BAB V ANALISIS HASIL DAN PEMBAHASAN

Transkripsi

1 BAB V ANALISIS HASIL DAN PEMBAHASAN A. Analisis Data Sampel penelitian ini adalah perusahaan manufaktur yang memenuhi kriteria sebagaimana disajikan pada Tabel 5.1. dalam kurun waktu empat tahun. 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). Tabel 5.1 Sample Penelitian No. Kriteria Perusahaan manufaktur yang terdaftar di BEI pada tahun 2010 sampai dengan Perusahaan tidak memenuhi kriteria penelitian (66) (66) (72) (74) 3 Data penelitian selama tahun Data Outlier (32) (29) (24) (26) Total Data Penelitian Per Tahun Total Data Penelitian Selama tahun

2 66 1. Statistik Deskriptif Statistik deskriptif merupakan analisis yang menyajikan nilai minimum, maksimum, rata- rata dan standar deviasi dari variabel dependen dan variabel independen yang diuji. Variabel dependen adalah Keputusan Investasi yang diproksi dengan IOS, Proksi IOS yang digunakan dalam penelitian ini adalah Price Earning Ratio (PER). Menurut Brigham dan Houston (2001), PER menunjukkan perbandingan antara closing price dengan laba per lembar saham (earning per share). Variabel independen dalam penelitian ini meliputi Corporate Governance hasil survei yang dikeluarkan oleh IICD, Manajemen Laba Riil yang dikembangkan oleh Roychowdhury (2006) dengan fokus pada tiga metode manipulasi yang diproksi kedalam cash flow operation (CFO), discretionary expense (DISEXP) dan production costs (PROD). Untuk mendeteksi apakah perusahaan cenderung melakukan manipulasi aktivitas riil ditentukan berdasarkan uji rata-rata nilai abnormal variabel arus kas kegiatan operasi, biaya produksi dan biaya diskresioner. Nilai rata-rata abnormal arus kas kegiatan operasi (AbnCFO), abnormal biaya diskresioner (ABN_DISEXP) dan abnormal biaya produksi (AbnROD) diperoleh dari statistik deskriptif, dan leverage sebagai variable control.

3 67 Hasil statistik deskriptif dalam penelitian ini diperoleh gambaran masingmasing variabel adalah sbb : Tabel 5.2 Statistik Deskriptif Variabel Std. N Min Max Mean Deviation INV 153-7, , , , INDEXCG , , , , ACFO 153 -,1970,3010,028516, ADIEXP 153 -,1600,3360,165105, APROD 153 -,3800,4390,040980, REAL 153 -,5140,7990,234706, LEV 153,1330,9240,461549, Valid N (listwise) 153 Keterangan: INV= Keputusan Investasi (PER), REAL = Manajemen laba riil (Real Activity) yang merupakan hasil penjumlahan dari proksi Abnormal Cash Flow Operation (AbnCFO), Abnormal Discretionary Expense (Abn DISEXP), dan Abnormal Production Cost (Abn PROD) atau REAL = AbnCFO*(-1) + AbnDISEXP*(-1) + AbnPROD*. Sumber : Hasil Perhitungan SPSS (diolah), Tabel di atas, menunjukkan bahwa total jumlah sampel sebanyak 153 perusahaan yang diteliti periode , Tabel di atas menunjukkan bahwa jumlah total sampelnya berjumlah 153 observasi tahun Rata-rata (mean) INV (PER) tahun 2010 hingga 2013 sebesar artinya rata-rata Kebijakan Investasi INV (PER) yang dilakukan oleh investor sebesar %. Nilai maksimum INV (PER) 33.5% oleh emiten SIPD tahun Nilai minimum PER sebesar -7.10% oleh TIRT tahun 2010,. Tanda

4 68 POSITIF memberikan arti bahwa emiten mendapatkan earning per share yang positif atau dengan kata lain emiten mengalami keuntungan dan investor mendapatkan signal positif. Standar deviasinya sebesar 8,18%. INDEKS CG (Corporate Governance Index) yang merupakan hasil survei dari IICD. Skor yang dihasilkan berupa persentase dengan nilai maksimal 100%. Setiap skor memiliki interpretasi tersendiri sesuai dengan kriteria penilaian praktek GCG yang telah ditetapkan oleh IICD. Menunjukkan bahwa rata-rata (mean) INDEKS CG tahun 2011 hingga 2013 sebesar 69,9863% berarti rata-rata perusahaan hanya memenuhi persyaratan minimum dalam penerapan CG dan masuk dalam katagori fair sampel berada dalam kategori fair menurut kriteria penilaian praktik Good Corporate Governanance (GCG) yang ditetapkan oleh IICD. Hal ini menggambarkan bahwa rata-rata perusahaan manufaktur di Indonesia belum menunjukkan komitmen tinggi dalam menerapkan praktik GCG. Standar deviasi untuk variabel Corporatete Governance Index sebesar 6.299%. Nilai maksimum sebesar 84,61% dicapai oleh PT SMCB 2013 dan nilai minimum diperoleh PT. Budi Acid Jaya Tbk yaitu sebesar 60,27% di tahun Abnormal Cash Flow Operation (AbnCFO), manajemen laba melalui aktivitas riil (real activity) oleh Roychowdhury (2006), berdasarkan data pada Tabel di atas, menunjukkan bahwa nilai rata-rata manajemen laba melalui aktivitas riil Abnormal Cash Flow Operation (AbnCFO) sebesar 0,2851, nilai tertinggi sebesar 0,3010 dicapai oleh PT.INAI tahun 2012 dan nilai terendah sebesar -0,1970 diperoleh PT. INTP dengan standar deviasi sebesar 0,

5 69 Rata-rata arus kas abnormal yang positif ini menunjukkan bahwa perusahaan sampel memiliki arus kas kegiatan operasi actual yang lebih tinggi dibandingkan arus kas dari kegiatan operasi normalnya. Manajemen laba melalui aktivitas riil Abnormal Discretionary Expense (AbnDISEXP) oleh Roychowdhury (2006), berdasarkan data pada Tabel 5.2 di atas, menunjukkan bahwa nilai rata-rata manajemen laba melalui aktivitas riil Abnormal Discretionary Expense (AbnDISEXP) sebesar 0,165105, nilai tertinggi sebesar 0,3360 dicapai oleh PT.LMSH 2010 dan nilai terendah sebesar berada pada emiten PT. TCID 2013 dengan standar deviasi sebesar Nilai rata-rata tersebut mengindikasikan bahwa biaya diskresioner aktual cenderung lebih tinggi dari biaya diskresioner normal, sehingga menghasilkan rata-rata manajemen laba melalui manipulasi aktivitas riil positif. Menurut Roychowdurry (2006) adanya kenaikan biaya Discretionary Expense abnormal mengindikasikan adanya praktik manajemen laba riil yang dilakukan oleh perusahaan sampel. Manajemen laba riil melalui aktivitas Abnormal Production Cost (AbnPROD). Berdasarkan data pada Tabel 5.2 di atas, menunjukkan bahwa nilai rata-rata manajemen laba melalui aktivitas riil sebesar 0,40980, nilai tertinggi sebesar 0,4390 dicapai oleh PT.LMSH tahun 2011 dan nilai terendah sebesar - 0,3800berada pada emiten PT.SMGR tahun 2010 dengan standar deviasi sebesar 0, Nilai rata-rata tersebut mengindikasikan bahwa nilai biaya produksi aktual cenderung lebih tinggi dari biaya produksi normal, sehingga menghasilkan rata-rata manajemen laba melalui manipulasi aktivitas riil positif Menurut

