BAB III
METODELOGI PENELITIAN
3.1 Model Analisis
Untuk menguji hipotesis dalam penelitian ini, hubungan antar variable yang akan diuji terdapat dalam Gambar 3.1 di bawah ini:
Variable Independent Variable Dependent
Variable Intervening
Gambar 3.1 Model Analisis
Berdasarkan model analisis diatas, peneliti membentuk dua model regresi sebagai berikut :
Berdasakan model analisis diatas, peneliti membentuk dua model regresi sebagai berikut :
EM = α – β1BM – β2BS + β4LEV + ε (3.1)
LEV = α + β1BM + β2BS + ε (3.2)
Board Size Board Meeting
Earning Management
Capital Structure (Leverage)
3.2 Definisi Operasional Variabel
Variabel-variabel yang digunakan dalam penelitian ini beserta cara pengukurannya adalah sebagai berikut :
Variabel Definisi Operasional Skala
Pengukuran Board
Meeting
Board meeting merupakan sarana komunikasi diantara para anggota dewan komisaris yang membahas masalah perusahaan dan strategi-strategi yang akan digunakan perusahaan, dan mengatasi perbedaan kepentingan. (FCGI, 2005).
Board meeting diukur dengan cara sebagai berikut:
“Frekuensi rapat yang dihadiri oleh dewan komisaris selama satu tahun”
Nominal
Board Size Board size merupakan jumlah dewan komisaris yang terdapat dalam suatu perusahaan. Board size / ukuran dewan komisaris dapat ditentukan ditentukan dari resiko yang dihadapi perusahaan, dimana semakin banyak yang memantau resiko maka semakin besar perusahaan dapat mengantisipasi dan mengatasi ancaman dari resiko tersebut. (Muntoro, 2007).
Board Size dapat diukur dengan melihat jumlah dewan komisaris dalam suatu perusahaan yang terdapat pada laporan tahunan.
Nominal
Leverage Capital structure adalah pencampuran komposisi antara pendanaan menggunakan debt dan equity didalam perusahaan. (Hovakimian et al., 2001).
Struktur modal didefinisikan sebagai leverage yang merupakan total hutang dibagi total ekuitas ditambah total utang. (Abor dan Biekpe, 2005).
Rumus menghitung leverage adalah sebagai berikut : LEV = 𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑏𝑡 (𝑏𝑜𝑜𝑘 𝑣𝑎𝑙𝑢𝑒)
𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑏𝑡+𝑇𝑜𝑡𝑎𝑙 𝐸𝑞𝑢𝑖𝑡𝑦
Rasio
Earning Managemen t
Earning Management adalah pelaporan jumlah laba yang akan menguntungkan kepentingan pribadi serta perusahaan yang dilakukan manajemen melalui kebijakan penggunaan metode akuntansi. (Scott, 2009).
Menggunakan discretionay accruals (DA) sebagai proksi dari manajemen laba.
Rumus menghitung discretionay accruals adalah sebagai berikut :
TAit = NIit – OCFit
Dimana:
TAit = Total accruals perusahaan pada periode t NIit = Net Income perusahaan pada periode t
OCFit = Operating Cash Flow perusahaan pada periode t
Kemudian, mencari nilai total accruals dengan cara sebagai berikut:
T𝐴𝑖𝑡
𝐴𝑖,𝑡−1= α1 (𝐴𝑖,𝑡−11 ) + 𝛼2 ((∆𝑅𝐸𝑉𝑖𝑡− ∆𝑅𝐸𝐶𝑖𝑡) 𝐴𝑖,𝑡−1 ) + 𝛼3 (𝐴𝑖,𝑡−1𝑃𝑃𝐸𝑖𝑡) + 𝜀
Dimana:
Ai, t – 1 = total aktiva perusahaan pada periode t - 1 𝛥REVit = pendapatan perusahaan pada periode t dikurangi pendapatan periode t-1
ΔRECit = piutang perusahaan pada periode t dikurangi piutang periode t-1
Rasio
PPEit = property, plant, equipment ε = error
Selanjutnya melakukan perhitungan nondiscretionary accrual, sebagai berikut:
𝑁𝐷𝐴𝑖𝑡 = 𝛼1 (𝐴𝑖,𝑡−11 ) + α2 ((∆𝑅𝐸𝑉𝑖𝑡− ∆𝑅𝐸𝐶𝑖𝑡) 𝐴𝑖,𝑡−1 ) + 𝛼3 (𝐴𝑖,𝑡−1𝑃𝑃𝐸𝑖𝑡)
Setelah itu, discretionary accrual (DA) dapat dirumuskan sebagai berikut:
𝐷𝐴𝑖𝑡 = (𝐴𝑖𝑡−1𝑇𝐴𝑖𝑡) − 𝑁𝐷𝐴𝑖𝑡
Dimana:
DAit = Discretionary accrual periode t NDAit = Non-discretionary
3.3 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif.
Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang diperoleh dari penelitian orang lain atau sumber yang telah dipublikasikan. Data sekunder dalam penelitian ini diperoleh dari laporan tahunan (annual report) perusahaan-perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) yang dapat diakses melalui idx.co.id.
3.4 Instrumen dan Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah metode dokumentasi. Dokumentasi dilakukan dengan mengumpulkan data dari laporan tahunan (annual report) dan laporan keuangan (financial report) pada perusahaan yang menjadi sample penelitian.
3.5 Populasi
Populasi dari penelitian ini adalah 57 perusahaan pada sektor yang terdaftar pada Bursa Efek Indonesia selama tahun 2010-2015. Sektor tersebut adalah sektor perdagangan dan jasa (sub sektor perdagangan besar dan perdagangn eceran).
