PROSEDUR PENGAMBILAN SAMPEL
2. Langkah Analisis Data
Analisis data dalam penelitian ini dilakukan dengan langkah-langkah sebagai berikut :
a. Menghitung kualitas akrual masing-masing
perusahaan
a. Menghitung CAC perusahaan i pada tahun t Data yang dibutuhkan yaitu :
a. Δ Aktiva lancar tahun t yaitu aktiva lancar tahun t dikurangi aktiva lancar tahun t-1.
b.Δ Kewajiban lancar tahun t yaitu kewajiban lancar tahun t
dikurangi kewajiban lancar tahun t-1.
c. Δ Kas tahun tyaitu kas tahun t dikurangi kas tahun t-1.
d.Δ Hutang lancar tahun t yaitu hutang lancar tahun t dikurangi
hutang lancar tahun t-1.
CAC dihitung dengan rumus :
CAC = Δ aktiva lancar – Δ kewajiban lancar – Δ kas +
b.Menghitung kualitas akrual perusahaan i pada tahun t dengan persamaan berikut
CACi,t = i0 + i1 CFi,t-1 + i2 CFi,t + i3 CFi,t+1 + i4Δ REVi,t + i5 PPEi,t + ei,t
Masing-masing variabel diskala dengan total aktiva awal tahun t. Kualitas akrual merupakan nilai absolute dari accrual estimation errors. Accrual estimation errors adalah nilai residu dari persamaan di atas (ei,t). Dengan kata lain, kualitas akrual merupakan nilai absolute dari ei,t.
b. Uji asumsi klasik
Menurut Ghozali (2005), teknik estimasi variabel dependen yang melandasi analisis regresi disebut Ordinary Least Square (OLS). Inti metode OLS ialah mengestimasi suatu garis regresi dengan cara meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap garis tersebut. Regresi dengan metode estimasi Ordinary Least Square
akan memberikan hasil yang Best Liniear Unbiased Estimator (BLUE) jika memenuhi semua asumsi klasik. Asumsi klasik yang digunakan dalam penelitian ini meliputi uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.
Uji normalitas data bertujuan untuk menguji variabel dependen dan independen mempunyai distribusi normal atau tidak (Ghozali, 2005). Dalam penelitian ini, uji normalitas data dilakukan dengan menggunakan model kolmogorov-smirnov. Cara mendeteksi normalitas ialah melalui pengamatan nilai residual Apabila nilai signifikansi lebih besar dari taraf signifikansi yaitu 0,05, maka data residual terdistribusi normal. Cara lain ialah dengan melihat distribusi dari variabel-variabel yang akan diteliti (Ghozali, 2005).
F. Uji Multikolinearitas
Multikolinearitas adalah suatu hubungan yang sempurna antara beberapa variabel independen dalam model regresi. Tujuan uji multikolinieritas ialah untuk menguji dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen) atau tidak (Ghozali, 2001). Uji ini dilakukan dengan melihat nilai
Variance Inflation Factor (VIF). Apabila nilai tolerance kurang dari 0,10 atau nilai VIF melebihi angka 10, maka disimpulkan telah terjadi multikolinearitas. Sedangkan jika nilai tolerance lebih dari 0,10 atau nilai VIF dibawah angka 10, maka disimpulkan tidak terjadi multikolinearitas.
G. Uji Autokorelasi
Autokorelasi adalah korelasi antara anggota serangkaian observasi yang terletak bederetan menurut waktu (seperti data time
series) atau korelasi antara tempat yang berdekatan (seperti data
cross sectional). Uji autokorelasi bertujuan untuk menguji dalam suatu model regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau tidak (Ghozali, 2001). Uji yang digunakan untuk mendeteksi adanya autokorelasi adalah uji Durbin-Watson. Untuk mendeteksi adanya autokorelasi dapat dilihat dari nilai Durbin-Watson dari hasil SPSS. Hipotesis yang akan diuji adalah
H0 : tidak ada autokorelasi Ha : ada autokorelasi
Pengambilan keputusan ada atau tidaknya autokorelasi (Santosa, 2001) ialah sebagai berikut :
a. Angka Durbin Watson di bawah -2 berarti ada autokorelasi positif
b. Angka Durbin Watson di antara -2 sampai +2 berarti tidak ada autokorelasi
c. Angka Durbin Watson di atas +2 berarti ada autokorelasi negatif
H. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan lain atau tidak (Ghozali, 2001). Jika variance dari residual satu pengamatan ke pengamatan lain tetap disebut homoskedastisitas. Jika tidak tetap disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak mengalami heteroskedastisitas (Ghozali, 2005).