6 70 Roychowdurry (2006) adanya kenaikan biaya produksi abnormal mengindikasikan adanya praktik manajemen laba riil yang dilakukan oleh perusahaan sampel. Manajemen laba melalui aktivitas riil (real activity) yang dikembangkan oleh Roychowdhury (2006) merupakan hasil dari penjumlahan Abnormal Cash Flow Operation (AbnCFO), Abnormal Discretionary Expense (AbnDISEXP), dan Abnormal Production Cost (AbnPROD). Berdasarkan data pada Tabel 5.2 di atas, menunjukkan bahwa nilai rata-rata manajemen laba melalui aktivitas riil sebesar 0,23470, nilai tertinggi sebesar dicapai oleh PT.LMSH tahun 2011 dan nilai terendah sebesar berada pada emiten PT.TCID tahun 2013 dengan standar deviasi sebesar Nilai rata-rata tersebut mengindikasikan bahwa nilai arus kas dari kegiatan operasi aktual, biaya diskresioner aktual dan biaya produksi aktual cenderung lebih tinggi dari arus kas dari kegiatan operasi normal, biaya diskresioner normal, dan biaya produksi normal, sehingga menghasilkan rata-rata manajemen laba melalui manipulasi aktivitas riil positif. Apabila peningkatan biaya diskresioner dan biaya produksi ini merupakan salah satu tindakan manager untuk melakukan manajemen laba, maka motivasi manajer melakukan hal tersebut adalah untuk menaikan laba. Lev memiliki nilai rata-rata Hal ini menjukkan bahwa rata-rata atau 46,15% perusahaan sampel menggunakan hutang sebagai sumber pembiayaan untuk aktivitas operasional perusahaan dibandingkan saham. Selain itu, hal ini juga mengindikasikan bahwa tingkat preferensi perusahaan manufaktur di Indonesia terhadap pembiayaan eksternal dengan menggunakan

7 71 hutang relatif cukup tinggi. Nilai tertinggi leverage perusahaan sampel mencapai 0,9240 oleh PT. EKAD pada tahun 2013 dan nilai terendah leverage sebesar dimiliki oleh PT. INTP Tbk pada tahun B. Uji Data 1. Pengujian Asumsi Klasik Pengujian asumsi klasik ini bertujuan untuk mengetahui dan menguji kelayakan atas model regresi yang digunakan dalam penelitian ini. Pengujian ini juga dimaksudkan untuk memastikan bahwa sebaran data berdistribusi normal, dan di dalam model regresi yang digunakan tidak terdapat autokorelasi, tidak terdapat problem multikolonieritas, dan tidak terjadi heteroskedastisitas. pengujian asumsi klasik model regresi dilakukan masing-masing terpisah sesuai model yang akan diajukan. 1.1 Indeks CG Terhadap Abnormal Cashflow Operation a. Uji Normalitas Uji normalitas dilakukan untuk mengetahui apakah masing-masing variabel memiliki distribusi normal atau tidak. Normalitas variabel dapat dideteksi dengan menggunakan statistik Kolmogorov-Smirnov dengan cara melihat nilai probabilitas signifikan yang bernilai di atas nilai 0,05 maka data berdistribusi normal. Selain itu, normalitas nilai residual dilihat dengan menggunakan histogram error. Hasil pengujian normalitas dengan statistik Kolomogorov-Smirnov dapat dilihat pada tabel berikut ini.

8 72 Tabel 5.3 Uji Normalitas Regresi Model ACFO Unstandardized Residual N 153 Normal Parameters a,b Mean Std. Deviation Most Extreme Differences Absolute.047 Positive.047 Negative Kolmogorov-Smirnov Z.577 Asymp. Sig. (2-tailed).893 Sumber : Perhitungan SPSS (diolah), Data pada Tabel 5.3 di atas menunjukkan bahwa data residual dari perhitungan regresi Model 1 antara variabel independen dengan variabel dependen memiliki nilai Kolmogorov-Smirnov Z sebesar dengan nilai probabilitas (Asymp.Sig) sebesar 0,894. Karena nilai probabilitas (Asymp.Sig) 0,893 > 0,05 maka data dinyatakan berdistribusi normal, sehingga data dapat digunakan untuk penelitian selanjutnya. Untuk memastikan data dalam model regresi berdistribusi normal dapat pula dilihat dari histogram error yang dihasilkan oleh output SPSS, seperti terlihat pada gambar di bawah ini.

9 73 Gambar 5.1. Histogram Error Normalitas Regresi Model 1 Berdasarkan gambar 5.1 di atas, dapat dilihat bahwa penyebaran data variabel-variabel penelitian mengikuti garis normalitas. Oleh karena itu, maka model penelitian yang digunakan memenuhi asumsi normalitas dimana variabel dependen (manajemen laba melalui manipulasi riil abnormal cash flow, variabel independen Corporate Governance Index serta variabel kontrol leverage, dapat disimpulkan bahwa sebaran data seluruh variabel penelitian berdistribusi normal.

10 74 b. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Dalam penelitian ini, untuk mendeteksi ada tidaknya autokorelasi dilihat dari besaran nilai Durbin- Watson. Model regresi dinyatakan bebas dari problem autokorelasi jika nilai DW terletak antara batas atas atau upper bound (du) dan (4-du) atau du <DW<4-du. Hasil pengujian autokorelasi dapat dilihat pada tabel di bawah ini. Tabel 5.4 Uji Autokorelasi Regresi Model 1 Adjusted R Std. Error of Model R R Square Square the Estimate Durbin-Watson a a Predictors: (Constant), GROWTH, INDEXCG b Dependent Variable: ACFO Sumber: Hasil Perhitungan SPSS (diolah), 2016 Berdasarkan hasil pengujian dengan statistik Durbin Watson (DW) terhadap regresi model 1 pada taraf signifikansi (α) 0,05, k = 2 dan n = 153, diperoleh nilai DW sebesar Sedangkan besarnya nilai DW tabel yaitu: dl (batas luar) = 1,7093, du (batas dalam) = 1,7629, 4-dl = 2,0907 dan 4-du = 2,2371. Dari hasil perhitungan disimpulkan bahwa nilai DW-test sebesar 2.051

11 75 terletak pada daerah uji atau daerah yang bebas dari asumsi autokorelasi atau secara matematis ditulis 1,70931< < 2,2371. c. Uji Multikolinieritas Pengujian multikolinieritas digunakan untuk mengetahui ada tidaknya hubungan yang sempurna atau sangat tinggi antar variabel independen dalam model regresi. Jika terdapat nilai korelasi di antara variabel independen adalah satu maka koefisiennya: (1) Koefisien untuk nilai-nilai regresi tidak dapat diperkirakan, (2) Nilai standard error dari setiap koefisien regresi menjadi nilai yang tak terhingga. Untuk mendeteksi ada tidaknya permasalahan multikolinearitas dalam model regresi maka dapat dari nilai VIF (Variance Inflation Factor) dan nilai Tolerance. Pedoman umum (rule of thumb) untuk batasan nilai VIF dan Tolerance agar model regresi terbebas dari problem multikolinearitas adalah nilai VIF kurang dari 10 dan nilai Tolerance lebih dari 0,10 atau mendekati 1 (Ghozali, (2011) Hasil perhitungan SPSS untuk uji multikolinieritas dapat dilihat pada tabel di bawah ini. Tabel 5.5 Uji Multikolinieritas Regresi Model 1 Model Collinearity Statistics Tolerance VIF 1 (Constant) INDEXCG 0, LEV 0, a Dependent Variable: ACFO Sumber: Hasil Perhitungan SPSS (diolah), 2016.

