PENGARUH FRAUD PENTAGON DALAM MENDETEKSI

KECURANGAN LAPORAN KEUANGAN

LAPORAN TUGAS AKHIR

DISUSUN OLEH:
AUDRI WIDIASTIKA
5170111186

FAKULTAS BISNIS & HUMANIORA

UNIVERSITAS TEKNOLOGI YOGYAKARTA
YOGYAKARTA
2021
PENGARUH FRAUD PENTAGON DALAM MENDETEKSI
KECURANGAN LAPORAN KEUANGAN

LAPORAN TUGAS AKHIR

Diajukan Guna Memenuhi Persyaratan Memperoleh Gelar

Sarjana Akuntansi
pada Program Studi Akuntansi Program Sarjana
Fakultas Bisnis & Humaniora
Universitas Teknologi Yogyakarta

DISUSUN OLEH:
AUDRI WIDIASTIKA
5170111186

FAKULTAS BISNIS & HUMANIORA

UNIVERSITAS TEKNOLOGI YOGYAKARTA
YOGYAKARTA
2021

i
 LEMBAR PERSETUJUAN PEMBIMBING
FAKULTAS BISNIS & HUMANIORA
UNIVERSITAS TEKNOLOGI YOGYAKARTA

Laporan Tugas Akhir dengan Judul:

“PENGARUH FRAUD PENTAGON DALAM MENDETEKSI

KECURANGAN LAPORAN KEUANGAN”

Disusun oleh:
Nama: Audri Widiastika
Nomor Pokok Mahasiswa: 5170111186

Saya nyatakan telah saya baca dengan seksama dan telah memenuhi standar
ilmiah sebagai Laporan Tugas Akhir jenjang Pendidikan Sarjana.

Yogyakarta, 18 Agustus 2021

Pembimbing

Dr. Junaidi, M.Si., Ak., CA., CSRS.

ii
 HALAMAN PENGESAHAN
LAPORAN TUGAS AKHIR

Dengan Judul:

Pengaruh Fraud Pentagon dalam Mendeteksi Kecurangan Laporan Keuangan

Oleh:

Nama: Audri Widiastika

Nomor Pokok Mahasiswa: 5170111186

Telah dipertahankan di hadapan Dewan Penguji

Pada tanggal 18 Agustus 2021
Dan dinyatakan lulus serta diterima sebagai salah satu persyaratan
Untuk memperoleh gelar Sarjana Akuntansi
Pada Fakultas Bisnis & Humaniora
Universitas Teknologi Yogyakarta

Dengan susunan Tim Penguji:

1. ______________

2. ______________

3. ______________

Mengetahui,
Ketua Program Studi Akuntansi
Program Sarjana

Wawan Setiawan, S.E., M.Si., Ak., CA.

NIK. 110899040

iii
 HALAMAN PERNYATAAN

Yang bertanda tangan di bawah ini:

Nama : Audri Widiastika

NPM : 5170111186

Menyatakan benar-benar telah melakukan studi empiris dan skripsi yang ditulis
dengan judul “Pengaruh Fraud Pentagon dalam Mendeteksi Kecurangan Laporan
Keuangan” ini benar-benar merupakan hasil karya sendiri, kecuali pada bagian
yang dirujuk sumbernya dan disebutkan dalam daftar pustaka. Jika dikemudian hari
pernyataan saya ini tidak benar, maka saya sanggup menerima sanksi dengan
Undang-Undang dan peraturan yang berlaku.

Yogyakarta, 18 Agustus 2021

Yang menyatakan,

Audri Widiastika

iv
 MOTO

“Sesungguhnya sesudah kesulitan itu pasti ada kemudahan. Maka apabila kamu
telah selesai (dari suatu urusan), tetaplah bekerja keras (untuk urusan yang lain),
dan hanya kepada Tuhanmulah hendaknya engkau berharap.”
[QS. Al-Insyirah 6-8]

“Success is not final, failure is not fatal; it is the courage to continue that counts.”
[Winston Churchill]

“Don’t compare yourself to others, be your own competition.”

