4. HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.1 Gambaran Umum Sampel
Sampel dalam penelitian ini adalah perbankan yang terdaftar di BEI (Bursa Efek Indonesia) pada tahun 2013-2017. Data mengenai sampel akan dijelaskan dengan tabel di bawah ini:
Tabel 4.1 Sampel Data
Syarat Jumlah Sampel
Perbankan yang terdaftar di BEI
43 bank
Tahun penelitian 2013 - 2017
43 x 5
Jumlah sampel penelitian 215 sampel
Data tidak lengkap 11 sampel
Total akhir sampel 204 sampel
Sampel penelitian terdiri dari total 43 bank yang terdaftar di BEI selama tahun 2013 – 2017, dimana total sampel adalah 43 bank dikalikan dengan 5 tahun dan menghasilkan total 215 sampel. Berdasarkan 215 sampel tersebut, total ada 11 sampel yang dikeluarkan dari sampel penelitian dikarenakan memiliki data yang dibutuhkan sehingga tidak bisa dilakukan perhitungan pada variabel yang akan diteliti. Pada akhrinya didapat jumlah total akhir sampel sebanyak 204 sampel yang akan diteliti pada penelitian ini.
4.1.2 Manajemen Laba (DLLP)
Manajemen laba pada bank dapat diukur melalui LLP (Loan Loss Provision) dengan DLLP sebagai proksi DLLP (Discretionary Loan Loss
Provision). Nilai DLLP didapatkan dengan cara mengurangkan nilai dari LLP dengan NLLP (Normal Loan Loss Provision), dimana dapat diestimasi dengan rumus persamaan no (2). Data yang digunakan untuk mengestimasi nilai dari DLLP ini menggunakan data yang berasal dari Bloomberg, dimana akan dicari nilai residu dari tiap tahun penelitian. Sehingga dapat dicontohkan rumus dari DLLP di tahun 2013 sebagai berikut:
DLLPit = LLPit – (0.002 + (0.369*NPLit-1) + (0.777*CHNPLit) + (0.002*CHLOANit))
Namun dalam penelitian ini, hanya akan diteliti jumlah dari aktivitas manajemen laba itu sendiri, bukan aktivitas menaikan atau menurunkan laba, sehingga nilai dari DLLP akan diabsolutkan.
4.1.3 Arus Kas Bebas (FCF)
FCF (Free Cash Flow) atau arus kas bebas, didapat dari mengurangkan arus kas operasi dengan capital expenditure yang setelah itu akan diskalakan dengan total aset tahun berjalan (persamaan no 3). Data didapat dari Bloomberg.
4.1.4 Capital Adequacy Ratio (CAR)
Nilai dari CAR didapat dari membagi total equity (modal) bank dengan weighted assets by risk (WAR) (persamaan no 4). Modal bank dan WAR didapat dengan mencari data pada Bloomberg.
4.1.5 Leverage (LEV)
Nilai dari LEV bank didapat dari membagikan nilai total liability dengan total aset bank (persamaan no 5). semakin besar nilai LEV, menjelaskan bahwa aset bank tersebut terdiri dari banyak hutang.
4.1.6 Statistik Deskriptif
Berikut adalah data deskriptif dari sampel penelitian, data didapat dengan menggunakan aplikasi SPSS 22
Tabel 4.2 Deskriptif Statistik
N MIN MAX MEAN SD
DLLP 204 0.00 0.07 0.0079 0.00987
FCF 204 -0.17 0.27 0.0017 0.04707
CAR 204 0.06 0.82 0.2100 0.08650
LEV 204 0.61 0.95 0.8577 0.04872
Sumber : SPSS 22
Dari data di atas bisa dilihat bahwa jumlah sampel sebanyak 204 sampel, dengan 4 variabel, yaitu DLLP, FCF, CAR, LEV. Nilai minimum, maximum, mean dan standar deviasi bisa dilihat di atas. Sebagai contoh nilai minimum dari DLLP adalah sebesar 0.00005 yang merupakan Bank China Construction Bank Indonesia pada tahun 2017. Arti dari angka tersebut adalah, Bank China Construction Bank Indonesia 2017 memiliki nilai selisih dari aktual LLP dan normal LLP sebesar 0.005 % dari total pinjaman yang diberikan (loan) pada periode sebelumnya (t-1). Sedangkan nilai maksimum DLLP sebesar 0.06528 yang merupakan DLLP dari Bank MNC Internasional pada tahun 2017 yang memiliki arti bahwa Bank MNC Internasional 2017, memiliki nilai selisih aktual LLP dan normal LLP sebesar 6.528% dari total loan di periode sebelumnya.
