Universitas Esa Unggul

BAB IV
HASIL PENELITIAN

4.1. Gambaran Umum Penelitian

Penelitian ini bertujuan untuk mengetahui pengaruh Company Size,
Cash Holding, dan Financial Leverage terhadap Praktik Income smoothing
pada Perusahaan Property dan Real Estate yang terdaftar di Bursa Efek
Indonesia (BEI) periode 2015 – 2018. Penelitian ini menggunakan data
sekunder yang datanya dapat diperoleh dari laporan keuangan yang terdapat
pada Financial Statement di Bursa Efek Indonesia (www.idx.co.id).
Pengambilan sampel dalam penelitian ini dilakukan dengan menggunakan
teknik purposive sampling yaitu pengambilan sampel berdasarkan pada
kriteria tertentu.

Kriteria dalam pengambilan sampel ini yaitu :

1. Perusahaan sampel merupakan perusahaan Property dan Real Estate
yang terdaftar di BEI secara berturut-turut periode 2015 – 2018
2. Perusahaan Property dan Real Estate yang menyediakan laporan
tahunan atau annual report secara berturut-turut periode 2015 – 2018
3. Perusahaan Property dan Real Estate yang menyediakan data yang
terkait dengan variabel penelitian

Sampel pada penelitian ini adalah 29 perusahaan yang diperoleh

melalui pendekatan purposive sampling. Penelitian ini terdiri dari dua jenis
variabel yakni praktik Income Smoothing sebagai variabel dependen dan
variabel Company Size, Cash Holding dan Financial Leverage sebagai
variabel independen.

Berikut merupakan daftar perusahaan yang memenuhi kriteria untuk

dijadikan sampel.

Tabel 4.1
Daftar Perusahaan yang di jadikan Sampel

No. Kode Saham Nama Emiten

1 ACST Acset Indonusa Tbk.
2 ADHI Adhi Karya (Persero) Tbk.
3 APLN Agung Podomoro Land Tbk.
4 BEST Bekasi Fajar Industrial Estate
5 BIKA Binakarya Jaya Abadi Tbk.

68
 Universitas Esa Unggul

6 BIPP Bhuwanatala Indah Permai Tbk.

7 BKDP Bukit Darmo Property Tbk
8 BKSL Sentul City Tbk.
9 BSDE Bumi Serpong Damai Tbk.
10 COWL Cowell Development Tbk.
11 DART Duta Anggada Realty Tbk.
12 GPRA Perdana Gapuraprima Tbk.
13 JKON Jaya Konstruksi Manggala Prata
14 KIJA Kawasan Industri Jababeka Tbk.
15 LPCK Lippo Cikarang Tbk
16 LPKR Lippo Karawaci Tbk.
17 MDLN Modernland Realty Tbk.
18 MTLA Metropolitan Land Tbk.
19 NRCA Nusa Raya Cipta Tbk.
20 OMRE Indonesia Prima Property Tbk
21 PWON Pakuwon Jati Tbk.
22 RDTX Roda Vivatex Tbk
23 RODA Pikko Land Development Tbk.
24 SCBD Danayasa Arthatama Tbk.
25 SMRA Summarecon Agung Tbk.
26 SSIA Surya Semesta Internusa Tbk.
27 TARA Sitara Propertindo Tbk.
28 TOTL Total Bangun Persada Tbk.
29 WIKA Wijaya Karya (Persero) Tbk.
Sumber : data dioleh oleh penulis, 2020

4.2. Pengujian dan Hasil Analisis Data

4.2.1. Teknik Analisis Deskriptif Data
4.2.1.1. Deskriptif Data
Dalam penelitian ini, peneliti menggunakan Indeks
Eckel untuk mengklasifikasikan perusahaan Property dan
Real Estate yang terdaftar di Bursa Efek Indonesia periode
tahun 2015 – 2018 yang melakukan Income Smoothing atau
yang tidak melakukan Income Smoothing. jika hasil Indeks
Eckel < 1 maka menunjukkan bahwa perusahaan tersebut
melakukan income smoothing, sedangkan jika hasil Indeks
Eckel ≥ 1, maka menunjukkan bahwa perusahaan tersebut
tidak melakukan income smoothing. Sampel dalam
penelitian ini sebanyak 29 perusahaan selama 4 tahun
sehingga sampel dalam penelitan ini adalah 116 sampel.

