BAB V ANALISA HASIL DAN PEMBAHASAN

BAB V ANALISA HASIL DAN PEMBAHASAN A. Analisa Hasil Penelitian ini merupakan penelitian hubungan kausal yaitu suatu penelitian yang dilakukan terhadap satu atau lebih variabel untuk menguji secara empiris tentang pengaruh suatu variabel denganvariabel lainnya, yaitu fakta empiris pengaruh beban pajak tangguhan, leverage, dan ukuran perusahaan terhadap manajemen laba. 5.1 Analisis Statistik Deskriptif Manajemen Laba dengan Conditional Revenue Model (CRM) Analisis deskriptif merupakan analisis yang memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum,range,kurtosis dan skewness (kemiringan distribusi). Tabel 5.1 Uji Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation EM 69 -.20.10 -.0014.03205 Valid N 69 (listwise) Sumber: Data Sekunder Diolah,2017 63

64 5.2 Analisis Statistik Deskriptif Regresi Manajemen Laba Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian ini.gambaran tersebut dapat dilihat dari hasil yang telah dikelola pada tabel 5.2 sebagai berikut. Tabel 5.2 Uji Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation BPT 69 -.30.80.1290.23708 LEV 69.00 2.00.4493.60722 SIZE 69 14.00 23.00 19.9565 2.29087 Valid N (listwise) 69 Sumber: Data Sekunder Diolah, 2017 Tabel di atas menunjukkan bahwa Variabel beban pajak tangguhan (BPT) tahun 2013-2015 menunjukkan nilai minimum sebesar -.30, nilai maksimal sebesar.80, nilai rata-rata sebesar.1290 dan nilai standar deviasi sebesar.23708artinya secara rata-rata perusahaan sektor industri barang konsumsi di Indonesia mengindikasikan adanya manfaat terhadap pajak yang ditangguhkan dengan melaporkan laba akuntansi yang lebih rendah daripada laba fiskal.

65 Variabel leverage (LEV) mempunyai nilai minimum dan maksimal masing-masing.00 dan 2.00 nilai rata-rata sebesar,4493 dan nilai standar deviasi sebesar.60722 Artinyanilai tersebut menunjukkan bahwa rata-rata perusahaan di Indonesia cukup memiliki kemampuan dalam membayar kewajibannya. Variabel ukuran perusahaan mempunyai nilai minimum dan maksimal masing-masing 14.00 dan 23.00 nilai rata-rata sebesar 19.9565 dan nilai standar deviasi sebesar 2.29087Artinyanilai tersebut menunjukkan bahwa lebih besar ukuran perusahaan maka bisa diindikasikan adanya praktik manajemen laba. B. Pengujian Asumsi Klasik Berdasarkan hasil pengujian statistik, model persamaan regresi yang diajukan sudah memenuhi syarat asumsi klasik. Tetapi agar model persamaan tersebut dapat diterima maka harus memenuhi asumsi klasik antara lain Uji Normalitas, Multikoliniearitas, Heteroskedasitas dan Autokorelasi. 5.2.1. Uji NormalitasManajemen Laba dengan CRM Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya memiliki distribusi data normal. Data distribusi normal adalah data yang mempunyai angka signifikansi > 0.05, dengan demikian analisis statistik yang pertama digunakan dalam rangka analisis data adalah

66 analisis statististik berupa uji normalitas, dan hasil data sebagai berikut Tabel 5.3 Hasil Analisis Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 69 Normal Parameters a,b Mean.0000000 Std. Deviation 269.38598948 Most Extreme Differences Absolute.128 Positive.128 Negative -.126 Kolmogorov-Smirnov Z 1.062 Asymp. Sig. (2-tailed).209 a. Test distribution is Normal. b. Calculated from data. Berdasarkan Hasil Uji Normalitas yang terdapat pada tabel 5.3, menunjukkan bahwa nilai Asymp. Sig. (2-tailed) adalah.209 yang menjelaskan bahwa Penelitian ini memiliki distribusi data normal dengan menggunakan pendakatan conditional revenue model dalam mendeteksi praktik manajemen laba, karena Asymp. Sig. (2-tailed) lebih besar dari nilai signifikansi dalam pengujian yaitu 0.05. Dengan menyatakan data terdistribusi normal dan layak untuk dilakukan penelitian. 5.2.1. Uji Normalitas Regresi Manajemen Laba Uji normalitas selanjutnya bertujuan untuk menguji apakah dalam model regresi variabel terikat yaitu manajemen laba, dengan variabel

