BAB IV : HASIL DAN PEMBAHASAN
4.2 Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mendeskripsikan atau memberikan gambaran terhadap suatu data pada variabel-variabel yang digunakan. Pengukuran yang digunakan dalam analisis statistik deskriptif dalam penelitian ini menggunakan nilai minimum, maksimum, rata-rata (mean), dan standar deviasi. Dengan melakukan perhitungan statistik deskriptif, maka dapat diketahui gambaran tentang data menajemen laba sebagai variabel dependen disebut ML dan Good Corporate Governance dengan proksi kepemilikan manajerial disebut KM, proporsi dewan komisaris disebut PDK, ukuran dewan komisaris disebut UDK, dan komite audit disebut KA sebagai variabel independen.
Gambaran mengenai data tersebut dapat dilihat dalam tabel statistik deskriptif berikut ini :
Tabel 4.2
Hasil Uji Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
ML 92 .10 8.90 1.7543 1.74805
KM 92 .20 8.60 2.8772 2.04317
PDK 92 .30 4.00 1.3821 .70437
UDK 92 2.00 9.00 5.6304 1.87943
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
ML 92 .10 8.90 1.7543 1.74805 KM 92 .20 8.60 2.8772 2.04317 PDK 92 .30 4.00 1.3821 .70437 UDK 92 2.00 9.00 5.6304 1.87943 KA 92 .50 3.00 1.7770 .78242 Valid N (listwise) 92
Sumber: Data Sekunder diolah melalui SPSS 17
Berdasarkan Tabel 4.2 diatas, dapat dilihat bahwa variabel-variabel yang digunakan dalam penelitian ini mempunyai standar deviasi yang lebih kecil dari mean hal ini menunjukkan bahwa data yang digunakan lebih homogen.
Variabel manajemen laba (ML) menunjukkan nilai rata-rata sebesar 1,7543 dengan standar deviasi sebesar 1,74805. Sedangkan nilai minimum dari variabel ini sebesar 0,10 dan nilai maksimumnya adalah 8,90. Hal ini menunjukkan bahwa adanya peningkatan laba yang terjadi pada perusahaan dalam sampel penelitian ini. Artinya tindakan manajemen laba yang besar yang dilakukan perusahaan dalam melaporkan laba dengan memilih metode akuntansi yang dapat meningkatkan laba.
Variabel kepemilikan manajerial (KM) menunjukkan bahwa rata-rata perusahaan sampel pada periode penelitian memiliki kepemilikan manajerial sebanyak 287,72% dari jumlah saham yang beredar di perusahaan perbankan pada periode penelitian yang dimiliki oleh manajerial. Nilai maksimum kepemilikan manajerial menunjukkan bahwa ada perusahaan sampel dalam periode penelitian yang memiliki jumlah kepemilikan manajerial tertinggi 8,6%, sedangkan nilai minimum kepemilikan manajerial sebesar 0,2% yang menunjukkan bahwa adanya perusahaan perbankan dalam periode penelitian yang sahamnya tidak dimiliki oleh manajerial.
Pada variabel proporsi dewan komisaris (PDK) menunjukkan nilai minimum sebesar 0,30 dan nilai maksimum 4,00. Nilai rata-rata proporsi dewan komisaris adalah 1,3821 dan standar deviasi 0,70437. Hal ini menunjukkan bahwa nilai minimal proporsi dewan komisaris sebesar 0,3% dan nilai maksimal sebesar 4,0%. Rata-rata nilai proporsi dewan komisaris sebesar 138,21%. Ukuran dewan komisaris (UDK) nilai minimumnya sebesar 2,00 dan nilai maksimum sebesar 9,00. Nilai rata-rata ukuran dewan komisaris sebesar 5,6304 dan standar deviasi sebesar 1,87943. Sedangkan jumlah komite audit (KA) nilai minimumnya sebesar 0,50 dan nilai maksimumnya sebesar 3,00 dengan nilai rata-rata sebesar 1,7770 dan standar deviasi sebesar 0,78242.