69
 Universitas Esa Unggul

Peneliti menemukan adanya perusahaan yang melakukan

praktik Income Smoothing dan bukan praktik Income
Smoothing, dapat dilihat pada tabel berikut :
Tabel 4.2
Hasil Klasifikasi Indeks Eckel

Tahun Penelitian
Status %
2015 2016 2017 2018
Melakukan Income
19 16 15 18 58,6%
Smoothing
Tidak Melakukan Income
10 13 14 11 41,4%
Smoothing

Berdasarkan tabel 4.2 di atas, dapat diketahui bahwa

pada tahun 2015 terdapat 19 Perusahaan yang melakukan
praktik Income Smoothing dan terdapat 10 Perusahaan yang
tidak melakukan praktik Income Smoothing. Tahun 2016
terdapat 16 Perusahaan yang melakukan praktik Income
Smoothing dan terdapat 13 Perusahaan yang tidak
melakukan praktik Income Smoothing. Tahun 2017 terdapat
15 Perusahaan yang melakukan praktik Income Smoothing
dan terdapat 14 Perusahaan yang tidak melakukan praktik
Income Smoothing. Tahun 2018 terdapat 18 Perusahaan
yang melakukan praktik Income Smoothing dan terdapat 11
Perusahaan yang tidak melakukan praktik Income
Smoothing. Dari data-data di atas dapat disimpulkan bahwa
pada tahun 2015 – 2018 terdapat 58,6% perusahaan yang
melakukan praktik Income Smoothing dan 41,4% terdapat
perusahaan yang tidak melakukan praktik Income
Smoothing.

4.2.1.2. Uji Statistik Deskriptif

Uji statistk deskriptif dilakukan terhadap variabel-
variabel penelitian yang terdiri atas variabel Company Size,
Cash Holding dan Financial Leverage. Pengujian statistik
deskriptif digunakan untuk memberikan gambaran
mengenai data yang diperoleh dari hasil penelitian meliputi
nilai minimum, maksimum, mean, dan standar deviasi.
Hasil pengujian statistik deskriptif disajikan pada tabel 4.3
sebagai berikut :

70
 Universitas Esa Unggul

Tabel 4.3
Hasil Uji Statistik Deskriptif

Descriptive Statistics
Std.
N Minimum Maximum Mean
Deviation
Income Smoothing 116 0 1 0,59 0,495
Company Size 116 20,81 31,07 27,2427 2,36916
Cash Holding 116 -0,01 7,35 0,1459 0,67803
Financial Leverage 116 0,03 8,76 1,0020 1,09273
Valid N (listwise) 116
Sumber : Output SPSS 25

Berdasarkan hasil pengujian statistik deskriptif di atas

dapat diketahui bahwa jumlah data sebanyak 116 data yang
diperoleh dari 29 Perusahaan dikalikan 4 tahun pengamatan
yaitu dari tahun 2015 sampai dengan 2018.
Berikut ini merupakan interpretasi tabel 4.1 :

