ISU‑ISU DALAM:
PENELITIAN AKUNTANSI DAN
PENGGUNAAN METODE KUANTITATIF
Pof. Dr. I Made Narsa, MSi., CA.
ISU‑ISU DALAM RISET AKUNTANSI
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
6
ISU‐ISU
MetodologI
Bidang/Area
Isu‑Isu Area
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
6
SPM/AM
• Peran Akuntan
• Konteks Budgeting
• Culture, Continjensi,
• Uncertainty,
Feedback, Human capital, psycho capital.
Pemrosesan Informasi Akuntansi
Disklosur, Perubahan kebijakan akuntansi, Metode, Framing, Order,
Fiksasi Data
Auditing
Desain SIA •
Report design & Policies choice
• Sistem Struktur
• Student vs auditor
• Indepenence, Ethic,
• Rotation, Hindsight,
• Litigasi, dsb.
Sosiologi Organisasional
• Fungsi individual
• Fungsi Politik
• Fungsi Organisasional
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
6
AK
U
N
TAN
S
I Institusi Keilmuannya (Accounting Science)
Sosiologi Akuntansi (Accounting Sociology)
Manajer
Akuntan
Pengguna
Lingkungan:
‐ Ekonomi
‐ Politik
‐ Tektonologi
‐ Sosial
Others
Riset Generik
Riset Kontekstual
What the next?
?
Me
to
d
e
Me
to
d
AKUNTANSI
Riset AKUNTANSI
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
6
Y
Y
X
X X
X
Y
X Y
X X
AK
U
N
TAN
S
I
MENGAPA?
• Akuntansi diasumsikan berorientasi pada tindakan, yaitu, tujuannya adalah untuk memengaruhi tindakan, atau
perilaku, baik secara langsung melalui kandungan informasi
akuntansi, maupun secara tidak langsung melalui perilaku
dari akuntan, manajer, maupun pihak lain.
• Pendekatan dalam penyusunan teori akuntansi gagal menyertakan perilaku pengguna dan pembuat laporan akuntansi secara khusus, dan asumsi perilaku secara umumnya.
• Oleh sebab itu riset‐riset akuntansi saat ini dan ke
depan akan lebih menekankan relevansi informasi
akuntansi bagi pengambilan keputusan juga bagi perilaku individual dan kelompok yang disebabkan oleh
pengkomunikasian informasi ini.
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
6
Proses
Akuntansi Informasi
Perilaku Manusia
B
R
Isu‑Isu Metodologik
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
6
Level Teori
• Grand Theory
• Empirical Theory
• Logic
Desain Riset
Survey, Experiment, Archival, Expost Facto,
etc; Field, Cases Fenomenology, Critical,
Hermeunitik, Etnography etc.
Unit Analisis
Partisipan •• StudentsProfesional
• Individual
• Group
• Organizations
• Environment
Statistis Analisis
• Teknik (SEM, Path, MRA, PLS, OLS, ANOVA, Reg., etc
• Tool/Aids
Pertama: Level Pendekatan
Kuantitatif vs
Kualitatif
?
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Realitas Sosial
A
B
INTERPRETIVIST
POSITIVIST (Positivism)
RADICAL HUMANIST
RADICAL STRUCTURALIST
Paradigma
Burrel and Morgan’s (1979) four paradigm
Subjective Objective
Radical Change
Regulation
QUANTITATIVE RESEARCH
•
Mainstream Approach
(Scientific method)
menggunakan sifat penelitian
pada physical/natural sciences.
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
ASUMSI DASAR
QUANTITATIVE APPROACH
Logico Hypotheco Verificative
1.Classification
2.Deterministic
3.Cyclical
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Kedua: Level Praktis
APA YANG PALING SERING DIPERDEBATKAN?
1.Korelasi atau Kausalitas?
2.Apa alat Uji yang tepat?
3.Regresi & Uji Asumsi Klasik?
4.Moderasi, Mediasi, atau
intervening
5.Data: time series, crossection,
panel, pool?
6.Nuisance?
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Causation or correlation?
