BAB III METODE PENELITIAN
4.1 Hasil Penelitian
4.1.2 Uji Prasyarat Analisis regresi
4.1.2.1 Hasil Uji Normalitas
Uji normalitas data dalam penelitian ini bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan bebas semuanya memiliki distribusi yang normal atau tidak (Ghozali, 2006). Dalam penelitian ini, untuk mengetahui normal atau tidaknya data dapat dilihat dari tabel Kolmogorov- Smirnov, grafik histogram, dan grafik normal probability plot. Jika distribusi data normal maka garis menggambarkan data sesungguhnya akan mengikuti garis diagonalnya, dan hasil uji Kolmogorov-Smirnov yang signifikan dengan taraf alfa > 0,05 menunjukkan variabel-variabel tersebut normal (Ghozali, 2006). Hasil Uji Kolmogorov-Smirnov Test dapat dilihat pada Tabel 4.5 berikut ini:
Tabel 4.5 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 72
Normal Parametersa Mean .0000000
Std. Deviation .07771578
Most Extreme Differences Absolute .062
Positive .062
Negative -.060
Kolmogorov-Smirnov Z .525
Asymp. Sig. (2-tailed) .946
a. Test distribution is Normal.
Sumber: Data sekunder yang diolah, 2009
Hasil uji normalitas dengan melihat Tabel Kolmogorov-Smirnov menunjukkan bahwa tingkat signifikansinya lebih dari 0,05 yaitu sebesar 0,525 maka dapat disimpulkan bahwa data dalam penelitian ini berdistribusi normal. Grafik normal probability plot juga menunjukkan bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal dan grafik histogram menunjukkan pola distribusi normal. Maka dapat disimpulkan bahwa data dalam penelitian ini berdistribusi normal.
Gambar 4.1. Grafik normal probability plot
4.1.3 Hasil Uji Asumsi Klasik
Untuk menghindari penyimpangan asumsi-asumsi klasik, perlu dilakukan uji asumsi klasik. Model asumsi klasik itu adalah:
4.1.3.1 Hasil Uji Gejala Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah ada korelasi antar variabel bebas (independen) dalam model regresi. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas (Ghozali, 2006). Untuk menguji adanya multikolinearitas dapat dilakukan dengan menganalisis korelasi antar variabel dan perhitungan nilai tolerance serta variance inflation factor (VIF) dari hasil analisis menggunakan program SPSS. Model regresi dikatakan bebas dari multikolinieitas apabila memiliki nilai tolerance > 0,1 dan lawan Varian Inflation Factor (VIF) < 10. Hasil Uji gejala multikolinearitas dapat dilihat pada Tabel 4.6 berikut ini:
Tabel 4.6 Uji Multikolinieritas
Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.095 .047 -2.036 .046 Asimetri Informasi .032 .091 .041 .351 .726 .965 1.037 Kepemilikan Institusional .028 .057 .056 .496 .621 .999 1.001 Leverage .114 .039 .342 2.967 .004 .966 1.036
Berdasarkan tabel dari Hasil SPPS 16.0 diketahui bahwa nilai Variance Inflation Factor (VIF) variabel asimetri informasi, kepemilikan institusional dan leverage adalah 1,037; 1,001; 1,036 dimana nilai tersebut adalah < 10, demikian juga dengan nilai tolerance masing-masing variabel adalah >0,1 yaitu 0,965; 0,999; 0,966. Dengan demikian bahwa antar variabel independen dalam regresi tidak mengandung multikolinearitas atau model regresi bebas dari multikolinearitas.
