BAB III METODE PENELITIAN
3.1. Desain Penelitian Desain penelitian adalah blueprint atau
model untuk mengumpulkan,
mengukur, dan menganalisis data berdasarkan pada pertanyaan-pertanyaan penelitian (Sekaran dan Bougie, 2013). Tipe desain penelitian yang akan digunakan pada penelitian ini adalah penelitian asosiatif. Penelitian asosiatif merupakan penelitian yang bertujuan untuk mengetahui hubungan antar dua variabel atau lebih (Sujarweni, 2015). Penelitian ini menguji hubungan perbedaan laba akuntansi dan laba fiskal dan komponen laba terhadap persistensi laba. Variabel independen dalam penelitian ini ada dua, yaitu perbedaan laba akuntansi dan laba fiskal dan komponen laba, yang terdiri dari arus kas dan akrual. Sedangkan variabel dependen penelitian ini adalah persistensi laba yang diukur dari laba akuntansi sebelum pajak. Data yang digunakan dalam penelitian ini adalah data kuantitatif yang diambil dari perusahaan-perusahaan manufaktur yang telah go public.
3.2. Populasi dan Sampel Penulis memilih perusahaan manufaktur yang telah terdaftar pada Bursa Efek Indonesia sebagai populasi dalam penelitian ini. Populasi adalah keseluruhan kelompok individu, peristiwa, atau hal-hal yang menarik diteliti dan diselidiki oleh peneliti (Sekaran dan Bougie, 2013). Alasan pemilihan populasi tersebut
30
karena laporan keuangan perusahaan yang telah terdaftar pada Bursa Efek Indonesia terpublikasi pada website Bursa Efek Indonesia, sehingga penulis mudah memperoleh data-data yang dibutuhkan. Persada dan Martani (2010) memilih perusahaan manufaktur karena memiliki karakteristik yang sama sehingga dampak perbedaan laba akuntansi dan laba fiskal dapat teramati. Sampel merupakan suatu bagian atas populasi yang memiliki ciri dan karakteristik yang sama dengan populasi, serta mampu mewakili dari keseluruhan populasi penelitian (Sekaran dan Bougie, 2013). Sampel pada penelitian ini adalah perusahaan manufaktur dari periode tahun 2011 sampai tahun 2013. Sektor manufaktur dipilih karena dampak dari perbedaan laba akuntansi dan laba fiskal lebih teramati dan memiliki karakteristik yang sama untuk bentuk pelaporan keuangannya. Selain itu, sektor pertambangan dikenakan peraturan perpajakan yang berbeda dan perusahaan kontraktor banyak dikenakan pajak penghasilan final. Sedangkan sektor lembaga keuangan, pendapatannya diatur oleh peraturan pemerintah (Persada dan Martani, 2010). Penulis menggunakan teknik purposive sampling dalam menentukan sampel yang akan digunakan. Teknik purposive sampling adalah teknik pengambilan sampel dengan menggunakan pertimbangan dan kriteria tertentu sehingga sampel yang didapat relevan dengan tujuan penelitian. Berikut kriteria perusahaan yang dijadikan sampel dalam penelitian ini, diantaranya: a.
Perusahaan manufaktur yang telah terdaftar di Bursa Efek Indonesia sejak 1 Januari 2011;
31
b.
Menerbitkan laporan keuangan yang diaudit secara konsisten dan lengkap dengan periode pelaporan tahunan yang berakhir pada tanggal 31 Desember, dari tahun 2011 sampai dengan tahun 2014;
c.
Perusahaan menyajikan laporan keuangan dalam mata uang rupiah; dan
d.
Semua data yang dibutuhkan dalam penelitian ini tersedia dengan lengkap.
3.3. Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang telah ada dan dikumpulkan oleh pihak luar (Sekaran dan Bougie, 2013). Seluruh data yang digunakan dalam penelitian ini merupakan data yang diambil dari laporan keuangan tahunan (annual report) perusahaan manufaktur yang telah diaudit dan berakhir pada tanggal 31 Desember. Laporan keuangan tahunan yang digunakan meliputi tahun 2011 sampai dengan tahun 2014.