67 bebas (beban pajak tangguhan, leverage, dan ukuran perusahaan) keduanya memiliki distribusi data normal. Hasil analisis data untuk regresi manajemen laba sebagai berikut. Tabel 5.4 Hasil Analisis Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 69 Normal Parameters a,b Mean.0000000 Std. Deviation 3.019 Most Extreme Differences Absolute.101 Positive.068 Negative -.101 Kolmogorov-Smirnov Z.842 Asymp. Sig. (2-tailed).477 a. Test distribution is Normal. b. Calculated from data. Berdasarkan Hasil Uji Normalitas yang terdapat pada tabel 5.4, menunjukkan bahwa nilai Asymp.Sig. (2-tailed) adalah.477 yang menjelaskan bahwa Penelitian ini memiliki distribusi data normal, karena Asymp.Sig. (2-tailed) lebih besar dari nilai signifikansi dalam pengujian yaitu 0.05.Dengan menyatakan data terdistribusi normal dan layak untuk dilakukan penelitian. C. Uji Multikolinearitas Multikolinearitas suatu keadaan dimana diantara variabel bebas dalam model regresi terdapat korelasi yang signifikan.model regresi yang baik tidak mengandung multikolinearitas.untuk mendeteksi ada tidaknya

68 multikolinearitas digunakan Variance Inflation Factor (VIF), apabila nilai tolerance > 0.10 atau nilai VIF < 10, maka tidak ada multikolinearitas antar variabel bebas dalam model regresi. Model regresi dalam penelitian ini menghasilkan nilai Tolerance dan VIF sebagai berikut: 5.3.1 Uji Multikolinearitas Manajemen Laba dengan Conditional Revenue Model (CRM) Tabel 5.5 Uji Multikolinearitas Coefficients a Collinearity Statistics Model Tolerance VIF 1 R it SIZE it R it AGE it R it AGE_SQ it R it GRR_P it R it GRR_N it.270.175.155.251.756 3.836 5.174 6.784 3.438 1.323 R it GRM it.300 3.332 R it GRM_SQ it.579 1.727 a. Dependent Variable: ΔAR it Berdasarkan tabel 5.5 menunjukkan bahwa nilai tolerance dari variabel independen yaitu (ukuran perusahaan, umur perusahaan, margin kotor, dan pertumbuhan pendapatan) lebih besar dari 0.10.Demikian pula nilai VIF lebih kecil dari 10, dengan demikian dapat disimpulkan bahwa model regresi tidak mengindikasikan adanya multikolinearitas atau asumsi non multikolinearitas terpenuhi.

69 5.3.2 Uji Multikolinearitas Analisis Regresi Manajemen Laba Tabel 5.6 Uji Multikolinearitas Coefficients a Collinearity Statistics Model Tolerance VIF 1 Beban_Pajak_Tangguhan(X1).972 1.029 Leverage(X2).985 1.015 Ukuran_Perusahaan(X3).963 1.038 a. Dependent Variable: Manajemen_Laba (Y) Berdasarkan tabel 5.6, menunjukkan bahwa nilai tolerance dari ketiga variabel bebas (independen) lebih besar dari 0.10.Demikian pula nilai VIF lebih kecil dari 10, dengan demikian dapat disimpulkan bahwa model regresi tidak mengindikasikan adanya multikolinearitas atau asumsi non multikolinearitas terpenuhi. D. Uji Heteroskedastisitas Uji Heteroskedastisitas memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lain.

70 5.4.1 Uji Heteroskedastisitas Manajemen Laba dengan Conditional Revenue Model (CRM) Tabel 5.7 Hasil Uji Heteroskedastisitas Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta T Sig. 1 (Constant).012.004 2.792.007 R it SIZE it.010.005 1.433 2.030.057 R it AGE it.028.023 1.075 1.212.230 R it AGE_SQ it -.008.008-1.039-1.078.285 R it GRR_P it -.100.071-1.031-1.411.163 R it GRR_N it -.142.131 -.145-1.081.284 R it GRM it -.109.063 -.367-1.728.089 R it GRM_SQ it -.029.082 -.055 -.359.721 a. Dependent Variable: RES2 Berdasarkan tabel 5.7 mengenai hasil uji heteroskedastisitas dapat diketahui bahwa nilai signifikan regresi variabel (ukuran perusahaan, umur perusahaan, margin kotor dan pertumbuhan pendapatan) lebih besar dari nilai signifikansi yaitu 0.05, yang menunjukkan bahwa variabel bebas (independen) tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak digunakan. 5.4.1 Uji Heteroskedastisitas Analisis Regresi Manajemen Laba Uji Heteroskedastisitas memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lain.

