A. Analisis Data
Objek penelitian ini adalah perusahaan manufaktur yang terdaftar di BEI tahun 2010-2013. Peneliti mengambil sampel industri yang sesuai dengan kriteria yang ditentukan. Dimana data yang digunakan data terdapat kriteria outlier dimasukkan karena diharapkan data yang digunakan adalah data yang homogen, sehingga mewakili industri yang dikaji. Data outlier adalah data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi (Ghozali, 2011:41). Deteksi terhadap univariate outlier dilakukan dengan menentukan nilai batas yang akan dikategorikan sebagai data outlier yaitu dengan cara mengkonversi nilai data ke dalam skor standardized atau yang biasa disebut z-score.
Tabel 5.1
Kriteria Pemilihan Sampel
Kriteria Pengambilan Sampel Jumlah
Perusahaan sampel selama 2010-2013 (4 tahun) 200
Data Outlier (3)
Total Data Penelitian Selama tahun 2010 - 2013 187
B. Hasil Penelitian 1. Statistik Deskriptif
Statistik deskriptif merupakan analisis kualitatif yang akan membahas sebaran data yang meliputi nilai maksimum, minimum, rata- rata dan standar deviasi. Nilai minimum dan maksimum menunjukan nilai terendah dan tertinggi dari variabel yang diteliti. Kemudian nilai rata-rata dari variabel yang diteliti ditunjukan oleh (mean) sedangkan sebaran data penelitian ditunjukan oleh nilai standar deviasi.
Berdasarkan tabel 5.1, diketahui bahwa jumlah sampel (N) adalah 187 data perusahaan, variabel yang diteliti adalah CAR (Cumulative Abnormal Return), UE(Unexpected Earnings), INST (Kepemilikan Institusional), dan DR (Discretionary Revenue). Variabel kontrol dalam penelitian ini adalah Size dan Leverage. Hasil analisis statistik deskriptif dalam penelitian ini adalah sebagai berikut :
Tabel 5.2
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
CAR 187 -1.00792 1.22753 .1130830 .38340583 UE 187 .01819 9.77967 .7126989 1.21589715 INST 187 .00000 .95107 .3266649 .30175499 DR 187 -.11847 .12072 -.0024225 .04562534 SIZE 187 11.26700 19.18150 14.3751733 1.69337459 LEV 187 .09430 .92440 .4242118 .19393101 INSTxUE 187 .00000 3.10376 .2278412 .49166534 DRxUE 187 -.19106 .24085 -.0011843 .04398025 SIZExUE 187 .26931 136.27579 10.1182427 17.01402127 LEVxUE 187 .00369 6.42818 .3128595 .60776221 Valid N (listwise) 187
Variabel pertama yaitu Cumulative Abnormal Return (CAR) memiliki mean atau atau nilai rata-rata sebesar 0.1130830 dan nilai standar deviasi sebesar 0.38340583. Nilai minimum Cumulative Abnormal Return (CAR) sebesar -1.00792 yaitu pada PT. Astra International Tbk. Nilai maximum Cumulative Abnormal Return (CAR) sebesar 1.22753 yaitu pada PT. Voksel Electric Tbk. Dari nilai tersebut dapat dilihat bahwa rata-rata perusahaan yang menjadi sampel penelitian ini memiliki Cumulative Abnormal Return (CAR) yang rendah karena mendekati nilai minimum.
Variabel penelitian kedua adalah Unexpected Earnings (UE) memiliki mean atau nilai rata-rata sebesar 0.7126989 dan nilai standar deviasi sebesar 1.21589715. Nilai minimum Unexpected Earnings (UE) sebesar 0.01819 yaitu pada PT. Asahimas Flat Glass Tbk. Nilai maximum Unexpected Earnings (UE) sebesar 9.77967 yaitu pada PT. Voksel Electric Tbk. Dari nilai tersebut dapat dilihat bahwa rata-rata perusahaan yang menjadi sampel penelitian ini memiliki Unexpected Earnings (UE) yang rendah karena mendekati nilai minimum.
