BAB IV HASIL PENELITIAN DAN PEMBAHASAN
1. Menilai Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and
Lemeshow’s Goodnes of Fit Test. Jika nilai statistik Hosmer and Lemeshow Goodness of fit lebih besar dari pada 0,05 maka hipotesis nol diterima dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model diterima karena sesuai dengan data observasinya (Ghozali, 2006). 2. Menilai Keseluruhan Model (Overall Model Fit)
Dalam menilai model fit dan keseluruhan model (overall model fit) dapat dilakukan dengan beberapa cara sebagai berikut:
a. Uji Model Fit (-2Log LikeHood)
Uji statistik model fit digunakan berdasarkan fungsi likelihood pada estimasi model regresi. Likelihood (L) dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. L ditranformasikan menjadi -2LogL untuk menguji hipotesis nol dan hipotesis alternatif. Penggunaan nilai untuk keseluruhan model terhadap data dilakukan dengan membandingkan nilai -2LogLikelihood awal (blok number = 0) dengan nilai -2Loglikelihood (blok number=1). Apabila terjadi penurunan, maka model tersebut menunjukan model regresi yang baik (Ghozali, 2006)
b. Coxand Snell’sR square & Negelkerke’s R Square
Cox dan Snell’s R Square merupakan ukuran yang mencoba meniru ukuran R square pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1 sehingga sulit diinterprestsikan. Untuk mendapatkan koefisien determinasi yang dapat diinterpretasikan seperti nilai pada multiple regression, maka digunakan Nagelkereke R square. Nagelkereke square merupakan modifikasi dari koefisien Cox and Snell R square untuk memastikan bahwa nilainya bervariasi dari 0 sampai 1. Hal ini dilakukan dengan cara membagi nilai Cox and Snell R square dengan nilai maksimumnya (Ghozali, 2006).
Uji Overall Clasification Table menghitung nilai estimasi yang benar (correct) dan salah (incorrect). Pada kolom merupakan dua nilai prediksi dari variabel dependen dalam hal ini melakukan perataan laba (1) dan tidak melakukan perataan laba (0), sedangkan pada baris menunjukkan menunjukkan nilai observasi sesungguhnya dari variabel dependen. Pada model sempurna, maka semua kasus akan berada pada diagonal dengan ketepatan peramalan 100% (Ghozali, 2006).
3. Pengujian Signifikansi Koefisien Regresi
Pengujian koefisien regresi dilakukan untuk menguji seberapa jauh semua variabel independen yang dimasukkan dalam model mempunyai pengaruh terhadap variabel dependen. Koefisien regresi logistik dapat ditentukan dengan menggunakan p-value (probability value).
a. Tingkat signifikansi (α) yang digunakan sebesar 5% (0,05).
b. Hipotesis nol dikatakan diterima apabila nilai probabilitas (Sig.) > tingkat signifikansi (α). Hal ini berarti, hipotesis alternatif ditolak atau hipotesis yang menyatakan variabel independen berpengaruh terhadap variabel dependen ditolak.
c. Hipotesis nol dikatakan ditolak apabila nilai probabilitas (Sig.) < tingkat signifikansi (α). Hal ini berarti hipotesis alternatif diterima atau hipotesis yang menyatakan variabel independen berpengaruh terhadap variabel dependen diterima. (Ghozali, 2006).
51
4.1 Hasil Penelitian
4.1.1 Deskripsi Objek Penelitian
Objek penelitian yang digunakan adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dengan periode pengamatan penelitian tahun 2009-2011. Perusahaan yang dijadikan sampel adalah perusahaan yang menerbitkan laporan keuangan berturut-turut selama periode pengamatan dan pemilihan sampel penelitian dilakukan dengan metode purposive sampling, sehingga sampel yang digunakan dalam penelitian ini merupakan representasi dari populasi sampel yang ada serta sesuai dengan tujuan dari penelitian. Berikut adalah daftar perusahaan yang dijadikan sampel pada penelitian ini:
Tabel 4.1 Sampel Penelitian
No. Kode Nama Perusahaan
1 ACES PT Ace Hardware Indonesia Tbk 2 AKRA PT AKR Corporindo Tbk
3 AMFG PT Asahimas Flat Glass Tbk 4 AMRT PT Sumber Alfaria Trijaya Tbk 5 ARNA PT Arwana Citramulia Tbk 6 ASGR PT Astra Graphia Tbk 7 ASII PT Astra Internasional Tbk 8 AUTO PT Astra Otopart Tbk 9 BATA PT Sepatu Bata Tbk 10 DLTA PT Delta Djakarta Tbk
11 DVLA PT Darya-Varia Laboratoria Tbk 12 FAST PT Fast Food Indonesia Tbk 13 FISH PT FKS Multi Argo Tbk 14 GGRM PT Gudang Garam Tbk 15 GJTL PT Gajah Tunggal Tbk
Sumber : Indonesia Stock Exchange
Data yang diperlukan dalam penelitian ini bersumber dari ringkasan laporan keuangan yang diterbitkan oleh Indonesia stock exchanges. Dari data-data yang telah dikumpulkan tersebut kemudian dilakuakan proses penyeleksian sampel sesuai dengan criteria yang telah ditetapkan sebelumnya. Berdasarkan proses peseleksian sampel tersebut diperoleh 39 perusahaan yang sesuai dengan criteria yang telah ditetapkan. Sehingga total observasi penelitian selama tiga tahun berjumlah 117 perusahaan.