Dalam korelasi, umumnya kedua variabel
statusnya setara, tidak ada independensi, tidak ada tanda panah ke salah satu variabel
Alat Pembuktian korelasi:
◦ Uji korelasi pearson (parametrik), atau
kendall’s tau dan spearman (nonparametrik)
◦ Uji regresi (lihat r, atau koeficiennya)
1. Korelasi
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
2. Kausalitas
a. Granger causality
Apakah: X Y atau Y X atau X Y
X dan Y adalah sepasang data time series
Yt = ∑aiYt‐i + biXt‐i + e ……….…………(1)
Xt = ∑ciXt‐i + diYt‐i + e ……….(2)
Jika hasil persamaan (1):
bi sig., berarti X menyebabkan Y,
bi insig., berarti X tidak menyebabkan Y Jika hasil persamaan (2):
di sig., berarti Y menyebabkan X,
di insig., berarti Y tidak menyebabkan X
Jika, bidan di sama‐sama signifikan berarti terjadi hubungan simultan, dimana X dan Y saling memengaruhi
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
b. Experimen
Apakah X Y, harus memenuhi 4 syarat:
1. Ada covary antara X dan Y (ada korelasi)
2. Ada time order, bahwa X mendahului Y
3. Rule out other factor (semua variabel selain X, harus dikendalikan, sehingga satu‐satunya yang berbeda hanya X
4. Ada teori yang menyatakan bahwa X menyebabkan Y
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Alat pembuktian kausalitas?
Perlu diingat bahwa alat (statistik) tidak pernah menjelaskan apakah dua buah variabel itu berkorelasi atau berpengaruh? Yang menjelaskan adalah: Teori
1.Uji t?
Boleh
2.Khai square?
Boleh
3.U‐Mann Whitney?
Boleh
4.Uji ANOVA?
Boleh
5.UJI Regresi?
Boleh
6.Uji……
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Penggunaan Regresi
Question?
1. Simultan vs parsial???
2. Seberapa besar variabel‐variabel independen mampu menjelaskan variansi variabel
dependen? Lihat R2
3. Apakah variansi variabel dependen disebabkan oleh variansi variabel‐variabel independen
yang dimasukkan dalam model? Goodness of fit? Lihat Uji F (ANOVA)
4. Manakah di antara variabel‐variabel
independen yang memengaruhi variabel dependen? Lihat Uji t
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Uji Asumsi Klasik?
•
Membuat model estimasi?
Membuktikan dugaan secara
empirik?
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Uji Asumsi Klasik?
Tujuannya adalah memperoleh model prediksi terbaik.
BLUE = Best Linier Unbias Estimator.
Uji ini diperlukan jika:
1. Memang membangun model prediksi 2. Modelnya: Regresi Linier
2. Datanya: Time Series
3. Time Seriesnya: Panjang, more than 100
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Cobalah dipahami?
• Autokorelasi korelasi yang terjadi karena
pengamatan terhadap data berurutan sepanjang waktu (time series). Masalah muncul jika:
residualnya tidak bebas dari satu observasi ke observasi lainnya.
• Kalau data crossection?
• Normalitas yang diuji normalitasnya adalah residunya, bukan datanya. Tujuannya, untuk
memperoleh keyakinan bahwa variansi variabel dependen penyebabnya adalah variansi variabel independen, bukan karena residunya.
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Lanjutan…
• Heteroskedastisitas bahwa varians dari residual tidak konstan dari satu observasi ke observasi
lainnya. Ini tentu tdk boleh terjadi pada data time series, harus homoskedastisitas
• Kalau data crossection?
• Uji Multikolinearitas in economics, everything depends on everyhing else. Jadi sebenarnya sulit
mencari variabel yang betul‐betul tidak bermultikol. Oleh karena itu, dalam menspesifikasi variabel‐
variabel penelitian, lebih baik didasarkan pada konsep teoretis yang benar
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Tentang Model Moderasi
Variabel Independen
Variabel Dependen Variabel
Moderasi
1. Bahwa variabel moderasi harus ZERO CORRELATION baik terhadap variabel independen maupun dependen.
2. Interpretasi atas hasil, adalah pada high order correlation
Y =
α
+
β
1X
1+
β
2X
2+
β
3X
1.X
2+ e
Interpretasi hanya terhadap : β3
Jikaβ3 signifikan,berarti memoderasi
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Tentang Model Mediasi & Intervening
X
Y
Z
1). Y =
α
+
a
X + e
2). Z =
α
+
b
X + e
3). Y =
α
+
c
Z + e
4). Y =
α
+
a
X +
c
Z + e
a
b c
Jika a (4) signifikan partial mediating
Jika a (4) tidak signifikan full mediating = Intervening
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
DATA POOLED/PANEL
Howles, 1950
TIME SERIES
CROSSECTION
PT A PT B PT C PT D
2008
2009
2010
2011
2012
2013
Contoh: LABA BERSIH SEBELUM PAJAK
Unit/Individu
Waktu
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Model Empirisnya?