Terakhir, nilai mean DLLP sebesar 0.0079 memiliki arti bahwa rata rata perbankan yang terdaftar di BEI, memiliki selisih aktual LLP dan normal LLP sebesar 0.79% dari total loan pada periode sebelumnya.
Sedangkan, arus kas bebas (FCF) memiliki nilai minimum sebesar - 0.17168 yang merupakan arus kas bebas dari Bank Mitraniaga pada tahun 2016 yang memiliki arti, Bank Mitraniaga 2016 memiliki arus kas bebas sebesar - 17.168% dari total aset tahun berjalan. Angka negatif menggambarkan bahwa arus kas bebas tersebut bersifat minus dimana arus kas dari aktivitas operasi lebih kecil daripada capital expenditure (belanja modal). Sedangkan nilai maksimum arus kas bebas adalah sebesar 0.27381 yang merupakan arus kas bebas dari Bank Permata pada tahun 2017 yang memiliki arti, Bank Permata 2017 memiliki arus kas bebas sebesar 27.381% dari total aset pada periode berjalan. Selain itu nilai
mean sebesar 0.00165 menggambarkan bahwa rata rata perbankan yang terdaftar di BEI memiliki arus kas bebas sebesar 0.165% dari total aset tahun berjalan.
Selain arus kas bebas, CAR memiliki nilai minimum sebesar 0.06128 yang merupakan CAR dari Bank Pembangunan Daerah Banten pada tahun 2015 yang memiliki arti Bank Pembangunan Daerah Banten 2015 memiliki modal sebesar 6.128% dari aset terimbang resiko. Sedangkan nilai maksimum dari CAR adalah 0.82314 yang merupakan CAR dari Bank National Nobu pada tahun 2015 yang memiliki arti, Bank National Nobu 2015 memiliki modal sebesar 82.314% dari aset terimbang resiko. Nilai mean 0.20952 memiliki arti rata rata bank yang terdaftar di BEI memiliki modal sebesar 20.952% dari aset terimbang resiko.
Terakhir, leverage (LEV) memiliki nilai minimum sebesar 0.61446 yang merupakan leverage dari Bank INA Perdana pada tahun 2017, yang memiliki arti Bank INA Perdana 2017 memiliki total liability sebesar 61.446% dari total aset.
Sedangkan nilai maksimum dari leverage adalah sebesar 0.94794 yang merupakan leverage dari Bank Pembangunan Daerah Banten pada tahun 2015 yang memiliki arti Bank Pembangunan Daerah Banten memiliki total liability sebesar 94.794%
dari total aset. Selain itu, nilai mean sebesar 0.85758 menggambarkan bahwa rata rata perbankan yang terdaftar di BEI memiliki total liability sebesar 85.758% dari total aset.
4.1.7 Uji Asumsi Klasik
Uji Asumsi klasik dalam penelitian ini terdiri dari:
1. Uji normalitas
Uji normalitas pada penelitian ini menggunakan uji kolmogrov smirnov, dimana bila nilai di atas 0.05. Pengujian dilakukan dengan SPSS 22, dimana didapatkan hasil signifikansi di bawah 0.05, yaitu 0.000.
