BAB IV ANALISIS HASIL PENELITIAN
A. Deskripsi Variabel Penelitian Pada bab ini akan dibahas tahap-tahap dan pengolahan data yang kemudian akan dianalisis tentang pengaruh profitabilitas, ukuran perusahaan, dan financial leverage terhadap perataan laba pada perusahaan yang terdaftar di JII tahun 2009-2014. Tabel 4.1 Prosedur penarikan sampel No. 1.
Tahun 2009-2014 Perusahaan yang terdaftar di Jakarta Islamic Index 30 Keterangan
(JII) Tahun 2009-2014 2.
Perusahaan yang terdaftar di Jakarta Islamic Index 13 (JII) yang menerbitkan laporan keuangan secara berturut-turut Tahun 2009-2014 dan laba selama masa obsevasi.
3.
Jumlah perusahaan sampel
13
4.
Jumlah observasi (13x6 tahun)
78
(Sumber: Output SPSS, 2015 data diolah)
B. Analisis Data Penelitian 1. Statistik Deskriptif data penelitian Deskriptif data dari masing-masing variabel penelitian yang meliputi nilai minimum, maksimum, mean, dan standar deviasi dapat dilihat pada tabel 4.2 berikut ini:
74
75
Tabel 4.2 Statistik Deskriptif Data Penelitian Descriptive Statistics
N
Minimum
Maximum
Mean
Std. Deviation
PERATAAN LABA
78
.03
1.93
.8810
.33611
ROE
78
2.25
125.81
27.7012
23.63224
SIZE
78
4845380.00
2.27E8
3.5883E7
4.82674E7
FL
78
.05
2.74
.4229
.38438
Valid N (listwise)
78
(Sumber: Output SPSS, 2015 data diolah)
Keterangan: Y : perataan laba X1 : profitabilitas X2 : ukuran perusahaan X3 : financial leverage Berdasarkan hasil perhitungan pada tabel 4.2
dapat dijelaskan
bahwa: a. Rata-rata perataan laba sebesar 0,8810, nilai minimum sebesar 0,03, nilai maksimum sebesar 1,93, dan standar deviasi sebesar 0,33611 dengan jumlah observasi (n) sebesar 78. b. Rata-rata profitabilitas sebesar 27,7012 nilai minimum sebesar 2,25, nilai maksimum sebesar 125,81 dan standar deviasi sebesar 23,63224 dengan jumlah observasi (n) sebesar 78.
76
c. Rata-rata ukuran perusahaan sebesar 3,5883E7 nilai minimum sebesar 4845380,00, nilai maksimum sebesar 2,27E8, dan standar deviasi sebesar 4,82674E7 dengan jumlah observasi (n) sebesar 78. d. Rata-rata financial leverage sebesar 0,4229 nilai minimum sebesar 0,05 nilai maksimum sebesar 2,74 dan standar deviasi sebesar 0,38438 dengan jumlah observasi (n) sebesar 78. 2. Hasil Uji Asumsi Klasik a.
Uji autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi1. Penyimpangan autokorelasi dalam penelitian ini diuji dengan uji Durbin Watson. Hasil regresi pada uji durbin watson dengan level of significance (0,05) dengan jumlah variabel bebas (K=3) dan banyaknya data (n=78). Besarnya angka Durbin Watson ditunjukkan pada tabel 4.3 sebagai berikut:
1
Imam Ghozali, “Aplikasi Analisis Multivariate dengan Program IBM SPSS 19”, Cet ke -5 (Semarang: Badan Penerbit Universitas Diponegoro,2005) hal110
77
Tabel 4.3 Hasil uji autokorelasi-Income Smoothing
b
Model Summary
Model
R
1
.106
R Square a
Adjusted R
Std. Error of the
Square
Estimate
.011
-.029
Durbin-Watson
.34093
a. Predictors: (Constant), FL, SIZE, ROE b. Dependent Variable: PERATAAN LABA
(Sumber: Output SPSS, 2015 data diolah)
Berdasarkan hasil hitung Durbin Watson sebesar 2,675 , sedangkan dalam tabel DW untuk k=3 dan N=78 besarnya DWtabel: dl (batas luar) sebesar 1,5535 dan du (batas atas) sebesar 1,7129. Oleh karena nilai DW 2,675 lebih besar dari batas atas (du) 1,7129 kurang dari 4-1,7129 (4-du) = 2,271 dan (dl) 1,5535 kurang dari 4-1,5535(4-dl) = 2,4465, maka dapat disimpulkan bahwa tidak terdapat autokorelasi pada regresi ini. Hal ini dapat dilihat dari gambar 4.1. sebagai berikut: Gambar 4.1. Hasil Uji Durbin-Watson
TidakadaAuto korelasi Ada Autokorelasi-
Ada Autokorelasi+ 1,5535
1,7129
3
2,4465
2,271
2.675
78