4.3 Uji Asumsi Klasik 4.3.1 Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni
distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Dengan adanya tes normalitas maka hasil penelitian kita bisa digeneralisasikan pada populasi. Dalam pandangan statistik itu sifat dan karakteristik populasi adalah terdistribusi secara normal.
Dengan menggunakan alat bantu SPSS 17 uji normalitas dapat dilakukan dengan menggunakan uji one sample kolmogrov-smirnov test dengan kriteria pengujian sebagai berikut :
3. Asymp. Sig > 0,05, maka data berdistribusi normal 4. Asymp. Sig < 0,05, maka data tidak berdistribusi normal
Berdasarkan hasil pengujian normalitas dalam penelitian ini dapat terlihat pada tabel di bawah ini :
Tabel 4.3 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 92
Normal Parametersa,,b Mean .0000000
Std. Deviation 1.45199402 Most Extreme Differences Absolute .121
Positive .121
Negative -.063
Kolmogorov-Smirnov Z 1.163
Asymp. Sig. (2-tailed) .134
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data sekunder diolah melalui SPSS 17
Hasil uji Kolmogorov-Smirnov pada tabel 4.3 menunjukkan nilai Kolmogrov-Smirnov sebesar 1.163 dengan nilai probabilitas signifikan (Asymp. Sig) 0.134. karena nilai p atau Asymp. Sig > 0.05 maka dapat disimpulkan bahwa data residual
terdistribusi secara normal. Dengan kata lain, model regresi penelitian ini terdistribusi normal.
4.3.2 Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Autokorelasi dapat diketahui melalui uji Durbin-Watson (DW test). Berikut hasil pengujian autokorelasi yang disajikan di bawah ini :
Tabel 4.4 Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .557a .310 .278 1.48500 1.228
a. Predictors: (Constant), KA, PDK, KM, UDK b. Dependent Variable: ML
Sumber: Data sekunder diolah melalui SPSS 17
Berdasarkan hasil output pada tabel 4.4 didapat nilai DW sebesar 1,228, nilai ini akan dibandingkan dengan nilai tabel yang menggunakan nilai signifikansi sebesar 5% atau 0,05. Untuk jumlah data n = 92, maka nilai dL sebesar 1,5713 dan dU sebesar 1,7523. Karena nilai DW 1,228 < 1,7523 < 2,2477 maka dapat disimpulkan bahwa tidak terdapat autokorelasi pada penelitian ini.
4.3.3 Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas, yaitu adanya hubungan linear antar variabel independen dalam model regresi. Uji multikolinearitas diuji dengan melihat nilai tolerance serta nilai variance inflation factor (VIF). Dikatakan tidak terdapat multikolinearitas dalam model regresi jika tolerance > 0,1 atau VIF < 10. Hasil analisis dapat dilihat pada tabel di bawah ini :
Tabel 4.5
Hasil Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 3.950 1.038 3.807 .000 KM -.115 .085 -.135 -1.361 .177 .811 1.233 PDK .498 .251 .201 1.990 .050 .778 1.285 UDK -.389 .098 -.418 -3.954 .000 .711 1.407 KA -.206 .228 -.092 -.900 .371 .758 1.319 a. Dependent Variable: ML
Sumber: Data sekunder diolah melalui SPSS 17
Berdasarkan hasil uji pada tabel 4.5 terlihat bahwa menunjukkan semua nilai VIF dari semua variabel independen dalam penelitian ini mempunyai nilai VIF < 10. Maka dapat dikatakan berarti data terbebas dari multikolinearitas.
4.3.4 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu ke pengamatan yang lain. Jika variance dan residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Uji heteroskedastisitas dilakukan dengan melihat grafik scatter plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Dibawah ini merupakan hasil dari pengujian heteroskedastisitas pada gambar 4.1.
Gambar 4.1
Hasil Uji Heteroskedastisitas
Berdasarkan hasil dari scatter plot pada gambar 4.1 terlihat bahwa plot yang terbentuk tidak memiliki pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka nol (0) pada sumbu Y, maka dapat dikatakan tidak terjadi heteroskedastisitas.
4.4 Pengujian Hipotesis
4.4.1 Koefisien Determinasi (R2)
Koefisien determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Berikut adalah hasil perhitungan koefisien determinasi hipotesis.
