BAB IV Analisis dan Pembahasan
E. Pengujian dan Interpretasi Hasil Penelitian
1. Pengujian Hipotesis Penelitian
a) Hasil Pengujian Hipotesis 1
Hasil pengujian terhadap hipotesis satu yang menyatakan bahwa perusahaan yang melaksanakan IPO terindikasi melakukan kebijakan manajemen
laba dengan cara memainkan komponen-komponen accruals adalah sebagai berikut :
1. Uji Beda Discretionary Accruals
Pengukuran manajemen laba di dalam penelitian ini didasarkan pada nilai
Discretionary Accruals (DA). Dengan pendekatan tersebut manajemen laba terjadi jika DA > 0. Untuk menguji apakah nilai DA > 0 atau tidak, digunakan pendekatan stastistik parametrik (one sample t- test). Sebelumnya akan diuji normalitas model One sample t-test dengan One Sample Kolmogorov-Smirnov Test. Distribusi data dikatakan normal apabila nilai signifikansi Kolmogorov Smirnov > α= 0,05, sedangkan bila nilai signifikansinya < α= 0,05 distribusi data dikatakan tidak normal.
Pengujian normalitas tersebut terlihat pada tabel 4. 10 dengan hasil sebagai berikut :
Tabel 4. 10
Hasil One Sample Kolmogorov-Smirnov Test
Asymp. Sig(2-tailed) DA MIN 2 .846 DA MIN 1 .839 DA 0 .957 DA PLUS 1 .913 D APLUS 2 .371
Tabel uji normalitas di atas memperlihatkan bahwa data yang akan digunakan untuk pengujian One sample t-test terdistribusi secara normal. Oleh karena itu pengujian One sample t-test dapat dilanjutkan.
Hipotesis operasional :
H0 : Perusahaan yang terdaftar di Bursa Efek Indonesia tidak melakukan manajemen laba di sekitar IPO.
Ha : Perusahaan yang terdaftar di Bursa Efek Indonesia melakukan manajemen laba di sekitar IPO.
Kriteria pengujian :
Jika probabilitas (sig-t) < 0.05, maka H0 ditolak Jika probabilitas (sig-t) > 0.05, maka H0 diterima
Tabel 4. 11
Hasil One Sample T-test
Test Value = 0 95% Confidence Interval of the Difference t df Sig. (2-tailed) Mean Difference Lower Upper DAMIN2 55.535 29 .000 19.69929 18.9738 20.4248 DAMIN1 67.147 29 .000 20.43198 19.8096 21.0543 DA0 74.067 29 .000 21.14627 20.5623 21.7302 DAPLUS1 67.986 29 .000 21.15547 20.5190 21.7919 DAPLUS2 61.018 29 .000 21.02740 20.3226 21.7322
Hasil pengujian One sample t-test (Tabel 4. 11) Pada periode dua tahun sebelum IPO, menunjukkan nilai signifikansi sebesar 0,000. Nilai signifikansi itu lebih kecil dari α=0,05, sehingga kita menerima Ha1, Perusahaan yang terdaftar di BEI pada periode minus dua melakukan manajemen laba di sekitar IPO. Pada
periode tersebut 70 % positif perusahaan sampel yang memiliki nilai DA positif atau 21 perusahaan dari 30 perusahaan melakukan manajemen laba.
Pada periode satu tahun sebelum IPO menunjukkan nilai signifikansi sebesar 0,000. Nilai signifikansi itu lebih kecil dari α=0,05 sehingga kita menerima Ha2, Perusahaan yang terdaftar di BEI pada periode minus satu melakukan manajemen laba di sekitar IPO. Namun dilihat dari % positif perusahaan sampel perusahaan, pada periode tersebut hanya 56,6% perusahaan saja yang melakukan manajemen laba atau sekitar 17 perusahan.