Durbin-Watson sebesar 2,675 nilai ini berada diantara 1,7129 dan 3 sehingga dapat disimpulkan bahwa data tersebut tidak terjadi autokorelasi (no autocorelation). b. Uji Multikolenieritas Uji Multikolinieritas digunakan untuk menguji apakah antara variabel bebas memiliki hubungan yang sempurna atau tidak. Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelsi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Berikut hasil uji multikolineiritas tabel 4.4. Tabel 4.4 Hasil uji multikolenieritas
a
Coefficients
Collinearity Statistics Model 1
Tolerance
VIF
(Constant) ROE
.739
1.354
SIZE
.848
1.179
FL
.710
1.409
a. Dependent Variable: PERATAAN LABA
(Sumber: Output SPSS, 2015 data diolah)
79
Hasil penelitian nilai tolerance juga menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95%. Hasil perhitungan Variance Inflation Factor (VIF) juga menunjukkan hal yang sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa model regresi tidak mengandung multikolinieritas. c.
Uji heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homokedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homokedastisitas atau tidak terjadi Heteroskedastisitas. Uji heteroskedastisitas dalam penelitian ini menggunakan uji scatterplot dan uji glejser. Berikut hasil output uji scatterplot ditunjukkan pada gambar 4.2 dan hasil uji glejser ditunjukkan pada tabel 4.5.
80
Gambar 4.2 Diagram Heteroskedastisitas –Income Smoothing
(Sumber: Output SPSS, 2015 data diolah)
Dari grafik scatterplots terlihat bahwa titik-titik menyebar secara acak dan tersebar baik diatas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi ini. Tabel 4.5 Tebel Heteroskedastisitas – Income Smoothing Coefficients Unstandardized Coefficients Model 1
B (Constant)
Standardized Coefficients
Std. Error .285
.045
ROE
-.002
.001
SIZE
1.199E-10
.000
.073
.075
FL
a
a. Dependent Variable: PERTAAN_LABA
(Sumber: Output SPSS, 2015 data diolah)
Beta
t
Sig.
6.370
.000
-.262
-1.997
.050
.027
.219
.827
.129
.966
.337
81
Uji glejser dilakukan untuk meregres nilai absolut residual terhadap variabel independen. Jika Variabel independen signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Hasil dari tampilan output SPSS diatas jelas menunjukkan bahwa tidak ada
satupun
variabel
independen
yang
signifikan
mempengaruhi variabel dependen nilai absolut. Hal ini terlihat dari probabilitas signifikansinya diatas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas. 3. Uji Normalitas 1) Analisis Grafik Uji normalitas yang dilakukan dalam penelitian ini, dengan cara melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Selain itu, metode lain dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Sebaliknya, Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah
82
garis diagonal atau grafik histogramnya tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Hasil pengujian normalitas data dengan menggunakan grafik histogram dan normal probability plot dapat dilihat pada gambar 4.3 dan gambar 4.4. Gambar 4.3 Histogram – Income Smoothing
(Sumber: Output SPSS, 2015 data diolah)
Dengan melihat tampilan grafik histogram pada gambar 4.3 tersebut dapat disimpulkan bahwa grafik histogram
menunjukkan
pola
distribusi
normal
dan
berbentuk simetris, tidak menceng (skewness) ke kanan atau ke kiri.
83
Gambar 4.4 Grafik Normal P-P Plot - Income Smoothing
(Sumber: Output SPSS, 2015 data diolah)
Pada gambar 4.4 grafik normal probability plot untuk uji regresi dengan variabel dependen perataan laba terlihat bahwa titik-titik menyebar berhimpit di sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Dari histogram dan grafik tersebut maka dapat dinyatakan bahwa model regresi pada penelitian ini memenuhi asumsi normalitas.