12 76 Data pada tabel 5.5 di atas, menunjukkan ketujuh variabel independen (bebas) yaitu Corporate Governance, variabel kontrol leverage seluruhnya memiliki nilai Tolerance lebih dari 0,10 dan nilai Variance Inflation Factor (VIF) kurang dari 10. Dengan demikian, seluruh variabel yang diteliti dinyatakan tidak terjadi (bebas) multikolinieritas, sehingga data dapat digunakan untuk pengujian model yang diajukan. d. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas bukan heteroskedastisitas (Ghozali, 2011). Pengujian heteroskedastisitas dalam penelitian ini menggunakan grafik scatterplot. Apabila titik-titik dalam grafik membentuk pola menyebar lalu menyempit atau sebaliknya di sekitar garis diagonal maka bisa dikatakan terjadi heteroskedastisitas. Hasil pengujian dapat dilihat pada gambar di bawah ini.

13 77 Gambar 5.2. Grafik Uji Heteroskesdatisitas Regresi Model 1 Data pada Gambar 5.2 di atas, terlihat bahwa titik-titik yang ada dalam grafik tidak membentuk pola tertentu yang jelas, dan titik-titik tersebut tersebar di atas dan di bawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa model regresi dalam penelitian ini tidak terjadi atau bebas dari problem heteroskedastisitas, maka data disimpulkan bahwa data bebas dari problem heteroskedastisitas, sehingga dapat digunakan untuk menganalisis model penelitian ini.

14 Indeks CG Terhadap abonormal discretionary expense a. Uji Normalitas Pengujian normalitas sebaran data regresi model ini dilakukan sama halnya dengan pengujian regresi model sebelumnya. Normalitas variabel dideteksi dengan menggunakan statistik Kolmogorov-Smirnov dan histogram error. Hasil pengujian normalitas dengan statistik Kolomogorov-Smirnov dapat dilihat pada tabel berikut ini. Tabel 5.6 Uji Normalitas Regresi ADIEXP Unstandardized Residual N 153 Normal Parameters(a,b) Mean Std. Deviation Most Extreme Differences Absolute.086 Positive.086 Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed).209 Sumber : Perhitungan SPSS (diolah), Data Tabel 5.6 di atas, terlihat bahwa dari hasil perhitungan regresi Model ini memiliki nilai Kolmogorov-Smirnov Z sebesar dengan Asymp.Sig sebesar Karena nilai probabilitas (Asymp.Sig) > 0,05 maka data dinyatakan berdistribusi normal. Hasil pengujian normalitas melalui grafik histogram error memiliki penyebaran data variabel-variabel penelitian yang mengikuti garis normalitas. Dengan demikian, model penelitian yang digunakan memenuhi asumsi normalitas dimana variabel dependen (manajemen laba melalui manipulasi

15 79 aktivitas riil ADIEXP), variabel independen Corporate Governance Index, kontrol leverage seluruhnya berdistribusi normal. Gambar 5.3. Histogram Error Normalitas Regresi Model 2 Berdasarkan gambar 5.3 di atas, terlihat bahwa penyebaran data variabel-variabel penelitian mengikuti garis normalitas. Oleh karena itu, maka model penelitian yang digunakan memenuhi asumsi normalitas, sehingga sebaran data variabel dependen manajemen laba melalui manipulasi aktivitas riil ADIEXP, variabel dependen Corporate Governance Index, serta variabel kontrol leverage dinyatakan berdistribusi normal.

16 80 b. Uji Autokorelasi Untuk mendeteksi ada tidaknya autokorelasi dalam regresi Model ini juga menggunakan statistik Durbin-Watson. Model regresi dinyatakan bebas dari problem autokorelasi jika nilai DW terletak antara batas atas atau upper bound (du) dan (4-du) atau du <DW<4-du. Model regresi yang baik adalah yang bebas dari autokorelasi (Ghozali, 2011). Hasil pengujian autokorelasi dapat dilihat pada tabel di bawah ini. Tabel 5.7 Uji Autokorelasi Regresi Model Adjusted R Std. Error of Model R R Square Square the Estimate Durbin-Watson a a Predictors: (Constant), LEV, INDEXCG b Dependent Variable: ADIEXP Sumber: Hasil Perhitungan SPSS (diolah), 2016 Data pada Tabel 5.7 menunjukkan bahwa nilai Durbin Watson sebesar 2,309 pada taraf signifikansi (α) 0,05, k = 2 dan n = 153. Sedangkan besarnya nilai DW tabel yaitu: dl (batas luar) = 1,7093, du (batas dalam) = 1,7629, 4-dl = 2,2907 dan 4-du = 2,2371. Hasil perhitungan nilai DW sebesar 2,309 terletak pada daerah uji atau daerah yang tidak bebas dari asumsi autokorelasi atau secara matematis ditulis 1,7093< 2,309 < 2,2907. Maka iti di uji kembali menggunakan runs test

17 81 Tabel 5.8 Uji Runs test Regresi ADIEXP Runs Test Unstandardized Residual Test Value a,00041 Cases < Test Value 76 Cases >= Test Value 77 Total Cases 153 Number of Runs 83 Z,893 Asymp. Sig. (2-tailed),372 a. Median Hasil runs test menunjukan hasil Asmp.sig > 0.05 yang berarti data yang dipergunakan cukup random, sehingga tidak terdapat masalah autokolerasi pada data yang di uji c. Uji Multikolinieritas Pengujian multikolinieritas atas regresi model 2 dideteksi dengan analisis regresi yang dilihat dari nilai VIF (Variance Inflation Factor) dan nilai Tolerance. Hasil pengujian multikolinieritas dapat dilihat pada tabel di bawah ini. Tabel 5.9 Uji Multikolinieritas Regresi ADIEXP Model Collinearity Statistics Tolerance VIF 1 (Constant) INDXCG 0,938 1,066 LEV 0,938 1,066 a Dependent Variable: ADIEXP

18 82 Sumber: Hasil Perhitungan SPSS (diolah), Data pada tabel 5.9 di atas, menunjukkan bahwa variabel independen (bebas) meliputi Corporate Governance Index variabel kontrol yakni leverage semuanya memiliki nilai Tolerance lebih dari 0,10 dan nilai Variance Inflation Factor (VIF) kurang dari 10. Dengan demikian, seluruh variabel yang diteliti dinyatakan tidak terjadi atau bebas problem multikolinieritas, sehingga data dapat digunakan untuk pengujian model yang diajukan. d. Uji Heteroskedastisitas Pengujian heteroskedastisitas dalam penelitian ini sama dengan pengujian pada Model di atas yakni menggunakan grafik scatterplot. Di mana sebaran data didalam grafik tersebut apabila titik-titik dalam grafik membentuk pola menyebar lalu menyempit atau sebaliknya di sekitar garis diagonal maka bisa dikatakan terjadi heteroskedastisitas. Hasil pengujian ini dapat dilihat pada gambar di bawah ini.