Tabel 4.3 Uji Normalitas Kolmogrov Smirnov Unstandardized Residual
N 204
Normal Parameters Mean
SD Deviation
0.0000000 0.00953315 Most Extreme Diff Absolute
Positive Negative
0.128 0.128 -0.128
Test Statistic 0.128
Asymp. Sig. (2 - tailed) 0.000
Sumber SPSS : 22
Dari data di atas, dapat dilihat bahwa signifikansi residual data di bawah 0.05, yaitu 0.000, maka dapat dikatakan bahwa nilai residual tidak berdistribusi normal, namun menurut asumsi Central Limit Theorem jika total jumlah sampel observasi cukup besar yaitu diatas 30, maka distribusi samplingnya akan berpusat pada nilai parameter populasi dan akan memiliki sifat sifat berdistribusi normal (Walpole, et al., 2012)
2. Uji heterokesdastisitas
Uji heterokesdastisitas pada penelitian ini menggunakan uji Glejser, dimana bertujuan untuk mengetahui apakah nilai residual mempunyai varian yang sama. Model yang baik adalah model yang tidak memiliki gejala heterokedastisitas. Variabel dikatakan bebas dari gejala heterokesdastisitas bila memiliki nilai signifikansi dengan batas di atas 0.05. Berikut hasil dari uji heterokesdastisitas oleh SPSS:
Tabel 4.4 Uji Heterokredastisitas Glejser Model Unstandard
Coefficients
Std
Coefficients
t Sig
B Std Error Beta
Const 0.015 0.016 0.942 0.347
FCF -0.016 0.010 -0.109 -1.497 0.136
CAR -0.008 0.010 -0.102 -0.831 0.407
LEV -0.008 0.017 -0.056 -0.467 0.641
Sumber : SPSS 22
Dapat dilihat bahwa arus kas bebas (FCF), memiliki nilai signifikansi sebesar 0.347 dimana batas minimum heterokredastisitas adalah 0.05, maka dapat dikatakan bahwa variabel arus kas bebas, bebas dari gejala heterokredastisitas.
Selain arus kas bebas, variabel kedua dalam penelitian ini adalah CAR, dimana CAR menunjukan nilai signifikansi sebesar 0.407 dimana batas minimum signifikansi adalah 0.05, maka dapat dikatakan bahwa CAR bebas dari gejala heterokredastisitas. Variabel terakhir, yaitu leverage menunjukan hasil signifikansi sebesar 0.641, dimana nilai itu lebih besar dari 0.05, maka dapat dikatakan variabel leverage bebas dari gejala heterokredastisitas. Berdasarkan penjelasan penjelasan di atas, dapat disimpulkan bahwa model penelitian bebas dari gejala heterokredastisitas.
3. Uji multikoliniearitas
Uji multikoliniearitas bertujuan untuk mencari tahu, apakah ada hubungan antar variabel independen. Model yang baik adalah model yang bebas dari gejala multikoliniearitas, dimana dalam penelitian ini, akan digunakan VIF dan tolerance dalam menilai multikoliniearitas. Model dikatakan bebas dari multikoliniearitas
jika nilai VIF kurang dari 10 dan nilai tolerance di atas 0.1. Berikut adalah hasil dari uji multikoliniearitas SPSS:
Tabel 4.5 Uji Multikoliniearitas Model Collinearity Statistics
Tolerance VIF
Const
FCF 0.939 1.065
CAR 0.327 3.054
LEV 0.339 2.948
Sumber : SPSS 22
Dapat dilihat bahwa arus kas bebas (FCF) memiliki nilai tolerance sebesar 0.939 dan VIF sebesar 1.065, artinya FCF bebas dari multikoliniearitas karena memiliki nilai VIF dibawah 10 dan nilai tolerance di atas 0.1. Variabel kedua, CAR memiliki nilai tolerance sebesar 0.327 dan nilai VIF sebesar 3.054, artinya CAR bebas dari multikoliniearitas karena memiliki nilai VIF dibawah 10 dan nilai tolerance di atas 0.1. Variabel ketiga, leverage (LEV) memiliki nilai tolerance sebesar 0.339 dan nilai VIF sebesar 2.948, artinya leverage bebas dari multikoliniearitas. Berdasarkan penjelasan penjelasan di atas, dapat disimpulkan bahwa model penelitian bebas dari gejala multikoliniearitas.