v
 HALAMAN PERSEMBAHAN

Dengan rasa syukur dan penuh harap ridho Allah SWT Laporan Tugas Akhir ini
saya persembahkan untuk:
1. Kedua orang tua saya yaitu M. Irwan Arifin dan Nani Sulandari yang sangat
mendukung, memberikan semangat sekaligus doanya, memfasilitasi, dan
memotivasi agar saya mampu menyelesaikan tugas akhir ini. Terimakasih telah
mendengarkan segala keluh kesah dan menjadi support system terbaik yang
saya punya.
2. Keluarga saya Owin, Rara, Mbak Nunuk & Om Fathur sekeluarga, Mbah,
Nenek, dan keluarga besar yang telah ikut membantu mendoakan selama saya
merantau.
3. Bapak Dr. Junaidi, M.Si., Ak., CA., CSRS. selaku dosen pembimbing yang
telah membantu dan memberikan nasihat maupun masukan ketika membuat
tugas akhir ini. Terima kasih dan sehat selalu pak.
4. Sobat sambat Wulan, Putri, Riska, Anisa, dan Rahmi yang telah membantu
saya selama di perkuliahan. Terima kasih telah menjadi teman dekat dan selalu
ada ketika saya membutuhkan. Semoga sukses kedepannya dan kita tidak
saling melupakan.
5. Anna dan Nisa yang telah membantu saya melepaskan sejenak beban-beban di
pikiran saya dengan fangirl. Terima kasih karena menjadi sahabat sekaligus
teman fangirl sejak SMA.
6. Mentari dan Fika terima kasih karena sudah mendengarkan keluh kesah saya
ketika sedang homesick.
7. Teman-teman Sarjana Akuntansi Kelas D 2017 yang sedang menyelesaikan
tugas akhir. Semoga sukses.
8. KSPM UTY yang telah memberikan saya teman yang beragam dan ilmu
organisasi yang sangat bermanfaat. Terima kasih.
9. Teman-teman lain yang telah bertegur sapa.
10. Almamater Tercinta Universitas Teknologi Yogyakarta.

vi
 KATA PENGANTAR

Puji Syukur penulis panjatkan kehadirat Allah Yang Maha Kuasa, atas
Ridho dan Rahmat serta BarokahNya penulis dapat menyelesaikan Laporan Tugas
Akhir yang berjudul “Pengaruh Fraud Pentagon dalam Mendeteksi Kecurangan
Laporan Keuangan.”
Laporan Tugas Akhir ini disusun untuk memenuhi salah satu persyaratan
guna memperoleh gelar Sarjana Akuntansi pada Fakultas Bisnis & Humaniora
Universitas Teknologi Yogyakarta. Penulis menyampaikan terima kasih kepada
semua pihak yang telah membantu dan memberikan dukungan baik moral maupun
spiritual sehingga Laporan Tugas Akhir ini dapat terselesaikan dengan baik. Rasa
terima kasih yang mendalam penulis sampaikan kepada:
1. Dekan dan Wakil Dekan Fakultas Bisnis & Humaniora Universitas Teknologi
Yogyakarta, yang saat ini dijabat oleh Bapak Dr. R. Yohanes Radjaban,
M.Hum dan Ibu Sekar Akrom Faradiza, S.E., M.Sc., Ak., CA.
2. Ketua Program Studi Akuntansi Program Sarjana Fakultas Bisnis &
Humaniora Universitas Teknologi Yogyakarta, yang saat ini dijabat oleh
Bapak Wawan Setiawan, S.E., M.Si., Ak., CA.
3. Bapak Dr. Junaidi, M.Si., Ak., CA., CSRS. selaku Dosen Pembimbing. Terima
kasih atas segala bimbingan dan arahan sehingga laporan tugas akhir ini dapat
selesai tepat pada waktunya.
4. Ibu Dra. Lilis Endang Wijayanti, M.Si., Ak., CA selaku Dosen Pembimbing
Akademik.
5. Seluruh keluarga besar Fakultas Bisnis & Humaniora Universitas Teknologi
Yogyakarta.
6. Orangtua dan teman-teman yang selalu mendukung dalam suka maupun duka.
7. Semua pihak yang tidak dapat penulis sebutkan satu persatu. Terima kasih
untuk semuanya.
Penulis menyadari bahwa Laporan Tugas Akhir ini masih jauh dari
kesempurnaan. Oleh karena itu, penulis sangat berharap adanya kritik dan saran
untuk pengembangan penulisan selanjutnya. Penulis berharap semoga laporan ini
dapat memberikan manfaat bagi para pembaca.