19 83 Gambar 5.4 Grafik Uji Heteroskesdatisitas Regresi ADIEXP Data pada Gambar 5.4 di atas, terlihat bahwa titik-titik yang ada dalam grafik tidak membentuk pola tertentu yang jelas, dan titik-titik tersebut tersebar di atas dan di bawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa model regresi dalam penelitian ini tidak terjadi atau bebas dari problem heteroskedastisitas, sehingga data dapat digunakan untuk menganalisis model penelitian ini. 1.3 Indeks CG Terhadap Abonormal ProductionCost. a. Uji Normalitas Pengujian normalitas sebaran data regresi model ini dilakukan sama halnya dengan pengujian regresi model sebelumnya. Normalitas variabel dideteksi dengan menggunakan statistik Kolmogorov-Smirnov dan histogram

20 84 error. Hasil pengujian normalitas dengan statistik Kolomogorov-Smirnov dapat dilihat pada tabel berikut ini. Tabel 5.10 Uji Normalitas Regresi APROD Unstandardized Residual N 153 Normal Parameters(a,b) Mean Std. Deviation Most Extreme Differences Absolute.051 Positive.044 Negative Kolmogorov-Smirnov Z.633 Asymp. Sig. (2-tailed).818 Sumber : Perhitungan SPSS (diolah), Data Tabel 5.10 di atas, terlihat bahwa dari hasil perhitungan regresi Model ini memiliki nilai Kolmogorov-Smirnov Z sebesar dengan Asymp.Sig sebesar Karena nilai probabilitas (Asymp.Sig) > 0,05 maka data dinyatakan berdistribusi normal. Hasil pengujian normalitas melalui grafik histogram error memiliki penyebaran data variabel-variabel penelitian yang mengikuti garis normalitas. Dengan demikian, model penelitian yang digunakan memenuhi asumsi normalitas dimana variabel dependen (manajemen laba melalui manipulasi aktivitas riil APROD), variabel independen Corporate Governance Index, kontrol leverage seluruhnya berdistribusi normal.

21 85 Gambar 5.5 Histogram Error Normalitas Regresi APROD Berdasarkan gambar 5.5 di atas, terlihat bahwa penyebaran data variabel-variabel penelitian mengikuti garis normalitas. Oleh karena itu, maka model penelitian yang digunakan memenuhi asumsi normalitas, sehingga sebaran data variabel dependen manajemen laba melalui manipulasi aktivitas riil APROD, variabel independen Corporate Governance Index, serta variabel kontrol leverage dinyatakan berdistribusi normal.

22 86 b. Uji Autokorelasi Untuk mendeteksi ada tidaknya autokorelasi dalam regresi Model ini juga menggunakan statistik Durbin-Watson. Model regresi dinyatakan bebas dari problem autokorelasi jika nilai DW terletak antara batas atas atau upper bound (du) dan (4-du) atau du <DW<4-du. Model regresi yang baik adalah yang bebas dari autokorelasi (Ghozali, 2011). Hasil pengujian autokorelasi dapat dilihat pada tabel di bawah ini. Tabel 5.11 Uji Autokorelasi Regresi Model Adjusted R Std. Error of Model R R Square Square the Estimate Durbin-Watson a a Predictors: (Constant), LEV, INDEXCG b Dependent Variable: APROD Sumber: Hasil Perhitungan SPSS (diolah), 2016 Data pada Tabel 5.11 menunjukkan bahwa nilai Durbin Watson sebesar 2.016pada taraf signifikansi (α) 0,05, k = 2 dan n = 153. Besarnya nilai DW tabel yaitu: dl (batas luar) = 1,7093, du (batas dalam) = 1,7629, 4-dl = 2,2907 dan 4-du = 2,2371. Hasil perhitungan nilai DW sebesar terletak pada daerah uji atau daerah yang bebas dari asumsi autokorelasi atau secara matematis ditulis 1,7093< < 2,2907. c. Uji Multikolinieritas Pengujian multikolinieritas atas regresi model 2 dideteksi dengan analisis regresi yang dilihat dari nilai VIF (Variance Inflation Factor) dan nilai Tolerance. Hasil pengujian multikolinieritas dapat dilihat pada tabel di bawah ini.

23 87 Tabel 5.12 Uji Multikolinieritas Regresi APROD Model Collinearity Statistics Tolerance VIF 1 (Constant) INDXCG 0,938 1,066 LEV 0,938 1,066 a Dependent Variable: APROD Sumber: Hasil Perhitungan SPSS (diolah), Data pada tabel 5.12 di atas, menunjukkan bahwa variabel independen (bebas) meliputi Corporate Governance Index variabel kontrol yakni leverage semuanya memiliki nilai Tolerance lebih dari 0,10 dan nilai Variance Inflation Factor (VIF) kurang dari 10. Dengan demikian, seluruh variabel yang diteliti dinyatakan tidak terjadi atau bebas problem multikolinieritas, sehingga data dapat digunakan untuk pengujian model yang diajukan. d. Uji Heteroskedastisitas Pengujian heteroskedastisitas dalam penelitian ini sama dengan pengujian pada Model di atas yakni menggunakan grafik scatterplot. Di mana sebaran data didalam grafik tersebut apabila titik-titik dalam grafik membentuk pola menyebar lalu menyempit atau sebaliknya di sekitar garis diagonal maka bisa dikatakan terjadi heteroskedastisitas. Hasil pengujian ini dapat dilihat pada gambar di bawah ini.

