30 3.1 Jenis Penelitian
Pada penelitian ini yang digunakan ialah penelitian kuantitatif asosiatif yaitu peneliti menanyakan hubungan atau pengaruh antar satu variabel dengan variabel yang lain. Menguji hipotesis menggunakan data statistik yang menjelaskan antara variabel yaitu struktur modal, pertumbuhan modal dan , investment opportunity Set (IOS) terhadap kualitas laba yang terdaftar di Bursa Efek Indonesia tahun 2017 - 2019 melalui website www.idx.co.id, dan website resmi perusahaan.
3.2 Populasi dan Sampel Penelitian
Populasi yang digunakan dalam penelitian seluruh entitas yang di perusahaan manufaktur sektor makanan dan minuman yang terdaftar di Bursa Efek Indonesia (BEI) yang telah mempublikasikan laporan keuangannya pada tahun 2017 sampai tahun 2019.
Teknik pengambilan sampelnya dalam penelitian ini menggunakan purposive sampling dimana didasarkan adanya kriteria tertentu, untuk itu ditetapkan beberapa sampel berdasarkan kriteria yang dibutuhkan di penelitian ini.
Kriteria sampel yang digunakan dalam penelitian ini adalah :
1. Perusahan Makanan dan Minuman yang terdaftar di Bursa Efek Indonesia Pada tahun 2017-2019
2. Perusahaan Makanan dan Minuman yang terdaftar di Bursa Efek Indonesia
3. yang sudah menerbitkan laporan tahunan atau annual report secara berturut- turut selama periode 2017-2019
4. Perusahan Makanan dan Minuman yang memiliki kelengkapan data untuk mendukung perhitungan dan pengukuran variabel- variabel penelitian seperti struktur modal, pertumbuhan laba,kualitas laba dan ios pada laporan keuangan pada tahun 2017-2019
3.3 Definisi Operasional Dan Pengukuran Variabel 3.3.1 Variabel Dependen
a. Kualitas Laba
Dalam penelitian ini variabel dependen, yaitu sebuah variable dimana faktornya dipengaruhi oleh variabel bebas. Laba yang berkualitas yang melaporkan keuangan secara fakta dan sesungguhnya terjadi.
Perhitungan ini menilai kesehatan laporan keuangan perusahaan.
Variabel dependen dalam penelitian ini yaitu kualitas laba. Dimana nantinya penelitian ini diukur menggunakan discretionary accual yang dihitung dengan menggunakan model jones yang di modifikasi (1976) a.) Mengukur total accrual
TACCit = EBXTit – OCFit Keterangan :
TACCit = Total accrual perusahaan i pada periode –t EBXTit = Laba bersih perusahaan i pada periode –t
OCFit = Arus Kas dari aktivitas operasi perusahaan i pada
periode-t
b.) Mengestimasi total accrual (TAC) dengan Ordinary Least Square (OLS) untuk mendapatkan koefisien regresi dengan persamaan berikut:
TACCit/TA,t-1= a.1 (1/TA,t-1)+a.2 (∆ 𝑅𝐸𝑉𝑖𝑡 − ∆𝑅𝐸𝐶 𝑖𝑡)/Tai,t-1) + a.3 (PETit/Tai,t-1)
Keterangan :
TACCit = Total accruals perusahaan i pada periode –t
TA,t-1 = Total assets untuk sampel perusahaan i pada akhir tahun t-1
∆ REVit = Perubahan pendapatan perusahan i dari tahun t-1 (sebelumnya) ke tahun t (sekarang)
∆ RECIt = Perubahan piutang bersih (net receivable) perusahaan I dari tahun t-1- i ke tahun t
PELit = Jumlah aktiva tetap i pada akhir thun t c.) Menghitung non- discretionary adalah sebagai berikut
NDACCit = a1 (1/Tai,t-1)+a.2 ( (∆REVit-∆RECit)/Tai,t- 1)+ a.3 (PPEit/Tai,t-1)
Keterangan :
NDACC it = Non discretionary accruals perusahaan I pada tahun t Tai,t-1 = Total assets untuk sampel perusahaan I pada akhir
tahun t-1
∆REVit = Perubahan pendapatan (revenue) perusahaan i dari
tahun t-1 ke tahun t
∆RECit = Perubahan piutang bersih perusahaan i dari tahun t- 1 ke tahun t
PPEit = aktiva tetap perusahaan i pada tahun t d.) Menghitung discretionary accruals :
DACCit = (TACCit/Tai,t-1)- NDACCit Keterangan
DACCit = discretionary accruals perusahaan i periode t
Untuk menilai kualitas laba perusahaan maka dibuatkan tabel penilaian kualitas laba atau distribusi frekuensi kriteria sebagai berikut ;
Interval kualitas laba Kriteria
0,000 – 0,397 Sangat baik
0,398 – 0,642 Baik
0,643 – 0,887 Sedang
0,888-1,132 Rendah
1,133- 1,377 Sangat Rendah
Sumber: Paula (2012) dalam Junita (2018) & Budi Setiawan (2020)
Jika nilai rasio discretionary accrual atau kualitas labanya kurang dari 0 maka dikatakan bahwa perusahaan memiliki kualitas laba yang sangat baik, dimana perushaan tidak berusahaan melakukan praktik manipukasi.
