18 BAB III
METODE PENELITIAN 3.1. Jenis Penelitian
Jenis Penelitian ini adalah Penelitian Asosiatif yaitu penelitian yang bertujuan untuk mengetahui hubungan antara dua variabel atau lebih.
3.2. Populasi dan Sampel
Menurut Bahri (2019:52) Populasi merupakan seluruh jumlah sasaran pengamatan yang hendak diuji, dan sampel merupakan sebagian dari populasi yang di ambil melalui cara – cara tertentu yang juga memiliki karakteristik tertentu.
Populasi pada objek penelitian ini adalah semua perusahaan manufaktur sektor aneka industri yang terdaftar di Bursa Efek Indonesia periode 2017-2018.
Dalam penelitian ini sampel diambil menggunakan metode purposive sampling yaitu pengambilan sampel mengguakan kriteria-kriteria tertentu. Kriterianya yaitu:
1. Perusahaan yang mempublikasikan laporan keuangan tahunan secara lengkap tahun 2017-2018
2. Perusahaan yang memperoleh laba, dan tidak mengalami kerugian.
3.3. Jenis data dan Sumber data
Jenis data yang di gunakan pada penelitian ini adalah data sekunder. Data sekunder adalah data yang di peroleh seacra tidak langsung melalui media perantara, baik yang di publikasikan dan tidak di publikasikan. Data sekunder dalam penelitian ini berupa laporan tahunan masing-masing perusahaan yang terdaftar di BEI periode 2017-2018 yang di peroleh dari www.idx.co.id.
3.4. Teknik Perolehan Data
Teknik yang dilakukan dokumentasi , dokumen merupakan catatan peristiwa yang sudah berlalu. Dokumen bisa berbentuk tulisan, gambar, atau karya- karya monumental dari seorang. Dokumen yang berbentuk tulisan misalnya catatan harian, sejarah kehidupan (life histories), ceritera, biografi, peraturan,
19 kebijakan. Dokumen yang berbentuk gambar misalnya foto, gambar hidup, sketsa dan lain-lain. Dokumen yang berbentuk karya misalnya karya seni, yang dapat berupa gambar, patung, film dan lain-lain. Studi dokumen merupakan pelengkap dari penggunaan metode observasi dan wawancara. Teknik domentasi di penelitian ini melakukan pencatatan yang dibutuhkan sesuai dari laporan keuangan yang di dapatkan dari data sekunder.
3.5. Definisi Operasional dan Pengukuran Variabel
Variabel dalam penelitian ini terdiri dari dua variabel yaitu variabel dependen dan variabel independen. Berikut ini adalah definisi dan pengukuran masing – masing variabel dalam penelitian ini adalah sebagai berikut :
3.5.1. Variabel Independen :
Variabel independen merupakan tipe variavel yang mempengaruhi atau menjadi penyebab terjadinya perubahan pada variabel lain Bahri (2019:130).
Variabel independen pada penelitian ini ada tiga yaitu:
1. Likuiditas
Brigham & Houston (2010:134) menjelaskan bahwa untuk menilai likuiditas perusahaan terdapat beberapa rasio yang dapat digunakan sebagai alat untuk menganalisa dan menilai posisi likuiditas perusahaan.
Pada penelitian ini akan menggunakan satu rasio yaitu current ratio. Current Ratio, digunakan untuk mengukur kemampuan perusahaan memenuhi kewajibannya yang segera jatuh tempo. Formula perhitungan current ratio adalah sebagai berikut
𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑹𝒂𝒕𝒊𝒐 = 𝐚𝐬𝐞𝐭 𝐥𝐚𝐧𝐜𝐚𝐫
𝐮𝐭𝐚𝐧𝐠 𝐥𝐚𝐧𝐜𝐚𝐫× 𝟏𝟎𝟎%
2. Profitabilitas
Rasio Profitabilitas,Menunjukkan kemampuan perusahaan untuk menghasilkan laba pada tingkat penjualan, asset dan modal saham tertentu. Rasio yang digunakan pada penelitian ini yaitu Gross Profit margin.
20 Rasio ini menunjukan berapa persen keuntungan yang di peroleh dari penjualan produk. Dalam kondisi normal, Gross Profit Margin semestinya positif karena menunjukkan apakah perusahaan dapat menjual barang di atas harga pokok.