Berdasarkan hasil analisis statistik deskriptif, variabel penelitian ketiga yaitu Kepemilikan Institusional(INST) memiliki mean atau nilai rata-rata sebesar 0.3266649 dan nilai standar deviasi sebesar 0.30175499. Nilai minimum Kepemilikan Institusional (INST) sebesar -0.00000 dan nilai maximum Kepemilikan Institusional (INST) sebesar 0.95107. Dari nilai tersebut dapat dilihat bahwa rata-rata perusahaan yang menjadi sampel perusahaan ini memiliki kepemilikan institusional yang rendah karena mendekati nilai minimum.
Berdasarkan hasil analisis statistik deskriptif, variabel penelitian ketiga yaitu Discretionary Revenue (DR) memiliki mean atau nilai ratarata sebesar -0.0024225 dan nilai standar deviasi sebesar 0.04562534. Nilai minimum Discretionary Revenue (DR) sebesar -0.11847 yaitu pada PT. Merck Tbk. Nilai maximum Discretionary Revenue (DR) sebesar 0.12072 yaitu pada PT. Selamat Sempurna Tbk. Dari nilai tersebut dapat dilihat bahwa rata-rata perusahaan yang menjadi sampel penelitian ini memiliki manajemen laba yang rendah karena mendekati nilai minimum.
2. Analisis Regresi a. Uji Asumsi Klasik 1) Uji Normalitas
Pengujian normalitas memiliki tujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid dengan jumlah sampel yang ada.
Untuk menguji normalitas dapat dilakukan dengan menganalisis grafik yaitu grafik histogram error yang membandingkan antara data observasi dengan distribusi yang mendekati normal dan mengamati grafik normal P-P Plot of regression standardized residual. Jika residul berasal dari distribusi normal, maka nilai-nilai distribusi terletak di sekitar garis lurus yang merupakan garis dari distribusi normal (Sarwono, 2005).
Gambar 5.1 Grafik Histogram Regression Standardized Residual Sumber : data sekunder yang diolah 2016
Gambar 5.2 Grafik normal P-P Plot of regression Sumber : data sekunder yang diolah 2016
Hasil output regresi menunjukkan bahwa variabel dependen dan independen pada penelitian ini mempunyai distribusi yang normal, karena dengan melihat tampilan grafik histogram maupun grafik normal probability plot dapat disimpulkan grafik tersebut memberikan pola distribusi yang mendekati normal. Pada grafik normal probability plot terlihat titik-titik menyebar di sekitar garis
diagonal, dan penyebarannya mengikuti arah garis diagonalnya. Sedangkan pada histogram, dapat dilihat bahwa penyebaran data variabel-variabel penelitian mengikuti garis normalitas. Berdasarkan tampilan kedua grafik tersebut dapat disimpulkan bahwa model regresi memenuhi uji normalitas.
Selain itu untuk lebih meyakinkan dilakukan pula pengujian normalitas dengan menggunakan uji statistic Kolmogorov-Smirnov dengan menggunakan hipotesis sebagai berikut :
Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Dengan menggunakan confidence level 95% atau signifikan level 5% maka jika Asymp.Sig. (2-tailed) test nilainya lebih kecil dari 5% maka Ha diterima dan Ho ditolak. Data yang terdistribusi normal adalah data yang signifikannya di atas 5% (0.05).
Tabel 5.3
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual Unstandardized Residual N 187 187 Normal Parametersa,b Mean .0000000 .0000000 Std. Deviation .04377167 .36303080 Most Extreme Differences Absolute .085 .067 Positive .069 .052 Negative -.085 -.067 Kolmogorov-Smirnov Z 1.162 .921
Asymp. Sig. (2-tailed) .134 .364
a. Test distribution is Normal. b. Calculated from data.
Berdasarkan data pada tabel 5.3 dapat dilihat bahwa hasil pengijian berdasarkan one-sample Kolmogorov-Smirnov, menunjukan nila Asymp. Sig sebesar 0.134 dan 0.364. Keduanya lebih besar dari 0,05 dan dapat disimpulkan bahwa data terdistribusi secara Normal.
2) Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji model regresi jika ditemukan adanya korelasi antar variable bebas atau tidak (Ghozali, 2011). Untuk menguji multikolinearitas dilakukan analisis korelasi antar variable independen dan perhitungan nilai Tolerance serta Variance Inflation Factor (VIF). Multikolinearitas terjadi jika nilai tolerance lebih kecil dari 0.1 (10%) atau nilai VIF lebih besar dari 10. Apabila nilai tolerance lebih dari 10% atau VIF kurang dari 10 maka dapat dikatakan bahwa variable independen yang digunakan dalam model adalah dapat dipercaya dan objektif (tidak ada multikolonieritas).
