4.1
Hasil Penelitian
4.1.1
Analisa Data
Tabel 4.1
Statistik Deskriptif
Descriptive Statistics
N
PDKI
UDD
PKAI
KM
BP
EM
Valid N (listwise)
143
143
143
143
143
143
143
Minimum
0
1
0
0
8587804
-3
Maximum
1
9
1
0
297700000000
8
Mean
.40
4.95
.65
.01
13478756723.66
1.50
Std. Deviation
.128
1.792
.160
.051
27063082245.888
1.478
Uji Normalitas
Most Extreme
Differences
Mean
Std.
Deviation
Absolute
Positive
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
PDKI
143
.40
UDD
142
4.95
PKAI
143
.65
KM
143
.01
BP
143
13478756723.66
EM
143
1.50
.128
1.792
.160
.051
27063082245.89
1.478
.197
.186
-.197
.137
.137
-.103
.432
.337
-.432
.428
.428
-.406
.309
.233
-.309
.189
.189
-.149
2.351
1.632
5.170
5.119
3.699
2.266
.066
.093
.201
.413
.352
.176
Uji Multikolinieritas
Uji multikolonieritas bertujuan untuk menguji apakah dalam model
regresi ditemukan adanya korelasi yang tinggi atau sempurna antar variabel
independen. Satu cara mendeteksi adanya multikolinieritas adalah nilai
Variance Inflation Factor (VIF). VIF mengukur variabilitas variabel
independen yang terpilih dan tidak dapat dijelaskan oleh variabel independen
lainnya. Apabila terdapat variabel independen yang memiliki nilai VIF diatas
10 maka menunjukan adanya gejala multikolinieritas yang tinggi. Sebaliknya,
jika nilai VIF kurang dari 10 menunjukan bahwa korelasi variabel independen
masih bisa ditolerir.
Tabel 4.3
Uji Multikolinieritas
Coefficientsa
Model
1
(Constant)
PDKI
UDD
PKAI
KM
BP
Unstandardized
Coefficients
B
Std. Error
2.111
.768
-.948
1.000
-.026
.074
-.180
.793
1.401
2.481
-1.3E-013
.000
Standardized
Coefficients
Beta
-.082
-.032
-.020
.049
-.002
t
2.749
-.948
-.355
-.227
.565
-.026
Sig.
.007
.345
.723
.821
.573
.979
Collinearity Statistics
Tolerance
VIF
.978
.922
.983
.980
.928
1.023
1.085
1.017
1.020
1.077
a. Dependent Variable: EM
Uji Autokorelasi
Uji autokorelasi digunakan untuk menguji apakah dalam suatu model
regresi terdapat korelasi antara kesalahan pengganggu pada periode saat ini (t)
dengan kesalahan pada periode sebelumnya (t-1). Model regresi yang baik
adalah yang terbebas dari autokorelasi. Untuk mendeteksi ada tidaknya
autokorelasi adalah menggunakan model Durbin Watson (DW). Jika terdapat
p value untuk DW, maka pendeteksian ada tidaknya autokorelasi dilihat dari p
value tersebut atau dengan cara melihat nilai DW dan kemudian melakukan
mapping dengan ketentuan sebagai berikut:
+auto
indecision
no auto
indecision - auto
dl
du
4-du
4-dl
Jika nilai DW terletak di daerah +auto atau auto, maka sudah pasti
regresi tersebut mengandung autokorelasi, sedangkan apabila nilai DW
terletak di daerah no auto, maka tidak terdapat auto korelasi. Jika terletak di
daerah indecision, maka mapping ini tidak dapat menentukan apakah
autokorelasi atau tidak. DW menunjukan nilai Durbin Watson, du adalah batas
atas dan dl adalah batas bawah. Nilai du dan dl diperoleh dari tabel Durbin
Watson.
Tabel 4.4
Uji Autokorelasi
Model Summaryb
Model
1
R
R Square
.103a
.011
Adjusted
R Square
-.026
Std. Error of
the Estimate
1.503
DurbinWatson
2.103
sama degan 143, untuk DW= 2.103, terletak di derah no auto; sehingga dapat
disimpulkan tidak adanya autokorelasi
d.
Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah terdapat
apabila
terjadi
sebaliknya,
yaitu
homoskedastisitas.
Tabel 4.5
lebih
besar,
maka
terjadi
Uji Heteroskedastisitas
Coefficientsa
Model
1
(Constant)
PDKI
UDD
PKAI
KM
BP
Unstandardized
Coefficients
B
Std. Error
.824
.552
.884
.718
.013
.053
-.255
.570
-.494
1.782
-4.8E-012
.000
Standardized
Coefficients
Beta
.105
.022
-.038
-.024
-.121
t
1.494
1.231
.249
-.448
-.277
-1.378
Sig.
.137
.220
.804
.655
.782
.170
Collinearity Statistics
Tolerance
VIF
.978
.922
.983
.980
.928
1.023
1.085
1.017
1.020
1.077
Uji Hipotesis
Uji hipotesis dilakukan dengan melakukan dua macam pengujian terhadap
persamaan regresi penelitian, yaitu uji t dan uji F. Uji t digunakan untuk menguji
hubungan antara satu variabel independen dengan satu variabel dependen lain (uji
secara parsial). Analisis presamaan regresi linear berganda digunakan pada penelitian
ini untuk mengetahui pengaruh satu dan lebih variabel independen secara simultan
terhadap variabel dependen.