3.4. Metode Pengumpulan Data Data yang digunakan dalam penilitian ini dikumpulkan dengan metode dokumentasi terhadap laporan keuangan tahunan auditan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia selama periode tahun 2011 sampai tahun 2014.
32
3.5. Pengukuran Variabel Definisi dan pengukuran variabel yang digunakan dalam penelitian ini meliputi: 3.5.1. Variabel Dependen Variabel dependen dalam penelitian ini adalah persistensi laba. Sesuai dengan Suwandika dan Astika (2013), proksi yang digunakan adalah laba akuntansi sebelum pajak tahun depan (PTBIt+1) dan diukur dengan cara sebagai berikut:
πππππππππ‘π‘+1 =
ππππππππ ππππππππππππππππππ π π π π π π π π π π π π π π ππππππππππ π‘π‘π‘π‘βπ’π’π’π’ ππππππππππ ππππππππ β ππππππππ π‘π‘π‘π‘π‘π‘π‘π‘π‘π‘ ππππππππ
3.5.2. Variabel Independen 1) Perbedaan Laba Akuntansi dan Laba Fiskal Variabel independen pertama dalam penelitian ini adalah perbedaan laba akuntansi dan laba fiskal yang dibagi menjadi dua, yaitu large negative dan large positive. Variabel independen ini diukur dengan variabel dummy, sesuai dengan penelitian Hanlon (2003) dan Suwandika dan Astika (2013), sebagai berikut: a) Large Positive Book Tax Difference (LPBTD) yang diperoleh dengan cara mengurutkan perbedaan temporer diwakili oleh akun beban pajak tangguhan per tahun, kemudian seperlima urutan tertinggi dari sampel mewakili kelompok LPBTD diberi kode 1, dan yang lainnya diberi kode 0. b) Large Negative BookTax Difference (LNBTD) yang diperoleh dengan cara mengurutkan perbedaan temporer diwakili oleh akun manfaat pajak
33
tangguhan per tahun, kemudian seperlima urutan terendah dari sampel mewakili kelompok LNBTD diberi kode 1, dan yang lainnya diberi kode 0. 2) Komponen Laba Variabel kedua dalam penelitian ini adalah komponen laba yang terdiri dari arus kas dan akrual. Data arus kas merupakan data arus kas operasi yang diambil langsung dari laporan arus kas, mengacu pada penelitian Dwi dan Putri (2015). Komponen laba kedua, yaitu akrual diukur sesuai dengan penelitian Persada dan Martani (2010), berikut cara menghitung total akrual:
Keterangan :
π΄π΄π΄π΄π΄π΄π΄π΄π΄π΄π΄π΄π‘π‘ = πππππππππ‘π‘ β πΆπΆπΆπΆπΆπΆπ‘π‘
Akrualt = komponen akrual tahun t PTBIt
= laba akuntansi sebelum pajak tahun t
CFOt
= arus kas operasi tahun t
3.6. Metode Analisis Data Analisis regresi linear berganda (multiple linear regression) dipilih untuk menguji hipotesis penelitian ini, karena penelitian ini menguji hubungan antara variabel-variabel independen dengan variabel dependen. Uji asumsi klasik dilakukan sebelum melakukan pengujian hipotesis, karena untuk menilai kelayakan model regresi yang akan dilakukan dalam penelitian. Uji asumsi klasik meliputi uji normalitas, uji autokorelasi, uji multikolonieritas, dan uji
34
heteroskedastisitas. Selain uji asumsi klasik, peneliti juga melakukan statistik deskriptif. 3.6.1. Statistik Deskriptif Statistik deskriptif digunakan untuk memberikan informasi mengenai berbagai karakteristik data dari sampel penelitian. Statistik deskriptif memberikan gambaran atau deskripsi suatu data dalam bentuk nilai rata-rata (means), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness (kemencengan distribusi) (Ghozali, 2011). 