Tabel 5.4 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.036 .028 -1.263 .208 INST .008 .011 .055 .776 .439 .996 1.004 SIZE .000 .002 .008 .111 .912 .979 1.021 LEV .065 .017 .277 3.870 .000 .983 1.017 a. Dependent Variable: DR
Sumber: Data Sekunder yang diolah 2016
Tabel 5.4 menujukkan bahwa nilai Tolerance menunjukkan tidak ada variable independen yang memiiki nilai tolerance kurang dari 0.10. Artinya tidak
ada korelasi antar variable independen yang nilainya lebih dari 95%. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan bahwa tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi. Tabel 5.5 Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Toleranc
e VIF (Constant) .721 .306 2.357 .020 UE -.404 .328 -1.280 -1.230 .220 .005 213.845 INST -.056 .120 -.044 -.472 .637 .571 1.750 DR -.039 .841 -.005 -.046 .963 .506 1.976 SIZE -.033 .020 -.144 -1.604 .110 .632 1.583 LEV -.373 .185 -.189 -2.017 .045 .580 1.725 INSTxUE .166 .125 .213 1.335 .184 .199 5.035 DRxUE -.205 .864 -.023 -.237 .813 .516 1.937 SIZExUE .010 .022 .459 .460 .646 .005 196.554 LEVxUE .577 .175 .914 3.296 .001 .066 15.195
a. Dependent Variable: CAR
Sumber: Data Sekunder yang diolah 2016
Sedangkan untuk Tabel 5.5 menujukkan bahwa nilai Tolerance menunjukkan ada variable independen yang memiiki nilai tolerance kurang dari 0.10. Artinya ada korelasi antar variable independen yang nilainya lebih dari 95%. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan bahwa ada variabel independen yang memiliki nilai VIF lebih dari 10. Maka
dapat disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
3) Uji Autokorelasi
Pengujian ini dilakukan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengguna pada periode t dengan kesalahan pada periode t-1 (Ghozali, 2011). Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual tidak bebas dari satu observasi ke observasi lainnya.Model regresi yang baik adalah regresi yang bebas dari autokorelasi.Uji autokorelasi dapat dilakukan dengan menggunakan uji Durbin-Watson (DW), dimana hasil pengujian ditentukan berdasarkan nilai Durbin-Watson (DW).
Dalam uji ini nilai dL dan dU dapat dilihat pada tabel Durbin-Watson pada signifikansi 0.05, n = jumlah sampel dan k = jumlah variabel independen. Dengan pengambilan keputusan sebagai berikut :
dU < d < 4-dU maka Ho diterima (tidak terjadi autokorelasi) d < dL atau d > 4-dL maka Ho ditolak (terjadi autokorelasi) dL < d < dL atau 4-dU < d < 4dL maka tidak ada kesimpulan
Tabel 5.6 Model Summaryb Mo del R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .282a .080 .065 .04412899 1.990
a. Predictors: (Constant), LEV, INST, SIZE b. Dependent Variable: DR
Dari perhitungan tabel 5.6 didapatkan nilai Durbin-Watson sebesar 1.990. nilai tersebut dibandingkan dengan nilai tabel D-W menggunakan nilai signifikansi 5%, jumlah sampel 187 (n) dan jumlah variabel 1 (k=1). Maka di tabel D-W didapat nilai batas bawah (dl) sebesar 1.7499 dengan batas atas (du) sebesar 1.7714. Hasil dari uji Autokorelasi sebesar 1,990 berada pada kisaran dU < d < 4-dU yaitu 1.7499<1.990<2.2286 maka kesimpulannya bahwa tidak terjadi autokorelasi dalam sampel penelitian ini.