24 88 Gambar 5.6. Grafik Uji Heteroskesdatisitas Regresi APROD Data pada Gambar 5.6 di atas, terlihat bahwa titik-titik yang ada dalam grafik tidak membentuk pola tertentu yang jelas, dan titik-titik tersebut tersebar di atas dan di bawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa model regresi dalam penelitian ini tidak terjadi atau bebas dari problem heteroskedastisitas, sehingga data dapat digunakan untuk menganalisis model penelitian ini IndeksCGTerhadap Manajemen Laba Riil (ACFO+ADIEXP+APROD) a. Uji Normalitas Pengujian normalitas sebaran data regresi model ini dilakukan sama halnya dengan pengujian regresi model sebelumnya. Normalitas variabel dideteksi dengan menggunakan statistik Kolmogorov-Smirnov dan histogram

25 89 error. Hasil pengujian normalitas dengan statistik Kolomogorov-Smirnov dapat dilihat pada tabel berikut ini. Tabel 5.13 Uji Normalitas Regresi Real Unstandardized Residual N 153 Normal Parameters(a,b) Mean Std. Deviation Most Extreme Differences Absolute,057 Positive,052 Negative -,057 Kolmogorov-Smirnov Z,702 Asymp. Sig. (2-tailed),708 Sumber : Perhitungan SPSS (diolah), Data Tabel 5.13 di atas, terlihat bahwa dari hasil perhitungan regresi Model ini memiliki nilai Kolmogorov-Smirnov Z sebesar dengan Asymp.Sig sebesar Karena nilai probabilitas (Asymp.Sig) > 0,05 maka data dinyatakan berdistribusi normal. Hasil pengujian normalitas melalui grafik histogram error memiliki penyebaran data variabel-variabel penelitian yang mengikuti garis normalitas. Dengan demikian, model penelitian yang digunakan memenuhi asumsi normalitas dimana variabel dependen manajemen laba melalui manipulasi aktivitas riil variabel independen Corporate Governance Index, kontrol leverage seluruhnya berdistribusi normal.

26 90 Gambar 5.7 Histogram Error Normalitas Regresi riil Berdasarkan gambar 5.7 di atas, terlihat bahwa penyebaran data variabel-variabel penelitian mengikuti garis normalitas. Oleh karena itu, maka model penelitian yang digunakan memenuhi asumsi normalitas, sehingga sebaran data variabel dependen manajemen laba melalui manipulasi aktivitas riil variabel dependen Corporate Governance Index, serta variabel kontrol leverage dinyatakan berdistribusi normal. b. Uji Autokorelasi Untuk mendeteksi ada tidaknya autokorelasi dalam regresi Model ini juga menggunakan statistik Durbin-Watson. Model regresi dinyatakan bebas dari problem autokorelasi jika nilai DW terletak antara batas atas atau upper bound (du) dan (4-du) atau du <DW<4-du. Model regresi yang baik adalah yang

27 91 bebas dari autokorelasi (Ghozali, 2011). Hasil pengujian autokorelasi dapat dilihat pada tabel di bawah ini. Model R R Square Tabel 5.14 Uji Autokorelasi Regresi Model Adjusted R Square Std. Error of the Estimate Durbin-Watson 1,491 a,241,231, ,162 a Predictors: (Constant), LEV, INDEXCG b Dependent Variable: RIIL Sumber: Hasil Perhitungan SPSS (diolah), 2016 Data pada Tabel 5.14 menunjukkan bahwa nilai Durbin Watson sebesar 2,113 pada taraf signifikansi (α) 0,05, k = 2 dan n = 132. Besarnya nilai DW tabel yaitu: dl (batas luar) = 1,7093, du (batas dalam) = 1,7629, 4-dl = 2,2907 dan 4-du = 2,2371. Hasil perhitungan nilai DW sebesar 2,162 terletak pada daerah uji atau daerah yang bebas dari asumsi autokorelasi atau secara matematis ditulis 1,6851< 2,162 < 2,3149. c. Uji Multikolinieritas Pengujian multikolinieritas atas regresi model 2 dideteksi dengan analisis regresi yang dilihat dari nilai VIF (Variance Inflation Factor) dan nilai Tolerance. Hasil pengujian multikolinieritas dapat dilihat pada tabel di bawah ini. Tabel 5.15 Uji Multikolinieritas Regresi RIIL Model Collinearity Statistics Tolerance VIF 1 (Constant) INDXCG 0,938 1,066 LEV 0,938 1,066 a Dependent Variable: RIIL

28 92 Sumber: Hasil Perhitungan SPSS (diolah), Data pada tabel 5.15 di atas, menunjukkan bahwa variabel independen (bebas) meliputi Corporate Governance Index variabel kontrol yakni leverage semuanya memiliki nilai Tolerance lebih dari 0,10 dan nilai Variance Inflation Factor (VIF) kurang dari 10. Dengan demikian, seluruh variabel yang diteliti dinyatakan tidak terjadi atau bebas problem. multikolinieritas, sehingga data dapat digunakan untuk pengujian model yang diajukan. d. Uji Heteroskedastisitas Pengujian heteroskedastisitas dalam penelitian ini sama dengan pengujian pada Model di atas yakni menggunakan grafik scatterplot. Di mana sebaran data didalam grafik tersebut apabila titik-titik dalam grafik membentuk pola menyebar lalu menyempit atau sebaliknya di sekitar garis diagonal maka bisa dikatakan terjadi heteroskedastisitas. Hasil pengujian ini dapat dilihat pada gambar di bawah ini.

29 93 Gambar 5.8. Grafik Uji Heteroskesdatisitas Regresi RIIL Data pada Gambar 5.8 di atas, terlihat bahwa titik-titik yang ada dalam grafik tidak membentuk pola tertentu yang jelas, dan titik-titik tersebut tersebar di atas dan di bawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa model regresi dalam penelitian ini tidak terjadi atau bebas dari problem heteroskedastisitas, sehingga data dapat digunakan untuk menganalisis model penelitian ini. 1.5 Indeks CG dan Manajemen Laba Riil Terhadap Keputusan Investasi a. Uji Normalitas Pengujian normalitas sebaran data regresi model ini dilakukan sama halnya dengan pengujian regresi model sebelumnya. Normalitas variabel dideteksi dengan menggunakan statistik Kolmogorov-Smirnov dan histogram

30 94 error. Hasil pengujian normalitas dengan statistik Kolomogorov-Smirnov dapat dilihat pada tabel berikut ini. Tabel 5.16 Uji Normalitas Keputusan Investasi Unstandardized Residual N 153 Normal Parameters(a,b) Mean Std. Deviation Most Extreme Differences Absolute.087 Positive.087 Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed).200 Sumber : Perhitungan SPSS (diolah), Data Tabel 5.16 di atas, terlihat bahwa dari hasil perhitungan regresi Model ini memiliki nilai Kolmogorov-Smirnov Z sebesar dengan Asymp.Sig sebesar Karena nilai probabilitas (Asymp.Sig) > 0,05 maka data dinyatakan berdistribusi normal. Hasil pengujian normalitas melalui grafik histogram error memiliki penyebaran data variabel-variabel penelitian yang mengikuti garis normalitas. Dengan demikian, model penelitian yang digunakan memenuhi asumsi normalitas dimana variabel dependen Keputusan Investasi (PER) variabel independen melalui manajemen laba manipulasi aktivitas riil dan Corporate Governance Index, kontrol leverage seluruhnya berdistribusi normal. Untuk memastikan data dalam model regresi berdistribusi normal dapat pula dilihat dari histogram error yang dihasilkan oleh output SPSS, seperti terlihat pada gambar di bawah ini