Jika negatif, itu berarti perusahaan mengalami kerugian.(Hantono 2018:12)
𝑮𝒓𝒐𝒔𝒔 𝑷𝒓𝒐𝒇𝒊𝒕 𝑴𝒂𝒓𝒈𝒊𝒏 = 𝐋𝐚𝐛𝐚 𝐤𝐨𝐭𝐨𝐫
𝑷𝒆𝒏𝒅𝒂𝒑𝒂𝒕𝒂𝒏 𝒑𝒆𝒏𝒋𝒖𝒂𝒍𝒂𝒏 3. Financial Leverage
Financial Leverage merupakan sumber pendanaan perusahaan yang berasal dari hutang. Leverage diproksikan dengan Debt to Equity Ratio (DER) yang mengukur perbandingan antara pendanaan dengan menggunakan liabilitas dan ekuitas. Skala pengukuran yang digunakan adalah skala rasio. Rumur DER adalah (Kasmir 2010 dalam Suryani 2017):
𝑫𝑬𝑹 = 𝑻𝒐𝒕𝒂𝒍 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒚 𝑻𝒐𝒕𝒂𝒍 𝑬𝒒𝒖𝒊𝒕𝒚 3.5.2. Variabel Dependent :
Variabel dependent (Terikat) adalah variabel yang keberadaannya dipengaruhi atau menjadi akibat,karena adanya variabel bebas. Variabel dependen adalah variabel yang dipengaruhi oleh variabel-variabel lainnya Bahri (2019:132) Variabel dependen pada penelitian ini adalah kualitas laba.
1. Kualitas laba
Kualitas laba dihitung selama satu periode dilihat dari awal dan sampai akhir periode. Sedangkan menurut konteks dalam riset akuntansi, pengukuran kualitas laba dititik beratkan pada manfaat bagi pengambilan keputusan bisnis para pemakai laporan keuangan.. Perusahaan-perusahaan yang digunakan adalah perusahaan yang memiliki nilai discretionary accrual positif dan negatif atau yang melakukan manajemen laba dengan menaikkan laba dan menurunkan laba.
Menurut Ananda dan Ningsih (2016) Adapun langkah-langkah perhitungan nilai
21 discretionary accrual dengan menggunakan model Jones (1991) yang dimodifikasi oleh Dechow et al.,(1995) dalam adalah sebagai berikut:
1. Untuk mencari nilai α1, α2 dan α3 dapat dilakukan dengan teknik regresi.
Regresi ini adalah untuk mendeteksi adanya DA (Discretionary Accrual) dan NDA (Non Discretionary Accrual).
2. Untuk menghitung discretionary accrual dilakukan dengan memasukkan nilai α1, α2 dan α3 yang diperoleh dari regresi. Perhitungan ini dilakukan untuk seluruh sampel perusahaan pada masing-masing periode.
3. Untuk perhitungan selanjutnya, nilai discretionary accrual yang digunakan adalah nilai absolut dari discretionary accrual. Dalam mencari discretionary accrual, harus dicari total akrual perusahaan terlebih dahulu dengan persamaan sebagai berikut:
TAit = NIit – OCFit
Keterangan :
TAit = Total Akrual perusahaan i pada tahun ke t (sekarang) NIit = Laba bersih perusahaan i pada tahun ke t (sekarang)
OCFit = Aliran kas dari aktivitas operasi perusahaan i pada tahun ke t (sekarang) Selanjutnya menghitung estimasi NDA (Non Discretionary Accrual) dengan model Jones (1991) yang diestimasi dengan persamaan regresi OLS (Ordinary Least Square) sebagai berikut:
TACit/Ait-1 = B1(1/Ait-1) + B2(REVit/Ait-1) + B3(PPEit/Ait-1)
Keterangan :
TACit =Total Accruals perusahaan i pada periode ke t (sekarang);
Ait-1 = Total aset perubahan i pada akhir tahun t-1 (sebelumnya);
REVit =Pendapatan perusahaan i tahun t Sekarang);
REVit-1 =Pendapatan perusahaan i tahun t-1 (sebelumnya);
PPEit =Jumlah aktiva tetap perusahaan i pada akhir tahun t (sekarang).
22 Penelitian ini menentukan nilai NDA (Non Discretionary Accrual) menggunakan model Jones yang dimodifikasi dengan formulasi:
NDAit = β1 (1/Ait -1) + β2 ((REVit/Ait -1) - (RECit/Ait -1)) + β3 (PPEit/Ait -1)
Keterangan :
NDAit = Non-discretionary accruals perusahaan i pada tahun t Sekarang);
Ait-1 = Total aset perubahan i pada akhir tahun t-1 (sebelumnya);
RECit = Piutang perusahaan i pada tahun t (sekarang);
RECit-1 = Piutang perusahaan i pada tahun t-1 (sebelumnya);
PPEit = Jumlah aktiva tetap perusahaan i pada akhir tahun t (sekarang).
Selanjutnya untuk menghitung DA(Discretionary Accrual) dapat dihitung sebagai berikut:
DAit = (TACit /Ait -1) – NDAit
Keterangan :
DAit = Discretionary Accruals perusahaan i dalam periode tahun t Sekarang);
TACit = Total Accruals perusahaan i pada periode ke t (sekarang);
Ait-1 =Total aset perubahan i pada akhir tahun t-1 (sebelumnya);
NDAit= Non-discretionary accruals perusahaan i pada tahun t Sekarang).