Tabel 5.7 Model Summaryb Mo del R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .322a .103 .058 .37214597 1.931
a. Predictors: (Constant), LEVxUE, DRxUE, SIZE, INST, LEV, INSTxUE, DR, SIZExUE, UE b. Dependent Variable: CAR
Sumber: Data Sekunder yang diolah 2016
Dari perhitungan tabel diatas didapatkan nilai Durbin-Watson sebesar 1.931. nilai tersebut dibandingkan dengan nilai tabel D-W menggunakan nilai signifikansi 5%, jumlah sampel 187 (n) dan jumlah variabel 3 (k=3). Maka di tabel D-W didapat nilai batas bawah (dl) sebesar 1.7282 dengan batas atas (du) sebesar 1.7933. Hasil dari uji Autokorelasi sebesar 1,931 berada pada kisaran dU < d < 4-dU yaitu 1.7282<1.931<2.2067 maka kesimpulannya bahwa tidak terjadi autokorelasi dalam sampel penelitian ini.
4) Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan dari residual satu pengamatan ke pengamatan
yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas Untuk mendeteksi ada tidaknya heterokedastisitas dilakukan dengan metode grafik.
Gambar 5.3 Grafik Scaterplot Sumber: Data Sekunder yang diolah 2016
Gambar 5.3 menujukkan bahwa dari grafik scatterplots dapat dilihat bahwa titik-titik menyebar serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi sehingga model regresi layak dipakai.
b. Uji Hipotesis
1) Koefisien Determinasi (R2)
Uji determinasi digunakan untuk mengukur tingkat kemampuan model dalam menerangkan variabel independen, tapi karena R2 mengandung kelemahan
mendasar, yaitu adanya bias terhadap jumlah variabel independen yang dimasukkan ke dalam model, maka dalam penelitian ini menggunakan adjusted R2 berkisar antara 0 dan 1. Jika nilai adjusted R2 semakin mendekati 1 maka semakin baik kemampuan model tersebut dalam menjelaskan variabel dependen (Ghozali, 2011).
Nilai koefisien determinasi dari model regresi penelitian ini dapat dilihat pada tabel 5.7 sebagai berikut :
Tabel 5.8 Model Summaryb Mo del R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .282a .080 .065 .04412899 1.990
a. Predictors: (Constant), LEV, INST, SIZE b. Dependent Variable: DR
Sumber: Data Sekunder yang diolah 2016
Pada tabel 5.8 menunjukkan bahwa koefisien determinasi yang menunjukkan nilai adjusted R-square sebesar 0,065. Hal ini berarti bahwa 6.5% variasi jumlah manajemen laba dengan Discretionary Revenue dapat dijelaskan secara signifikan oleh variasi variabel Kepemilikan Institusional, Size
dan Leverage. Sedangkan sisanya (100% - 6.5%) = 93.5% diterangkan oleh faktor-faktor lain yang berpengaruh terhadap manajemen laba.
Tabel 5.9
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .322a .103 .058 .37214597 1.931
a. Predictors: (Constant), LEVxUE, DRxUE, SIZE, INST, LEV, INSTxUE, DR, SIZExUE, UE b. Dependent Variable: CAR
Sumber: Data Sekunder yang diolah 2016
Pada tabel 5.9 menunjukkan bahwa koefisien determinasi yang menunjukkan nilai adjusted R-square sebesar 0,058. Hal ini berarti bahwa 5.8% variasi Kualitas informasi laba dengan Cumulative Abnormal Return dapat dijelaskan secara signifikan oleh variasi variabel Manajemen laba dengan Discretionary Revenue, Kepemilikan Institusional, Size dan Leverage. Sedangkan sisanya (100% - 5.8%) = 94.2% diterangkan oleh faktor-faktor lain yang berpengaruh CAR (Cumulative Abnormal Return).
2) Uji Simultan atau F-test
Uji Statistik F (Uji Anova) digunakan untuk menguji signifikansi pengaruh antara variabel independen secara simultan terhadap variabel Independen. Hasil pengujian signifikansi F dapat dilihat pada tabel 5.10 dan 5.11 berikut ini :
Tabel 5.10
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression .031 3 .010 5.276 .002b
Residual .356 183 .002
Total .387 186
a. Dependent Variable: DR
b. Predictors: (Constant), LEV, INST, SIZE Sumber: Data Sekunder yang diolah 2016
Berdasarkan tabel 5.10 dapat diketahui hasil uji ANOVA atau uji F dapat dilihat dari nilai F hitung sebesar 5.276 dengan probabilitas sebesar 0.002. Karena probabilitas lebih kecil dari 0.05 maka model regresi dapat digunakan untuk memprediksi manajemen laba, atau dapat dikatakan bahwa keberadaan Kepemilikan Institusional, dan variabel kontrol size serta leverage secara bersama-sama berpengaruh terhadap manajemen laba.