3.6.2. Pengujian Asumsi Klasik Uji asumsi klasik dilakukan untuk menilai kelayakan model regresi. Syarat data yang dapat diuji dengan analisis regresi linear berganda adalah data terdistribusi normal, bebas dari multikolonieritas, bebas dari autokorelasi, dan bebas dari heteroskedastisitas. Berikut pengujian asumsi klasik, diantaranya: 3.6.2.1. Uji Normalitas Pengujian regresi linear berganda dapat dilakukan, jika data variabel penelitian berdistribusi normal. Uji normalitas bertujuan untuk menguji apakah variabel dependen dan variabel independen yang digunakan dalam model regresi terdistribusi normal atau tidak. Ada dua cara untuk uji normalitas, yaitu dengan analisis grafik dan uji statistik (Ghozali, 2011) Uji normalitas dengan cara analisis grafik dilakukan dengan melihat grafik histogram dan grafik normal plot. Jika skewness yang tergambar menceng ke kiri atau ke kanan (atau tidak sama dengan nol) pada grafik histogram, berarti data tidak terdistribusi normal. Sedangkan uji statistik dapat menggunakan Uji
35
Kolmogorov-Smirnov (K-S). Dengan menetapkan tingkat signifikansi sebesar 5%, maka variabel yang terdistribusi normal adalah hasil uji yang memiliki nilai signifikansi di atas 5%. Apabila nilai signifikansi di bawah 5%, berarti data tidak terdistribusi normal (Ghozali, 2011). 3.6.2.2. Uji Multikolonieritas Uji Multikolonieritas dilakukan untuk menguji apakah terjadi korelasi diantara variabel independen. Model regresi yang layak untuk diuji adalah yang tidak terjadi korelasi antar variabel independen (Ghozali, 2011). Jika terjadi korelasi antar variabel independen, koefisien regresi tidak tertentu dan kesalahan standarnya tidak terhingga (Sujarweni, 2015). Salah satu cara untuk mengetahui ada atau tidaknya multikolonieritas adalah dengan melihat nilai tolerance dan nilai variance inflation factor (VIF). Model regresi yang tidak mengandung multikolonieritas adalah yang memiliki nilai tolerance β₯ 0,10 dan nilai VIF β€ 10. Kedua nilai tersebut dapat dilihat pada kolom Collinearity Statistics pada tabel Coefficients. 3.6.2.3. Uji Autokorelasi Pengujian autokorelasi dilakukan untuk mendeteksi apakah ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Penyebab terjadinya autokorelasi adalah observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya (Ghozali, 2011). Pada data time series sering ditemukan karena βgangguanβ pada suatu individu/kelompok cenderung mempengaruhi βgangguanβ pada individu/kelompok yang sama pada periode berikutnya. Salah satu cara untuk mendeteksi kemungkinan adanya
36
autokorelasi dapat dilakukan dengan Uji Run Test. Cara menganalisis nilai signifikansi uji run test dengan tingkat signifikansi sebesar 5%, sebagai berikut: a) Jika nilai signifikan kurang dari 5% (p < 0,05), maka terjadi gejala autokorelasi dalam model regresi. b) Jika nilai signifikan lebih dari 5% (p > 0,05), maka dapat disimpulkan tidak terjadi gejala autokorelasi dalam model regresi.
3.6.2.4. Uji Heteroskedastisitas Tujuan dari uji heteroskedastisitas adalaha untuk menguji apakah model regeresi terdapat ketidaksamaan variance dari residual satu pengamatan ke pemangatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain
tetap,
maka
disebut
homoskedastisitas.
Model
regresi
seharusnya
mengandung homoskedastisitas atau bebas dari heteroskedastisitas (Ghozali, 2011). Salah satu cara mendeteksi ada atau tidaknya heteroskedastisitas dengan uji statistik yang dapat menjamin keakuratan hasul pengujiannya. Gujarati (2003) dalam Ghozali (2011) menjelaskan bahwa Uji Glejser dilakukan dengan meregres nilai absolut residual terhadap variabel independen. Cara menganalisis nilai signifikansi uji glejser dengan tingkat signifikansi sebesar 5%, sebagai berikut: a) Jika nilai signifikan kurang dari 5% (p < 0,05), maka model regresi terindikasi mengandung heteroskedastisitas. b) Jika nilai signifikan lebih dari 5% (p > 0,05), maka dapat disimpulkan model regresi bebas dari heteroskedastisitas.