3.6. Teknik/Tahapan Analisis Data
Dalam melakukan analisis data dan uji hipotesis, peneliti menggunakan Microsoft Excel dengan melakukan tabulasi data dan program computer SPSS 24 for Windows dan Eviews 11.
3.6.1. Statistik Deskriptif
Statistik deskriptif memberikan sebuah gambaran atau deskripsi suatu data yang dapat dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness (kemencengan distribusi) (Ghozali, 2013: 19 dalam Ma Ruf 2018).
3.6.2. Metode Analisis Data panel
23 Dalam regresi data panel dikenal dengan tiga macam pendekatan menurut Gujarati (2009) dalam Setiawan B. (2017) yang terdiri dari pendekatan kuadrat terkecil (pooled least square), pendekatan tetap (Fixed effect), pendekatan acak (random effect)
Common Effect Model atau Pooled Least Square (PLS)
Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. Pada model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel.
Fixed Effect Model (FE)
Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel model Fixed Effects menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan, perbedaan intersep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif. Namun demikian slopnya sama antar perusahaan. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV).
Random Effect Model (RE)
Random Effect Model adalah model estimasi regresi panel dengan asumsi koefesien slope kontan dan intersep berbeda antara individu dan antar waktu (Random Effect). Dimasukannya variabel dummy di dalam Fixed Effect Model bertujuan untuk mewakili ketidaktahuan tentang model yang sebenarnya. Namun, ini juga membawa konsekuensi berkurangnya derajat kebebasan (degree of freedom) yang pada akhirnya mengurangi efesiensi parameter. Masalah ini bisa diatasi dengan menggunakan variabel gangguan (error terms) yang dikenal dengan metode Random Effect. Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu.
Menurut Hidayat.A (2014) terdapat beberapa metode estimasi dalam data panel : 1. Uji Chow
24 Chow test adalah pengujian untuk menentukan model apakah Common Effect (CE) ataukah Fixed Effect (FE) yang paling tepat digunakan dalam mengestimasi data panel.
Apabila Hasil:
H0: Common Effect Model atau pooled OLS (Prob > 0.05) H1: Fixed Effect Model (Prob < 0.05)
Jika hasilnya menyatakan menerima hipotesis nol maka model yang terbaik untuk digunakan adalah Common Effect Model. Akan tetapi, jika hasilnya menyatakan menolak hipotesis nol maka model terbaik yang di gunakan adalah Fixed Effect Model, dan pengujian akan lanjut ke pengujian Hausman
2. Uji Hausman
Hausman test adalah pengujian statistik untuk memilih apakah model Fixed Effect atau Random Effect yang paling tepat digunakan.
Apabila Hasil:
H0: Random Effect (Prob > 0.05) H1: Fixed Effect Model (Prob < 0.05)
Jika dari hasil Uji Hausman tersebut menyatakan menerima hipotesis nol maka model yang terbaik untuk digunakan adalah model Random Effect. Akan tetapi, jika hasilmya menyatakan menolak hipotesis nol maka model terbaik yang digunakan adalah model Fixed Effect.
3. Uji Largrange Multiplier
Uji Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah model Random Effect lebih baik daripada metode Common Effect (PLS) digunakan.
Apabila Hasil:
H0: Common Effect Model (Prob > 0.05) H1: Random Effect Model (Prob < 0.05)
25 Jika dari hasil Uji Largrange Multiplier tersebut menyatakan menerima hipotesis nol maka model yang terbaik untuk digunakan adalah model Common Effect. Akan tetapi, jika hasilnya menyatakan menolak hipotesis nol maka model terbaik yang digunakan adalah model Random Effect.
3.6.3. Uji Asumsi Klasik
Model regresi linier secara klasik dapat digunakan untuk membuat estimasi atau perkiraan, pengujian hipotesis dan ramalan internal nilai variabel tak bebas (dependen) dalam regresi berdasarkan asumsi-asumsi yang sering disebut asumsi klasik Ordinary Least Square Estimator (OLS) (Setiawan, 2017) :
1. Uji Multikolinieritas
Uji Multikolinieritas menurut Suliyanto (2011) dalam Setiawan (2017) bertujuan untuk menguji apakah dalam model regresi yang terbentuk ada korelasi yang tinggi atau sempurna di antara variable bebas. Jumlah Independen yang lebih dari satu variabel kemungkinan akan terjadi adanya korelasi yang cukup tinggi antar variabel independen Bahri (2019:168)
Multikolinieritas adalah hubungan liniear antar variabel independen di dalam regresi berganda. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.