Yogyakarta, 18 Agustus 2021

Penulis

vii
 DAFTAR ISI

HALAMAN JUDUL ................................................................................................ i

LEMBAR PERSETUJUAN PEMBIMBING ......................................................... ii
HALAMAN PENGESAHAN ................................................................................ iii
HALAMAN PERNYATAAN ............................................................................... iv
MOTO ..................................................................................................................... v
HALAMAN PERSEMBAHAN ............................................................................ vi
KATA PENGANTAR .......................................................................................... vii
DAFTAR ISI ........................................................................................................ viii
DAFTAR TABEL ................................................................................................... x
DAFTAR GAMBAR ............................................................................................. xi
DAFTAR LAMPIRAN ......................................................................................... xii
ABSTRAK ........................................................................................................... xiii
ABSTRACT ........................................................................................................... xiv

BAB I PENDAHULUAN ...................................................................................... 1

A. Latar Belakang ................................................................................................... 1
B. Rumusan Masalah .............................................................................................. 7
C. Batasan Masalah ................................................................................................. 8
D. Tujuan ................................................................................................................. 8
E. Manfaat ............................................................................................................... 9
F. Outcome............................................................................................................ 10

BAB II LANDASAN TEORI ............................................................................... 11

A. Landasan Teori ................................................................................................. 11
B. Penelitian Terdahulu......................................................................................... 20
C. Kerangka Pemikiran ......................................................................................... 22
D. Perumusan Hipotesis ........................................................................................ 23

BAB III METODE PENELITIAN........................................................................ 31

A. Data dan Metode Perolehan Data ..................................................................... 31
B. Variabel Penelitian ........................................................................................... 32
C. Definisi Operasional Variabel .......................................................................... 33
D. Alat Analisis Data ............................................................................................ 41

BAB IV ANALISIS DATA .................................................................................. 47

A. Deskripsi Sampel .............................................................................................. 47
B. Deskripsi Data .................................................................................................. 48
C. Hasil Pengujian Data dan Pembahasan ............................................................ 53
1. Uji Asumsi Klasik ....................................................................................... 53
2. Uji Hipotesis ................................................................................................ 57

BAB V KESIMPULAN, KETERBATASAN, DAN SARAN ............................. 71

A. Kesimpulan ....................................................................................................... 71
B. Keterbatasan ..................................................................................................... 72

viii
C. Saran ................................................................................................................. 73

DAFTAR PUSTAKA ........................................................................................... 74

LAMPIRAN

ix
 DAFTAR TABEL

Tabel 2.1 Penelitian Terdahulu ............................................................................. 20

Tabel 3.1 Operasionalisasi Variabel.......................................................................41
Tabel 4.1 Deskripsi Pemilihan Sampel.......................................................... ........48
Tabel 4.2 Hasil Analisis Deskriptif Statistik ......................................................... 49
Tabel 4.3 Hasil Uji Kolmogorov-Smirnov............................................................ 53
Tabel 4.4 Hasil Uji Kolmogorov-Smirnov Setelah Outlier .................................. 54
Tabel 4.5 Hasil Uji Multikolinieritas .................................................................... 55
Tabel 4.6 Hasil Uji Heterokedastisitas .................................................................. 56
Tabel 4.7 Hasil Uji Autokorelasi .......................................................................... 57
Tabel 4.8 Hasil Regresi Linear Berganda ............................................................. 57
Tabel 4.9 Hasil Uji Statistik t ................................................................................ 59
Tabel 4.10 Hasil Uji Statistik F ............................................................................. 69
Tabel 4.11 Hasil Uji Koefisien Determinasi (R2) ................................................. 69

x
 DAFTAR GAMBAR

Gambar 2.1 Crowe’s Fraud Pentagon ................................................................... 15

Gambar 2.2 Kerangka Pemikiran .......................................................................... 22

xi
 DAFTAR LAMPIRAN

Lampiran 1: Daftar Perusahaan Sampel

Lampiran 2: Data Variabel Dependen dan Independen
Lampiran 3: Analisis Deskriptif
Lampiran 4: Uji Asumsi Klasik
Lampiran 5: Uji Regresi Linear