1. Variabel Company Size pada perusahaan Property dan

Real Estate yang terdaftar di BEI memiliki rentang
nilai dari 20,81 hingga 31,07 dari tahun 2015 sampai
dengan tahun 2018. Nilai minimum sebesar 20,81
sedangkan nilai maksimum sebesar 31,07. Nilai rata-
rata company size sebesar 27,2427 dan nilai standar
deviasi 2,36916. Maka dapat disimpulkan bahwa
company size yang dapat dilihat dari total penjualan
pada perusahaan Property dan Real Estate yang
terdaftar di BEI selama periode 2015 sampai 2018
dapat mempengaruhi besar kecilnya ukuran
perusahaan suatu entitas. Jadi nilai company size yang
dilihat dari total penjualan perusahaan menghasilkan
nilai dalam skala yang besar yaitu 27,2427 atau
sebesar Rp 3.053.409.334.967,- yang tergolong dalam
perusahaan besar. Hal ini berarti nilai mean lebih
besar daripada standar deviasi, sehingga
mengindikasikan bahwa hasil yang diuji cukup baik.
2. Variabel Cash Holding pada perusahaan Property dan
Real Estate yang terdaftar di BEI memiliki rentang

71
 Universitas Esa Unggul

nilai dari 0,01 hingga 7,35 dari tahun 2015 sampai

dengan tahun 2018. Nilai minimum sebesar 0,01
sedangkan nilai maksimum sebesar 7,35. Nilai rata-
rata cash holding sebesar 0,1459 dan nilai standar
deviasi 0,67803. Maka dapat disimpulkan bahwa cash
holding yang dapat dilihat dari kas ditambah setara
kas yang dikurangkan dengan dividen perusahaan
kemudian dibagi aset pada perusahaan Property dan
Real Estate yang terdaftar di BEI selama periode 2015
sampai 2018 adalah kegunaan kas yang diperuntukkan
untuk aset perusahaan sehingga dapat mempengaruhi
besar kecilnya cash holding suatu entitas. Jadi nilai
cash holding yang dilihat menghasilkan nilai dalam
skala yang kecil yaitu terlihat dari nilai mean dari
hasil tersebut adalah 0,1459. Hal ini berarti nilai mean
lebih kecil daripada standar deviasi, sehingga
mengindikasikan bahwa hasil yang diuji kurang baik.
3. Variabel Financial Leverage pada perusahaan
Property dan Real Estate yang terdaftar di BEI
memiliki rentang nilai dari 0,03 hingga 8,76 dari
tahun 2015 sampai dengan tahun 2018. Nilai
minimum sebesar 0,03 sedangkan nilai maksimum
sebesar 8,76. Nilai rata-rata cash holding sebesar
1,0020 dan nilai standar deviasi 1,09273. Maka dapat
disimpulkan bahwa Financial Leverage atau
kemampuan perusahaan dalam membiayai modal
perusahaan dengan cara berhutang, yang terjadi pada
perusahaan Property dan Real Estate yang terdaftar di
BEI selama periode 2015 sampai 2018 dapat
mempengaruhi nilai financial leverage yaitu sebesar
1,0020 dan hal ini artinya bahwa nilai mean lebih
kecil dari nilai deviasi, sehingga mengindikasi bahwa
hasil yang diuji kurang baik.

4.2.1.3. Uji Regresi Logistik

Model Regresi Logistik dalam melakukan analisis
model regresi logistik tahapan awal yang harus dilakukan
adalah melakukan pengujian Uji Kelayakan Model Regresi
dan Data.

72
 Universitas Esa Unggul

Menurut (Ghozali, 2013) [45] menjelaskan bahwa

asumsi-asumsi dalam Binary Logistic Regression :
1. Tidak mengasumsikan hubungan linier antar variabel
dependen dan independent.
2. Variabel dependen harus bersifat dikotomi (2
variabel).
3. Variabel independent tidak harus memiliki keragaman
yang sama antar kelompok variabel.
4. Kategori dalam variabel independent harus terpisah
satu sama lain atau bersifat eksklusif.
5. Sampel yang diperlukan dalam jumlah relatif besar,
minimum dibutuhkan hingga 50 sampel data untuk
sebuah variabel prediktor (bebas).