4.1.3.1 Pengaruh Proporsi Dewan Komisaris Independen (PDKI) Secara Parsial
terhadap Earnings Management (EM)
Tabel 4.6
Uji Hipotesis 1
Coefficientsa
Model
1
(Constant)
PDKI
Unstandardized
Coefficients
B
Std. Error
1.883
.410
-.953
.972
Standardized
Coefficients
Beta
-.082
t
4.592
4.981
Sig.
.000
.000
a. Dependent Variable: EM
Model
1
(Constant)
UDD
Unstandardized
Coefficients
B
Std. Error
1.615
.368
-.023
.070
Standardized
Coefficients
Beta
-.028
t
4.386
-.335
Sig.
.000
.738
a. Dependent Variable: EM
Uji t kedua akan digunakan untuk menguji hipotesis pengaruh Ukuran Dewan
Direksi secara parsial terhadap Earnings Management.
c. Hipotesis:
H0: Ukuran Dewan Direksi secara parsial tidak berpengaruh signifikan
H1:
Model
1
(Constant)
PKAI
Unstandardized
Coefficients
B
Std. Error
1.569
.519
-.108
.776
Standardized
Coefficients
Beta
-.012
t
3.026
-.139
Sig.
.003
.890
a. Dependent Variable: EM
Coefficientsa
Model
1
(Constant)
KM
Unstandardized
Coefficients
B
Std. Error
1.480
.127
1.551
2.421
Standardized
Coefficients
Beta
.054
t
11.621
5.640
Sig.
.000
.000
a. Dependent Variable: EM
Parsial
terhadap
Earnings
Management (EM)
Tabel 4.10
Uji Hipotesis 5
Coefficientsa
Model
1
(Constant)
BP
Unstandardized
Coefficients
B
Std. Error
1.512
.139
-9.2E-013
.000
Standardized
Coefficients
Beta
-.017
t
10.901
-.201
Sig.
.000
.841
a. Dependent Variable: EM
Uji t kelima akan digunakan untuk menguji hipotesis pengaruh Bonus Plan
secara parsial terhadap Earnings Management.
a. Hipotesis:
H0: Bonus Plan secara parsial tidak berpengaruh signifikan terhadap
Earnings Management
H1: Bonus Plan secara parsial berpengaruh signifikan terhadap Earnings
Management
b. Keputusan:
Jika t hitung < t tabel maka H0 diterima
Jika t hitung > t tabel maka H1 diterima.
Dari tabel statistik di atas terlihat bahwa t hitung untuk variabel Bonus
Plan adalah 0.201. Untuk menghitung t tabel digunakan ketentuan sebagai
berikut: = 0.05; degree of freedom/df = jumlah variabel 2 atau 50-2 =
48; sehingga diperoleh t tabel = 1.655 (lihat Lampiran Tabel t).
Karena t hitung (0.201) < t tabel (1.655), maka H1 ditolak; artinya, Bonus
Plan secara parsial tidak berpengaruh signifikan terhadap Earnings
Management.
4.1.3.6 Pengaruh Proporsi Dewan Komisaris Independen (PDKI), Ukuran
Dewan Direksi (UDD), Keberadaan/Proporsi Komite Audit Independen
(PKAI), Kepemilikan Manajerial (KM) dan Bonus Plan (BP) Secara
Simultan terhadap Earnings Management (EM)
Uji F atau ANOVA merupakan metode yang digunakan untuk menguji
pengaruh Proporsi Dewan Komisaris Independen, Ukuran Dewan Direksi, Proporsi
Komite Audit Independen, Kepemilikan Manajerial dan Bonus Plan secara simultan
terhadap Earnings Management. Kriteria pengambilan keputusan untuk uji F
(Ghozali, 2006) adalah sebagai berikut:
a
Apabila sig < 5%, maka seluruh variabel independen secara simultan
berpengaruh signifikan terhadap variabel dependen
Apabila sig > 5%, maka seluruh variabel independen secara simultan
tidak berpengaruh signifikan terhadap variabel dependen
Tabel 4.11
Uji Hipotesis 6
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
3.261
307.122
310.383
df
5
136
141
Mean Square
.652
2.258
F
3.289
Sig.
.018a
Malaysia. Kriteria pengambilan keputusan untuk uji F (Ghozali, 2006) adalah sebagai
berikut:
c
Apabila sig < 5%, maka seluruh variabel independen secara simultan
berpengaruh signifikan terhadap variabel dependen
Apabila sig > 5%, maka seluruh variabel independen secara simultan
tidak berpengaruh signifikan terhadap variabel dependen
Tabel 4.12
Uji Hipotesis 7
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
7.036
220.928
227.964
df
5
107
112
Mean Square
1.407
2.065
F
3.682
Sig.
.014a
Apabila sig < 5%, maka seluruh variabel independen secara simultan
berpengaruh signifikan terhadap variabel dependen
Apabila sig > 5%, maka seluruh variabel independen secara simultan
tidak berpengaruh signifikan terhadap variabel dependen
Tabel 4.13
Uji Hipotesis 8
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
3.663
175.840
179.503
df
5
83
88
Mean Square
.733
2.119
F
5.346
Sig.
.000a
Apabila sig < 5%, maka seluruh variabel independen secara simultan
berpengaruh signifikan terhadap variabel dependen
Apabila sig > 5%, maka seluruh variabel independen secara simultan
tidak berpengaruh signifikan terhadap variabel dependen
Tabel 4.14
Uji Hipotesis 9
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
.669
210.903
211.572
df
5
76
81
Mean Square
.134
2.775
F
6.048
Sig.
.000a