Manajemen laba kembali dilakukan pada periode IPO yang ditunjukkan dengan nilai DA (Mean sebesar 21.1463 ). Pada periode ini 63,3 % sampel perusahaan mempunyai DA positif sebesar 19 perusahaan, dan nilai Pada periode nol (pada saat IPO) menunjukkan nilai signifikansi sebesar 0,000. Nilai signifikansi itu lebih kecil dari α=0,05 sehingga kita menerima Ha3, Perusahaan yang terdaftar di BEI pada periode nol melakukan manajemen laba di sekitar IPO.
Pada periode satu tahun sesudah IPO mempunyai Pada periode satu tahun sebelum IPO menunjukkan nilai signifikansi sebesar 0,000. Nilai signifikansi itu lebih kecil dari α=0,05 sehingga kita menerima Ha4, Perusahaan yang terdaftar di BEI pada periode plus satu melakukan manajemen laba di sekitar IPO. Tetapi pada periode tersebut hanya 56,6 % perusahaan saja yang melakukan manajemen laba, atau sekitar 17 perusahaan saja.
Pada periode dua tahun setelah IPO menunjukkan nilai signifikansi sebesar 0,000. Nilai signifikansi itu lebih kecil dari α=0,05 sehingga kita menerima Ha5, Perusahaan yang terdaftar di BEI pada periode plus dua melakukan
manajemen laba di sekitar IPO. Pada periode ini perusahaan yang memiliki % positif sebesar 43,3 % atau kurang dari sebagian perusahaan (13 perusahaan) kembali melakukan manajemen laba pada periode dua tahun setelah IPO.
Berdasarkan hasil pengujian tersebut dapat disimpulkan, bahwa perusahaan terbukti malakukan manajemen laba di sekitar IPO, hal ini didukung dengan hasil one sample t-test yang menunjukkan pada setiap periode mempunyai menunjukkan nilai signifikansi sebesar 0,000. Nilai signifikansi itu lebih kecil dari α=0,05 sehingga kita menolak (H0) dan menerima hipotesis alternatif (Ha) yang menyatakan bahwa perusahaan yang terdaftar di BEI melakukan manajemen laba di sekitar IPO dapat diterima.
b) Hasil Pengujian Hipotesis 2
Hasil pengujian terhadap hipotesis dua yang menyatakan bahwa terdapat perbadaan rata-rata kinerja operasi antara sebelum dan sesudah IPO pada perusahaan yang terdaftar di BEI adalah sebagai berikut :
1. Uji Beda kinerja Operasi
Sebelum dilakukan uji beda terlebih dahulu diuji normalitas distribusi data kinerja operasi variabel ∆ROA satu tahun sebelum IPO (∆ROA minus satu), dan ∆ROA satu tahun sesudah IPO (∆ROA plus satu. Uji normalitas ini untuk menentukan alat uji yang akan digunakan. Apabila hasil uji normalitas menunjukkan distribusi data yang tidak normal maka alat uji beda yang akan digunakan adalah nonparametrik dan sebaliknya jika distribusi datanya normal maka alat uji beda yang akan digunakan adalah parametrik. Pengujian normalitas tersebut terlihat pada tabel 4. 12 dengan hasil sebagai berikut :
Tabel 4.12
Hasil One Sample Kolmogorov-Smirnov Test
Asymp. Sig(2-tailed) ∆ROA MIN 1 .321
∆ROA PLUS 1 .220
Hasil uji normalitas di atas menunjukkan bahwa nilai signifikansi ∆ROA MIN 1 adalah 0,321 yang lebih besar dari α=0,05, artinya distribusi datanya normal. Sedangkan ∆ROA PLUS 1 menunjukan nilai signifikansi 0,220 yang lebih besar dari α=0,05, artinya distribusi datanya juga normal. Oleh karena itu uji beda yang akan dipakai pada penelitian ini adalah uji parametrik dengan
Paired Sample Test.
Hipotesis operasional :
H 0 : Tidak ada perbedaan rata-rata kinerja operasi (return on asset) yang terdaftar di BEI antara sebelum dan sesudah IPO.