4.2.1.4. Uji Kelayakan Hosmer

Goodness of fot test bertujuan untuk mengetahui
seberapa efektif model dapat menjelaskan variabel terkait.
Model regresi dapat dikatakan layak (fit) apabila nilai sig
pada Hosmer and Lemeshows Goodness of Fit Test Statistic
> 0,05 sedangkan jika nilai sig Hosmer and Lemeshows
Goodness of Fit Test Statistic < 0,05 maka data ditolak
sehingga model regresi dianggap tidak layak untuk
dianalisis regresi logistik (Laksono, 2013) dalam (L. Bruno,
2019) [38]. Berikut hasil dari uji Hosmer and Lemeshows
Goodness of Fit :

Tabel 4.4
Hasil Uji Kelayakan Hosmer and Lemeshow Test

Hosmer and Lemeshow Test

Step Chi-square Df Sig.

1 6,665 8 0,573
Sumber : Output SPSS 25

Berdasarkan pengujian Hosmer and Lameshow

Goodness-of Fit Test pada Tabel 4.4 diketahui bahwa nilai
Chi Square sebesar 6,665 dengan nilai sig 0,573. Maka
dapat dikatakan data yang diuji telah layak (fit) untuk di
analisis dengan model regresi logistik, ini dikarenakan nilai

73
 Universitas Esa Unggul

sig 0,573 > 0,05 (alpha) sehingga menunjukan bahwa nilai

sig lebih dari 0,05 (alpha) dan melanjutkan pengujian
kelayakan data.

4.2.2. Uji Hipotesis

4.2.2.1. Uji Signifikan Simultan (Uji Omnimbus Test of Model
Coefficient)
Selain mengunakan Hosmer and Lameshow
Goodness-of Fit Test kelayakan data juga dapat dinilai
dengan mengunakan Omnibus Tests of Model Coefficients.
Pengujian ini dilakukan untuk menguji apakah variabel-
variabel independen yang terdiri dari Company Size, Cash
Holding dan Financial leverage secara simultan
berpengaruh terhadap variabel dependen yaitu Income
Smoothing. Berikut hasil pengujian kelayakan data :

Tabel 4.5
Hasil Uji Omnimbus Test of Model Coefficient

Omnibus Tests of Model Coefficients

Chi-square Df Sig.
Step 8,935 3 0,030
Step 1 Block 8,935 3 0,030
Model 8,935 3 0,030
Sumber : Output SPSS 25

Dari Tabel 4.5 diatas dapat dilihat bahwa nilai sig <
0,05 (alpha) sehingga nilai sig 0,030 < 0,05 (alpha) dapat
diartikan bahwa nilai sig lebih kecil dibandingkan dengan
nilai alpha sehingga data diatas dapat dikatakan layak untuk
melanjutkan proses analisis regresi logistik dan perusahaan
yang melakukan praktik Income Smoothing dapat diprediksi
melalui variabel Company Size, Cash Holding, dan
Financial Leverage. Sehingga dari hasil Output SPSS 25
dapat disimpulkan bahwa Variabel Company Size, Cash
Holding dan Financial Leverage berpengaruh secara
simultan dengan tingkat pengaruhnya 0,030 < 0,05. Oleh
karena itu hipotesis H1 diterima.

74
 Universitas Esa Unggul

4.2.2.2. Uji Signifikan Parsial (Uji Wald)

Pengujian Hipotesis merupakan pengujian yang dapat
membuktikan penerimaan atau penolakan hipotesis
berdasarkan ada tidaknya pengaruh antara beberapa variabel
independen terhadap variabel dependen dengan satu model.
Pertimbangan penerimaan atau penolakan hipotesis
berdasarkan tingkat signifikan (sig) terhadap alpha dengan
nilai (sig) tidak lebih dari 0,05, nilai Wald Test untuk setiap
variabel yang berbeda dan arah beta. Hasil Uji Hipotesis
dapat dilihat sebagai berikut :

Tabel 4.6
Hasil Uji Wald

Variables in the Equation

95% C.I.for
B S.E. Wald df Sig. Exp(B) EXP(B)
Lower Upper
Step 1a Company Size 0,204 0,091 5,093 1 0,024 1,227 1,027 1,465
Cash Holding -3,776 2,909 1,685 1 0,194 0,023 0,000 6,861
Financial Leverage -0,239 0,213 1,256 1 0,262 0,787 0,518 1,196
Constant -4,641 2,384 3,789 1 0,052 0,010
a. Variable(s) entered on step 1: Company Size, Cash Holding, Financial Leverage.