Uji ini dilakukan dengan melihat grafik plot antara nilai prediksi variabel dependen (ZPRED) dengan residualnya (SRESID). Deteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara ZPRED dan SRESID. Sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual. Dasar analisa untuk menentukan ada atau tidaknya heteroskedastisitas (Ghozali, 2001) ialah sebagai berikut : E. Jika ada pola tertentu pada grafik scatterplot, seperti titik-titik
membentuk gelombang atau melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas
F. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka terjadi tidak heteroskedastisitas.
c. Pengujian hipotesis
Penelitian ini bertujuan untuk memperoleh bukti empiris pengaruh kepemilikan institusional, corporate governance perception index, dan
ukuran perusahaan terhadap kualitas akrual dengan nilai absolute current accruals sebagai variabel kontrol, maka persamaan yang akan diuji yaitu :
EST_ERR1,t = i0 + i1 IO1,t + i2 CGPI1,t + i3 SIZEi,t+
i4 ABS_ACCi,t + e1,t
Kemudian dilakukan analisis atas hasil regresi persamaan tersebut. Analisis yang dilakukan ialah sebagai berikut :
a. Analisis atas hasil uji koofisien determinasi
Koofisien determinasi (R2) merupakan ukuran kebaikan suai atau
goodness of fit. Dalam Gujarati (2003), besaran R2 atau koofisien determinasi adalah ukuran yang menyatakan proporsi variasi dalam variabel dependen yang dijelaskan oleh variabel yang menjelaskan (variabel independen). Nilai R2 terletak antara 0 dan 1. Nilai R2 dapat dilihat dalam tabel model summary di SPSS. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas. Sedangkan nilai R2 yang mendekati satu berarti variabel independent meberikan hamper semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Gujarati, 2003; Ghozali, 2005).
Pengujian ini dilakukan untuk menguji apakah variabel independen yang dimasukkan dalam model secara bersama-sama berpengaruh terhadap variabel dependen (Ghozali, 2005).
Hipotesis yang hendak diuji yaitu : H0 : b1 = b2 = …….. = bk = 0 Ha : b1 ≠ b2 ≠ ……...≠ bk ≠ 0
Pengujiannya adalah sebagai berikut
a). H0 diterima atau Ha ditolak apabila nilai signifikansi
Fhitung > 0,05. Ini menunjukkan bahwa variabel
independen secara bersama-sama tidak berpengaruh terhadap variabel dependen.
2.H0 ditolak atau Ha diterima apabila nilai signifikansi Fhitung
< 0,05. Ini menunjukkan bahwa variabel independen secara bersama-sama berpengaruh terhadap variabel dependen.
c. Analisis atas hasil uji signifikansi parameter individual (uji statistik t).
Pengujian ini dilakukan untuk mengetahui variabel bebas secara parsial atau individu mempunyai pengaruh terhadap variabel bebas lainnya atau tidak (Ghozali, 2005).
H0 : b1 = 0 Ha : b1 ≠ 0
Pengujiannya adalah sebagai berikut :
a. H0 diterima atau Ha ditolak apabila nilai signifikansi thitung > 0,05. Ini menunjukkan bahwa variabel independen secara parsial tidak berpengaruh terhadap variabel dependen.
b. H0 ditolak atau Ha diterima apabila nilai signifikansi
thitung < 0,05. Ini menunjukkan bahwa variabel
independen secara parsial berpengaruh terhadap variabel dependen.