37
3.6.3. Pengujian Hipotesis 3.6.3.1. Analisis Regresi Berganda Penelitian ini bertujuan untuk menguji hubungan antara variabel dependen dan variabel independen, serta jumlah variabel independen yang lebih dari satu, maka pengujian hipotesis menggunakan analisis regresi linear berganda. Model regresi linear berganda pada penelitian ini, sebagai berikut: PTBIt+1 = Ξ± + Ξ²1LPBTDt + Ξ²2LNBTDt + Ξ²3CFOt + Ξ²4Akrualt + Ξ΅ Keterangan: Ξ±
= konstanta
PTBIt+1
= laba akuntansi sebelum pajak tahun depan
LPBTDt = large positive book-tax differences tahun t LNBTDt = large negative book-tax differences tahun t CFOt
= arus kas operasi tahun t
Akrualt
= akrual tahun t
Ξ΅
= erorr
Pengujian hipotesis untuk menguji bagaimana pengaruh variabel independen terhadap variabel dependen, baik secara parsial (masing-masing variabel independen) maupun bersamaan. Variabel dependen penelitian ini adalah persistensi laba, sedangkan variabel independen adalah perbedaan laba akuntansi dan laba fiskal, yaitu large negative dan large positif, serta komponen laba, yaitu arus kas dan akrual.
38
3.6.3.2. Goodness of Fit Goodness of fit merupakan ukuran untuk nilai aktual analisis regresi linear berganda. Secara statistik diukur dari nilai koefisien determinasi, nilai statistik F, dan nilai statistik t. Nilai statistik dikatakan signifikan, jika berada dalam daerah kritis (daerah dimana Ho ditolak). Sedangkan nilai statistik yang tidak signifikan bila berada dalam daerah dimana Ho diterima (Ghozali, 2011). 1) Koefisien Determinasi (R2) Koefisien determinasi (R2) bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi yang didapat berkisar 0 dan 1. Jika nilai yang diperoleh mendekati angka 1, berarti variabel-variabel independen mampu menjelaskan variasi variabel dependen amat kuat. Nilai R2 memiliki kelemahan, yaitu apabila ada penambahan satu variabel independen, maka R2 pasti akan meningkat. Oleh karena itu, nilai adjusted R2 yang digunakan untuk menilai kemampuan variabel independen dalam menjelaskan variabel dependennya (Ghozali, 2011). 2) Uji Signifikan Simultan (Uji Statistik F) Nilai hasil uji statistik F berguna untuk menunjukkan apakah semua variabel independen dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Ghozali, 2011). Cara menganalisis nilai signifikansi uji statistik F dengan tingkat signifikansi sebesar 5%, sebagai berikut: a) Jika nilai signifikan kurang dari 5% (p < 0,05), maka Ho ditolak dan Ha diterima. Artinya, variabel independen secara bersama-sama berpengaruh terhadap variabel dependen.
39
b) Jika nilai signifikan lebih dari 5% (p > 0,05), maka Ho diterima dan Ha ditolak. Artinya, variabel independen secara bersama-sama tidak berpengaruh terhadap variabel dependen. 3) Uji Signifikan Parameter Individual (Uji Statistik t) Uji statistik t digunakan untuk mengetahui seberapa jauh pengaruh satu variabel independen secara individual (parsial) dalam menerangkan variasi variabel dependen (Ghozali, 2011). Cara menganalisis nilai signifikansi uji statistik F dengan tingkat signifikansi sebesar 5%, sebagai berikut: a) Jika nilai signifikan kurang dari 5% (p < 0,05), maka Ho ditolak dan Ha diterima. Artinya, variabel independen secara individual (parsial) berpengaruh terhadap variabel dependen. b) Jika nilai signifikan lebih dari 5% (p > 0,05), maka Ho diterima dan Ha ditolak. Artinya, variabel independen secara individual (parsial) tidak berpengaruh terhadap variabel dependen.
40