Model Time Series:
Y =
α
+ β1Xt + Ɛt t = 1,2,3,…n = banyaknya waktuModel Crossection:
Y =
α
+ β1Xi + Ɛi i = 1,2,3,…n = banyaknya individuModel Pooled/Panel:
Y =
α
+ β1Xit + Ɛit i = 1,2,3,…it = individu & waktuT
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
YANG SERING DIPERDEBATKAN ADALAH:
•
Apakah perusahaannya/individunya (i)
harus konsisten selama 6 tahun
tersebut?
•
Apakah seriesnya (t) harus konsisten
selama x tahun untuk setiap
perusahaan?
•
Apakah harus bebas dari masalah‐
masalah ekonometrika?
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Bagaimana kita mengasumsikan?
Intersep (α), Slope (β), dan Residu (Ɛ)
1. Slope dan Intercep tetap antar individu dan antar waktu
Common Effect
2. Slope dan Intercep tetap antar individu dan antar waktu, tetapi perbedaan intercep dan slope
diakomodasi dalam error (Ɛ) Random Effect
3. Slope dan Intercep sama antar individu tetapi berbeda antar waktu Fixed Effect Dummy waktu (Dt)
4. Slope dan Intercep sama antar waktu, tetapi berbeda antar individu Fixed Effect Dummy individu (Di)
5. Slope dan Intercep berbeda baik antar waktu maupun antar individuFixed Effect Dummy waktu (Dt) dan Dummy Individu (Di)
Ada Pengujian Lebih Lanjut dalam Memilih Model
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Metode Estimasi Model Regresi Panel
Common Effect Model
• Merupakan pendekatan model data panel yang paling sederhana
• Tidak memperhatikan 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, atau disebut juga
Pooled Least Square (PLS).
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Fixed Effect Model
• Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari
perbedaan intersepnya.
• Menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar
perusahaan, perbedaan intersep bisa terjadi
karena perbedaan budaya kerja, manajerial, dan insentif.
• Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Contoh: Dummy Model
Perusahaan Observasi Y X1 X2 D1 D2 D3 D4
Random Effect Model
• Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling
berhubungan antar waktu dan antar individu. Pada model Random Effect perbedaan intersep diakomodasi oleh error terms masing‐masing perusahaan.
• Dapat menghilangkan heteroskedastisitas.
• Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least
Square (GLS)
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
ERROR COMPONENT MODEL
Y =
α
+
β
1
X
it
+
µ
it
+
Ɛ
it
Between – entity error
(perbedaan intercep dan slope)
Within – entity error
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Pilih yang mana?
•
Common effect, Fixed effect, atau random
effect?
Common atau Fixed?
Lakukan Uji Chow (Uji F, beda antar common dan Fixed)
Common atau Random
Lakukan Uji Langrange Multiplier (LM)
Fixed atau Random
Lakukan Uji Hausman
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
Contoh: PRAGMATIS
Perusahaan Observasi X1 X2 Y
Contoh: IDEAL, tetapi???
Perusahaan Observasi X1 X2 Y
How to control “nuisance” variable
Y
Variable Treatment
(X)
Others Variable/
Nuisance (e)
Randomisasi
Block
ANCOVA Unknown
Uncontrol
Known
Controllable
Known
Uncontrol
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
LAIN‑LAIN
• Keuangan: Terutama mengamati pengaruh informasi akuntansi dan berbagai jenisnya terhadap perilaku pengambil keputusan, serta perbedaan bentuk penugasan (terdefinisi dan tidak) juga mungkin mempengaruhi pengambilan keputusan.
• Manajerial: Terutama mengamati pengaruh variabel organisasional dan lingkungan terhadap perilaku organisasi, pengaruh informasi akuntansi maupun fungsi akuntansi terhadap pengambilan
keputusan maupun perilaku manajer, serta pengaruh penerapan teknologi atau sistem baru dalam organisasi terhadap efisiensi dan efektivitas organisasi.
• Sistem: Terutama mengenai kemungkinan ketepatan penerapan
sistem atau teknologi baru maupun pilihan pengguna terhadap satu aplikasi yang mendukung kinerjanya. Dan Perancangan sistem baru
• Pajak: Terutama hubungan yang saling terkait antara aturan
perpajakan dengan perilaku ketaatan terhadap pajak dan implikasi keperilakuan atas audit pajak.
T
h
u
rs
d
a
y,
A
p
ri
l
1
4
,
2
0
1
6
Nar
s@
2
0
1
6