BAB III METODE PENELITIAN A. Waktu dan tempat penelitian 1. Tempat Penelitian Guna memperoleh data yang diperlukan dalam penelitian berjudul Pengaruh Karakteristik Komite Audit Terhadap Kualitas Laba, maka peneliti mengambil data sekunder berupa laporan tahunan perusahaan (annual report) dan laporan keuangan perusahaan serta data kuantitatif lainnya yang terdapat pada perusahaan manufaktur pada Perusahaan Manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) pada periode 2013-2015 melalui situs www.idx.co.id, Indonesian Capital Market Directory (ICMD), Pojok BEI Universitas Mercubuana Jakarta serta website resmi perusahaan-perusahaan yang menjadi sampel dalam penelitian ini. 2. Waktu Penelitian Penelitian ini menggunakan data sekunder di Bursa Efek Indonesia (BEI) pada periode 2013-2015. B. Desain Penelitian Penelitian yang digunakan penulis adalah Penelitian Kausal. Tujuan dari penelitian kausal yaitu penelitian untuk mengetahui pengaruh antara satu atau lebih variabel bebas (independent variable) terhadap variabel terikat (dependent variable). Penelitian ini akan menjelaskan pengaruh untuk 30

31 menguji hipotesis tentang pengaruh Karakteristik Komite Audit terhadap Kualitas Laba. C. Definisi dan Operasional Variabel Penelitian ini melibatkan satu variabel bebas (independen), dan satu variabel terikat (dependen). Variabel bebas dalam penelitian ini adalah karakteristik komite audit yang terdiri dari ukuran anggota komite audit, frekuensi rapat komite audit, financial expertise komite audit. Variabel terikatnya adalah kualitas laba. 1. Variabel Dependen Variabel dependen (terikat) adalah tipe variabel yang dijelaskan atau dipengaruhi oleh variabel independen. Variabel dependen dalam penelitian ini adalah kualitas laba. Laba merupakan indikator yang sering digunakan dalam menilai kinerja perusahaan dan dijadikan sebagai pedoman pengambilan keputusan. Kualitas laba dapat diukur melalui discretionary accruals yang dihitung dengan cara menselisihkan total accruals (TACC) dan nondiscretionary accruals (NDACC). Dalam menghitung DACC digunakan Modified Jones Model karena menurut Dechow et al, (1995) (dalam Rachmawati dan Triatmoko, 2007), model ini dianggap lebih baik di antara model lain untuk mengukur manajemen laba. Nilai absolut akrual diskresioner dipandang sebagai langkah kebalikan dari kualitas laba. Artinya, nilai absolut yang lebih tinggi dari akrual diskresioner menunjukkan kualitas laba yang lebih rendah. Model perhitungannya adalah sebagai berikut:

32 kita mengukur manajemen laba dengan korelasi negatif antara perubahan diskresioner akrual proksi ( DAP) dan perubahan pendapatan pra-diskresioner ( PDI). Langkah ini mengasumsikan bahwa ada seri pendapatan pra - dikelola mendasari dan bahwa manajer menggunakan akrual diskresioner untuk membuat seri dilaporkan halus. lebih banyak manajemen laba jelas dalam korelasi negatif antara lebih DAP dan PDI. Untuk memperkirakan akrual diskresioner, kita menggunakan versi cross-sectional dari Jones Model, dimodifikasi oleh Kothari et al. (2005 ) Pengukuran manajemen laba menggunakan model : Akrualt = a(1/assets t-1) + b Salest + cppet + droat + µt. Gambar 3.1 AKRUAL DISKRESIONER Dalam Regresi (1), total akrual (Akrual) ; perubahan penjualan ( Penjualan ) ; dan kotor properti, pabrik, dan peralatan ( PPE ) yang masingmasing dikurangi dengan awal - dari - tahun total asset Return on asset ( ROA ) ditambahkan sebagai variabel kontrol tambahan, karena sebelumnya penelitian menemukan bahwa model Jones misspecified untuk berkinerja baik atau buruk melakukan perusahaan ( Dechow et al 1995;. Kothari et al 2005. ) Untuk mengerjakan sejumlah besar pengamatan, dan memperkirakan regresi pada semua perusahaan di industri yang sama ( dua digit SIC ) setiap tahun. Akrual non-discretionary (NDAP) adalah nilai-nilai pas dari Regression (1) dan akrual diskresioner (DAP) adalah penyimpangan akrual yang sebenarnya dari