Sumber : Output SPSS 25

Berdasarkan tabel 4.6 diatas, diperoleh hasil Uji Wald

yang dapat diketahui bahwa :
1. Variabel Company Size memiliki nilai koefisien
positif sebesar 0,204. Hal ini menunjukkan bahwa
semakin rendah Company Size yang diperoleh maka
semakin rendah tindakan dalam praktik Income
Smoothing yang dilakukan. Nilai signifikan yang
dimiliki untuk variabel company size sebesar 0,024
dengan alpha 0,05 serta koefisien regresi yang
dimiliki sebesar 5,093 dan koefisien beta 0,204
dengan arah positif sehingga 0,024 < 0,05. Hal ini
menunjukan bahwa company size berpengaruh
signifikan positif terhadap income smoothing. Maka
dapat disimpukan bahwa H2 diterima.

75
 Universitas Esa Unggul

2. Variabel Cash Holding memiliki nilai koefisien

negatif sebesar -3,776. Hal ini menunjukkan bahwa
semakin rendah Cash Holding yang diperoleh maka
semakin tinggi tindakan dalam praktik Income
Smoothing yang dilakukan. Nilai signifikan yang
dimiliki untuk variabel cash holding sebesar 0,194
dengan alpha 0,05 serta koefisien regresi yang
dimiliki sebesar 1,685 dan koefisien beta -3,776
dengan arah negatif sehingga 0,194 > 0,05. Hal ini
menunjukan bahwa cash holding tidak berpengaruh
signifikan negatif terhadap income smoothing. Maka
dapat disimpukan bahwa H3 ditolak.
3. Variabel Financial Leverage memiliki nilai koefisien
negatif sebesar -0,239. Hal ini menunjukkan bahwa
semakin rendah Financial Leverage yang diperoleh
maka semakin tinggi tindakan dalam praktik Income
Smoothing yang dilakukan. Nilai signifikan yang
dimiliki untuk variabel financial leverage sebesar
0,262 dengan alpha 0,05 serta koefisien regresi yang
dimiliki sebesar 1,256 dan koefisien beta -0,239
dengan arah negatif sehingga 0,262 > 0,05. Hal ini
menunjukan bahwa financial leverage tidak
berpengaruh signifikan negatif terhadap income
smoothing. Maka dapat disimpukan bahwa H4 ditolak.

Berdasarkan hasil pengujian hipotesis sesuai Tabel

4.6, maka diperoleh persamaan Binary Logistic Regression
sebagai berikut :

P
Ln = = 𝛽 0 + 𝛽X1 + 𝛽X2 + 𝛽X3
1–P

P
Ln = = - 4,641 + 0,204 company size
1–P - 3,776 cash holding - 0,239
financial leverage + e

Dari model regresi yang telah dipaparkan maka dapat

ditarik kesimpulan bahwa penelitian dengan sampel 116

76
 Universitas Esa Unggul

data dari 29 perusahaan dalam kurun waktu empat tahun

dan jumlah variabel independen sejumlah 3 (tiga). Variabel
dengan membandingkan nilai sig lebih kecil dibandingkan
tingkat signifikan 0,05 maka Ha diterima artinya terdapat
pengaruh antara variabel independen terhadap variabel
dependen dan terdapat pengaruh variabel dependen
terhadap variabel independen. Sedangkan jika variabel
dengan membandingkan nilai sig lebih besar dibandingkan
tingkat signifikan 0,05 maka Ha ditolak artinya tidak
terdapat pengaruh antara variabel independen terhadap
variabel depeden dan tidak ada pengaruh variabel dependen
terhadap variabel independen.