2. Uji Normalitas
Uji normalitas merupakan uji distribusi data yang akan dianalisis, apakah penyebarannya di bawah kurva normal atau tidak. Distribusi normal adalah distribusi yang bentuknya seperti lonceng atau simetris Bahri (2019:162)
Syarat utama melakukan analisis diskriminan adalah data yang digunakan harus berdistribusi normal. Jika dari hasil pengujian ternyata data tidak berdistribusi normal, maka data tersebut harus dinormalkan terlebih dahulu. Ada tiga metode untuk mengubah data menjadi berdistribusi normal, yaitu transformation, trimming, dan winsorizing (Ghazali, 2001 dalam Purwanti 2010) 3. Uji Heteroskedastisitas
26 Heteroskedastisitas adalah varian residual yang tidak sama pada semua pengamatan di dalam model regresi. Regresi yang baik seharusnya tidak terjadi heteroskedastisitas Bahri (2019:180).
Menurut Ananda dan Ningsih (2016) Pengujian heterokedastisitas menggunakan Uji park melihat nilai probabilitas pada setiap variabel jika diatas 0,05 maka tidak terjadinya gejala heteroskedesitas.
4. Uji Autokorelasi
Autokorelasi merupakan korelasi antara anggota observasi yang disusun menurut waktu atau tempat. Model regresi yang baik adalah yang bebas dari autokorelasi Bahri (2019:174). Autokorelasi sering muncul pada data time series . Autokorelasi menurut Widarjono (2010) dalam Setiawan (2017) dapat diditeksi melalui metode Durbin-Waston (DW) dengan mengansumsikan bahwa variabel gangguannya hanya berhubungan dengan variabel gangguan periode sebelumnya (lag pertama) yang dikenal dengan model autoregresif tingkat pertama dan variabel independen tidak mengandung variable independen yang merupakan kelambanan dari variabel dependen.
3.6.4. Uji Hipotesis 1. Uji F
Uji statistic F merupakan uji simultan (Keseluruhan atau bersama-sama).
Uji simultan untuk menguji apakah variabel likuiditas, profitabilitas, dan leverage berpengaruh bersama - sama terhadap kualitas laba.
Uji F digunakan untuk mengetahui apakah semua variabel independen yang akan dimasukkan dalam model secara simultan mempunyai pengaruh pada variabel dependen. Nilai F dalam penelitian ini menggunakan tingkat signifikan sebesar 5%. Jika likuiditas,probabilitas, dan leverage (sig t) >α (0,05) maka H0 diterima, artinya tidak ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen, sedangkan jika likuiditas,probabilitas, dan leverage (sig t) <α (0,05) maka H0 ditolak, artinya ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen Bahri (2019:193)
2. Persamaan regresi data panel
27 Analisis regresi merupakan analisis yang menghubungkan antara dua variabel independen atau lebih dengan variabel dependen. Tujuan analisis regresi adalah untuk mengukur intensitas hubungan dua variabel atau lebih (Bahri, 2019:195). Regresi Data Panel adalah gabungan antara data cross section dan data time series, dimana unit cross section yang sama diukur pada waktu yang berbeda.
Maka dengan kata lain, data panel merupakan data dari beberapa individu sama yang diamati dalam kurun waktu tertentu (Dwiningsih. N, 2020)
Y=a + b1 X1 +b2 X2 +b3 X3 + e
Kualitas laba = Likuiditas + Profitabilitas + Leverage 3. Uji Koefisien Determinasi (R2)
Koefisien Determinasi (R2) mengukur kemampuan model dalam menerangkan variasi variabel independen terhadap variabel dependen atau dapat pula dikatakan sebagai proporsi pengaruh seluruh variabel independen terhadap variabel dependen Bahri (2019:192)
Menurut Ghozali (2006) dalam Setiawan (2017) menyatakan : ”Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variabel–variable independen. Nilai koefisien determinasi adalah antara nol dan satu”. Nilai R2 yang kecil berarti kemampuanvariabel–variabel independen dalam menjelaskan variasi variabel amat terbatas.
4. Uji T
Uji t digunakan untuk mengetahui seberapa jauh pengaruh satu variabel independen secara individual dalam menjelaskan variasi variabel dependen (Ghozali, 2009) (Ananda dan Ningsih,2016) Pengujian dilakukan dengan menggunakan significance level 0,05 (α=5%). Penerimaan atau penolakan hipotesis dilakukan dengan kriteria sebagai berikut:
1. Jika prob < 0.05 atau t hitung > t tabel maka variabel X secara individu (parsial) memiliki pengaruh yang signifikan terhadap variabel Y.
2. Jika prob > 0.05 atau t hitung < t tabel maka variabel X secara individu (parsial) tidak memiliki pengaruh yang signifikan terhadap Y.
28