31 95 Gambar 5.9 Histogram Error Normalitas Regresi Keputusan Investasi Berdasarkan gambar 5.9 di atas, terlihat bahwa penyebaran data variabel-variabel penelitian mengikuti garis normalitas. Oleh karena itu, maka model penelitian yang digunakan memenuhi asumsi normalitas, sehingga sebaran data variabel dependen manajemen laba melalui manipulasi aktivitas riil APROD, variabel independen Corporate Governance Index, serta variabel kontrol leverage dinyatakan berdistribusi normal. b. Uji Autokorelasi Untuk mendeteksi ada tidaknya autokorelasi dalam regresi Model ini juga menggunakan statistik Durbin-Watson. Model regresi dinyatakan bebas dari problem autokorelasi jika nilai DW terletak antara batas atas atau upper

32 96 bound (du) dan (4-du) atau du <DW<4-du. Model regresi yang baik adalah yang bebas dari autokorelasi (Ghozali, 2011). Hasil pengujian autokorelasi dapat dilihat pada tabel di bawah ini. Model R R Square Tabel 5.17 Uji Autokorelasi Regresi Model Adjusted R Square Std. Error of the Estimate Durbin-Watson a a Predictors: (Constant), LEV, INDEXCG,ACFO,ADIEXP,APROD b Dependent Variable: INV Sumber: Hasil Perhitungan SPSS (diolah), 2016 Data pada Tabel diatas menunjukkan bahwa nilai Durbin Watson sebesar 1,911 pada taraf signifikansi (α) 0,05, k = 5 dan n = 153. Besarnya nilai DW tabel yaitu: dl = 1,6688, du = 1,8036, 4-dl = 2,3312 dan 4-du = 2,0964. Hasil perhitungan nilai DW sebesar 1,911 terletak pada daerah uji atau daerah yang bebas dari asumsi autokorelasi. c. Uji Multikolinieritas Pengujian multikolinieritas atas regresi model 2 dideteksi dengan analisis regresi yang dilihat dari nilai VIF (Variance Inflation Factor) dan nilai Tolerance. Hasil pengujian multikolinieritas dapat dilihat pada tabel di bawah ini.

33 97 Tabel 5.18 Uji Multikolinieritas Keputusan Investasi Model Collinearity Statistics Tolerance VIF 1 (Constant) INDEKSCG ACFO ADIEXP APROD.823 1,215 LEV.700 1,428 a Dependent Variable: INV Data pada tabel di atas, menunjukkan bahwa variabel independen (bebas) INDEXCG, ACFO, ADIEXP, APROD, serta variabel kontrol yakni kesempatan bertumbuh semuanya memiliki nilai Tolerance lebih dari 0,10 dan nilai Variance Inflation Factor (VIF) INDEKSCG sebesar 1.170, VIF ACFO sebesar 1.531, VIF ADIEXP sebesar 1.227, VIF APROD sebesar dan VIF Lev sebesar kurang dari 10. Dengan demikian, seluruh variabel yang diteliti dinyatakan tidak terjadi atau bebas problem multikolinieritas, sehingga data dapat digunakan untuk pengujian model yang diajukan. d. Uji Heteroskedastisitas Pengujian heteroskedastisitas dalam penelitian ini sama dengan pengujian pada Model di atas yakni menggunakan grafik scatterplot. Di mana sebaran data didalam grafik tersebut apabila titik-titik dalam grafik membentuk pola menyebar lalu menyempit atau sebaliknya di sekitar garis diagonal maka bisa dikatakan terjadi heteroskedastisitas. Hasil pengujian ini dapat dilihat pada gambar di bawah ini.

34 98 Gambar Grafik Uji Heteroskesdatisitas Regresi Keputusan Investasi Data pada Gambar 5.10 di atas, terlihat bahwa titik-titik yang ada dalam grafik tidak membentuk pola tertentu yang jelas, dan titik-titik tersebut tersebar di atas dan di bawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa model regresi dalam penelitian ini tidak terjadi atau bebas dari problem heteroskedastisitas, sehingga data dapat digunakan untuk menganalisis model penelitian ini.

35 99 2. Pengujian Hipotesis 2.1 Indeks CG Terhadap Manajemen Laba riil Melalui Abnormal Cash Flow Model pertama digunakan untuk menguji pengaruh penerapan good corporate governance yang diukur dengan corporate governance index, variabel leverage merupakan rasio total utang terhadap total asset perusahaan pada akhir tahun sebagai variabel kontrol terhadap manajemen laba riil Melalui Abnormal Cash Flow). a. Uji Koefisien Determinasi Koefisien determinasi (R 2 ) digunakan untuk mengukur seberapa jauh kemampuan suatu model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi dari model regresi yang ditunjukkan dengan nilai adjusted R-square digunakan untuk mengetahui besarnya pengungkapan yang dapat dijelaskan oleh variabel-variabel bebasnya. Nilai koefisien determinasi dari model regresi penelitian ini dapat dilihat pada tabel sebagai berikut: Tabel 5.19 Uji Koefisien Determinasi Abnormal Cash Flow (ACFO) Adjusted R Std. Error of Model R R Square Square the Estimate a a. Predictors: (Constant), LEV, INDXCG b. Dependent Variable: ACFO

36 100 Sumber : data diolah 2016 Pada tabel di atas menunjukkan nilai adjusted R-square sebesar 0,291. Hal ini berarti bahwa 29,1% variasi jumlah abnormal cash flow dapat dijelaskan secara signifikan oleh variasi variabel-variabel INDEXCG dan LEV. Sedangkan hasil pengurangan (100% %) = 71% jumlah abnormal cash flow dapat dijelaskan oleh variabel lain b. Analisis Signifikansi Simultan (F-test) Model 1 Uji F ini digunakan untuk mengetahui ada tidaknya pengaruh secara simultan variabel independen terhadap variabel dependen. Hasil uji F dapat dilihat pada tabel berikut ini. Tabel 5.20 Hasil Pengujian Signifikansi Simultan (Uji F) Model 1 Model Sum of Squares df Mean Square F Sig. 1 Regression a Residual Total a Predictors: (Constant), LEV, INDXCG b Dependent Variable: ACFO Sumber: Hasil Perhitungan SPSS, 2016 (diolah) Tingkat keyakinan yang digunakan sebesar 95%, α = 5%, df1 (jumlah variabel-1) = 2 dan df2 (n-3) atau = 150. Hasil diperoleh untuk F tabel sebesar 3,066 dengan F hitung sebesar Kesimpulannya adalah hasil yang diperoleh menunjukkan F hitung > F tabel ( > 3,066) dan signifikasi < 0,05 yaitu (0,000 < 0.05), maka dapat dinyatakan bahwa variabel IDXCG dan LEV secara bersama-sama berpengaruh terhadap abnormal Cash Flow.