Tabel 5.11
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 2.829 9 .314 2.270 .020b
Residual 24.513 177 .138
Total 27.342 186
a. Dependent Variable: CAR
b. Predictors: (Constant), LEVxUE, DRxUE, SIZE, INST, LEV, INSTxUE, DR, SIZExUE, UE Sumber: Data Sekunder yang diolah 2016
Berdasarkan tabel 5.11 dapat diketahui hasil uji ANOVA atau uji F dapat dilihat dari nilai F hitung sebesar 2.270 dengan probabilitas sebesar 0.020. Karena probabilitas lebih kecil dari 0.05 maka model regresi dapat digunakan untuk memprediksi KUALITAS Informasi Laba, atau dapat dikatakan bahwa
keberadaan Manajemen Laba dengan Discretionary Revenue, Kepemilikan Institusional, dan variabel kontrol size serta leverage secara bersama-sama berpengaruh terhadap KUALITAS informasi laba dengan CAR.
3) Uji Parsial dengan T-test
Jika F-test bertujuan untuk melihat pengaruh variabel independen secara bersama-sama dalam sebuah model terhadap variabel dependennya, maka uji T (T-test) ini bertujuan untuk melihat apakah setiap variabel independen signifikan dalam mempengaruhi variabel dependennya.
Tabel 5.12 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) -.036 .028 -1.263 .208 INST .008 .011 .055 .776 .439 SIZE .000 .002 .008 .111 .912 LEV .065 .017 .277 3.870 .000 a. Dependent Variable: DR
Tabel 5.13 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) .721 .306 2.357 .020 UE -.404 .328 -1.280 -1.230 .220 INST -.056 .120 -.044 -.472 .637 DR -.039 .841 -.005 -.046 .963 SIZE -.033 .020 -.144 -1.604 .110 LEV -.373 .185 -.189 -2.017 .045 INSTxUE .166 .125 .213 1.335 .184 DRxUE -.205 .864 -.023 -.237 .813 SIZExUE .010 .022 .459 .460 .646 LEVxUE .577 .175 .914 3.296 .001
a. Dependent Variable: CAR
Sumber: Data Sekunder yang diolah 2016
Tabel 5.12 menunjukkan bahwa kepemilikan institusional memiliki t hitung 0.776 dengan tingkat probability 0.439 > 0.05 menunjukkan bahwa komposisi kepemilikan institusional memiliki pengaruh positif namun tidak signifikan terhadap manajemen laba sehingga hipotesis 1 ditolak. Variabel kontrol size memiliki t hitung 0.111 dengan tingkat probability 0.912 > 0,05 menunjukkan bahwa secara parsial size berpengaruh positif dan tidak signifikan terhadap manajemen laba. Sedangkan untuk variabel kontrol leverage memiliki t hitung 3.870 dengan tingkat probability 0.000 < 0.05 menunjukkan bahwa secara parsial leverage berpengaruh positif signifikan terhadap manajemen laba.
Tabel 5.13 menunjukkan bahwa Unexpected Earnings (UE) mempunyai t hitung -1.230 dengan tingkat probability sebesar 0.220 > 0.05 menunjukkan bahwa komposisi Unexpected Earnings (UE) memiliki pengaruh negatif dan
institusional memiliki t hitung -0.472 dengan tingkat probability 0.637 > 0,05 menunjukkan bahwa komposisi kepemilikan institusional memiliki pengaruh negatif dan tidak signifikan terhadap Cumulative Abnormal Return (CAR). Discretionary revenue (DR) memiliki t hitung -0.046 dengan tingkat probability 0.963 > 0.05 menunjukkan bahwa komposisi manajemen laba dengan Discretionary revenue (DR) memiliki pengaruh negatif namun tidak signifikan terhadap Cumulative Abnormal Return (CAR).