3.3.2 Variabel Indenpenden a. Struktur Modal
Struktur modal yang dilakukan yang diukur dengan leverage merupakan suatu variabel untuk mengetahui seberapa besarnya aset sebuah perusahaan dibiayai hutang perusahaan. Perhitungan yang digunakan debt asset ratio setiap tahun akan di rata-ratakan sehingga diperoleh satu nilai DAR selama tiga tahun penelitian. Debt to asset ratio merupakan rasio keuangan utama yang digunakan untuk menilai posisi keuangan perusahaan. rumus yang digunakan sebagai berikut ;
𝐷𝐴𝑅 =𝑇𝑜𝑡𝑎𝑙 𝑈𝑡𝑎𝑛𝑔 𝑇𝑜𝑡𝑎𝑙 𝑎𝑙𝑡𝑖𝑣𝑎
Jika DAR diatas 50% maka dikatakan bahwa perusahaan memiliki utang yang besar dan resikonya tinggi dikarenakan tidak mampu membayar utang-utang yang ada diperusahaan
b. Pertumbuhan laba
Pertumbuhan laba adalah suatu kenaikan laba atau penurunan laba per tahun yang dinyatakan dalam bentuk persentase. Pertumbuhan laba menjelaskan prospek pertumbuhan perusahaan pada masa yang akan mendatang. Apabila laba yang dihasilkan bersifat positif mungkin kinerja perusahaan baik dan membuka banyak peluang untuk labanya dan memiliki kesempatan bertumbuh. Laba yang digunakan dalam penelitian kali ini menggunakan laba setelah pajak (Earning After Tax) dapat dirumuskan sebagai berikut :
Pertumbuhan laba = 𝑙𝑎𝑏𝑎 𝑏𝑒𝑟𝑠𝑖ℎ 𝑡𝑎ℎ𝑢𝑛 𝑡−𝑙𝑎𝑏𝑎 𝑏𝑒𝑟𝑠𝑖ℎ 𝑡𝑎ℎ𝑢𝑛 𝑡−1
𝑙𝑎𝑏𝑎 𝑏𝑒𝑟𝑠𝑖ℎ 𝑡𝑎ℎ𝑢𝑛 𝑡−1 X 100%
Laba bersih tahun t : Laba bersih perusahaan periode sekarang Laba bersih tahun t-1: Laba bersih perusahaan pada periode
sebelumnya
Jika pertumbuhan laba saat nilai rasio diatas 1 maka dikatakan bahwa perusahaan mengalami pertumbuhan laba yang baik.(data industri.com)
c. Investment opportunity set
Investment Opportunity Set merupakan keputusan berinvestasi dalam
bentuk kombinasi aktiva yang pada dasarnya sebagai dasar untuk menentukan klasifikasi pertumbuhan perusahaan di masa depan dan menjadi pilihan investasi lain di masa depan. Perhitungan MVBVA(Market value to book value of assets ) setiap tahunnya akan dirata-ratakan sehingga diperoleh satu nilai MVBVA selama tiga tahun penelitian. Hal ini dilakukan untuk menyesuaikan variabel bebas (independen) dan variabel terikat (dedependen) yang diteliti. Secara matematis variabel investment opportunity set diformulasikan sebagai berikut ;
(MVBVA) =
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡−𝑇𝑂𝑡𝑎𝑙 𝐸𝑘𝑢𝑖𝑡𝑎𝑠+ (𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑎ℎ𝑎𝑚 𝑏𝑒𝑟𝑒𝑑𝑎𝑟 𝑥 ℎ𝑎𝑟𝑔𝑎 𝑠𝑎ℎ𝑎𝑚) 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡
Jika rasio investment opportunity set (ios) diatas 1 maka perusahaan memiliki ios yang baik dan laba yang dilaporkan sesuai dengan kesesuai
kondisi sebenarnya dan menujukan bahwa perusahaan mempunyai kesempatan bertumbuh.