4.1.3.2 Hasil Uji Gejala Heteroskedastisitas
Jika ada pola tertentu seperti titik yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar, menyempit), maka mengidentifikasikan telah terjadi heteroskedasitisitas. Jika tidak ada pola yang jelas, titik-titik yang tidak teratur dan berada menyebar di atas dan di bawah angka 0 (nol) pada sumbu Y, maka mengidentifikasikan tidak terjadi heteroskedasitisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Hasil uji gejala heteroskedastisitas dapat dilihat pada Gambar 4.3 berikut ini:
Gambar 4.3 Grafik scatterplot
Dari grafik scatterplot yang diperoleh setelah data diolah melalui SPSS, dapat diketahui bahwa titik data menyebar secara acak serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi yang digunakan dalam penelitian ini. Mendeteksi gejala heteroskedastisitas dengan melihat grafik scatterplot masih mengandung kelemahan karena jumlah pengamatan mempengaruhi hasil ploting (Ghozali, 2006:107). Oleh sebab itu digunakan uji statistik yang lebih dapat menjamin keakuratan hasil, salah satunya adalah Uji Glejser. Hasil Uji Glejser dapat dilihat pada Tabel 4.7 berikut ini:
Tabel 4.7 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .060 .028 2.150 .035 Asimetri Informasi -.084 .054 -.184 -1.541 .128 Kepemilikan Institusional .039 .034 .133 1.132 .261 Leverage -.020 .023 -.103 -.863 .391
a. Dependent Variable: AbsUt
Sumber: Data sekunder yang diolah, 2009
Tabel 4.7 menunjukkan bahwa tidak ada satu pun variabel bebas (asimetri informasi, kepemilikan institusional dan leverage) yang signifikan secara statistik mempengaruhi variabel dependen nilai absolut Ut (AbsUt). Hasil ini terlihat dari probabilitas signifikansi masing-masing variabel bebas di atas tingkat kepercayaan 5%(0,05), sehingga dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas.
4.1.3.3 Hasil Uji Gejala Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penganggu pada periode t-1 (sebelumnya). Salah satu cara untuk mengetahui ada tidaknya autokorelasi pada model regresi adalah dengan melakukan Uji Durbin Watson (DW). Jika nilai D-W ada diantara nilai du dan 4-du maka dalam model regresi tidak ada autokorelasi diantara variabel bebas. Untuk menguji ada tidaknya autokorelasi dapat dilihat pada Tabel 4.8 berikut:
Tabel 4.8 Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics Durbin- Watson R Square Change F Change df1 df2 Sig. F Change 1 .356a .127 .088 .0794116 .127 3.292 3 68 .026 2.223
a. Predictors: (Constant), Leverage, Kepemilikan Institusional, Asimetri Informasi
b. Dependent Variable: Manajemen Laba
Sumber: Data sekunder yang diolah, 2009
Dari Tabel 4.8 diketahui nilai D-W adalah sebesar 2,223. Dengan jumlah observasi (n) sebanyak 72 dan variabel bebas (k) sebanyak 3 variabel, maka pada tabel D-W akan diperoleh nilai batas atas (du) 1,703 dan batas
bawah (dl) 1,525. Berdasarkan tabel hasil pengujian gejala autokorelasi
diperoleh nilai D-W hitung 2,223. Karena dihasilkan du<D-W hitung< 4-du atau 1,703<2,223<2,297 maka dapat disimpulkan tidak terjadi autokorelasi pada model regresi yang digunakan.
4.1.4 Hasil Uji Hipotesis
4.1.4.1 Uji Parsial (Uji t)
Uji Parsial (Uji t) digunakan untuk mengetahui kemaknaan koefisiensi regresi parsial masing-masing variabel bebas dengan pengambilan keputusan berdasarkan signifikansi t. Uji t statistik dilakukan dengan membandingkan nilai thitung dengan ttabel dengan taraf signifikansi 5 %. Hasil ttabel untuk taraf
kepercayaan α = 2,5% (5%/2) adalah sebesar 1,996. Hasil Uji parsial (Uji t) dapat dilihat dalam Tabel 4.9 berikut ini:
Tabel 4.9 Uji Parsial (Uji t)
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -.095 .047 -2.036 .046 Asimetri Informasi .032 .091 .041 .351 .726 Kepemilikan Institusional .028 .057 .056 .496 .621 Leverage .114 .039 .342 2.967 .004
a. Dependent Variable: Manajemen Laba Sumber: Data sekunder yang diolah, 2009
Hasil pengujian menunjukkan sebagai berikut:
a. Hipotesis yang pertama menyatakan bahwa asimetri informasi berpengaruh positif terhadap manajemen laba. Dalam pembuktiannya variabel asimetri informasi (X1) memiliki t hitung sebesar 0,351 dan t
tabel sebesar 1,996. Dengan demikian tampak bahwa t hitung < t tabel, dan karena nilai t dinyatakan dalam tanda positif maka dapat dikatakan variabel asimetri informasi (X1) berpengaruh positif terhadap
manajemen laba. Taraf signifikansi asimetri informasi melebihi 0,05 (5%) yaitu sebesar 0,726 (72,6%). Hal ini menunjukkan bahwa asimetri informasi berpengaruh positif tapi tidak signifikan terhadap manajemen laba. Maka Ho diterima dan Ha ditolak. Dengan demikian hipotesis yang menunjukkan ada pengaruh positif antara asimetri
informasi terhadap manajemen laba tidak terbukti secara statistik. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Asriningpuri (2007) yang menemukan bahwa asimetri informasi tidak berpengaruh terhadap manajemen laba karena variabel bebas yang digunakan hanya bisa menerangkan sebagian kecil.