4. Uji autokorelasi
Uji autokorelasi merupakan pengujian yang bertujuan untuk mengetahui apakah ada korelasi nilai residu dengan perubahan waktu. Model penelitian yang baik adalah model yang bebas dari gejala autokorelasi. Untuk menguji ada tidaknya gejala autokorelasi dalam penelitian ini, peneliti menggunakan uji Durbin – Watson, dimana nilai DW harus di atas du dan di bawah 4 – du. Nilai du didapat dari tabel Durbin Watson dengan α = 5%, sedangkan nilai DW didapat dari uji SPSS 22. Berikut adalah hasil dari uji autokorelasi:
Tabel 4.6 Uji Autokorelasi Durbin Watson
Model R R Square Adjusted
R Square
Std Error of Estimate
DW
1 0.261 0.068 0.054 0.00960 2.017
Sumber : SPSS 22
Berdasarkan tabel di atas, dapat dilhat bahwa nilai DW adalah sebesar 2.017, sedangkan menurut tabel α = 5%, nilai du untuk K (variabel) = 4 dengan sampel sebanyak 204 adalah 1.8094, dan (4-du) adalah 2.1906, jadi dapat disimpulkan bahwa tidak terdapat gejala autokorelasi dalam model ini, dimana nilai DW berada di antara du dan (4-du) yaitu diantara 1.8094 dan 2.1906.
4.1.8 Uji Kelayakan Model Regresi dan Hipotesis
Setelah dilakukan uji asumsi klasik, maka akan dilanjutkan dengan uji kelayakan model regresi, dimana akan dilakukan uji koefisien determinasi (R2), uji F / ANOVA dan uji T (uji parsial). Berikut adalah hasil dari uji uji tersebut dengan SPSS 22:
Tabel 4.7 Uji Kelayakan Model Regresi dan Hipotesis
B Std. Error t Sig.
Const 0.042 0.023 1.826 0.069
FCF -0.052 0.015 -3.537 0.001
CAR -0.029 0.014 -2.117 0.035
LEV -0.032 0.024 -1.351 0.178
R Square 0.068
Adj.R Square
0.054
F 4.860
Sig 0.003
Sumber : SPSS 22 1. Uji koefisien determinasi (R2)
Uji koefisien determinasi berfungsi untuk menjelaskan, berapakah kemampuan variabel independen dalam menjelaskan variabel dependen. Semakin dekat nilai R2 dengan angka 1, maka semakin kuat hubungan antara variabel tersebut. Contoh, hasil angka R2 adalah sebesar 0.6, artinya 0.6 variabel Y dijelaskan oleh variabel X, dengankan 0.4 lainnya dijelaskan oleh variabel lain diluar variabel independen yang diteliti. Dari data di atas, dapat dilihat bahwa adjusted R Square sebesar 0.054, artinya variabel independen dalam penelitian ini, yaitu arus kas bebas (FCF), CAR, dan leverage (LEV), hanya mampu menjelaskan sebesar 5.4% dari variabel Y yaitu DLLP, sedangkan 94.6% lainnya dipengaruhi oleh faktor faktor lain diluar variabel independen dalam penelitian ini.
2. Uji F / ANOVA
Uji F / ANOVA bertujuan untuk menguji, apakah variabel independen dalam penelitian (X), bersama sama memengaruhi variabel dependen (Y). Tingkat signifikansi yang digunakan adalah 0.05, artinya bila nilai uji F di bawah 0.05, maka dapat dikatakan, variabel independen (FCF, CAR, LEV) bersama sama memengaruhi variabel dependen (DLLP) dalam penelitian ini.