84
2) Uji statistik kolmogorov-smimov Uji normalitas dengan grafik dapat menyesatkan karena secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu, dianjurkan di samping menggunakan uji grafik juga dilengkapi dengan uji statistik. Uji statistik pada penelitian ini menggunakan uji statistik Kolmogorov-Smirnov (K-S). Untuk menentukan data dengan uji Kolmogorov-Smirnov, nilai signifikansi harus diatas 5%. Hasil uji statistik Kolmogorov-Smirnov (K-S) dapat dilihat dalam tabel 4.6 sebagai berikut: Tabel 4.6 Hasil Uji Normalitas dengan kolmogrov –Smirnov (K-S) One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
78
Normal Parameters
a,,b
Mean Std. Deviation
Most Extreme Differences
.0000000 .33422460
Absolute
.080
Positive
.080
Negative
-.070
Kolmogorov-Smirnov Z
.707
Asymp. Sig. (2-tailed)
.700
a. Test distribution is Normal. b. Calculated from data.
(Sumber: Output SPSS, 2015 data diolah)
85
Dari tabel 4.6 di atas menunjukkan bahwa tingkat signifikansi pada 0,700 yang lebih besar dari tingkat signifikansi 0,050. Dengan demikian, dapat disimpulkan bahwa pola distribusi residual terdistribusi normal dan hasilnya konsisten dengan uji grafik yang dilakukan sebelumnya, sehingga model regresi dengan variabel dependen perataan laba memenuhi uji normalitas. 4. Hasil pengujian hipotesis a. Analisis regresi linier berganda Besarnya perubahan pada variabel dependen (Y) akibat perubahan pada variabel independen (X) secara parsial dapat dijelaskan melalui persamaan regresi yang diperoleh. Hasil uji regresi berganda dapat dilihat pada tabel 4.7 sebagai berikut: Tabel 4.7 Hasil uji linier berganda Coefficients
Unstandardized Coefficients Model 1 (Constant)
B
.071
ROE
.000
.002
SIZE
-3.814E-10 -.063
FL
Standardize d Coefficients
Std. Error .928
a
Beta
Collinearity Statistics t
Sig.
Toleranc e
VIF
13.008
.000
-.016
-.117
.907
.739
1.354
.000
-.055
-.436
.664
.848
1.179
.120
-.072
-.527
.600
.710
1.409
a. Dependent Variable: PERATAAN LABA
(Sumber: Output SPSS, 2015 data diolah)
86
Berdasarkan pada hasil analisis yang telah dilakukan, maka persamaan regresi yang terbentuk adalah sebagai berikut: Y = 0,928 +0,000X1-3,814X2-0,063X3 +e Keterangan: X1 : profitabilitas X2 : ukuran perusahaan X3 : financial levereg Y : perataan Laba e : error (tingkat kesalahan atau pengganggu) Dari persamaan di atas, dapat dijelaskan sebagai berikut : 1.
Profitabilitas Dari hasil perhitungan uji secara parsial diperoleh nilai t hitung sebesar (-0,117) dengan nilai signifikasi sebesar 0,907 dan koefisien regresi sebesar 0,000 Karena nilai signifikasi lebih besar dari 5% dan nilai t hitung (-0,117) lebih kecil dari t tabel (1,685) maka dapat
disimpulkan bahwa profitabilitas
memiliki
pengaruh positif terhadap perataan laba. Untuk koefisien regresi sebesar 0,00 berarti setiap kenaikan profitabilitas sebesar 1% akan menaikan perataan laba sebesar 0,000%.
87
2.
Ukuran perusahaan Dari hasil perhitungan uji secara parsial diperoleh nilai t hitung sebesar (0,436) dengan nilai signifikasi sebesar 0,664 dan koefisien regresi sebesar -3,814E-10 Karena nilai signifikasi lebih besar dari 5% dan nilai t hitung (0,436) lebih kecil dari t tabel (1,685) maka dapat disimpulkan bahwa ukuran perusahaan memiliki pengaruh positif terhadap perataan laba. Untuk koefisien regresi sebesar -3.814E-10 berarti setiap kenaikan ukuran perusahaan
sebesar 1% akan
menaikan perataan laba sebesar 3.814E-10%. 3.