3.4 Jenis Dan Sumber Data
Pada penelitian ini jenis data yang digunakan adalah data sekunder yaitu menggunakan laporan keuangan perusahaan makanan dan minuman yang diperoleh dari website www.idx.co.id pada tahun 2017-2019 dan website perusahaan resmi.
Sekitar 28 perusahaan makanan dan minuman yang terdaftar di BEI
3.5 Teknik Pengumpulan Data
Teknik pengumpulan datanya menggunakan dokumentasi. Dokumentasi adalah mengumpulkan data-data yang berasal dari dokumen yang dimiliki perusahaan baik secara langsung diambil dari perusahaan maupun tempat lain.
3.6 Teknik Analisis Data
Dalam penelitian ini teknik analisis data yang dilakukan yaitu a) melakukan tabulasi data penelitian
b) melakukan perhitungan variabel-variabel yang menunjang penelitian.
c) Dengan bantuan alat uji statistika menggunakan software Eviews 10 sebagai alat dalam analisis data dengan tahapan sebagai berikut ;
1. Statistik Deskriptif
Statistik deskriptif merupakan statistik menggambarkan dan menganalisis data angka variabel, agar dapat memberikan gambaran kecendruman dari variabel dalam penelitian, ringkas dan jelas nantinya mengenai suatu gejala, peristiwa atau keadaan, sehingga dapat ditarik pengertian atau makna tertentu menurut Wahyudi dan Kadir (2019). Tujuannya memberikan gambaran suatu data yang dari minimum, maksimum, rata-rata (mean), sum, range, kurtosis dan skewness (Ghozali 2018:19)
Yang kita tahu statistik deskriptif menyajikan ukuran-ukuran numerik yang sangat penting bagi data sampel yang digunakan peneliti. Pada penelitian ini dilakukan dengan program untuk uji statistik deskriptifnya.
2. Uji Data Panel
Uji data panel merupakan kombinasi antara data tempat (cross section) dengan runtun waktunya (time series) pernyataan dari (kuncoro, 2011).
Menurut Widarjono (2009) Ada tiga model yang dapat digunakan untuk mengestimasi parameter dengan data panel yang sering ditawarkan yaitu ;
A. Model Pool Least Square (PLS) atau Common Effect (CF)
Model pool least square merupakan metode data panel sederhana diantara lain.dalam metode pool least square (common effect) menggunakan pendekatan Ordinary Least Square (OLS) dengan teknik kuadrat terkecil.
Dalam model ini memperlakukan semua individu sekana-akan sama atau bisa
dikatakan tidak membeda-bedakan karakteristik tiap individu yang terlihat dari nilai intersipnya yang sama untuk semua individu tersebut.
mengabaikan adanya perbedaan dimensi individu maupun waktu atau dengan kata lain perilaku data antar individu sama dalam berbagai kurun waktunya.
Metode PLS mengasumsikan intersept dan slope koefisien bisa dikatakan perlakuannya sama untuk semua sampel cross section atau perusahaan sehingga kurang mampu untuk dapat menggambarkan kondisi sesungguhnya.
Model ini diformulasikan sebagai berikut (Widarjono, 2009) : 𝑌𝑖𝑡 = 𝛽0 + 𝛽1𝑋1𝑖𝑡 + 𝛽2𝑋2𝑖𝑡 + 𝜀𝑖𝑡
Keterangan
𝛽0 : Koefisien intersep yang merupakan skalar 𝛽1, 𝛽2 : Koefisien slope atau kemiringan
𝑌𝑖𝑡 : Variabel Dependen untuk individu ke-i dan waktu ke-t 𝑋1it, 𝑋2it : Variabel Independen individu ke-i dan waktu ke-t 𝜀𝑖𝑡 : Komponen error individu ke-i pada periode ke-t
B. Model Efek Tetap (Fixed Effect)
Metode fixed-effect mengasumsikan bahwa intersep tiap individu berbeda untuk setiap subjek (cross section) dapat diakomodasi dari perbedaan intersepnya menggunakan variabel dummy untuk menangkap perbedaan antara intersep dan cross section. Model ini memiliki karakter mendukung sebuah pernyataan yang mengatakan bahwa perilaku masing-masing perusahaan (cross section) tentunya memiliki perbedaaan. Teknik estimasi data panel dengan metode FEM menggunakan variabel dummy yang memiliki nilai 0 apabila tidak terdapat pengaruh dan nilai 1 apabila. Pendekatan model ini sering disebut dengan metode Least Square Dummy Variable (LSDV).variabel memiliki pengaruh. Persamaan LSDV dapat ditulis :