71 Tabel 5.8 Hasil Uji Heteroskedastisitas Coefficients a Unstandardized Coefficients Standardize d Coefficients Model B Std. Error Beta t Sig. 1 (Constant) 1.832 2.300.796.429 BPT -.921.837 -.137-1.101.275 LEV -.014.363 -.005 -.040.968 SIZE.029.114.032.252.802 a. Dependent Variable: RES2 Berdasarkan tabel 5.8 mengenai hasil uji heteroskedastisitas dapat diketahui bahwa nilai signifikan variabel beban pajak tangguhan (X 1 ) 0.275 lebih besar dari 0.05, artinya tidak terjadi heteroskedastisitas.nilai signifikan leverage (X 2 ) yaitu sebesar 0.968 lebih besar dari nilai signifikansi yang artinya tidak terjadi heteroskedastisitas, dan untuk ukuran perusahaan (X 3 ) juga tidak terjadi heteroskedastisitas, karena nilai signifikansi 0.802 lebih besar dari 0.05. E. Uji Autokorelasi Uji Autokorelasi bertujuan untuk melihat apakah regresi korelasi antara satu periode t dengan periode sebelumnya (t-1).secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh variabel

72 bebas terhadap variabel terikat, jadi tidak boleh ada kemungkinan terjadi korelasi antar observasi dengan observasi sebelumnya.berikut ini hasil dari uji autokorelasi. 5.5.1 Uji Autokorelasi Manajemen Laba dengan Conditional Revenue Model (CRM) Tabel 5.9 Uji Autokorelasi Model Summary b Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson 1.375 a.141.042 284.4229 2.534 a. Predictors: (Constant), R it GRM_SQ it, R it GRR_N it, R it AGE_SQit, R it GRM it, R it GRR_P it, Rit SIZE it, Rit AGE it b. Dependent Variable:ΔAR it Berdasarkan tabel 5.9 nilai Durbin Watson (DW) adalah 2.534.Untuk mendeteksi terjadinya autokorelasi atau tidak dapat dilihat melalui nilai Durbin-Watson (DW).Hasil Uji Autokorelasi menunjukkan nilai DW 2.534 dikategorikan bahwa nilai DW berada diantara interval -2 <DW<2 sehingga tidak terjadi autokorelasi.

73 5.5.2 Uji Autokorelasi Analisis Regresi Manajemen Laba Tabel 5.10 Hasil Uji Autokorelasi Model Summary b Model Durbin-Watson 1 2.210 a a. Predictors: (Constant), SIZE(X3), LEV(X2), BPT(X1) b. Dependent Variable: manajemen laba(y) Berdasarkan tabel 5.10 nilai Durbin Watson adalah 2.210 a. Untuk mendeteksi terjadinya autokorelasi atau tidak dapat dilihat melalui nilai Durbin Watson (DW).Bila nilai DW terletak diantara angka -2 < DW < 2 maka dapat dikatakan tidak terjadi autokorelasi, baik positif maupun negatif. Hasil output menunjukkan nilai DW 2.210, dengan mengikuti ketentuan diatas dapat dikategorikan bahwa nilai DW (2.210) berada diantara interval 2 < DW < 2 sehingga tidak terjadi autokorelasi. F. Koefisien Determinasi Koefisien determinasi pada regresi linear seriang diartikan sebagai seberapa besar kemampuan semua variabel bebas dalam menjelaskan varians dari variabel terikatnya.secara sederhana koefisien determinasi dihitung dengan mengkuadratkan koefisien korelasi (R). Hasil Uji Koefisien Determinasi pada penelitian ini sebagai berikut:

74 5.6.1 Uji Koefisien Determinasi Manajemen Laba dengan Pendekatan Conditional Revenue Model (CRM) Tabel 5.11 Hasil Uji Koefisien Determinasi Model Summary b Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson 1.375 a.141.042 284.4229 2.534 a. Predictors: (Constant), R it GRM_SQ it, R it GRR_N it, R it AGE_SQit, R it GRM it, R it GRR_P it, Rit SIZE it, Rit AGE it b. Dependent Variable:ΔAR it Berdasarkan tabel 5.11 hasil uji koefisien determinasi menunjukkan bahwa R Square menunjukkan 14,1% variasi praktik manajemen laba dipengaruhi oleh variabel independen yang meliputi ukuran perusahaan, umur perusahaan, margin kotor, dan pertumbuhan perusahaan yang terdapat dalam komponen conditional revenue model (Stubben,2010). 5.6.2 Uji Koefisien Determinasi Analisis Regresi Manajemen Laba Tabel 5.12 Koefisien Determinasi Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1.356 a.127.087.03063 a. Predictors: (Constant),SIZE, LEV, BPT

75 Berdasarkan tabel 5.12 terdapat satu model regresi dengan nilai koefisien determinasi (R Square ) sebesar.127 (12.7%). Koefisien determinasi ini menunjukkan bahwa 7% Manajemen Laba dapat dijelaskan atau dipengaruhi oleh Beban Pajak Tangguhan, Kontrak Hutang, dan Ukuran Perusahaan. Sedangkan sisanya dipengaruhi oleh teori lain atau variabel lain seperti Konvergensi IFRS. G. Uji Simultan (Uji Statistik F) Uji simultan (Uji Statistik F) bertujuan untuk mengetahui pengaruh bersama-sama variabel independen terhadap variabel dependen.pengujiannya dilakukan dengan membandingkan F hitung dengan F tabel dengan tingkat kepercayaan 0.05 atau 5%. 5.7.1 Hasil Uji Simultan Manajemen Laba dengan Conditional Revenue Model (CRM) Tabel 5.13 Hasil Uji Simultan (Uji F) ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 6.013 7.859 665.675.000 a Residual.079 61.001 Total 6.092 68 a. Predictors: (Constant), R it GRM_SQ it, R it GRR_N it, R it AGE_SQit, R it GRM it, R it GRR_P it, Rit SIZE it, Rit AGE it b. Dependent Variable:ΔAR it

76 Berdasarkan tabel 5.13 dapat dilihat bahwa nilai F hitung diperoleh sebesar 665.675 dengan tingkat signifikan.000. Sedangkan pada tabel F dengan signifikan diketahui df 1 (jumlah variabel-1) atau 3-1=2, dan df 2 (n-k-1) atau 69-3-1=65, (n adalah jumlah sampel dan k adalah jumlah variabel independen), diperolah angka sebesar 2.75. Berdasarkan kriteria uji F yang telah ditentukan sebelumnya oleh karena F hitung > F tabel (665.675 >2.75) dan tingkat signifikan <0.05 (0.000<0.05), maka keputusan yang diambil adalah H o ditolak dan H a diterima. Dengan kata lain bahwa persamaan regresi yang terbentuk secara bersama-sama berpengaruh signifikan terhadap manajemen laba (Y) sebagai variabel dependen. 5.7.2 Analisis Uji Simultan Persamaan Regresi Manajemen Laba Tabel 5.14 Hasil Uji Simultan (Uji F) Model Sum of ANOVA b Squares Df Mean Square F Sig. 1 Regression.009 3.003 3.148.031 a Residual.061 65.001 Total.070 68 a. Predictors: (Constant), SIZE, LEV, BPT b. Dependent Variable: Manajemen Laba a. Predictors: (Constant), R it GRM_SQ it, R it GRR_N it, R it AGE_SQit, R it GRM it, R it GRR_P it, Rit SIZE it, Rit AGE it b. Dependent Variable:ΔAR it

77 Berdasarkan tabel 5.14 dapat dilihat bahwa nilai F hitung diperoleh sebesar 3.148 dengan tingkat signifikan.031. Sedangkan pada tabel F dengan signifikan diketahui df 1 (jumlah variabel-1) atau 3-1=2, dan df 2 (n-k-1) atau 69-3-1=65, (n adalah jumlah sampel dan k adalah jumlah variabel independen), diperolah angka sebesar 2.75. Berdasarkan kriteria uji F yang telah ditentukan sebelumnya oleh karena F hitung > F tabel (3.148 >2.75) dan tingkat signifikan <0.05 (0.031<0.05), maka keputusan yang diambil adalah H o ditolak dan H a diterima. Dengan kata lain bahwa persamaan regresi yang terbentuk secara bersama-sama berpengaruh signifikan terhadap manajemen laba (Y) sebagai variabel dependen. H. Uji t-statistik (Uji Partial) Uji Statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat.uji statistik t dalam penelitian ini digunakan untuk melakukan pengujian hipotesis.uji statistik t ditunjukan pada Tabel 5.15 berikut ini. 5.8.1 Hasil Uji t-statistik Manajemen Laba dengan Conditional Revenue Model (CRM)

