 menandakan bahwa jika variabel independen konstan maka nilai kualitas laba adalah sebesar 0.180097.
Variabel investment Opportunity Set (IOS) mempunya nilai koefisien sebesar 0.535607 yang menunjukkan bahwa jika investment opportunity set (IOS) meningkat 1 satuan maka akan meningkatkan kualitas laba sebesar 0.535607 satuan, dengan catatan variabel lain dianggap konstan. Variabel voluntary disclosure memiliki nilai koefisien sebesar 0.945009. Hal ini menunjukkan bahwa jika voluntary disclosure mengalami kenaikan 1 satuan maka akan meningkatkan kualitas laba sebesar 0.945009 satuan, dengan catatan variabel lain dianggap konstan. Variabel leverage memiliki nilai koefisien sebesar -0.014534. Hal ini menunjukkan bahwa jika