xii
 ABSTRAK

Pengaruh Fraud Pentagon dalam Mendeteksi Kecurangan Laporan

Keuangan

Audri Widiastika
5170111186

Penelitian ini bertujuan untuk menguji secara empiris pengaruh fraud

pentagon dalam mendeteksi kecurangan laporan keuangan. Sampel yang digunakan
adalah perusahaan manufaktur sektor yang terdaftar di Bursa Efek Indonesia
periode 2017-2019. Jumlah sampel dalam penelitian ini sebanyak 286. Teknik
pengambilan sampel menggunakan metode purposive sampling. Data merupakan
data sekunder berupa annual report dan fact book 2017. Teknik pengumpulan data
menggunakan metode dokumentasi. Selain itu, teknik analisis data menggunakan
uji regresi linier berganda. Variabel dependen dalam penelitian ini adalah
kecurangan laporan keuangan yang diproksikan dengan Fraud Score Model.
Sedangkan variabel independen adalah fraud pentagon yang terdiri dari tekanan,
peluang, rasionalisasi, kapabilitas, dan arogansi. Tekanan yang terdiri dari financial
stability, external pressure, dan financial target. Financial stability yang diukur
dengan rasio perubahan total aset, external pressure diukur dengan leverage,
financial target diukur dengan ROA. Peluang yang diproksikan dengan ineffective
monitoring yang dapat diukur dengan komposisi dewan komisaris independen.
Rasionalisasi yang diproksikan change in auditor. Kapabilitas yang diproksikan
change in director. Arogansi yang diproksikan dengan frequent number of CEO’s
picture. Variabel kontrol dalam penelitian ini adalah KAP yang berafiliasi dengan
BIG4. Hasil penelitian menunjukkan bahwa H1 yaitu financial stability
berpengaruh secara negatif terhadap kecurangan laporan keuangan terdukung
secara statistik. H2 dan H3 tidak terdukung secara statistik karena menunjukkan
bahwa external pressure dan financial target signifikan tetapi berpengaruh negatif.
Sedangkan H4, H5, H6, dan H7 tidak terdukung secara statistik karena ineffective
monitoring, change in auditor, change in director, dan frequent number of CEO’s
picture tidak berpengaruh signifikan terhadap kecurangan laporan keuangan.
Variabel kontrol Reputasi Kantor Akuntan Publik tidak berpengaruh signifikan
terhadap kecurangan laporan keuangan.

Kata Kunci: Kecurangan Laporan Keuangan, Teori Fraud Pentagon, dan Fraud
Score Model

xiii
 ABSTRACT

The Effect of Fraud Pentagon in Detecting Fraudulent Financial Statements

Audri Widiastika
5170111186

This study aims to examine empirically the effect of the fraud pentagon theory
in detecting fraudulent financial statement. the sample used is manufacturing sector
companies listed on the Indonesia Stock Exchange for the period 2017-2019. The
number of samples in this study was 286. The sampling technique used the
purposive sampling method. The data is secondary data from annual report and the
2017 edition of the IDX fact book. Data collection techniques used the method of
documentation. The data analysis technique uses multiple linear regression test.
The dependent variable in this study is fraudulent financial statement as proxied by
the Fraud Score Model. While the independent variable is the fraud pentagon
theory which consists of pressure, opportunity, rationalization, capability, and
arrogance. Pressure consisting of financial stability, external pressure, and
financial target. Financial stability is measured by the ratio of changes in total
assets, external pressure is measured by leverage, financial target is measured by
ROA. Opportunities are proxied by ineffective monitoring can be measured by the
composition the board of independent commissioners. Rationalization proxied by
change in auditor. Capability to be proxied by change in director. Arrogance
proxied by frequent number of CEO’s picture. The control variable in this study
was KAP affiliated with BIG4. The results showed that H1, financial stability had a
negative effect on fraudulent financial statement was statistically supported. H2 and
H3 are not supported statistically because external pressure and financial targets
are significant but had a negative effect. Meanwhile H4, H5, H6, and H7 are not
supported statistically because ineffective monitoring, change in auditor, change in
director, and frequent number of CEO’s picture have no significant effect on
fraudulent financial statement. Control variable reputation of the Public
Accounting Firm has no significant effect on fraudulent financial statement.
Keywords: Fraudulent Financial Statement, Fraud Pentagon Theory, and Fraud
Score Model