H a : Ada perbedaan rata-rata kinerja operasi (return on asset) yang terdaftar di BEI antara sebelum dan sesudah IPO.
Kriteria pengujian :
Jika probabilitas (sig-t) < 0.05, maka H0 ditolak Jika probabilitas (sig-t) > 0.05, maka H0 diterima
Tabel 4. 13
Hasil Uji Beda Kinerja Operasi Sebelum dan Sesudah IPO
Mean N Correlation Sig ROA MINUS 1 ROA PLUS 1 -2.4731 -2.2564 30 30 .346 .061 ROA MIN 1 ROA PLUS 1 Paired Differences Mean -.21673
Std. Deviation 2.34846 Std. Error Mean .42877 95%Confidence Interval
Lower -1.09366 of the Differences Upper .6602
t -.505
df 29
Sig (2 tailed) .617
Hasil uji menggunakan α= 5% two tailed, dan data yang digunakan adalah time series satu tahun sebelum IPO dan satu tahun sesudah IPO, jumlah sample n = 30 periode pengamatan, menunjukkan nilai signifikan sebesar 0,617 yang nilainya lebih besar dari α= 0,05. Maka dapat disimpulkan hipotesis alternatif (H0) diterima dan hipotesis nol (Ha) ditolak, berarti tidak terdapat perbedaan rata-rata kinerja operasi (∆ROA) sebelum IPO dan kinerja operasi sesudah IPO, walaupun besarnya berbeda yaitu rata – rata kinerja operasi sebelum IPO sebesar – 2,4731, sedangkan rata- rata kinerja operasi (∆ROA) sesudah IPO sebesar – 2,2564.
Korelasi antara kedua variabel yaitu kinerja operasi (∆ROA) sebelum dan kinerja operasi (∆ROA) sesudah IPO yang menghasilkan angka 0,346 dan
nilai probabilitasnya p = 0,061. Hal ini menyatakan bahwa korelasi antara kinerja operasi sebelum IPO dan kinerja operasi sesudah IPO adalah memiliki keeratan lemah dan tidak berhubungan.
c) Hasil Pengujian Hipotesis 3
1. Uji Normalitas
Untuk menguji hipotesis ketiga ini digunakan analisis regresi berganda untuk melihat pengaruh manajemen laba terhadap kinerja operasi. Sebelum dilakukan regresi terlebih dahulu dilakukan uji normalitas menggunakan One Sample Kolmogorov-Smirnov test. Uji normalitas untuk model regresi berganda dilakukan terhadap masing variabel. Distribusi data dikatakan normal apabila nilai signifikansi Kolmogorov-Smirnov > α= 0,05, sedangkan bila nilai signifikansinya < α= 0,05 distribusi data dikatakan tidak normal.
Tabel 4. 14
Hasil One Sample Kolmogorov-Smirnov Test
Asymp. Sig(2-tailed)
∆ROA .220
DA .913
QUICK RATIO .642
SGRO .551
Hasil pengujian One Sample Kolmogorov-Smirnov Test menunjukkan masing-masing distribusi data yang akan digunakan dalam model regresi adalah berdistribusi normal karena tingkat signifikansinya > α= 0,05.
2. Uji Asumsi Klasik
i) Uji Multikolinearitas
Uji multikolinearitas dilakukan dengan melihat nilai Variance inflation Factor (VIF) tiap variabel independen. Apabila nilai VIF > 10, maka dapat disimpulkan telah terjadi multikolinearitas, sedangkan bila nilai VIF < 10, berarti tidak terjadi multikolinearitas dalam model tersebut.
