Adapun teknik atau metode analisis data yang digunakan dalam penelitian ini adalah :
1) Analisis Statistik Deskriptif
Penelitian ini menggunakan Analisis statistik deskriptif dengan pendekatan kuantitatif. Sekaran dan Bougie (2016) mengatakan bahwa dalam proyek penelitian yang melibatkan beberapa variabel, tanpa mengetahui analissis statistik desktriptif dari variabel tersebut,
maka kita sering kali ingin tahu bagaimana hubungan satu variabel terkait dengan variabel lainnya. Artinya kita ingin melihat sifat, arah dan signifikansi hubungan antar variabel yang digunakan dalam penelitian (yaitu,hubungan antar dua variabel diantar variabel yang disentuh dalam penelitian). Dengan kata lain, analisis ini digunakan untuk mengetahui gambaran umum dari variabel-variabel penelitian yang digunakan Asset Growth, Liabilities Growth, Income Smoothing dan Earning Response.
2) Analisis Regresi Linear Berganda
Pengambilan keputusan sebagai berikut :
a) Signifikan < 0,05 maka H0 ditolak dan H2 diterima.
b) Jika nilai signifikan > 0,05 maka H0 maka Ha diterima dan ditolak Teknik analisis yang digunakan pada penelitian ini adalah teknik regresi linear berganda. Rekresi linear berganda adalah suatu alat analisis peramalan nilai pengaruh dua variabel bebas atau lebih terhadap variabel terikat untuk membuktikan ada atau tidaknya hubungan fungsi atau hubungan kausal antara dua variabel bebas atau lebih dengan satu variabel terikat (Riduwan 2015). Bentuk persamaan regresi linear berganda dengan tiga variabel bebas dapat dirumuskan sebagai berikut:
Y = α + X1 + X2+ X3 + e
Dimana :
Y = Earning response α = kostanta / intercept X1 = Asset growth X2 = Liabilities growth X3 = Income smoothing e = standar eror H. Uji Asumsi Klasik
penggunaan uji asumsi klasik digunakan sebelum dilakukan hipotesis, uji asumsi klasik yang digunakan dalam penelitian ini yaitu:
1. Uji Multikolinearitas
Menurut Ghozali (2016) pengujian multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antar variabel bebas (independen). Pengujian multikolinearitas adalah pengujian yang bertujuan untuk menguji apakah dalam model regresi ditemukan adanya kolerasi antara variabel independen atau tidak. Efek dari multikolinearitas ini adalah menyebabkan tingginya variabel sampel. Hal tersebut berarti standar error besar, akibatnya ketika kofisien diuji, t- hitung akan bernilai kecil dari t- tabel. Hal ini menunjukkan tidak adanya hubungan linear antara variabel dependen yang dipengaruhi dengan variabel dependen. Untuk menemukan ada atau tidaknya multikolinearitas dalam model regresi dapat diketahui dengan cara sebagai berikut:
a) Jika nilai koefisien koreksi (R2) > 0.80 Maka data tersebut terjadi multikolineritas.
b) Jika nilai koefisien koreklasi (R2) < 0.80 maka data tersebut tidak terjadi multikolineritas.
2. Uji Heteroskedastisitas
Menurut Ghozali (2016) uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. jika variance dari residual satu pengamatan kepengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastitas atau tidak terjadi heteroskedastisitas. Kebanyakan data cross section mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran (kecil, sedang, dan besar). Cara untuk mendeteksi ada atau tidaknya biasanya heteroskedastisti adalah dengan dilakukannya uji Glejser. Pedoman yang digunakan dalam pengambilsn keputusan adala sebagai berikut:
a) Jika nilai Sig antara variabel independen dengan absolut residual lebih besar dari 0,05 maka H0 diterima, artinya tidak ada masalah heteroskedastisitas.
b) Jika nilai Sig antara variabel indenden dengan absolut residual lebih kecil dari 0,05 maka H0 ditolak, artinya terjadi masalah heterokedastisitas.
3. Uji Normalitas
Menurut Santoso (2017) tujuan normalitas data adalah ingin mengetahui apakah disktribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng (bell shaped). Data yang baik adalah data yang mempunyai pola seperti distribusi norma, yakni distribusi data tersebut tidak menceng kekiri atau kanan. Sedangkan menurut Ghozali (2016) uji normalitas dilakukan untuk menguji apakah dalam model regresi variabel independen dan variabel dependen atau keduanya mempunyai distribusi normal atau tidak. Apabila variabel tidak berdistribusi normal maka hasil uji statistik akan mengalami penurunan. Uji normalitas menggunakan program eviews normalitas sebuah data dapat diketahui dengan membandingkan nilai Jarque-Bera (JB) dan nilai Chi Square tabel.
Pedoman yang digunakan dalam pengambilan keputusan adalah sebagai berikut:
a) Jika nilai Probability > 0,05 maka data berdistribusi normal b) Jika nilai Probability < 0,05 maka data berdistribusi tidak normal 4. Uji Autokolerasi
Menurut Ghozali (2016) autokolerasi muncul karena observasi yang berurutan sepanjang waktu berkaitan dengan satu sama lainnya.
Permasalahan ini muncul karena residual tidak bebas dari satu observasi keobservasi lainnya. Model regresi yang baik adalah model regresi yang bebas dari autokolerasi. Untuk menguji ada tidaknya
autokolerasi dalam penelitian ini menggunakan lagrange multiplier (LM Test) sebagai berikut:
a) Jika nilai probabilitas Obs*R-Square > 0,05 maka model terbebas dari masalah autokorelasi.
b) Jika nilai probabilitas Obs*R-Square < 0,05 maka model terdapat masalah autokolerasi.
I. Uji Hipotesis
1) Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerapkan variasi-variabel dependen. Nilai koefisien determinasi adalah antar nol dan satu ( 0 > R2 < 1 ). Nilai R2 yang mendekati satu variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2016).
2) Uji Simultan (Uji F)
simultan (Uji F) bertujuan untuk mengetahui ada atau tidaknya pengaruh simultan variabel-variabel independen terhadap variabel terikat.
Pengambilan keputusan dalam pengujian ini bisa dilaksanakan dengan menggunakan nilai probability value (p value) .Kriteria pengambilan keputusan dalam pengujian yang menggunakan p value atau F hitung menggunakan Ghozali (2016) adalah jika p value < 0,05 atau Fhitang ≥ F tabel maka Ha diterima, sebaliknya, jika p value ≥ 0,05 atau Ftabel maka Ha
ditolak. Secara sistematis, nilai F dapat juga dinyatakan dalam rumus :
R2 / (k – 1) F =
(1 – R2) / (n – k)
Berdasarkan rumus diatas dapat disimpulkan jika R2 = 0, maka F juga sama dengan nol. Semakin besar nilai R2, maka semakin besar pula nilai F. Namun demikian jika R2 =1, Maka F menjadi tak terhingga. Dengan kata lain pengujian F statistik sama dengan pengujian terhadap nilai R2 sama dengan nol.
3) Uji Signifikan Parameter Individual (Uji Statistik t)
Uji parsial (Uji t) bertujuan untuk mengetahui pengaruh setiap variabel independen terhadap variabel terikat. Kriteria pengambilan keputusan dalam pengujian ini menurut Ghozali (2016) adalah sebagai berikut:
a. Jika p value < 0,05 maka H0 ditolak.
b. Jika p value p value < 0,05 maka H0 diterima.
BAB IV