37 101 c. Analisis Signifikansi Parsial (t-test) Model 1 Uji signifikansi parsial atau uji t, pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Hasil pengujian parsial (uji t) dapat dilihat pada tabel berikut ini. Tabel 5.21 Hasil Pengujian Signifikansi Parsial (Uji t) Model 1 Variabel Independen Koefisien Regresi t hitung Signifikansi (α) INDEXCG LEV Sumber: Hasil Perhitungan SPSS, 2016(diolah). Berdasarkan Tabel 5.21 di atas, menunjukkan bahwa nilai t hitung variabel corporate governance indeks sebesar dengan nilai signifikansi (α) sebesar 0,015. Karena nilai signifikansi 0,015 < 0,10 (taraf signifikansi yang digunakan dalam penelitian ini), berarti corporate governance index berpengaruh negative signifikan terhadap manajemen laba riil melalui Abnormal cash flow. Selanjutnya, nilai t hitung variabel kontrol LEV sebesar dengan nilai signifikansi (α) sebesar 0,000< 0,05, berarti leverage berpengaruh terhadap manajemen laba riil melalui Abnormal cash flow. d. Analisis Regresi Linier Berganda Model 1 Analisis data dalam penelitian ini menggunakan regresi linier berganda. Untuk menguji hipotesis yang telah diajukan,

38 102 Tabel 5.22 Hasil Analisis Koefisien Regresi Model 1 Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) IDXCG LEV a. Dependent Variable : ACFO Keterangan : ACFO = Manajemen Laba melalui riil melalui Abnormal cash flow (Y). INDEXCG = Penerapan Good Corporate Governance yang diukur dengan Corporate Governance Index (X 1 ), lev (X 2 ) Sumber: Hasil Perhitungan SPSS, 2016 (diolah). Analisis regresi linear berganda bertujuan untuk melihat dan menganalisa setiap pengaruh variabel variabel bebas terhadap variabel tidak bebas. Hasil analisis regresi linear yang telah dilakukan maka kemudian dimasukkan ke dalam persamaan sebagai berikut : ACFO = 0,115 0,003 INDXCG LEV + e Dimana : 1. Hasil diatas menunjukkan konstanta sebesar 0,115, menyatakan jika dianggap tidak ada INDEXCG dan LEV maka perubahan abnormal cash flow sebesar 0,115 kali. Dengan kata lain apabila variabel independen dalam model diatas diasumsikan sama dengan 0 nilainya atau konstan, maka nilai rata-rata abnormal cash flow akan bertambah sebesar 0, Hasil koefisien regresi variabel INDXCG sebesar -0,003. Hasil tersebut diartikan jika variabel independen lain nilainya tetap dan INDXCG

39 103 mengalami kenaikan sebesar 1%, maka ACFO (Y) akan mengalami penurunan sebesar 0,003%. Koefisien bernilai negatif menyatakan adanya hubungan negatif atau berbanding terbalik antara INDXCG dengan ACFO, jadi semakin besar INDXCG, maka semakin kecil manajemen laba dalam proksi abnormal cash flow. 3. Hasil koefisien regresi variabel LEV sebesar Hasil tersebut diartikan jika variabel independen lain nilainya tetap dan LEV mengalami kenaikan sebesar 1%, maka ACFO (Y) akan mengalami kenaikan sebesar 0,271%. Koefisien bernilai positif menyatakan adanya hubungan positif atau berbanding searah antara LEV dengan ACFO, jadi semakin besar LEV, maka semakin besar manajemen laba dalam proksi abnormal cash flow. 2.2 Indeks CG Terhadap Abnormal Discretionary Expense Model pertama digunakan untuk menguji pengaruh penerapan good corporate governance yang diukur dengan corporate governance index, variabel leverage merupakan rasio total utang terhadap total asset perusahaan pada akhir tahun sebagai variabel kontrol terhadap manajemen laba riil Melalui Abnormal Discretionary Expense. a. Uji Koefisien Determinasi Koefisien determinasi (R 2 ) digunakan untuk mengukur seberapa jauh kemampuan suatu model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi dari model regresi yang ditunjukkan dengan nilai adjusted R-square digunakan untuk mengetahui besarnya pengungkapan yang

40 104 dapat dijelaskan oleh variabel-variabel bebasnya. Nilai koefisien determinasi dari model regresi penelitian ini dapat dilihat pada tabel sebagai berikut: Tabel 5.23 Uji Koefisien Determinasi Abnormal Discretionary Expense (ADIEXP) Adjusted R Std. Error of the Model R R Square Square Estimate a a. Predictors: (Constant), LEV, INDXCG b. Dependent Variable: ADIEXP Sumber : data diolah 2016 Pada tabel di atas menunjukkan nilai adjusted R-square sebesar 0,060. Hal ini berarti bahwa 6,% variasi jumlah Abnormal Cost Discretionary Expense (ADIEXP) dapat dijelaskan secara signifikan oleh variasi variabel-variabel INDEXCG dan LEV. Sedangkan hasil pengurangan (100% - 6%) = 94% jumlah ADIEXP dapat dijelaskan oleh variabel lain. b. Analisis Signifikansi Simultan (F-test) Model 1 Uji F ini digunakan untuk mengetahui ada tidaknya pengaruh secara simultan variabel independen terhadap variabel dependen. Hasil uji F dapat dilihat pada tabel berikut ini.

41 105 Tabel 5.24 Hasil Pengujian Signifikansi Simultan (Uji F) Model Model Sum of Squares df Mean Square F Sig. 1 Regression a Residual Total a Predictors: (Constant), LEV, INDXCG b Dependent Variable: ADIEXP Sumber: Hasil Perhitungan SPSS, 2016 (diolah) Tingkat keyakinan yang digunakan sebesar 95%, α = 5%, df1 (jumlah variabel-1) = 2 dan df2 (n-3) atau = 150. Hasil diperoleh untuk F tabel sebesar 3,066 dengan F hitung sebesar Kesimpulannya adalah hasil yang diperoleh menunjukkan F hitung > F tabel (5.863 > 3,066) dan signifikasi < 0,05 yaitu (0,004 < 0.05), maka dapat dinyatakan bahwa variabel IDXCG dan LEV secara bersama-sama berpengaruh terhadap abnormal Discretionary Expense. c. Analisis Signifikansi Parsial (t-test) Model 1 Uji signifikansi parsial atau uji t, pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Hasil pengujian parsial (uji t) dapat dilihat pada tabel berikut ini.

42 106 Tabel 5.25 Hasil Pengujian Signifikansi Parsial (Uji t) Model 1 Variabel Independen Koefisien Regresi t hitung Signifikansi (α) INDEXCG LEV Sumber: Hasil Perhitungan SPSS, 2016(diolah). Berdasarkan Tabel 5.25 di atas, menunjukkan bahwa nilai t hitung variabel corporate governance indeks sebesar dengan nilai signifikansi (α) sebesar 0,002. Karena nilai signifikansi 0,002 < 0,10 (taraf signifikansi yang digunakan dalam penelitian ini), berarti corporate governance index berpengaruh negative signifikan terhadap manajemen laba riil melalui Abnormal Discretionary Expense.. Selanjutnya, nilai t hitung variabel kontrol LEV sebesar 568 dengan nilai signifikansi (α) sebesar 0.571> 0,10, berarti LEV tidak berpengaruh terhadap manajemen laba riil melalui Abnormal Discretionary Expense d. Analisis Regresi Linier Berganda Model 1 Analisis data dalam penelitian ini menggunakan regresi linier berganda. Untuk menguji hipotesis yang telah diajukan. Tabel 5.26 Hasil Analisis Koefisien Regresi Model 1 Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) IDXCG LEV