Pengujian multikolinearitas pada model regresi tersebut terlihat pada tabel 4. 15 dengan hasil sebagai berikut :
Tabel 4. 15
Hasil Multikolinearitas
Colinearity Statistic
Tolerance VIF Kesimpulan DA .982 1.018 Tidak ada mulikolinearitas Quick Ratio .868 1.152 Tidak ada mulikolinearitas SGRO .871 1.148 Tidak ada mulikolinearitas
Tabel 4. 15 di atas menunjukkan bahwa nilai VIF untuk variabel
Discretionary accruals (DA) adalah 1.018 yang lebih kecil dari 10, sehingga dapat disimpulkan tidak terjadi multikolinearitas pada variabel ini. Nilai VIF untuk variabel Quick Ratio adalah 1.152 yang juga lebih kecil dari 10, sehingga dapat disimpulkan pada variabel Quick Ratio tidak terjadi multikolinearitas pada
variabel Quick Ratio ini. Untuk variabel Sales growth (SGRO) Nilai VIF adalah 1.148 sehingga dapat disimpulkan pada variabel Sales growth (SGRO) pun tidak terjadi multikolinearitas.
b) Uji Autokorelasi
Untuk mendeteksi autokorelasi dalam penelitian ini digunakan uji Durbin Watson (DW). Jika nilai DW mendekati atau berada di sekitar angka 2 maka model regresi tersebut bebas dari autokorelasi.
Pengujian autokorelasi pada model regresi tersebut terlihat pada tabel 4. 16 dengan hasil sebagai berikut :
Tabel 4.16
Hasil Durbin Watson
Durbin - Watson Kesimpulan 2.028 Tidak ada autokorelasi
Pada output tersebut diperoleh nilai Durbin watson 2,028. Langkah selanjutnya adalah melakukan uji menggunakan tabel batas bawah (dI) dan batas atas (du) untuk mengetahui daerah autokorelasi dari nilai Durbin Watson.
Hasil uji autokorelasi dengan Durbin Watson menunjukkan angka 2,028, dan batas bawah (dI) dan batas atas (du) dari tabel terlihat. Dengan jumlah variabel bebas (k) = 3, dengan jumlah sampel (n) = 30, maka dI = 1,21, dan du = 1,65. Berdasarkan uji di atas tampak bahwa nilai Durbin Watson hitung 2,028 terletak di daerah No autocorrelation sehingga dapat disimpulkan bahwa model regresi linier berganda terbebas dari asumsi klasik statistik autokorelasi.
c) Uji Heteroskedastisitas
Untuk mendeteksi gejala heteroskedastisitas pada model regresi dilihat pola gambar Scatterplot. Model regresi dikatakan bebas dari heteroskedastisitas
jika pola Scatterplot yang berupa titik-titik menyebar di atas dan di bawah atau di sekitar angka nol.
Tabel 4. 17
Hasil Scatterplot
-2 -1 0 1 2
Regression Standardized Predicted Value
-4 -2 0 2 4 R eg re ss io n S tu de nt iz ed R es id ua l
Dependent Variable: ROA Scatterplot
Pola titik-titik pada Scatterplot di atas menunjukkan pola yang menyebar di atas dan di bawah angka 0. Sehingga dapat disimpulkan bahwa model regresi bebas dari gejala heteroskedastisitas.
d) Uji Signifikansi
1. Goodness of Fit
Goodness of Fit digunakan untuk mengukur ketepatan fungsi regresi sampel dalam menaksir nilai aktual. Secara statistik Goodness of Fit dapat diukur dari nilai koefisien determinasi (R2). Nilai R2 pada intinya mengukur seberapa
jauh kemampuan model dalam menerangkan variasi variabel dependen (Ghozali, 2001).
Goodness of Fit pada model regresi tersebut terlihat pada tabel 4. 18 dengan hasil sebagai berikut :
Tabel 4. 18
Hasil Model Summary
Model Summary(b) Model R R Square Adjusted R Square Std. Error of the Estimate 1 .323(a) .105 .001 2.15442 a Predictors: (Constant), SGRO, DA, QUICKRATIO b Dependent Variable: ROA
Tabel 4. 18 di atas menunjukkan nilai adjusted Rsquare sebesar 0,001. artinya 0,1% Variabel dependen ∆ROA dijelaskan oleh variabel independen, DA,
Quick Ratio, SGRO, dan sisanya 99,9% (100%-0,1%) dijelaskan oleh variabel lain di luar variabel yang digunakan.