Untuk variabel kontrol size memiliki t hitung -1.604 dengan tingkat probability 0.110 > 0,05 menunjukkan bahwa secara parsial size berpengaruh negatif dan tidak signifikan terhadap terhadap Cumulative Abnormal Return (CAR). Sedangkan untuk variabel kontrol leverage memiliki t hitung -2.017 dengan tingkat probability 0.045 < 0.05 menunjukkan bahwa secara parsial leverage berpengaruh negatif signifikan terhadap terhadap Cumulative Abnormal Return (CAR).
Untuk variabel interaksi kepemilikan intitusional dengan Unexpected Earnings (UE) memiliki t hitung 1.335 dengan tingkat probability 0.184 > 0.05 menunjukkan bahwa secara parsial variabel interaksi kepemilikan intitusional dengan Unexpected Earnings (UE) berpengaruh positif tidak signifikan terhadap Cumulative Abnormal Return (CAR). Variabel interaksi Discretionary revenue (DR) dengan Unexpected Earnings (UE) memiliki t hitung -0.237 dengan tingkat probability 0.813 > 0.05 menunjukkan bahwa secara parsial variabel interaksi Discretionary revenue (DR) dengan Unexpected Earnings (UE) berpengaruh negatif namun tidak signifikan terhadap Cumulative Abnormal Return (CAR).
Untuk variabel interaksi size dengan Unexpected Earnings (UE) memiliki t hitung 0.460 dengan tingkat probability 0.646 > 0,05 menunjukkan bahwa secara parsial variabel interaksi size dengan Unexpected Earnings (UE) berpengaruh positif dan tidak signifikan terhadap terhadap Cumulative Abnormal Return (CAR).Sedangkan variabel interaksi leverage dengan Unexpected Earnings (UE) memiliki t hitung 3.296 dengan tingkat probability 0.001 < 0,05 menunjukkan bahwa secara parsial variabel interaksi leverage dengan Unexpected Earnings (UE) berpengaruh positif dan signifikan terhadap terhadap Cumulative Abnormal Return (CAR).
Analisis regresi linear berganda digunakan untuk menganalisa pengaruh variabel – variabel bebas terhadap variabel tidak bebas. Dari hasil analisis regresi linear yang dilakukan maka dapat diperoleh persamaan sebagai berikut :
DR = -0.036 + 0.008 INS + 0.000 SIZE + 0.065 LEV + ε
CAR = 0.721 – 0.404 UE – 0.056 INST - 0.039 DR – 0.033SIZE – 0.373 LEV + 0.166 INS*UE – 0.205 DR*UE +0.010 SIZE*UE + 0.577 LEV*UE + ε
C. Pembahasan
Berdasarkan hasil pengujian regresi linier berganda menggunakan yang telah diuraikan sebelumnya, pembahasan pada penelitian ini mengenai:
1. Pengaruh Kepemilikan Institusional terhadap Manajemen Laba.
Berdasarkan tabel Tabel 5.12 menunjukkan bahwa kepemilikan institusional memiliki tidak berpengaruh terhadap manajemen laba karena nilai
koefisien kepemilikan institusional 0.008 dan mempunyai t hitung 0.776 dengan taraf signifikansi sebesar0.439 di atas signifikansi 0.05.
Hasil penelitian ini menunjukkan bahwa kepemilikan institusional tidak dapat menjalankan perannya secara efektif. Penelitian Siregar dan Utama (2005) mendefinisikan bahwa kepemilikan institusional sebagai kepemilikan saham oleh institusi keuangan seperti perusahaan asuransi, bank, dana pensiun dan investment banking. Porter (1992) dalam (Midiastuty dan Mas’ud 2003) menyatakan bahwa institusional adalah pemilik yang lebih memfokuskan pada current earnings. Akibatnya manajer dipaksa untuk melakukan tindakan yang dapat meningkatkan laba jangka pendek yaitu dengan memanipulasi laba. Dalam Cornett et al. (2006) juga menyatakan bahwa kepemilikan intitusional akan membuat manager merasa terikat untuk memenuhi target laba dari para investor, sehingga membuat mereka cenderung terlibat dalam praktek manajemen laba.
Hasil penelitian ini mendukung penelitian yang dilakukan oleh Sriwedari (2009) yang menyatakan bahwa kepemilikan institusional tidak berpengaruh terhadap manajemen laba, serta penelitian yang dilakukan oleh Siregar dan Utama (2005) yang menemukan bahwa kepemilikan institusional dan tiga variabel praktek GCG tidak berpengaruh signifikan terhadap manajemen laba. Namun penelitian ini tidak mendukung penelitian yang dilakukan oleh Wedari (2004), yang menyatakan bahwa kepemilikan institusional berpengaruh positif dan signifikan terhadap manajemen laba.