33 NDAP. Pra-diskresioner income (PDI) dihitung sebagai net pendapatan dikurangi akrual diskresioner (PDI = NI - DAP). 2. Variabel Independen Variabel independen atau variabel prediktor (predictor variable) merupakan variabel yang mempengaruhi variabel dependen secara positif atau negatif (Sekaran, 2006). Variabel independen yang digunakan dalam penelitian ini yaitu ukuran komite audit, frekuensi rapat komite audit dan financial expertise komite audit (Putri Destika Maharani, 2011). a. Ukuran Komite Audit Menurut Keputusan Ketua Bapepam No. Kep-29/PM/2004 komite audit sekurang-kurangnya terdiri dari 1 (satu) orang komisaris independen dan 2 (dua) orang anggota lain yang berasal dari luar emiten atau perusahaan publik. Sehingga jumlah anggota komite audit minimal adalah 3 (tiga) orang. Ukuran komite audit dalam penelitian ini diukur dari jumlah anggota komite audit (Yatim, 2009 dalam Habibah, 2012). Ukuran Komite Audit dalam penelitian ini diukur dengan jumlah angka absolut anggota didalam komite audit (Pamudji et al., 2009). ACSIZE = jumlah komite audit b. Frekuensi Rapat Komite Audit Menurut Keputusan Ketua Bapepam No. Kep-29/PM/2004, komite audit mengadakan rapat sekurang-kurangnya sama dengan ketentuan minimal rapat dewan komisaris yang ditetapkan dalam Anggaran Dasar. Komite Audit biasanya perlu untuk mengadakan rapat sedikitnya 4 (empat) kali dalam setahun untuk melaksanakan kewajiban dan tanggung jawabnya yang menyangkut soal sistem

34 pelaporan keuangan (KNKG, 2002). Variabel frekuensi rapat komite audit diukur dari jumlah rapat yang dilaksanakan dalam 1 (satu) tahun (Pamudji et al., 2009). ACMEET = jumlah pertemuan anggota komite audit dalam 1 tahun c. Financial Expertise Komite Audit Parameter financial expertise sesuai peraturan Otoritas Jasa Keuangan tentang komite audit bahwa perusahaan wajib memiliki setidaknya tiga orang anggota komite audit, salah satunya adalah komisaris independen, yang bertindak sebagai ketua komite audit, sedangkan dua anggota lainnya harus pihak independen yang salah satunya mempunyai keahlian akuntansi dan/atau keuangan (financial expertise). Komite audit yang terdiri dari paling tidak satu anggota yang memiliki keahlian di bidang finansial akan lebih efektif dalam mendeteksi kesalahan penyajian yang material. Variabel ini diukur dengan cara mencari presentase dari jumlah anggota komite audit yang merupakan financial expertise terhadap jumlah anggota komite audit keseluruhan. ACEXP = jumlah anggota komite audit financial expertise x 100% Jumlah anggota komite audit keseluruhan D. Populasi dan Sampel Penelitian Populasi yang digunakan dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) selama periode tahun 2013 sampai dengan tahun 2015. Metode pengambilan sampel yang digunakan adalah purposive sampling yaitu pengambilan sampel yang dilakukan berdasarkan kriteria sebagai berikut:

35 a. Perusahaan Manufaktur yang secara konsisten terdaftar di Bursa Efek Indonesia (BEI) selama periode tahun 2013 sampai dengan tahun 2015. b. Perusahaan manufaktur tidak keluar (delisting) dari BEI selama periode tahun 2013 sampai dengan 2015. c. Perusahaan manufaktur yang menerbitkan laporan tahunan (annual report) dan laporan keuangan selama periode tahun 2013 sampai dengan tahun 2015. d. Perusahaan yang tidak memiliki data laporan komite audit yang lengkap dikeluarkan dari sampel. e. Laporan keuangan disajikan semua dalam bentuk mata uang rupiah, dan terdapat kelengkapan semua data yang dibutuhkan dalam penelitian ini. E. Teknik Pengumpulan Data Teknik pengumpulan data yang digunakan dalam penelitian ini adalah : 1. Studi Pustaka Yaitu metode pengumpulan data yang dilakukan dengan mengolah literatur, artikel, jurnal, hasil penelitian terdahulu, maupun media tertulis lainnya yang berkaitan dengan topik pembahasan dari penelitian ini. 2. Studi Dokumentasi Yaitu metode pengumpulan data yang dilakukan dengan mengumpulkan seluruh data sekunder dan seluruh informasi yang digunakan untuk menyelesaikan masalah yang ada dalam dokumen.