Berdasarkan data di atas, dapat dilihat bahwa nilai signifikansi dalam model ini adalah 0.003, sedangkan batas nilai signifikansi dalam uji ini adalah 0.05, dengan kata lain, variabel independen dalam penelitian ini bersama sama memengaruhi variabel dependen. Maka dapat disimpulkan bahwa, arus kas bebas (FCF), CAR, dan leverage (LEV) bersama sama memengaruhi DLLP, sehingga model penelitian layak untuk dipakai.
3. Uji T (Uji Parsial)
Dalam menguji hipotesis yang telah dirumuskan sebelumnya, maka akan dilakukan uji T atau uji parsial, yaitu uji yang bertujuan untuk mengetahui, apakah ada hubungan antara variabel x dan y secara individu. Batas minimum signifikansi dalam uji ini adalah 0.05, dengan kata lain, jika signifikansi di bawah 0.05, maka dapat dikatakan variabel x signifikan memengaruhi variabel y.
Berdasarkan data di atas, dapat dilihat bahwa arus kas bebas (FCF) memiliki nilai signifikansi 0.001, dimana nilai tersebut di bawah 0.05, artinya FCF (arus kas bebas) signifikan memengaruhi manajemen laba (DLLP) di Indonesia. Selain itu arus kas bebas menunjukan nilai β negatif yang memiliki arti semakin besar arus kas bebas dalam bank, maka semakin kecil aktivitas manajemen laba dalam bank tersebut. Sedangkan CAR memiliki nilai signifikansi sebesar 0.035 dimana nilai tersebut di bawah 0.05, dengan kata lain, dapat dikatakan CAR memengaruhi manajemen laba pada perbankan di Indonesia. Nilai β CAR menunjukan nilai negatif yang memiliki arti, bahwa CAR dan manajemen laba berpengaruh negatif yang menjelaskan bahwa, semakin besar nilai CAR dalam suatu perbankan, maka semakin kecil aktvitas manajemen laba dalam bank tersebut. Selain itu, variabel ketiga, yaitu leverage menunjukan nilai signifikansi sebesar 0.178, dimana nilai batas minimum signifikansi adalah 0.05. Maka dapat
dikatakan bahwa LEV tidak memengaruhi manajemen laba pada perbankan di Indonesia.
Tabel 4.8 Ringkasan Uji Hipotesis
Hipotesis Dugaan Koefisien (β)
dan Sig
Kesimpulan
FCF - DLLP Arus kas bebas berpengaruh terhadap
manajemen laba
-0.052 Sig 0.001
Terbukti
CAR - DLLP CAR
berpengaruh negatif terhadap manajemen laba
-0.029 Sig 0.035
Terbukti
LEV - DLLP Leverage berpengaruh positif terhadap manajemen laba
-0.032 Sig 0.178
Tidak terbukti
4.2 Analisa
4.2.1 Temuan dan Interpretasi
Penelitian ini bertujuan untuk mengetahui apakah arus kas bebas, CAR, dan leverage memengaruhi manajemen laba dalam perbankan di Indonesia.
Dimana sampel pada penelitian ini adalah 43 perbankan yang terdaftar di bursa efek Indonesia (BEI) dan memiliki informasi yang dibutuhkan pada tahun 2013- 2017.
Pertama, dilakukan uji F yang memberikan hasil signifikansi sebesar 0.003, maka dapat dikatakan bahwa model regresi layak untuk digunakan dalam menguji hipotesis yang telah dirumuskan sebelumnya karena memiliki nilai signifikansi dibawah 0.05. Setelah dilakukannya uji F, maka akan dilakukan uji T
atau uji parsial. Dapat dilihat bahwa nilai signifikansi FCF adalah sebesar 0.001 dan β -0.052 dimana nilai signifikansi tersebut di bawah 0.05 dan memiliki arah negatif, maka dapat dikatakan bahwa H1 diterima yaitu arus kas bebas berpengaruh terhadap manajemen laba (DLLP) pada perbankan di Indonesia.