xiv
 BAB I

PENDAHULUAN

A. Latar Belakang

Penelitian ini menguji tentang deteksi kecurangan laporan keuangan

dengan menggunakan teori yang dikembangkan oleh Crowe (2011) yaitu fraud

pentagon theory. Penelitian ini dilakukan karena terdapat banyak kasus

kecurangan laporan keuangan yang terjadi di Indonesia dan pengungkapan

kecurangan ini sangat sulit diketahui sebelum mengalami kerugian yang sangat

besar. Kecurangan laporan keuangan dapat membuat perusahaan mengalami

kerugian yang material serta berakibat hilang reputasi, relasi bisnis maupun

moral karyawan. Menurut survei yang dilakukan oleh Association of Certified

Fraud Examiners (ACFE) bahwa bukan hanya di Indonesia melainkan seluruh

penjuru dunia masih mengalami kecurangan laporan keuangan yang pelakunya

merupakan manajemen maupun karyawan perusahaan tersebut. Kecurangan

terhadap laporan keuangan dapat terdeteksi sedini mungkin oleh auditor

dengan menggunakan beberapa teori untuk menentukan dan

mempertimbangkan kemungkinan terjadi sebuah kecurangan pada perusahaan.

Hal ini sangat penting dilakukan karena ketika sebuah perusahaan terlibat

dalam skandal kecurangan laporan keuangan maka kualitas dan kredibilitas

laporan keuangan tidak dapat dipercaya oleh pengguna laporan keuangan

seperti investor, kreditur, maupun masyarakat.

Ada beberapa teori yang dapat digunakan untuk mendeteksi kecurangan

yaitu fraud triangle, fraud diamond, dan fraud pentagon. Penelitian ini menguji

1
 2

tentang teori fraud pentagon yang dikemukakan oleh Crowe (2011) sebagai

penyempurnaan teori sebelumnya yaitu fraud triangle dan fraud diamond.

Pada tahun 2011, Crowe melakukan penelitian bahwa elemen arogansi

berpengaruh dalam mendeteksi terjadinya kecurangan. Tanpa meninggalkan

elemen-elemen yang ada dalam teori fraud triangle dan teori fraud diamond,

Crowe menambahkan elemen arogansi (arrogance). Sehingga fraud pentagon

terdiri dari lima elemen indikator yaitu tekanan (pressure), peluang

(opportunity), rasionalisasi (rationalization), kapabilitas (capability), dan

arogansi (arrogance) (Bawekes et al, 2018).

Menurut Association of Certified Fraud Examiners (ACFE)

mendefinisikan kecurangan laporan keuangan sebagai berikut:

“Financial statement fraud is defined as the intentional, deliberate,

misstatement or omission of material facts, or accounting data, which is

misleading and, when considered with all the information made available,

would cause the reader to change or alter his or her judgement or decision”

Artinya, kecurangan laporan keuangan didefinisikan sebagai tindakan

yang disengaja dan hati-hati, salah penyajian atau kelalaian dalam

penyampaian fakta atau data akuntansi yang menyesatkan berdasarkan semua

informasi tersedia yang akan berakibat perubahaan pada pertimbangan atau

keputusan pembaca laporan keuangan.

Menurut survei yang dilakukan oleh Association of Certified Fraud

Examiner (ACFE) tahun 2018 terdapat 220 kasus fraud yang terjadi pada

wilayah Asia Pasifik dengan median loss mencapai 236.000 USD. Korupsi
 3

menjadi skema kecurangan yang paling banyak dilakukan diikuti dengan

noncash, expense reimbursement, dan billing. Akan tetapi, financial statement

fraud merupakan skema fraud yang sangat merugikan dengan median loss

mencapai 700.000 USD. ACFE menjelaskan bahwa sektor manufaktur

merupakan sektor yang paling banyak melakukan kecurangan dengan 17% atau

total 38 kasus fraud. Selanjutnya sektor perbankan dan pemerintahan yang

melakukan fraud dengan masing-masing 11% dan 10% dari total kasus di

wilayah Asia Pasifik. Indonesia tercatat sebagai urutan ke-3 negara yang paling

banyak melakukan fraud setelah China dan Australia (ACFE, 2018).

Kasus fraud yang banyak menyita masyarakat dunia yaitu kasus

perusahaan Enron yang bekerja sama dengan KAP Arthur Andersen. Pada

tahun 2001, Enron berhasil memanipulasi laba yang tercantum di laporan

keuangan sebesar 600 juta USD yang pada kenyataan mengalami kerugian.