3.6 Sample dan Teknik Sampling
Teknik sampel yang digunakan dalam penelitian ini adalah purposive sampling. Berikut adalah kriteria-kriteria yang harus dipenuhi dalam menjadi sample penelitian ini :
1. Melakukan Initial Public Offering (IPO) sebelum tahun 2010.
2. Laporan keuangan harus dalam satuan rupiah Indonesia.
3. Laporan keuangan harus lengkap selama tahun 2010-2015.
4. Perusahaan harus memiliki debt dalam komposisi pendanaan selama tahun 2010-2015.
Dari 57 perusahaan yang menjadi populasi, hanya sebanyak 23 perusahaan yang lulus melewati kriteria purposive sampling peneliti.
3.7 Unit Analisis
Unit analisis dalam penelitian ini adalah 115 firm-year/tahun buku perusahaan (23 perusahaan selama 5 tahun) pada sektor perdagangan dan jasa (sub sektor perdagangan besar dan perdanagan eceran) yang terdaftar di Bursa Efek Indonesia selama tahun 2011- 2015.
3.8 Teknik analisis data
Penelitian ini menggunakan teknik analisis data structural equation modelling (SEM) dengan menggunakan software WarpPLS. Untuk mendapatkan nilai Earning Management dilakukan pengolahan data menggunakan program SPSS (Statistical Package
for the Social Sciences). Dalam pengolahan data untuk hubungan antar variabel penelitian akan menggunakan Partial Least Square (PLS) dengan software WarpPLS, Berikut merupakan tahap-tahap analisis data yang dilakukan (Kock, 2015) :
1. Mengumpulkan dan mempersiapkan data
Data yang dibutuhkan diambil dari laporan tahunan (annual report) untuk perusahaan-perusahaan yang telah menjadi sample penelitian ini dengan
periode 2010-2015. Selain itu, angka yang dibutuhkan untuk perhitungan variabel independen dan variabel dependen diperoleh dari Bloomberg.
2. Melakukan perhitungan variabel independen, dependen dan intervening.
3. Merancang model struktural (inner model)
Dalam WarpPLS, hubungan model struktural antara variabel laten didasarkan pada rumusan masalah atau hipotesis.
4. Merancang model pengukuran (outer model)
Langkah ini mengacu pada variabel operasionalisasi dalam penelitian ini.
Pada langkah ini, indikator diklasifikasikan sebagai formatif atau reflektif.
Indikator harus diklasifikasikan dengan benar karena klasifikasi yang tidak semestinya dapat menyebabkan hasil yang bias.
5. Membuat Diagram Path
Diagram path menunjukkan hubungan terhadap alur kausal antar variabel eksogen dan endogen. Hubungan-hubungan kausal yang ada merupakan justifikasi dari teori yang telah ada kemudian konsep tersebut divisualisasikan ke dalam gambar sehingga lebih mudah dipahami. Diagram path dari penelitian ini dapat dilihat pada Gambar 3.1
6. Mengkonversi diagram path ke persamaan dari:
a Outer model (outer relation) mengacu pada spesifikasi hubungan antara variabel laten dengan indikator pengukurnya.
b inner model (inner relation) mengacu pada hubungan antara variabel dependen (endogenous) dengan variabel independen (exogenous).
c Weight relation: Weight relation memperkirakan nilai variabel laten.
Inner dan outer model akan memberikan spesifikasi yang diikuti oleh weight relation pada algoritma PLS
7. Estimasi parameter
Algoritma analisis outer model adalah proses perhitungan variabel laten dari data yang diperoleh dari indikatornya. Ada 5 jenis algoritma outer model yaitu regresi PLS (Inner model tidak mempengaruhi outer model), mode M (Inner model mempengaruhi outer model), mode A (untuk model indikator reflektif), mode B (model indikator formatif) dan Robust Path Analysis (data variabel laten berupa rata-rata skor indikator).
Algoritma analisis model dalam mencakup proses perhitungan koefisien jalur yang merupakan hubungan antara variabel laten. Ada tiga algoritma untuk inner model yang linier (hubungan linier antara variabel laten), Warp2 (hubungan berbentuk U) dan Warp3 (hubungan berbentuk S).
8. Goodness of-fit-test
Uji Goodness of-fit-test dalam penelitian ini hanya berlaku untuk inner model karena penelitian ini hanya menggunakan data keuangan. Goodness of-fit-test yang dimaksud adalah indeks dan ukuran seberapa baik hubungan antar variabel laten. Model harus sesuai dengan kriteria berikut:
Tabel 3.3 Model Fit And Quality Indices
No Model fit and quality indeces Kriteria Fit 1 Average path coefficient (APC) p < 0.05
2 Average R-squared (ARS) p < 0.05
3 Average adjusted R-sqaured (AARS) p < 0.05
4 Average block VIF (AVIF) Acceptable if <= 5, ideally
<= 3.3
5 Average full collinearity VIF (AFVIF) Acceptable if <= 5, ideally
<= 3.3
6 Tenenhaus GoF (GoF) Small >= 0.1, medium >=
0.25, large >= 0.36
7 Sympson’s paradox ratio (SPR) Acceptable if <= 0.7, ideally
<= 1
8 R-squared contribution ratio Acceptable if <= 0.9, ideally
<= 1
9 Statistical suppression ratio (SSR) Acceptable if >= 0.7 10 Nonlinear bivariate causality direction ratio
(NLBCDR)
Acceptable if >= 0.7
9. Pengujian Hipotesis
Pengujian hipotesis menggunakan metode resampling Boostrap sedangkan uji statistik yang digunakan adalah uji-t. Dengan metode resampling boostrap, distribusi normal tidak diperhatikan. Diperlukan minimal 30 sample. Bila nilai p<0,05 maka disimpulkan signifikan.
10. Menarik kesimpulan atas pengujian hipotesa.