b. Hipotesis yang kedua menyatakan bahwa konsentrasi kepemilikan institusional berpengaruh positif terhadap manajemen laba. Dalam pembuktiannya variabel konsentrasi kepemilikan institusional (X2)
memiliki thitung sebesar 0,496 dan ttabel sebesar 1,996. Dengan demikian
tampak bahwa thitung < ttabel, dan karena nilai t dinyatakan dalam tanda
positif maka dapat dikatakan variabel konsentrasi kepemilikan institusional (X2) berpengaruh positif terhadap manajemen laba. Nilai
signifikansi variabel konsentrasi kepemilikan institusional sebesar 0,621 (62,1%) berada jauh diatas taraf signifikansi 0,05 (5 %). Hal ini menunjukkan bahwa konsentrasi kepemilikan institusional berpengaruh secara positif tidak signifikan terhadap manajemen laba. Maka Ho diterima dan Ha ditolak. Dengan demikian hipotesis yang menunjukkan ada pengaruh positif antara konsentrasi kepemilikan institusional terhadap manajemen laba tidak terbukti secara statistik. Hasil temuan ini mendukung pernyataan Veronica dan Bachtiar (2004), Nuswantara (2004), Boediono (2005), Ujiyantho dan Pramuka (2007), yang menemukan bahwa kepemilikan institusional tidak berpengaruh secara signifikan terhadap manajemen laba.
c. Hipotesis yang ketiga menyatakan bahwa leverage berpengaruh positif terhadap manajemen laba. Dalam pembuktiannya variabel leverage (X3) memiliki thitung sebesar 2,967 dan ttabel sebesar 1,996. Dengan
demikian tampak bahwa thitung > ttabel, dan karena nilai t dinyatakan
dalam tanda positif maka dapat dikatakan leverage (X3) berpengaruh
positif terhadap manajemen laba. Nilai signifikansi variabel leverage sebesar 0,004 (0,4%) berada jauh dibawah taraf signifikansi 0,05 (5 %). Hal ini menunjukkan bahwa leverage berpengaruh secara positif dan signifikan terhadap manajemen laba. Maka Ha diterima dan Ho ditolak. Dengan demikian hipotesis yang menunjukkan ada pengaruh secara positif antara leverage terhadap manajemen laba terbukti secara statistik. Hasil penelitian ini ini sejalan dengan hasil penelitian yang dilakukan oleh widyaningdyah (2001), Halim, dkk (2005), dan Tarjo (2008) yang menunjukkan bahwa leverage berpengaruh positif signifikan terhadap manajemen laba.
4.1.4.2 Uji Simultan (Uji F)
Uji statistik F pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen menerangkan variabel dependen secara bersama- sama. Pengujian dilakukan dengan menggunakan significance level 0,05 (α=5%). Uji F dalam penelitian ini digunakan untuk melihat pengaruh asimetri informasi, konsentrasi kepemilikan institusional, dan leverage, dan asimetri informasi terhadap manajemen laba di Bursa Efek Indonesia.
Berdasarkan pengujian dengan SPSS 16 diperoleh hasil Uji ANOVA pada tabel 4.10 berikut ini:
Tabel 4.10 Hasil Uji Simultan (Uji F)
Sumber: Data sekunder yang diolah, 2009
Hasil pengujian yang dilakukan dengan menggunakan SPSS 16 menunjukkan Fhitung sebesar 3,292 dengan signifikansi sebesar 0,026. Harga
Ftabel dengan df (derajat kebebasan) pembilang 3 dan df penyebut 68, a = 5 %
adalah 2,76. Dari hasil perhitungan menunjukkan bahwa Fhitung > Ftabel yaitu
3,292 > 2,76 dan taraf signifikansi 0,026 lebih kecil dari 0,05. Maka Ha diterima dan Ho ditolak. Dengan demikian hipotesis (H4) yang menunjukkan
ada pengaruh secara positif dan simultan antara asimetri informasi, konsentrasi kepemilikan institusional, dan leverage terhadap manajemen laba terbukti secara statistik.