Tabel 4.6
Hasil Koefisien Determinasi (R2) Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .557a .310 .278 1.48500
a. Predictors: (Constant), KA, PDK, KM, UDK b. Dependent Variable: ML
Sumber: Data sekunder diolah melalui SPSS 17
Pada koefisien determinasi model diperoleh nilai adjusted R square sebesar 0,278. Hal ini berarti bahwa 27,8% variasi manajemen laba dapat dijelaskan oleh kepemilikan manajerial, proporsi dewan komisaris, ukuran dewan komisaris, dan komite audit, sedangkan sisanya 72,2% dapat dijelaskan oleh faktor-faktor lain selain variabel independen tersebut.
4.4.2 Uji Parsial (Uji t)
Uji t digunakan untuk menunjukkan seberapa jauh pengaruh masing-masing variabel independen secara individu dalam menerangkan variasi variabel dependen. Pada uji t, nilai t hitung akan dibandingkan dengan nilai t tabel. Berikut hasil perhitungan uji t yang disajikan pada tabel 4.9 di bawah ini :
Tabel 4.7 Hasil Uji Parsial (Uji t)
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 3.950 1.038 3.807 .000 KM -.115 .085 -.135 -1.361 .177 PDK .498 .251 .201 1.990 .050 UDK -.389 .098 -.418 -3.954 .000 KA -.206 .228 -.092 -.900 .371 a. Dependent Variable: ML
Sumber: Data sekunder diolah melalui SPSS 17
Berdasarkan tabel 4.9 di atas maka dapat dijelaskan sebagai berikut :
1. Variabel kepemilikan manajerial berpengaruh negatif tidak signifikan terhadap manajemen laba. Hal ini menunjukkan bahwa nilai signifikansi sebesar 0,177 lebih besar dari 0,05. Dan nilai t hitung lebih kecil dari t tabel (-1,361 < 1,663).
2. Variabel proporsi dewan komisaris berpengaruh positif signifikan terhadap manajemen laba. Hal ini menunjukkan bahwa nilai signifikansi sebesar 0,050. Dan nilai t hitung lebih besar dari t tabel (1,990 > 1,663).
3. Variabel ukuran dewan komisaris berpengaruh negatif signifikan terhadap manajemen laba. Hal ini menunjukkan bahwa nilai signifikansi sebesar 0,00 lebih kecil dari 0,05. Dan nilai t hitung lebih kecil dari t tabel (-3.954 < 1,663).
4. Variabel komite audit berpengaruh negatif tidak signifikan terhadap manajemen laba. Hal ini menunjukkan bahwa nilai signifikansi sebesar 0,371 lebih besar dari 0,05. Dan nilai t hitung tersebut lebih kecil dari t tabel (-0,900 < 1,663).
4.4.3 Uji Simultan (Uji F)
Uji F menunjukkan apakah variabel independen yang dimasukkan dalam model mempunyai pengaruh terhadap variabel dependennya. Pengaruh seluruh variabel independen secara bersama-sama terhadap nilai variabel dependen. Berikut ini merupakan hasil perhitungan uji F yang disajikan pada tabel 4.10.
Tabel 4.8
Hasil Uji Simultan (Uji F) ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression 86.214 4 21.554 9.774 .000a
Residual 191.854 87 2.205
Total 278.068 91
a. Predictors: (Constant), KA, PDK, KM, UDK b. Dependent Variable: ML
Sumber: Data sekunder diolah melalui SPSS 17
Berdasarkan tabel 4.10 terlihat nilai F hitung 9,774 dengan probabilitas signifikansi yang menunjukkan nilai sebesar 0,00, itu berarti nilai probabilitas signifikansi < 0,05. Sedangkan hasil yang diperoleh dari f tabel dengan df1 = 4 dan df2 = 88 pada α = 0,05 adalah sebesar 2,480 yang berarti F hitung > F tabel (9,774 > 2,480) maka dapat disimpulkan bahwa variabel kepemilikan manajerial, proporsi dewan komisaris, ukuran dewan komisaris, dan komite audit secara simultan berpengaruh signifikan terhadap manajemenn laba.