Financial leverage Dari hasil perhitungan uji secara parsial diperoleh nilai t hitung sebesar (-0,527) dengan nilai signifikasi sebesar 0.600 dan koefisien regresi sebesar -0.063 Karena nilai signifikasi lebih besar dari 5% dan nilai t hitung (-0,527) lebih kecil dari t tabel (1,685) maka dapat disimpulkan bahwa financial leverage memiliki pengaruh negatif terhadap perataan laba. Untuk koefisien regresi sebesar 0.063 berarti setiap kenaikan financial leverage sebesar 1% akan menurunkan perataan laba sebesar 0.063 %.
88
b. Uji statistik t (parsial) Uji t digunakan untuk membuktikan pengaruh profitabilitas, ukuran perusahaan,dan financial leverage terhadap perataan laba secara individual (uji t) dengan hipotesis sebagai berikut: Ho : Xi tidak berpengaruh signifikan terhadap variable dependen Ha : Xi berpengaruh signifikan terhadap variable dependen Dengan ketentuan, apabila : Sig.t > α 0,05 : Ho diterima Sig.t ≤ α 0,05 : Ha diterima Hasil pengujian koefisien regresi secara simultan untuk melihat pengaruh antara variabel independen terhadap variabel dependen dapat dilihat pada Tabel 4.8 Tabel 4.8 Hasil uji t (parsial) Coefficients
a
Standardized Unstandardized Coefficients Model 1
B
Std. Error
(Constant)
.928
.071
ROE
.000
.002
SIZE
-3.814E-10 -.063
FL
a. Dependent Variable: PERATAAN LABA
(Sumber: Output SPSS, 2015 data diolah)
Coefficients Beta
Collinearity Statistics t
Sig.
Tolerance
VIF
13.008
.000
-.016
-.117
.907
.739
1.354
.000
-.055
-.436
.664
.848
1.179
.120
-.072
-.527
.600
.710
1.409
89
Berdasarkan menggunakan program
hasil
perhitungan
dengan
statistik komputer
SPSS for
Windows Release 17.00 diperoleh hasil sebagai berikut : 1. Pengujian pengaruh variabel profitabilitas (X1) terhadap variable perataan laba (Y) Dengan taraf nyata (α) = 5% = 0,05, pengujian 1 sisi dengan derajat kebebasan (degree of freedom) yaitu : df = (n-k) = 78 - 3 = 75, diperoleh t -tabel = 1,685 dan dari hasil regresi berganda diperoleh t-statistik = -0,056. Dengan demikian, karena nilai thitung lebih kecil dari ttabel yaitu -0,117 < 1,685 dan nilai signifikasinya 0,907 > 0,050. Maka, variabel profitabilitas secara parsial tidak berpengaruh signifikan terhadap praktik perataan laba. 2.
Pengujian pengaruh variabel ukuran perusahaan (X2) terhadap variable perataan laba (Y) Dengan taraf nyata (α) = 5% = 0,05, pengujian 1 sisi dengan derajat kebebasan (degree of freedom) yaitu : df = (n-k) = 78 3 = 75, diperoleh t -tabel = 1,685 dan dari hasil regresi berganda diperoleh t-statistik = -0.436. Dengan demikian, karena nilai thitung lebih kecil dari ttabel yaitu -0,436 < 1,685 dan nilai signifikasinya 0,664 > 0,050. Maka, variabel ukuran perusahaan secara parsial
90
tidak berpengaruh signifikan terhadap praktik perataan laba. 3. Pengujian pengaruh variabel financial leverage (X3) terhadap variable perataan laba (Y) Dengan taraf nyata (α) = 5% = 0,05, pengujian 1 sisi dengan derajat kebebasan (degree of freedom) yaitu : df = (n-k) = 78 3 = 75, diperoleh t -tabel = 1,685 dan dari hasil regresi berganda diperoleh t-statistik = -0,527. Dengan demikian, karena nilai thitung lebih kecil dari ttabel yaitu -0,527 < 1,672 dan nilai signifikasinya 0,600 > 0,050. Maka, variabel financial leverage secara parsial tidak
berpengaruh
signifikan
terhadap
praktik
manajemen laba. c. Varibel F (Simultan) Uji simultan (uji statistik f) pada dasarnya digunakan untuk menguji
apakah
semua
variabel
independen
yaitu
profitabilitas, ukuran perusahaan, dan financial leverage yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen yaitu Praktik perataan laba. Hasil pengujian hipotesis secara simultan dapat dilihat pada tabel 4.9 sebagai berikut:
91
Tabel 4.9 Hasil uji variabel F (simultan) b
ANOVA
Model
1
Sum of Squares
Regression
df
Mean Square
F
.097
3
.032
Residual
8.601
74
.116
Total
8.699
77
Sig.