𝑌𝑖𝑡 = 𝛽0 + 𝛽1𝑋1𝑖𝑡 + 𝛽2𝑋2𝑖𝑡 + 𝛽3𝐷1𝑖𝑡 + 𝛽4𝐷2𝑖𝑡 + 𝛽5𝐷3𝑖𝑡 + 𝜀it Keterangan
𝛽0 : Koefisien intersep yang merupakan skalar 𝛽1,2 : Koefisien slope atau kemiringan
𝑌𝑖𝑡 : Variabel Dependen untuk individu ke-i dan waktu ke-t 1it, 𝑋2it : Variabel Independen individu ke-i dan waktu ke-t
D1,D2,D3 : Nilai 1 untuk cross section yang berpengaruh dan nilai 0 untuk cross section yang tidak berpengaruh
C. Model Pendekatan Efek Random (Random Effect)
Keuntungan dari model Pendekatan Efek Random, yaitu menghilangkan heteroskedastisitas. Pendekatan model ini memasukan efek dimensi individu atau waktu, Cara ini cenderung melihat perubahan antar individu dan antar waktu, namun pendekatan ini mengasumsikan bahwa efek dimensi tersebut terletak pada model error. Menggunakan pendekatan Generalized Least Squares (GLS) atau Error Component Model (ECM). Pembentukan struktur model REM sebagai berikut:
𝑌𝑖𝑡 = 𝛽0 + 𝛽1𝑋1𝑖𝑡 + 𝛽2𝑋2𝑖𝑡 + 𝜀𝑖t
3. Pemilihan Teknik Metode Regresi Data Panel
Tahap-tahap pemilihan metode ini perlu melakukan tiga uji signifikan data panel untuk menentukan model regresi data panel yang digunakan dalam penelitian ini yaitu:
A. Uji chow
Uji chow ini bagaimana menentukan model terbaik antara Fixed Effect dengan Common/Pool Effect. Hipotesisnya adalah:
HO : Common Effect Model atau pooled OLS (Prob > 0,05) H1 : Fixed Effect Model (Prob < 0,05)
Pada pengujian uji chow jika hasil yang menyatakan menerima hipotesis nol maka model yang terbaik untuk digunakan adalah Common Effect Model.
Akan tetapi, jika hasilnya tidak menerima atau menolak hipotesis nol maka model terbaik yang digunakan adalah fixed Effect Model, dan pengujian akan
berlanjut ke Uji Hausman
B. Uji Hausman
Uji hausman adalah uji yang menentukan model yang terbaik untuk digunakan adalah Fixed Effect atau Random Effect. jika dari hasil uji hausman tersebut menyatakan menerima hipotesis nol maka model yang terbaik untuk digunakan adalah model Random Effect. Tetapi jika hasilnya menyatakan tidak menerima hipotesis nol maka model terbaik yang digunakan adalah fixed effect model. Hipotesis dalam uji hausman adalah
Ho : Radom Effect (Prob > 0.05) Hi : Fixed Effect Model (Prob < 0.05)
C. Uji Lagrange Multiplier
Dimana uji ini menentukan model common effect atau Random Effect.
Dimana hasil uji LM tersebut menyatakan menerima hipotesis nol maka model yang terbaik digunakan dalam penelitian Common Effect, Tetapi jika hasilnya menyatakan menolak hipotesis nol maka model terbaik yang digunakan adalah Random effect
4. Analisis Regresi Linear Data Panel
Analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas/bebas), dengan tujuan untuk mengestimasi dan/atau memprediksi rata- rata populasi atau nilai rata - rata variabel dependen berdasarkan nilai variabel independen yang diketahui (Ghozali, 2018). Persamaan regresi linier data panel dapat dirumuskan sebagai berikut :
KL = α + β1SM +β2 PL +β3 IOS + e Keterangan :
KL = Kualitas Laba ɑ = Konstanta
β1-β3 = Koefisien persamaan regresi SM = Struktur Modal
PL = Pertumbuhan Laba
IOS = Investment Opportunity Set (IOS) E = Standard error
5. Uji Asumsi Klasik
Sebelum melakukan pengujian regresi peneliti terlebih dahulu melakukan pengujian asumsi klasik yang bertujuan untuk mengetahui data yang digunakan telah memenuhi ketentuan model regresi.