78 Tabel 5.15 Hasil Uji t- Statistik Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta T Sig. 1 (Constant) 72.118 46.488 1.551.126 R it SIZE it 116.168 50.406 1.660 2.305.025 R it AGE it -185.930 236.472 -.712 -.786.435 R it AGE_SQ it 53.408 78.868.667.677.501 R it GRR_P it -1562.590 734.274-1.586-2.128.037 R it GRR_N it -116.293 1361.997 -.012 -.085.932 R it GRM it -847.245 653.308 -.281-1.297.200 R it GRM_SQ it 1570.397 853.886.287 1.839.071 a. Dependent Variable: AR it Hasil Pengujian ini dilakukan untuk menguji apakah nilai konstanta dan koefisien variabel independen memberikan pengaruh yang signifikan atau tidak terhadap variabel dependen.pengujian ini dapat dilakukan dengan dua metode, yaitu pertama dengan uji t membandingkan nilai t hitung dengan t tabel dan yang kedua dengan uji signifikansi. Berikut adalah pengujiannya: a. Menguji signifikansi konstanta (β 1 ) pada model regresi: Terlihat bahwa t hitung untuk konstanta β 1 adalah 2.305 sedangkan t tabel bisa didapat pada tabel distribusi t, dengan a = 0.05, karena digunakan hipotesis dua arah, ketika mencari t tabel nilai a dibagi dua menjadi 0.025,

79 dan df = 67 (didapat dari rumus n-2, dimana n adalah jumlah data, 69-2 = 67), didapat t tabel adalah 1.9971. karena t hitung > t tabel, (2.305> 1.9971, maka H o ditolak dan H a diterima, sehingga dapat disimpulkan bahwa konstanta β 1 tidak berpengaruh signifikan terhadap manajemen laba. b. Menguji signifikansi konstanta (β 2 ) pada model regresi: Terlihat bahwa t hitung untuk konstanta β 2 adalah -.786 sedangkan t tabel bisa didapat pada tabel distribusi t, dengan a = 0.05, karena digunakan hipotesis dua arah, ketika mencari t tabel nilai a dibagi dua menjadi 0.025, dan df = 67 (didapat dari rumus n-2, dimana n adalah jumlah data, 69-2 = 67), didapat t tabel adalah 1.9971. karena t hitung < t tabel, (-,.786<1.9971, maka H o diterima dan H a ditolak, sehingga dapat disimpulkan bahwa konstanta β 2 tidak berpengaruh signifikan terhadap manajemen laba. c. Menguji signifikansi konstanta (β 3 ) pada model regresi: Terlihat bahwa t hitung untuk konstanta β 3 adalah.677 sedangkan t tabel bisa didapat pada tabel distribusi t, dengan a = 0.05, karena digunakan hipotesis dua arah, ketika mencari t tabel nilai a dibagi dua menjadi 0.025, dan df = 67 (didapat dari rumus n-2, dimana n adalah jumlah data, 69-2 = 67), didapat t tabel adalah 1.9971. karena t hitung < t tabel, (.677<1.9971, maka H o diterima dan H a ditolak, sehingga dapat disimpulkan bahwa konstanta β 3 tidak berpengaruh signifikan terhadap manajemen laba.