Dimana dari hasil Binary Logistic Regression adalah

sebagai berikut :
1. Konstanta
Nilai Konstanta adalah -4,641 dapat diartikan jika
Company Size, Cash Holding dan Financial Leverage
adalah konsta atau nol maka akan menurunkan praktik
Income Smoothing sebesar 4,641.

2. Keofisien Regresi ( Company Size )

Nilai koefisien regresi Company Size adalah
positif sebesar 0,204 berarti setiap kenaikan Company
Size sebesar 1 sedangkan variabel lainnya dianggap
konstan maka Income Smoothing akan mengalami
kenaikan sebesar 0,204.

3. Keofisien Regresi ( Cash Holding )

Nilai koefisien regresi Cash Holding adalah
negatif sebesar -3,776 berarti setiap kenaikan Cash
Holding sebesar 1 sedangkan variabel lainnya dianggap
konstan maka Income Smoothing akan mengalami
penurunan sebesar 3,776.

4. Keofisien Regresi ( Financial Leverage )

Nilai koefisien regresi Financial Leverage adalah
negatif sebesar -0,239 berarti setiap kenaikan Financial
Leverage sebesar 1 sedangkan variabel lainnya

77
 Universitas Esa Unggul

dianggap konstan maka Income Smoothing akan

mengalami penurunan sebesar 0,239.

4.2.2.3. Uji Nagelkerke’s Square

Uji determinasi atau uji R2 digunakan untuk
mengetahui besarnya pengaruh variasi variabel independen
dalam menjelaskan variabel depeden. Pada regresi logistic
melakukan pengujian determinasi dengan mengunakan Cox
and Snell’ R Square. Dalam regresi logistik Cox and Snell’
R Square berfungsi sebagai peniru ukuran R2 di multiple
regression dengan teknik estimasi likehood yang memiliki
nilai kurang dari 1 sehingga penginterprestasian sulit
dilakukan. Sedangkan Negelkerke R Square berfungsi
untuk memastikan bahwa data memiliki variasi nilai dan
mampu menjelaskan koefisien determinasi (Saputra, 2012)
dalam (L. Bruno, 2019) [38].
Menurut (Ghozali, 2012) [44] koefisien determinasi
2
(R ) merupakan alat untuk mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel
dependen. Nilai koefisien determinasi adalah antara nol atau
satu. Nilai R2 yang kecil berarti kemampuan variabel-
variabel independen dalam menjelaskan variasi variabel
dependen amat terbatas. Dan sebaliknya jika nilai yang
mendekati 1 berarti variabel-variabel independen
memberikan hampir semua informasi yang dibutuhkan
untuk memprediksi variabel-variabel dependen. Berikut
hasil pengujian Koefisien Determinasi (R2) :

Tabel 4.7
Hasil Uji Nagelkerke’s R Square

Model Summary
-2 Log Cox & Snell R Nagelkerke R
Step
likelihood Square Square

1 148,410a 0,074 0,100

a. Estimation terminated at iteration number 7 because
parameter estimates changed by less than ,001.

Sumber : Output SPSS 25

78
 Universitas Esa Unggul

Dari Tabel 4.7 diatas menunjukan bahwa nilai Cox

and Snell R Square sebesar 0,074 (7,4%) dan Nagelkerke R
Square sebesar 0,100 (10%) yang berarti variabel dependen
dapat dijelaskan oleh variabel independen sebesar 10%. Hal
ini berarti bahwa terdapatnya pengaruh variabel independen
yaitu company size, cash holding, dan financial leverage
terhadap income smoothing secara simultan sebesar 10%.
Sedangkan sisa sebesar 90% dijelaskan oleh variabel lain
mengenai pengaruh income smoothing.

79