Secara simultan, asimetri informasi, konsentrasi kepemilikan institusional, dan leverage berpengaruh secara positif dan signifikan terhadap manajemen laba, tetapi kemampuan keseluruhan variabel dalam mempengaruhi besarnya manajemen laba hanyalah sebesar 8,8% yang berarti 91,2% manajemen laba dipengaruhi oleh variabel lain yang tidak diteliti.
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression .062 3 .021 3.292 .026a
Residual .429 68 .006
Total .491 71
a. Predictors: (Constant), Leverage, Kepemilikan Institusional, Asimetri Informasi b. Dependent Variable: Manajemen Laba
4.1.4.3 Koefisien Determinasi (R2)
Koefisien determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat (dependen). Nilai koefisien determinasi berada di antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel–variabel bebas (independen) dalam menjelaskan variabel terikat (dependen) amat terbatas. Nilai yang mendekati satu berarti variabel-varibel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Namun terdapat kelemahan mendasar penggunaan koefisien determinasi yaitu bias terhadap jumlah variabel independen yang dimasukkan kedalam model, sehingga untuk mengevaluasi model regresi terbaik digunakan nilai Adjusted R2 (Ghozali, 2006:83). Hasil pengujian dengan menggunakan SPSS 16.0 diperoleh hasil seperti pada Tabel 4.11 berikut ini:
Tabel 4.11 Uji Koefisien Determinasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .356a .127 .088 .0794116
a. Predictors: (Constant), Leverage, Kepemilikan Institusional, Asimetri Informasi
b. Dependent Variable: Manajemen Laba Sumber: Data sekunder yang diolah, 2009
Pada Tabel 4.11 diperoleh nilai koefisien determinasi Adjusted R Square sebesar 0,088 atau 8,8%. Hasil ini berarti bahwa ada kontribusi sebesar 8,8% dari variabel independen (asimetri informasi, konsentrasi kepemilikan
institusional, dan leverage) secara simultan untuk menjelaskan variasi perubahan variabel dependen (manajemen laba). Selebihnya sebesar 91,2% dijelaskan oleh variabel lain di luar variabel yang diteliti.
4.1.4.4Model Regresi yang Terbentuk
Dalam penelitian ini dilakukan analisis regresi untuk mengetahui ada tidaknya pengaruh antara variabel bebas terhadap variabel terikat. Untuk mengetahui pengaruh asimetri informasi, konsentrasi kepemilikan institusional, dan leverage terhadap manajemen laba (earnings management) digunakan model regresi linier berganda yang diolah dengan SPSS. Dari analisis regresi dengan mengggunakan program SPSS 16 diperoleh hasil sebagai berikut :
Tabel 4.12 Regresi Linier Berganda
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -.095 .047 -2.036 .046 Asimetri Informasi .032 .091 .041 .351 .726 Kepemilikan Institusional .028 .057 .056 .496 .621 Leverage .114 .039 .342 2.967 .004
a. Dependent Variable: Manajemen Laba Sumber: Data sekunder yang diolah, 2009
Berdasarkan Tabel 4.12, persamaan regresi yang dapat disusun adalah:
Dari hasil persamaan regresi linier berganda dapat dijelaskan sebagai berikut:
a. Konstanta (β0) sebesar -0,095 artinya apabila semua variabel bebas (asimetri
informasi, kepemilikan institusional dan leverage) dianggap konstan (bernilai 0), maka manajemen laba perusahaan (Y) akan sebesar -0,095.
b. Koefisien regresi asimetri informasi (X1) sebesar 0,032 artinya apabila
asimetri informasi mengalami kenaikan sebesar 1% sedangkan variabel lainnya (kepemilikan institusional dan leverage) dianggap konstan maka manajemen laba akan mengalami kenaikan sebesar 0,032%.
c. Koefisien regresi kepemilikan institusional (X2) sebesar 0,028 artinya apabila
kepemilikan institusional mengalami kenaikan sebesar 1% sedangkan variabel lainnya (asimetri informasi dan leverage) dianggap konstan maka manajemen laba akan mengalami kenaikan sebesar 0,028%.
d. Koefisien regresi leverage (X3) sebesar 0,114 artinya apabila leverage
mengalami kenaikan sebesar 1% sedangkan variabel lainnya (asimetri informasi dan kepemilikan institusional) dianggap konstan maka manajemen laba akan mengalami kenaikan sebesar 0,114%.