36 Sumber-sumber data dokumenter seperti laporan tahunan perusahaan menjadi sampel penelitian. F. Metode Analisis Metode analisis yang digunakan dalam penelitian ini adalah metode analisis data kuantitatif dengan menggunakan program Eviews 7 sebagai alat untuk menguji data tersebut. 1. Statistik Deskriptif Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata, median, modus, standar deviasi, maksimum dan minimum. Statistik deskriptif merupakan statistik yang menggambarkan atau mendeskripsikan data menjadi sebuah informasi yang lebih jelas dan mudah untuk dipahami. 2. Uji Asumsi Klasik a. Uji Normalitas Pengujian ini dilakukan lewat Uji Jarque-Berra (JB Test). Jika p-value lebih kecil dari α, maka H 0 ditolak yang artinya sampling error term tidak terdistribusi dengan normal. Namun uji ini dilakukan bila jumlah observasi kurang dari 30, bila ternyata jumlah observasi melebihi angka tersebut maka sampling error term telah dianggap mendekati distribusi normal. b. Uji Multikolinieritas Multikolinieritas adalah hubungan antar variabel bebas, dalam praktik umumnya multikolinieritas tidak dapat dihindari. Dalam artian kata sulit

37 menemukan dua variabel bebas yang secara matematis tidak berkorelasi (korelasi = 0) sekalipun secara substansi tidak berkorelasi. Akan tetapi apabila ada multikolinieritas yang signifikan (harus mendapat perhatian khusus) dan tidak signifikan (mendekati nol). Kita juga akan sulit menemukan kolinieritas yang sempurna (perfect collinierity), bila ditemukan multikolinieritas yang sempurna maka salah satu dampak yang ditimbulkannya adalah tidak dapat dihitungnya koefisien regresi. Satu hal yang perlu ditekankan kembali disini bahwa kolinieritas merupakan hubungan linier. Jika variabel bebas mempunyai hubungan, tetapi tidak linier maka hal tersebut tidak dikategorikan sebagai multikolinieritas. Mendeteksi multikolinieritas berdasarkan uji formal di dalam penelitian ini menggunakan Eviews, dengan mendeteksi pendugaan multikolinearitas melihat korelasi antar variabel bebas, korelasi yang tergolong kuat dengan besaran 0,8 atau lebih, Nachrowi (2006;95). b. Uji Heterokedastisitas Heteroskedastisitas adalah suatu kondisi residual atau error memiliki varian yang tidak konstan atau berubah-ubah, dampak yang akan terjadi adalah interval kepercayaan semakin lebar, uji hipotesis baik uji-t atau uji-f akan terpengaruh yang berakibat uji hipotesis tidak akurat, dan akhirnya akan membawa dampak pula pada keakuratan kesimpulan. Melihat hal-hal tersebut, maka cukup banyak alasan untuk memberikan perhatian cukup pada masalah heteroskedastisitas pada saat membuat model regresi. Mendeteksi heterokedastisitas didalam penelitian ini akan menggunakan eviews, dengan

38 melihat probabilitas lebih kecil daripada α = 5%, ini berarti kita simpulkan untuk menolak hipotesis yang berarti tidak cukup bukti untuk menyatakan tidak ada heteroskedastisitas, Nachrowi (2006;246). a. Uji Autokorelasi Autokorelasi dalam konsep linear berarti komponen error berkorelasi berdasarkan urutan waktu (pada data berkala) atau urutan ruang atau korelasi pada dirinya sendiri (Kusrini, 2010). Autokorelasi menunjukan adanya korelasi di antara variabel observasi. Dalam penelitian ini pengujian autokorelasi dilakukan dengan melihat angka statistik Durbin Watson. Menurut Nachrowi & Usman (2006) kriteria statistik Durbin Watson adalah sebagai berikut: 1. Jika angka Durbin Watson bernilai 2, maka akan bernilai 0, yang artinya tidak terdapat autokorelasi. 2. Jika angka Durbin Watson bernilai 0, maka akan bernilai 1, yang artinya tidak terdapat autokorelasi positif. 3. Jika angka Durbin Watson bernilai 4, maka akan bernilai -1, yang artinya tidak terdapat autokorelasi negatif.

39 3. Uji Analisis Regresi Analisis regresi linier berganda digunakan oleh peneliti, bila peneliti bermaksud meramalkan bagaimana keadaan (naik turunnya) variable dependen, bila dua atau lebih variable independen sebagai factor predictor dimanipulasi (dinaik turunkan nilainya). Jadi analisis regresi linier berganda akan dilakukan bila jumlah variable independennya minimal 2. Dalam penelitian ini ada 3 variabel independen yaitu Ukuran Komite Audit, Frekuensi Rapat Komite Audit dan Financial Expertise Komite Audit Persamaan regresi untuk dua prediktor adalah : DAC = α0 + α1 ACSIZE + α2 ACMEET + α3 ACEXP + e Di mana : DAC ACSIZE ACMEET ACEXP : Kualitas Laba : Ukuran Komite Audit : Frekuensi Rapat Komite Audit : Financial Expertise Komite Audit : error 4. Uji Hipotesis a. Uji Signifikansi (Uji Statistik F) Uji F menunjukkan apakah variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat.

40 b. Uji Koefisien Determinasi (R-squared) Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah nol dan satu. Nilai R-squared yang kecil berarti kemampuan variabelvariabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.