80 d. Menguji signifikansi konstanta (β 4 ) pada model regresi: Terlihat bahwa t hitung untuk konstanta β 4 adalah -2.128 sedangkan t tabel bisa didapat pada tabel distribusi t, dengan a = 0.05, karena digunakan hipotesis dua arah, ketika mencari t tabel nilai a dibagi dua menjadi 0.025, dan df = 67 (didapat dari rumus n-2, dimana n adalah jumlah data, 69-2 = 67), didapat t tabel adalah 1.9971. karena t hitung < t tabel, (-2.128 >1.9971, maka H o ditolak dan H a diterima, sehingga dapat disimpulkan bahwa konstanta β 4 berpengaruh signifikan terhadap manajemen laba. e. Menguji signifikansi konstanta (β 5 ) pada model regresi: Terlihat bahwa t hitung untuk konstanta β 5 adalah -.085 sedangkan t tabel bisa didapat pada tabel distribusi t, dengan a = 0.05, karena digunakan hipotesis dua arah, ketika mencari t tabel nilai a dibagi dua menjadi 0.025, dan df = 67 (didapat dari rumus n-2, dimana n adalah jumlah data, 69-2 = 67), didapat t tabel adalah 1.9971. karena t hitung < t tabel, (-.085<1.9971, maka H o diterima dan H a ditolak, sehingga dapat disimpulkan bahwa konstanta β 5 tidak berpengaruh signifikan terhadap manajemen laba. f. Menguji signifikansi konstanta (β 6 ) pada model regresi: Terlihat bahwa t hitung untuk konstanta β 6 adalah -1.297 sedangkan t tabel bisa didapat pada tabel distribusi t, dengan a = 0.05, karena digunakan hipotesis dua arah, ketika mencari t tabel nilai a dibagi dua menjadi 0.025, dan df = 67 (didapat dari rumus n-2, dimana n adalah jumlah data, 69-2 = 67), didapat t tabel adalah 1.9971. karena t hitung < t tabel, (-1.297<1.9971, maka H o diterima dan H a ditolak, sehingga dapat disimpulkan bahwa konstanta β 6 tidak berpengaruh signifikan terhadap manajemen laba.

81 g. Menguji signifikansi konstanta (β 7 ) pada model regresi: Terlihat bahwa t hitung untuk konstanta β 7 adalah 1.839 sedangkan t tabel bisa didapat pada tabel distribusi t, dengan a = 0.05, karena digunakan hipotesis dua arah, ketika mencari t tabel nilai a dibagi dua menjadi 0.025, dan df = 67 (didapat dari rumus n-2, dimana n adalah jumlah data, 69-2 = 67), didapat t tabel adalah 1.9971. karena t hitung < t tabel, (1.839<1.9971, maka H o diterima dan H a ditolak, sehingga dapat disimpulkan bahwa konstanta β 7 tidak berpengaruh signifikan terhadap manajemen laba. 5.8.1 Hasil Uji t-statistik Persamaan Regresi Manajemen Laba Tabel 5.16 Hasil Uji t-statistik Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta T Sig. 1 (Constant).018.033.548.585 BPT -.046.016 -.338-2.901.005 LEV.009.008.131 1.127.264 SIZE -.001.002 -.052 -.450.654 a. Dependent Variable: Manajemen Laba a. Menguji signifikansi konstanta (β 1 ) pada model regresi: Terlihat bahwa t hitung untuk konstanta β 1 adalah -2.901 sedangkan t tabel bisa didapat pada tabel distribusi t, dengan a = 0.05, karena digunakan hipotesis dua arah, ketika mencari t tabel nilai a dibagi dua menjadi 0.025, dan df = 67 (didapat dari rumus n-2, dimana n adalah jumlah data, 69-2 = 67), didapat t tabel adalah 1.9971. karena t hitung > t tabel, (-2.901> 1.9971,

82 maka H o ditolak dan H a diterima, sehingga dapat disimpulkan bahwa konstanta β 1 berpengaruh signifikan terhadap manajemen laba. b. Menguji signifikansi konstanta (β 2 ) pada model regresi: Terlihat bahwa t hitung untuk konstanta β 2 adalah 1.127 sedangkan t tabel bisa didapat pada tabel distribusi t, dengan a = 0.05, karena digunakan hipotesis dua arah, ketika mencari t tabel nilai a dibagi dua menjadi 0.025, dan df = 67 (didapat dari rumus n-2, dimana n adalah jumlah data, 69-2 = 67), didapat t tabel adalah 1.9971. karena t hitung < t tabel, (1.127<1.9971, maka H o diterima dan H a ditolak, sehingga dapat disimpulkan bahwa konstanta β 2 tidak berpengaruh signifikan terhadap manajemen laba. c. Menguji signifikansi konstanta (β 3 ) pada model regresi: Terlihat bahwa t hitung untuk konstanta β 3 adalah -.450 sedangkan t tabel bisa didapat pada tabel distribusi t, dengan a = 0.05, karena digunakan hipotesis dua arah, ketika mencari t tabel nilai a dibagi dua menjadi 0.025, dan df = 67 (didapat dari rumus n-2, dimana n adalah jumlah data, 69-2 = 67), didapat t tabel adalah 1.9971. karena t hitung < t tabel, (-.450 <1.9971, maka H o diterima dan H a ditolak, sehingga dapat disimpulkan bahwa konstanta β 3 tidak berpengaruh signifikan terhadap manajemen laba.