.279
.840
a
a. Predictors: (Constant), FL, SIZE, ROE b. Dependent Variable: PERATAAN LABA
(Sumber: Output SPSS, 2015 data diolah)
Dari uji ANOVA atau F test pada tabel 4.9 tersebut, didapat nilai Fhitung sebesar 0.279 dengan probabilitas 0,840
yaitu
jauh
lebih
besar
dari
0,05.
Dengan
menggunakan tabel F, didapat nilai Ftabel sebesar 2,39. Hal tersebut menunjukkan bahwa Fhitung < Ftabel yaitu 0,279 < 2,39 sehingga H0 diterima dan Ha ditolak. d. Uji koefien determinasi Koefisien determinasi digunakan untuk mengukur seberapa besar persentase perubahan atau variasi dari variabel dependen bisa dijelaskan oleh perubahan atau variasi dari variabel independen2. Semakin
tinggi
nilai
koefisien
determinasi akan semakin baik kemampuan variabel independen dalam menjelaskan pengaruhnya terhadap 2
Imam Ghozali, “Aplikasi Analisis Multivariate dengan Program IBM SPSS 19”, Cet ke 5 (Semarang: Badan Penerbit Universitas Diponegoro,2005) hal 97
92
variabel dependen. Hasil pengujian koefisien determinasi dapat dilihat dari nilai adjusted R square pada analisis regresi berganda. Tabel 4.10 Koefien determinasi-Income Smoothing b
Model Summary
Model 1
R .106
R Square a
Adjusted R
Std. Error of the
Square
Estimate
.011
-.029
.34093
Durbin-Watson 2.675
a. Predictors: (Constant), FL, SIZE, ROE b. Dependent Variable: PERATAAN LABA
Berdasarkan tabel 4.10 tersebut, besarnya adjusted R square adalah 0,011 , hal ini berarti bahwa 1,1% variasi praktik perataan laba dapat dijelaskan oleh variasi dari ketiga variabel independen yaitu profitabilitas,ukuran perusahaan dan financial leverage. Sedangkan sisanya (100% - 1,1% = 98,9%) dijelaskan oleh variabel-variabel lain di luar model yang tidak dijelaskan dalam penelitian ini.
C. Pembahasan Hasil Penelitian 1. Hasil regresi linier berganda menunjukkan bahwa profitabilitas tidak
berpengaruh terhadap perataan laba. Hasil ini dibuktikan dengan nilai signifikansi lebih besar dari 0,050 (0,907 > 0,050). Sedangkan untuk koefisien regresi sebesar 0,000 menunjukkan bahwa semakin Semakin
93
rendah tingkat profitabilitas suatu perusahaan, maka akan semakin mudah bagi perusahaan untuk meratakan labanya sebab perusahaan harus memenuhi apa yang diinginkan oleh investor yaitu dividen dan tentunya laba bagi perusahaan. 2. Hasil regresi linier berganda menunjukkan bahwa ukuran perusahaan
tidak berpengaruh signifikan terhadap perataan laba. Hasil ini dibuktikan dengan nilai signifikansi lebih besar dari 0,050 (0,664 > 0,050). Sedangkan untuk koefisien regresi sebesar -3.814E-10 hal ini berarti, semakin besar ukuran perusahaan maka akan semakin besar pula kemungkinan manajer perusahaan untuk melakukan perataan laba. 3. Hasil regresi linier berganda menunjukkan bahwa financial leverage
tidak berpengaruh terhadap perataan laba. Hasil ini dibuktikan dengan nilai signifikansi lebih besar dari 0,050 (0,600 > 0,050). Sedangkan untuk koefisien regresi sebesar -0,063 dengan demikian besar atau kecilnya rasio leverage tidak berpengaruh terhadap tindakan perataan laba. 4. Hasil regresi linier berganda menunjukan bahwa profitabilitas, ukuran
perusahaan, dan financial leverage tidak berpengaruh terhadap tindakan perataan laba.