43 107 a. Dependent Variable : ADIEXP Keterangan : ADIEXP = Manajemen Laba melalui riil melalui Abnormal Discretionary Expense (Y). INDEXCG = Penerapan Good Corporate Governance yang diukur dengan Corporate Governance Index (X 1 ), LEV (X 2 ) Analisis regresi linear berganda bertujuan untuk melihat dan menganalisa setiap pengaruh variabel variabel bebas terhadap variabel tidak bebas. Hasil analisis regresi linear yang telah dilakukan maka kemudian dimasukkan ke dalam persamaan sebagai berikut : ADIEXP= 0,354 0,003 INDXCG + 0,017 LEV + e Dimana : 1. Hasil diatas menunjukkan konstanta sebesar 0,354, menyatakan jika dianggap tidak ada INDEXCG dan GROWTH maka perubahan abnormal Discretionary Expense sebesar 0,354 kali. Dengan kata lain apabila variabel independen dalam model diatas diasumsikan sama dengan 0 nilainya atau konstan, maka nilai rata-rata abnormal cash flow akan bertambah sebesar 0, Hasil koefisien regresi variabel INDXCG sebesar -0,003. Hasil tersebut diartikan jika variabel independen lain nilainya tetap dan INDXCG mengalami kenaikan sebesar 1%, maka ADIEXP (Y) akan mengalami penurunan sebesar 0,003%. Koefisien bernilai negatif menyatakan adanya hubungan negatif atau berbanding terbalik antara INDXCG dengan ADIEXP, jadi semakin besar INDXCG, maka semakin kecil manajemen laba dalam proksi abnormal Discretionary Expense.

44 Hasil koefisien regresi variabel LEV sebesar Hasil tersebut diartikan jika variabel independen lain nilainya tetap dan LEV mengalami kenaikan sebesar 1%, maka ADIEXP (Y) akan mengalami penurunan sebesar 0,0171%. Koefisien bernilai positif menyatakan adanya hubungan positif atau searah antara lev dengan ADIEXP, jadi semakin besar lev, maka semakin besar manajemen laba dalam proksi abnormal Discretionary Expense. 2.3 Indeks CG Terhadap Abnormal Production Cost Model pertama digunakan untuk menguji pengaruh penerapan good corporate governance yang diukur dengan corporate governance index, variabel leverage merupakan rasio total utang terhadap total asset perusahaan pada akhir tahun sebagai variabel kontrol terhadap manajemen laba riil Melalui Abnormal Discretionary Expense. a. Uji Koefisien Determinasi Koefisien determinasi (R 2 ) digunakan untuk mengukur seberapa jauh kemampuan suatu model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi dari model regresi yang ditunjukkan dengan nilai adjusted R-square digunakan untuk mengetahui besarnya pengungkapan yang dapat dijelaskan oleh variabel-variabel bebasnya. Nilai koefisien determinasi dari model regresi penelitian ini dapat dilihat pada tabel sebagai berikut:

45 109 Model Tabel 5.27 Uji Koefisien Determinasi Abnormal Production Cost (APROD) R R Square Adjusted R Square Std. Error of the Estimate a Predictors: (Constant), LEV, INDXCG. Dependent Variable: ADPROD Sumber : data diolah 2016 Pada tabel di atas menunjukkan nilai adjusted R-square sebesar 0,086. Hal ini berarti bahwa 8.6% variasi jumlah Abnormal Production (APROD) dapat dijelaskan secara signifikan oleh variasi variabel-variabel INDEXCG dan LEV. Sedangkan hasil pengurangan (100% = 91% jumlah abnormal Production (APROD) dapat dijelaskan oleh variabel lain b. Analisis Signifikansi Simultan (F-test) Model 1 Uji F ini digunakan untuk mengetahui ada tidaknya pengaruh secara simultan variabel independen terhadap variabel dependen. Hasil uji F dapat dilihat pada tabel berikut ini. Tabel 5.28 Hasil Pengujian Signifikansi Simultan (Uji F) Model Model Sum of Squares df Mean Square F Sig. 1 Regression a Residual Total a Predictors: (Constant), lev, INDXCG b Dependent Variable: Aprod Sumber: Hasil Perhitungan SPSS, 2016 (diolah)

46 110 Tingkat keyakinan yang digunakan sebesar 95%, α = 5%, df1 (jumlah variabel-1) = 2 dan df2 (n-3) atau = 150. Hasil diperoleh untuk F tabel sebesar 3,066 dengan F hitung sebesar Kesimpulannya adalah hasil yang diperoleh menunjukkan F hitung > F tabel (8.157> 3,066) dan signifikasi < 0,05 yaitu (0,000 < 0.05), maka dapat dinyatakan bahwa variabel INDEXCG dan LEV secara bersama-sama berpengaruh terhadap APROD c. Analisis Signifikansi Parsial (t-test) Model 1 Uji signifikansi parsial atau uji t, pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Hasil pengujian parsial (uji t) dapat dilihat pada tabel berikut ini. Tabel 5.29 Hasil Pengujian Signifikansi Parsial (Uji t) Model 1 Variabel Independen Koefisien Regresi t hitung Signifikansi (α) INDEXCG LEV Dependent Variable: APROD Sumber: data diolah 2016 Berdasarkan Tabel 5.29 di atas, menunjukkan bahwa nilai t hitung variabel corporate governance indeks sebesar dengan nilai signifikansi (α) sebesar 0,000. Karena nilai signifikansi 0,019 < 0,10 (taraf signifikansi yang digunakan dalam penelitian ini), berarti corporate governance index berpengaruh negative signifikan terhadap manajemen laba riil melalui Abnormal production cost. Selanjutnya, nilai t hitung variabel kontrol leverage

47 111 sebesar dengan nilai signifikansi (α) sebesar 0,011 < 0,10, berarti LEV berpengaruh positif terhadap manajemen laba riil melalui Abnormal production cost. d. Analisis Regresi Linier Berganda Model 1 Analisis data dalam penelitian ini menggunakan regresi linier berganda. Untuk menguji hipotesis yang telah diajukan Tabel 5.30 Hasil Analisis Koefisien Regresi Model 1 Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. (Constant),287,146 1,968,051 IDXCG -,005,002 -,190-2,369,019 LEV,162,063,207 2,580,011 a. Dependent Variable : APROD Keterangan : APROD = Manajemen Laba melalui riil melalui Abnormal production cost (Y). INDEXCG = Penerapan Good Corporate Governance yang diukur dengan Corporate Governance Index (X 1 LEV (X 2 ) Analisis regresi linear berganda bertujuan untuk melihat dan menganalisa setiap pengaruh variabel variabel bebas terhadap variabel tidak bebas. Hasil analisis regresi linear yang telah dilakukan maka kemudian dimasukkan ke dalam persamaan sebagai berikut : APROD = 0,287 0,005 INDEXCG + 0,162 LEV + e Dimana : 1. Hasil diatas menunjukkan konstanta sebesar 0,287, menyatakan jika dianggap tidak ada IDXCG dan LEV maka perubahan abnormal