83 B. Pembahasan 1. Pengaruh Beban Pajak Tangguhan Terhadap Manajemen Laba Hasil pengujian hipotesis pertama diperoleh bahwa beban pajak tangguhan berpengaruh positif dan signifikan terhadap manajemen laba pada perusahaan manufaktur sektor barang konsumsi di BEI Tahun 2013-2015. Beban pajak tangguhan dalam penelitian Phillips, Pincus, Rego (2002) merupakan proksi empiris dari book-tax differences yang mencerminkan diskresi manajerial sehingga beban pajak akan menunjang terjadinya menajemen laba diantaranya untuk menghindari pelaporan rugi atau menghindari penurunan laba. Hasil penelitian ini menemukan bahwa adanya pengaruh positif dan signifikan terhadap beban pajak tangguhan, penelitian ini didukung oleh penelitian sebelumnya yang dilakukan oleh Phillips, & Rego (2003:518) dalam penelitiannya menyatakan bahwa beban pajak tangguhan dapat digunakan dan memiliki kemampuan sangat baik dalam mendeteksi manajemen laba yang dilakukan perusahaan dalam memenuhi dua tujuan, yaitu (1) untuk menghindari penurunan laba dan (2) untuk menghindari kerugian.

84 2. Pengaruh Leverage Terhadap Manajemen Laba Hasil pengujian hipotesis kedua diperoleh bahwa leverage berpengaruh negatif dan tidak signifikan terhadap manajemen laba pada perusahaan manufaktur sektor barang konsumsi di BEI Tahun 2013-2015. Besarnya tingkat hutang perusahaan (leverage) dapat mempengaruhi tindakan manajemen laba. Leverage yang tinggi disebabkan kesalahan manajemen dalam mengelola keuangan perusahaan atau penerapan strategi yang kurang tepat dari pihak manajemen. Oleh karena kurangnya pengawasan yang menyebabkan leverage yang tinggi, juga akan meningkatkan tindakan opportunistic seperti manajemen laba untuk mempertahankan kinerjanya dimata pemegang saham dan publik (Husnan, 2001). 3. Pengaruh Ukuran Perusahaan Terhadap Manajemen Laba Hasil pengujian hipotesis ketiga diperoleh bahwa pertumbuhan perusahaan berpengaruh negatif dan tidak signifikan terhadap manajemen laba pada perusahaan manufaktur sektor barang konsumsi di BEI Tahun 2013-2015. Ukuran perusahaan adalah suatu skala dimana dapat diklasifikasikan besar kecilnya perusahaan menurut berbagai cara antara lain dengan total aktiva, log size, nilai pasar saham, dan lain-lain. Ukuran perusahaan dibagi tiga, yaitu perusahaan besar (large firm),

85 perusahaan menengah (medium firm), perusahaan kecil (small firm). Semakin besar total aktiva, penjualan, dan kapitalisasi pasar maka semakin besar pula ukuran perusahaan itu, demikian sebaliknya. Hasil penelitian ini menunjukkan bahwa terdapat pengaruh negatif dan tidak signifikan terhadap manajemen laba.penelitian ini bertolak belakang dengan penelitian Dechow dan Dichev (2002) dan Utpala (2008) bahwa ukuran perusahaan berhubungan positif dengan kualitas akrual. 4.Conditional Revenue Model berpengaruh dalam Mendeteksi Manajemen Laba Berdasarkan pada hasil analisis dengan menggunakan conditional revenue model, hampir seluruh perusahaan terindikasi melakukan praktik manajemen laba setiap tahunnya.hasil penelitian secara umum konsisten dengan beberapa hasil penelitian sebelumnya, dimana pendapatan dan kontra akunnya, yaitu piutang merupakan akun yang dapat dimanfaatkan untuk melakukan manajemen laba (Stubben, 2010).Conditional revenue model menitikberatkan pada pendapatan yang memiliki hubungan secara langsung dengan piutang.