No. Kode Nama Perusahaan
16 HMSP PT Hanjaya Mandala Sampoerna Tbk 17 INDF PT Indofood Sukses Makmur Tbk 18 INTA PT Intraco Penta Tbk
19 INTP PT Indocement Tunggal Perkasa Tbk 20 KAEF PT Kimia Farma Tbk
21 KLBF PT Kalbe Farma Tbk 22 LION PT Lion Metal Works Tbk 23 LTLS PT Lautan Luas Tbk 24 MAPI PT Mitra Adiperkasa Tbk 25 MLBI PT Multi Bintang Indonesia Tbk 26 MPPA PT Matahari Putra Prima Tbk 27 MRAT PT Mustika Ratu Tbk
28 SCCO PT Supreme Cable Manufacturing & Commerce Tbk 29 SMAR PT Sinar Mas Argo Resources & Technology Tbk 30 SMGR PT Semen Gresik Tbk
31 SMSM PT Selamat Sempurna Tbk 32 TBLA PT Tunas Baru Lampung Tbk 33 TBMS PT Tembaga Mulia Semanan Tbk 34 TCID PT Mandom Indonesia Tbk 35 TGKA PT Tigaraksa Satria Tbk
36 TLKM PT Telekomunikasi Indonesia Tbk 37 TSPC PT Tempo Scan Pacific Tbk 38 TURI PT Tunas Ridean Tbk 39 UNTR PT United Tractors Tbk
4.1.2 Analisis Statistik Deskriptif
Statistik deskriptif dilakukan untuk memberikan informasi mengenai variabel-variabel yang digunakan dalam penelitian untuk mempermudah pemahaman mengenai hasil penelitian yaitu berupa nilai mean, minimum, maksimum, dan standar deviasi. Pengukuran rata-rata (mean) merupakan cara yang digunakan untuk mengukur nilai rata-rata dari suatu distribusi data, sedangkan nilai minimum merupakan nilai yang paling rendah dari suatu distribusi data dan nilai maksimum merupakan nilai yang paling tinggi dari suatu distribusi data serta standar deviasi merupakan perbedaan nilai data yang diteliti dengan nilai rata-ratanya. Uji statistik deskriptif dilakukan terhadap data nilai perusahaan yang diproksikan dengan PBV, kebijakan deviden yang diproksikan dengan DPR dan reputasi auditor. Hasil selengkapnya mengenai uji statistik deskriptif dapat dilihat dalam Tabel 4.2, Tabel 4.3 dan Tabel 4.4 berikut:
Tabel 4.2 Deskriptif Statistik Variabel Nilai Perusahaan dan Kebijakan Deviden
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
PBV 117 .46 35.45 3.5176 4.76023
DPR 117 .10 203.73 39.2387 29.15211
Valid N (listwise) 117
Sumber: Data sekunder yang diolah
Berdasarkan Tabel 4.2 dapat diketahui hasil uji statistik deskriptif menunjukan variabel nilai perusahaan yang diproksikan dengan PBV mempunyai nilai rata-rata sebesar 3.5176 serta nilai maksimum sebesar 35.45, nilai PBV tertinggi tersebut dimiliki oleh PT. Multi Bintang Indonesia Tbk. pada tahun 2009
sedangkan nilai minimum PBV sebesar 0.46 dimiliki oleh PT. Tembaga Mulia Semanan Tbk. pada tahun yang sama yaitu tahun 2009. Sedangkan standar deviasi untuk PBV sebesar 4.76023, hal ini berarti terjadi perbedaan nilai PBV yang telah diteliti dengan rata-ratanya sebesar 4.76023. Nilai rata-rata PBV yang lebih dari satu yaitu 3.5176 menunjukan bahwa rata-rata perusahaan yang dijadikan sampel memiliki nilai pasar yang lebih tinggi dari pada nilai buku ekuitasnya.
Statistik deskriptif untuk variabel kebijakan dividen yang diproksikan dengan DPR memiliki nilai rata-rata 39.2387 hal ini menunjukan bahwa rata-rata dividen yang dibagikan oleh perusahaan adalah sebesar 39,24% dari laba yang dihasilkan perusahaan. Nilai maksimum DPR perusahaan sebesar 203.73. Nilai maksimum DPR tersebut dimiliki oleh PT. AKR Corporindo Tbk. pada tahun 2010. Nilai minimum DPR perusahaan sebesar 0.10, nilai minimum tersebut dimiliki oleh PT. Multi Bintang Indonesia Tbk. pada tahun 2010 dan 2011. Standar deviasi untuk variabel ini sebesar 29.15211, hal ini berarti terjadi perbedaan nilai DPR yang diteliti dengan rata-ratanya sebesar 29.15211.