2. Uji F-test
Uji simultan dengan F test ini bertujuan untuk mengetahui pengaruh bersama-sama variabel independen terhadap variabel dependen.
Hipotesis operasional :
H0 : Data variabel DA, Quick Ratio, SGRO secara bersama-sama tidak berpengaruh terhadap kinerja operasi(∆ROA )
Ha : Data variabel DA, Quick Ratio, SGRO secara bersama-sama berpengaruh terhadap kinerja operasi(∆ROA )
Kriteria pengujian :
Jika probabilitas (sig-t) < 0.05, maka H0 ditolak Jika probabilitas (sig-t) > 0.05, maka H0 diterima atau
Jika F hitung > F tabel, maka H0 ditolak Jika F hitung < F tabel, maka H0 diterima
Tabel 4. 19
Hasil Anova
Mod el
Sum of
Squares df Mean Square F Sig. Regression 14.104 3 4.701 1.013 .403(a)
Residual 120.680 26 4.642 1
Total 134.784 29 a Predictors: (Constant), SGRO, DA, QUICKRATIO b Dependent Variable: ROA
Tabel 4. 19 di atas menunjukkan bahwa nilai signifikansi uji F adalah 0,403 nilai ini lebih besar dari α= 0,056, sedangkan nilai F hitung 1,013 lebih kecil dari F tabel 3,369. Hal ini berarti maka H0 diterima dan maka Ha ditolak. Sehingga dapat disimpulkan secara simultan variabel independen yeng terdiri dari DA, Quick Ratio, SGRO secara bersama-sama tidak berpengaruh terhadap kinerja operasi(∆ROA ).
3. Uji T-test
Uji T-Test ini bertujuan untuk mengetahui apakah variabel independen berpengaruh secara parsial atau sendiri-sendiri terhadap variabel dependen.
Hipotesis operasional :
H0 : Data variabel Discretionary accruals (DA), Quick ratio, dan SGRO secara sendiri-sendiri tidak berpengaruh terhadap kinerja operasi (∆ROA )
Ha : Data variabel Discretionary accruals (DA), Quick ratio, dan SGRO secara sendiri-sendiri berpengaruh terhadap kinerja operasi(∆ROA )
Kriteria pengujian :
Jika probabilitas (sig-t) < 0.05, maka H0 ditolak Jika probabilitas (sig-t) > 0.05, maka H0 diterima atau
Jika t hitung > t tabel, maka H0 ditolak Jika t hitung < t tabel, maka H0 diterima
Tabel 4. 20
Uji Signifikansi Individual
Coefficients(a) Unstandardized Coefficients Standardized Coefficients Model
B Std. Error Beta t Sig. (Constant) -4.125 5.081 -.812 .424 DA .098 .23 .077 .413 .683 1 Quick Ratio SGRO -6.72 -.244 .410 .308 -.327 -.157 -1.641 -.791 .113 .436 a Dependent Variable: ROA
Tabel 4. 20 di atas menunjukkan bahwa nilai signifikansi untuk variabel
Discretionary accruals (DA) adalah 0,424 nilai ini lebih besar dari α = 0,05, sedangkan untuk nilai t hitung 0,413 nilai ini lebih kecil dari t tabel 2,065. Hal ini berarti H0 diterima dan Ha ditolak sehingga dapat disimpulkan bahwa secara sendiri-sendiri variabel Discretionary accruals (DA) tidak berpengaruh terhadap variabel dependen yaitu kinerja operasi. Variabel Quick ratio memiliki nilai signifikansi 0,113 nilai ini lebih besar dari α = 0,05, sedangkan untuk nilai t hitung -1,641 nilai ini lebih besar dari t tabel -2,065. Artinya H0 kembali diterima dan Ha ditolak sehingga dapat disimpulkan bahwa secara sendiri-sendiri variabel Quick ratio pun tidak berpengaruh terhadap variabel dependen yaitu kinerja operasi. Variabel SGROmemiliki nilai signifikansi 0,436 nilai ini lebih besar dari α = 0,05, sedangkan untuk nilai t hitung –0,791 nilai ini lebih besar dari t tabel -2,065. Artinya H0 kembali diterima dan Ha ditolak sehingga dapat disimpulkan bahwa secara sendiri-sendiri variabel SGRO pun tidak berpengaruh terhadap variabel dependen yaitu kinerja operasi.