a. Uji Normalitas
Uji normalitas bukan syarat BLUE (Best Linear Unbias Estimator ) pada regresi data panel apabila model CEM dan model Fem yang terpilih maka uji normalitas tidak wajib sebaliknya apabila model REM yang terpilih wajib mengunakan uji normalitas karena mengunakan pendekatan GLS menurut Kuncoro (2012). Menurut (Ajija dan dkk, 2011:42) dan (Akbary 2017) jika jumlah observasinya lebih dari 30, maka tidak perlu melakukan uji normalitas karena distribusi sampling error term mendekati normal.Pada penelitian ini ada 66 total keseluruhan data yang digunakan.
b. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel bebas (independen). Pada uji multikolinearitas menggunakan nilai korelasi antara variabel independen. Hal ini untuk memenuhi syarat dimana dalam model regresi, data harus memenuhi criteria BLUE. Apabila terjadi korelasi antara variabel independent tersebut maka variabel tersebut dapat dikatakan tidak orthogonal. Penelitian ini melakukan pengujian multikolinearitas menggunakan pearson correlation. Kriteria Pearson correlation uji multikolinearitas adalah tidak lebih dari 0,90.
c. Uji Heteroskedestistas
Pada uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi data panel terjadi ketidaksamaan varians dari residual yang ada satu pengamatan ke pengamatan yang lainnya. Pada penelitian yang
dilakukan dengan menggunakan uji individu (t-test) untuk masing- masing variabel. Dalam pengambilan keputusan dengan menggunakan kriteria yaitu jika signifikan (probalitas dari t-hitungan< 0.05 maka Ho ditolak sedangkan jika signifikan (profitabilitas) dan t-hitung nya >0,05 maka H1 diterima menurut (Ghozali 2018:98)
d. Uji autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Dengan demikian, uji autokorelasi hanya dapat dilakukan pada data time series (runtun waktu), sebab yang dimaksud dengan autokorelasi adalah sebuah nilai pada sampel atau observasi tertentu yang sangat dipengaruhi oleh nilai observasi sebelumnya. Oleh karena itu, penelitian yang menggunakan data cross section maupun data panel, tidak perlu melakukan uji autokorelasi. Pengujian autokorelasi pada data yang bukan time series, baik data cross section maupun data panel, hanya akan sia-sia semata atau tidaklah berarti menurut (Basuki dan Prawoto, 2017:297). Hal ini karena, khususnya pada data panel, walaupun ada data runtut waktu (time series), namun bukan merupakan time series murni (waktu yang tidak berulang).
Oleh sebab itu, pada penelitian ini uji Autokorelasi tidak dilakukan.
Berdasarkan dari penjelasan di atas, bahwa dalam penelitian ini hanya melakukan dua pengujian asumsi klasik, yaitu uji multikolinieritas, dan uji
heteroskedastisitas.
6. Pengujian hipotesis
Dalam pengujian hipotesis untuk menguji metode regresi yaitu adanya ketergantungan antara variabel dependen dengan satu atau lebih variabel independen lainnya.
1. Koefisien Determinasi (𝑅2)
Bertujuan untuk mengukur seberapa jauh kemampuan model dapat menerangkan variasi variabel independen dengan nilai antara 0 (nol) dan 1 (satu) yang berarti jika nilai mendekati 0 (nol) maka menjelaskan bahwa kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Dan jika nilai mendekati satu, maka hampir semua variabel independen memberikan informasi yang dibutuhkan untuk memprediksi variabel dependen.
2. Uji Secara silmutanstan (uji F)
Uji Secara silmutanstan (uji F) pada dasarnya digunakan untuk mengukur ketepatan fungsi regresi sampel dalam menaksir nilai actual.
Uji statistik F adalah uji koefisien regresi bersama-sama untuk menguji signifikansi pengaruh beberapa variabel independen terhadap variabel dependen secara simultan.
1. Jika F hitung < F tabel dan sig > 0,05 maka H0 diterima, sehingga tidak terdapat pengaruh secara bersama-sama.
2. Jika F hitung > F tabel dan sig < 0,05 maka H0 ditolak, sehingga
terdapat pengaruh secara bersama-sama.
3. Uji (T)
Uji T digunakan untuk mengetahui seberapa jauh pengaruh variabel bebas dalam menerangkan variabel terikat. Penelitian ini menggunakan alpha sebesar 5%, jadi jika nilai signifikansi < 0,05 maka berarti variabel bebas berpengaruh signifikan terhadap variabel terikat. Sebaliknya, jika nilai signifikansi > 0,05 maka berarti variabel bebas tidak berpengaruh signifikan terhadap variabel terikat.