Tabel 4.3 Deskriptif Statistik Variabel Reputasi Auditor
Sumber: Data Sekunder yang diolah
ReputasiAuditor
Frequency Percent Valid Percent Cumulative Percent
Valid KAP Non Big Four 39 33.3 33.3 33.3
KAP The Big Four 78 66.7 66.7 100.0
Variabel reputasi auditor dalam penelitian ini adalah variabel dummy. Perusahaan yang diaudit oleh auditor dari KAP yang bereputasi baik yaitu KAP yang termasuk The Big Four akan diberi nilai 1 dan perusahaan yang diaudit oleh KAP Non Big Four akan diberi nilai 0. Berdasarkan statistik deskriptif untuk variabel reputasi auditor pada Tabel 4.3 dapat diketahui bahwa frekuensi perusahaan yang menggunakan jasa KAP The Big Four sebanyak 78 perusahaan dengan presentase 66.7%. Sedangkan frekuensi perusahaan yang menggunakan jasa KAP Non Big Four sebanyak 39 perusahaan dengan presentase 33,3%. Sehingga dari pengujian deskriptif untuk variabel reputasi auditor ini dapat disimpulkan bahwa perusahaan manufaktur yang dijadikan sampel penelitian adalah perusahaan yang cenderung menggunakan jasa KAP The Big Four .
Tabel 4.4 Statistik Deskriptif Variabel Perataan Laba
Frequency Percent Valid Percent
Cumulative Percent
Valid Tidak Melakukan
Perataan Laba 56 47.9 47.9 47.9 Melakukan Perataan Laba 61 52.1 52.1 100.0 Total 117 100.0 100.0
Sumber: Data sekunder yang diolah
Berdasarkan statistik deskriptif untuk variabel dependen perataan laba pada Tabel 4.4 dapat diketahui bahwa dari total sampel penelitian sebanyak 117 sampel, frekuensi perusahaan yang melakukan perataan laba sebanyak 61
perusahaan dengan presentase 52.1%. Sedangkan frekuensi perusahaan yang tidak melakukan perataan laba sebanyak 56 perusahaan dengan presentase 47,9%. Sehingga dari pengujian deskriptif tersebut dapat disimpulkan bahwa perusahaan manufaktur yang listed di BEI tahun 2009-2011 banyak yang melakukan tindakan perataan laba, hal ini terbukti dari frekuensi perusahaan yang melakukan perataan laba lebih besar dari perusahaan yang tidak melakukan perataan laba.
4.1.3 Analisis Regresi Logistik
Pengujian model dan hipotesis pada penelitian ini dilakukan dengan menggunakan regresi logistik melalui program SPSS 16. Teknik analisis ini tidak memerlukan uji normalitas dan uji asumsi klasik pada variabel bebasnya. Model regresi logistik ini dianggap tepat untuk diterapkan pada penelitian ini karena variabel dependennya diukur dengan skala nominal sedangkan variabel dependennya diukur dengan skala rasio dan nominal.
Langkah-langkah yang dilakukan dalam analisis regresi logistik adalah menilai kelayakan model regresi (Hosmer and Lemeshow’s goodness of fit test), menilai keseluruhan model (overall model fit), dan uji signifikansi koefisien regresi. Langkah-langkah tersebut adalah sebagai berikut:
1. Menilai Kelayakan Model Regresi (Hosmer and Lemeshow’s goodness of fit
test).
Sebelum menggunakan regresi logistik, perlu dilakukan penelitian kelayakan model regresi terlebih dahulu. Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s goodness of fit test. Hosmer and
Lemeshow’s goodness of fit test digunakan untuk mengetahui apakah data empiris cocok atau sesuai dengan model (tidak ada perbedaaan antara model dengan data sehingga model dapat dikatakan fit). Jika nilai statistik Hosmer and Lemeshow’s
goodness of fit test lebih besar dari 0,05 maka model dapat diterima dan hal ini menunjukan bahwa model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena sesuai dengan data observasinya (tidak ada perbedaan nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati). Hasil pengujian Hosmer and Lemeshow’s goodness of fit test pada penelitian ini adalah sebagai berikut:
Tabel 4.5 Uji Hosmer and Lemeshow’s Goodness of Fit Test Hosmer and Lemeshow Test
Step Chi-square Df Sig.
1 8.910 8 .350
Sumber : Data sekunder yang diolah
Hasil pengujian pada Tabel 4.5 menunjukan nilai Chi Square sebesar 8.910, nilai Chi Square tersebut lebih kecil dari Chi Square tabel yaitu 15,507. Pengujian tersebut juga menunjukan nilai Sig. sebesar 0.350 lebih besar dari (
α)
0.05. Sehingga penelitian dengan regresi logistik ini layak dipakai untuk analisis selanjutnya, karena nilai sig. hosmer and lemeshow lebih besar dari (
α
) 0,05 danChi Square hitung lebih kecil dari Chi Square tabel mengindikasikan bahwa tidak adanya perbedaan antara klasifikasi yang diteliti dengan klasifikasi yang diamati dan model dapat diterima.
2. UjiKeseluruhan Model Fit (Overall Model Fit)