Persamaan pada model regresi adalah sebagai berikut : Y= - 4,125 + 0,098 X1 +0,672 X2 – 0,244 X3 + e Keterangan :
Y = Kinerja operasi
X1 = Discretionary accruals (DA) X2 = Quick Ratio
d) Hasil Pengujian Hipotesis 4
1. Uji Beda Pengukuran rendahnya return saham
Pengujian rendah tidaknya return saham perusahaan yang terdaftar di BEI setelah IPO digunakan pendekatan cummulative abnormal return (CAR). CAR tersebut merupakan penjumlahan dari abnormal return bulanan perusahaan dengan model pasar disesuaikan (adjusted market model) selama setahun di mulai dari bulan Mei sampai April. Hal ini dilakukan untuk menghindari dampak pengumuman laba (earning anouncement) yang diperkirakan terjadi pada bulan Maret dan April sebagaimana dikatakan oleh Ali. Et al(2000). Berdasarkan pendekatan tersebut return saham perusahaan dikatakan rendah apabila CAR < 0.
Untuk menguji apakah nilai CAR < 0 atau tidak, digunakan pendekatan stastistik parametrik (one sample t- tes)t. Sebelumnya akan diuji normalitas model
One sample t-test dengan One Sample Kolmogorov-Smirnov Test. Distribusi data dikatakan normal apabila nilai signifikansi Kolmogorov Smirnov > α= 0,05, sedangkan bila nilai signifikansinya < α= 0,05 distribusi data dikatakan tidak normal.
Pengujian normalitas tersebut terlihat pada tabel 4. 10 dengan hasil sebagai berikut :
Tabel 4. 21
Hasil One Sample Kolmogorov-Smirnov Test
Asymp. Sig(2-tailed)
Tabel uji normalitas di atas memperlihatkan bahwa data yang akan digunakan untuk pengujian One sample t-test terdistribusi secara normal. Oleh karena itu pengujian One sample t-test dapat dilanjutkan.
Hipotesis operasional :
H0 : Tidak terjadi return saham yang rendah setelah IPO pada perusahaan yang terdaftar di BEI
Ha : Terjadi Return saham yang rendah setelah IPO pada perusahaan yang terdaftar di BEI
Kriteria pengujian :
Jika probabilitas (sig-t) < 0.05, maka H0 ditolak Jika probabilitas (sig-t) > 0.05, maka H0 diterima
Tabel 4. 21
Hasil One Sample T-test
One-Sample Test -3,376 29 ,002 -,311 -,50 -,12 CUMMULATIVE ABNORMAL RETUR t df Sig. (2-tailed) Mean
Difference Lower Upper
95% Confidence Interval of the
Difference Test Value = 0
Hasil pengujian One Sample t-test di atas menunjukkan nilai signifikansi untuk Cummulative abnormal return satu tahun sesudah IPO adalah 0,002. Nilai signifikansi itu lebih kecil dari α= 0,05, kita menerima Ha : Terjadi Return saham
yang rendah setelah IPO pada perusahaan yang terdaftar di BEI, dengan mean -0,31 dan perusahaan yang memilki CAR positif hanya 23%. Dengan demikian hipotesis alternatif (Ha) diterima.