METODE PENELITIAN
3.4 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah metode dokumenter, yaitu teknik pengambilan data dengan cara mengumpulkan, mencatat dan mengkaji data sekunder yang berupa laporan keuangan perusahaan manufaktur yang dipublikasikan oleh Bursa Efek Indonesia atau akses internet melalui www.bapepam.co.id dan www.jsx.co.id dan dilengkapi dengan informasi tambahan yang diperoleh dari Indonesian Capital Market Directory (ICMD), serta
48
dari berbagai buku pendukung dan sumber-sumber lainnya yang berhubungan dengan manajemen laba.
3.5
Metode Analisis Data
Tujuan dari penelitian ini ialah untuk menganalisis pengaruh antara variabel independen terhadap manajemen laba pada perusahaan.Metode yang digunakan untuk menguji hipotesis yaitu dengan regresi.Statistik deskriptif juga digunakan untuk memberikan gambaran atau deskripsi mengenai variabel variabel dalam penelitian ini. Selain itu, dilakukan pengujian kelayakan model regresi untuk menilai model regresi dalam penelitian ini. Berikut penjelasan terperinci mengenai metode analisis dalam penelitian ini.
3.5.1 Analisis Statistik Deskriptif
Statistik deskriptif digunakan untuk memberikan gambaran atau deskripsi variabel-variabel yang terdapat dalam penelitian ini.Uji deskriptif yang digunakan, antara lain rata-rata (mean), standar deviasi, maksimum dan minimum.Statistik deskriptif menyajikan ukuran-ukuran numerik yang sangat penting bagi data sampel, sehingga secara kontekstual dapat lebih mudah dimengerti oleh pembaca.
3.5.2 Analisis Regresi
Uji hipotesis dilakukan dengan analisis regresi.Regresi adalah alat analisis yang digunakan untuk mengukur seberapa jauh pengaruh variabel independen terhadap variabel dependen. Metodeanalisis data yang digunakan dalam penelitian
49
ini adalah analisis regresi berganda. Untuk menguji hipotesis dan untuk mendapatkan efek penggunaan digunakan dua buah model regresi sebagai berikut:
EM = β0+β1DTE + β2ACC +β3SIZE +β4LEV + β5GROWTH +
Model 1 diuji dengan menggunakan analisis regresi logistik dan Model 2 diuji dengan menggunakan analisis regresi linier berganda. Analisis Model 1Pada Model 1 dilakukan analisis pengujian model regresi logistik melalui beberapa tahapan. Tahapan-tahapan tersebut antara lain :
3.5.2.1 Uji Hosmer and Lemeshow’s Goodness of Fit Test
Regresi logistik merupakan regresi yang telah mengalami modifikasi, sehingga karakteristik yang ada juga tidak sama lagi dengan model regresi sederhana atau berganda. Penentuan signifikansi juga berbeda dengan regresi berganda, yaitu kesesuaian model (goodness of fit) dengan dilihat dari R2 ataupun F test. Penilaian model regresi logistik dilihat dengan pengujian Hosmer and Lemeshow’s Goodness of Fit Test. Pengujian ini dilakukan untuk melakukan penilaian mengenai model yang dihipotesiskan agar data empiris sesuai atau atau cocok dengan model. Hipotesis tersebut dapat dinyatakan sebagai berikut:
Ho = Model yang dihipotesiskan fit dengan data. H1 = Model yang dihipotesiskan tidak fit dengan data. Dasar pengambilan keputusan dapat dinyatakan sebagai berikut :
50
a. Jikaprobabilitas > 0,05 maka H0 diterima b. Jika probabilitas < 0,05 maka H0 ditolak
Jika nilai Hosmer and Lemeshow Goodness of Fit Test statistic sama dengan atau kurang dari Fit Test statistic sama dengan atau kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga model Goodness Fit tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistik Hosmer and Lemeshow Goodness of Fit Test lebih besar dari 0,05 maka hipotesis nol tidak dapat ditolak yang berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat dterima karena cocok dengan data observasinya (Sarwono, 2013).
3.5.2.2 Uji Kelayakan Keseluruhan Model
Menilaikeseluruhan model (overallmodelfit) dengan menggunakan Log Likehood value (nilai –2LL), yaitu dengan cara membandingkan antara nilai -2LL pada awal (block number = 0), model ini hanya memasukkan konstanta dengan nilai -2LL. Pada bagian selanjutnya yaitu Block Number = 1, model memasukkan konstanta dan variabel independent. Kesimpulannya bila nilai -2LL Block Number = 0 > dari pada nilai Block Number = 1, maka menunjukkan model regresi yang baik. Log likehood pada regresi logistik, mirip dengan pengertian “Sum of Square Error” pada model regresi, hal ini mengindikasikan penurunan nilai log likehood menunjukkan model yang semakin baik. 3.5.2.3 Uji Signifikansi Koefisien Regresi
51
Pengujian ini dilakukan untuk menguji seberapa jauh semua variabel bebas yang dimasukkan dalam model mampu mempengaruhi variabel terikat. Koefisien regresi ditentukan sebagai analisis pengujian hipotesis dengan beberapa kriteria, yaitu:
a. Tingkat signifikansi (α) yang digunakan sebesar 5%.
b. Kriteria penerimaan atau penolakan hipotesis didasarkan pada nilai value. Jika p-value lebih besar daripada (α) maka hipotesis ditolak
Sebelum melakukan pengujian menggunakan regresi logistik, perlu adanya pengujian terhadap data. Analisis ini menggunakan:
3.5.3 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen, maka uji jenis ini hanya digunakan untuk penelitian yang memiliki varibel independen lebih dari satu.Pada model regresi yang baik seharusnya antar variabel independen tidak terjadi korelasi. Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi dapat dilihat dari tolerance value atau variance inflation faktor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi. Model regresi yang bebas multikolinieritas mempunyai nilai tolerance di bawah 0,1 atau nilai VIF di atas 10.Ghozali (2007).
52
Koefisien determinasi digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat. Nilai koefisien determinasi adalah antara nol dan satu. Penelitian ini menggunakan nilai adj R2karena mampu mengatasi bias terhadap jumlah variabel bebas yang dimasukkan dalam model regresi. Nilai Adj R2yang kecil berarti kemampuan variabel-variabel bebas dalam menjelaskan variabel-variabel terikat sangat terbatas.Ghozali (2007).