2. Pengaruh Kepemilikan Institusional terhadap Earnings Response Coefficients (ERC).
Penelitian untuk hipotesis kedua menghasilkan bahwa kepemilikan institusional tidak berpengaruh terhadap Earnings Response Coefficients (ERC). Hal ini menunjukkan bahwa persentase kepemilikan oleh pihak institusi cenderung rendah dan bisa dikatakan bahwa pengawasan kepemilikan institusional yang dilakukan belum tentu menjamin bahwa pihak manajemen akan melaksanakan wewenang yang diberikan untuk mengelola perusahaan. Hasil ini menunjukkan bahwa teori agensi belum terbukti dapat mempengaruhi Earnings Response Coefficients (ERC) perusahaan karena kedua pihak (kepemilikan institusional dan manajemen) sama-sama melaksanakan apa yang diperjanjikan dalam kontrak antara agen dan prinsipal tanpa perselisihan.
Kepemilikan institusional yang besar dapat mempengaruhi manajemen perusahaan sehingga dapat menekan kecenderungan manajemen untuk melaporkan laba yang berKualitas (Griffin, Ricky W. dan Ebert, Ronald J, 2006:115). Laba memiliki peran mengendalikan perilaku para partisipan perusahaan termasuk manajer (Suwardjono, 2005:486). Laba digunakan sebagai pengukur kinerja divisi atau manajernya. Oleh karena itu, kepemilikan institusional yang besar mempunyai peran penting dalam suatu sistem pengendalian manajemen untuk mengarahkan perilaku para manajer agar mereka memaksimumkan kepentingan pemegang saham tetapi pada saat yang sama kepentingan perusahaan secara keseluruhan juga tercapai.
Penelitian ini tidak sejalan dengan penelitian Indrawati, dkk (2010) yang menyatakan bahwa kepemilikan institusional memiliki 18 hubungan positif yang signifikan dengan variabel Earnings Response Coefficients (ERC) yang artinya bahwa kepemilikan institusional yang tinggi dapat mengurangi insentif manipulasi laba oleh manajemen yang pada akhirnya akan meningkatkan Kualitas laba yang dilaporkan.
3. Pengaruh Manajemen Laba terhadap Earnings Response Coefficients (ERC)
Berdasarkan tabel 5.13 menunjukkan bahwa Manajemen Laba tidak berpengaruh terhadap Earnings Response Coefficients (ERC) karena nilai koefisien – 0.205 dan mempunyai t hitung -0.237 dengan taraf signifikansi sebesar0.813 di atas signifikansi 0.05.
Sesuai teori menurut Fudenberg dan Tirole (1995) dalam Dwiadnyana dan Jati (2014) menjelaskan bahwa ketika kinerja perusahaan pada saat ini baik, maka manajer akan menurunkan laba pada saat ini (current earning) dan menyimpan laba tersebut untuk digunakan pada masa depan (future earnings). Ketika teori tersebut dihubungkan dengan reaksi pasar di pasar modal maka investor akan merespon pengumuman informasi laba yang mengandung praktik manajemen laba income decreasing secara positif karena mencerminkan kondisi perusahaan yang lebih baik daripada yang dilaporkan, sehingga investor akan mengambil keputusan untuk melakukan investasi pada perusahaan yang melakukan manajemen laba income decreasing.
Menurut Penman dan Zhang (2002) menyatakan bahwa Kualitas laba yang dihasilkan tergantung dari pertumbuhan investasi perusahaan. Pertumbuhan investasi yang temporer atau berfluktuasi akan menghasilkan tingkat pengembalian (rate of return) yang temporer atau berfluktuasi sehingga menghasilkan Kualitas laba yang rendah. Hasil penelitian ini tidak sejalan dengan pendapat Lipe (1990) yang menyatakan bahwa laba yang memiliki daya prediksi tinggi lebih bermanfaat dalam memprediksi laba masa depan sehingga kualitas informasi laba yang dihasilkan akan tinggi.