Dimana pengaruh tersebut memiliki arah negatif yang bisa dilihat dari nilai β, yang dapat disimpulkan bahwa semakin besar arus kas bebas dalam bank, maka semakin kecil manajemen laba dalam bank tersebut.
Kedua, dilakukan uji T pada variabel CAR (capital adequacy ratio) dan menghasilkan nilai signifikansi 0.035 dan β -0.029 dimana batas minimum nilai signifikansi adalah 0.05. Maka dapat dikatakan bahwa H2 diterima yaitu, CAR berpengaruh negatif terhadap manajemen laba (DLLP) pada perbankan di Indonesia. Dimana perngaruh tersebut dapat dilihat dari nilai β yang menunjukan nilai negatif.
Ketiga, dilakukan uji T pada variabel leverage (LEV) yang menghasilkan nilai signifikansi sebesar 0.178 dan β -0.032 dimana batas minimum nilai signifikansi adalah 0.05. Maka dapat dikatakan H3 ditolak, dimana hasil penelitian menunjukan bahwa leverage tidak berpengaruh terhadap manajemen laba (DLLP) pada perbankan di Indonesia.
4.2.2 Kaitan Temuan dengan Teori
1. Pengaruh arus kas bebas (FCF) terhadap manjemen laba
Dari hasil uji T pada penelitian ini, didapatkan hasil bahwa arus kas bebas berpengaruh terhadap manajemen laba, dengan kata lain H1 diterima. Arah pengaruh tersebut adalah negatif, semakin besar arus kas bebas, maka semakin kecil manajemen laba yang dilakukan. Menurut White, et al. (2003), semakin besar arus kas bebas yang tersedia dalam suatu perusahaan, maka makin sehatlah perusahaan itu, karena memiliki kas untuk membayar hutang, dividen maupun untuk pertumbuhan. Dengan arti, semakin besar arus kas bebas, semakin kecil dilakukannya aktivitas manajemen laba, karena dengan arus kas bebas yang tinggi, perusahaan mampu membayar kewajiban kewajibannya, membayar dividen, serta memiliki kemampuan bertumbuh yang lebih baik, dimana manajer tidak perlu melakukan manajemen laba untuk memodifikasi laporan keuangannya
agar terlihat baik.. Penelitian ini sejalan dengan hasil penelitian sebelumnya (Cinthya dan Indriani, 2015; Kono dan Yuyetta, 2013; Agustia, 2013; Putri dan Machdar, 2017).
2. Pengaruh CAR (capital adequacy ratio) terhadap manajemen laba
Berdasarkan hasil uji T pada penelitian ini, diperoleh hasil bahwa CAR berpengaruh negatif terhadap manajemen laba, dengan kata lain H2 diterima. Hal ini diduga disebabkan karena, untuk memenuhi peraturan dari pemerintah, perbankan akan berusaha untuk melakukan manajemen laba yang akan berakibat ke naiknya nilai CAR perbankan agar dapat memenuhi kriteria dari pemerintah.
Hasil penelitian ini sejalan dengan hasil penelitian Dong et al. (2012) yang menemukan adanya pengaruh negatif antara CAR dan manajemen laba.
3. Pengaruh leverage (LEV) terhadap manajemen laba
Berdasarkan hasil uji T pada penelitian ini, didapatkan hasil leverage tidak berpengaruh terhadap manajemen laba, dengan kata lain dapat dikatakan bahwa H3 ditolak. Hal ini mungkin disebabkan karena dalam perbankan, terdapat perjanjian hutangn yang berbeda dengan perusahaan perusahaan pada umumnya, atau cara mengukur leverage dengan debt / equity tidak bisa digunakan untuk menguji hubungannya dengan DLLP.