Selain kasus Enron, pada tahun 2009 ditemukan rekayasa laporan keuangan

yang dilakukan oleh PT Waskita Karya dalam kurun waktu empat tahun

berturut-turut sejak 2004-2007. Temuan ini terungkap pertama kali saat

dilakukan pemeriksaan kembali neraca dalam rangka persiapan perusahaan

untuk Initial Public Offering (IPO). Laporan keuangan dicatat lebih banyak

sebesar Rp500 milyar yang diduga dilakukan oleh direksi sebelumnya dengan

memasukkan proyeksi pendapatan proyek tahun depan kedalam tahun tertentu.

Akibatnya Kementrian BUMN menunda rencana IPO PT Waskita Karya

(Tuanakotta, 2013).
 4

Pada tahun 2018, kasus manipulasi laporan keuangan dilakukan oleh

perusahaan PT Sunprima Nusantara Pembiayaan (SNP Finance). SNP Finance

merupakan bagian usaha Columbia, perusahaan jaringan retail yang

menawarkan pembelian barang rumah tangga secara kredit atau cicil. SNP

Finance dalam kegiatannya merupakan perusahaan yang menunjang

pembelian barang yang dilakukan oleh Columbia dengan sumber pendanaan

dari perbankan atau surat utang. Manajemen SNP Finance melakukan

kecurangan dengan memanipulasi laporan keuangan dengan cara membuat

piutang fiktif melalui penjualan fiktif. SNP Finance juga memberikan

dokumen fiktif kepada auditor untuk mendukung pemalsuan laporan keuangan

tersebut. Kemenkeu menyebutkan bahwa dua akuntan yang mengaudit laporan

keuangan SNP Finance, yakni Akuntan Publik Marlinna dan Merliyana

Syamsul melanggar standar audit profesional dan pembatalan hasil audit

terhadap kliennya. Akibat kecurangan ini, Otoritas Jasa Keuangan (OJK)

mengeluarkan sanksi Pembekuan Kegiatan Usaha (PKU) (Handoko &

Soepriyanto, 2018).

Kasus fraud terjadi pada PT Garuda Indonesia Tbk (GIAA) yang dinilai

melaporkan keuangan salah saji. Pada laporan keuangan khususnya laporan

laba rugi PT Garuda Indonesia tahun 2018, perusahaan mengakui pendapatan

yang tidak semestinya diakui. PT Garuda Indonesia Tbk telah mengakui

pendapatan dari pihak PT Mahata Aero Teknologi atas “pendapatan

kompensasi atas hak pemasangan peralatan layanan konektivitas dan hiburan

dalam pesawat dan manajemen konten” yang dimana aliran kas tersebut belum
 5

diterima oleh perusahaan dan diindikasikan tidak sesuai dengan standar

akuntansi. Akibat hal ini, sanksi diberikan setelah Kementrian Keuangan

memeriksa Akuntan Publik Kasner Sirumpea dan Kantor Akuntan Publik

(KAP) Tanubrata terkait permasalahan laporan keuangan tersebut (Dewi,

2019).

Ada beberapa penelitian terdahulu yang meneliti mengenai fraud

pentagon. Menurut Bawekes et al. (2018) dan Sihombing (2014) tekanan yang

diukur menggunakan financial stability berpengaruh terhadap kecurangan

laporan keuangan. Hal ini berbanding terbalik dengan hasil penelitian Aprilia

(2017) dan Oman & Tanjung (2019) yang membuktikan bahwa financial

stability tidak berpengaruh pada kecurangan laporan keuangan. Tekanan yang

diukur dengan external pressure pada penelitian Rachmania (2017), Septriyani

& Handayani (2018), dan Kayoi (2019) dinilai berpengaruh terhadap

kecurangan laporan keuangan. Sedangkan hasil yang berbeda didapatkan pada

peneliti Ulfah et al. (2017) dan Chomariza & Suhendi (2020) yang

membuktikan bahwa external pressure tidak berpengaruh secara signifikan

terhadap kecurangan laporan keuangan. Penelitian Widarti (2009), Zelin

(2018), Agusputri & Sofie (2019) membuktikan bahwa tekanan yang diukur

melalui financial target berpengaruh terhadap kecurangan laporan keuangan.

Sedangkan hasil penelitian Herviana (2017), Hoshibikari & Sukarno (2020)

membuktikan bahwa financial target tidak berpengaruh secara signifikan

terhadap kecurangan laporan keuangan.

 6

Penelitian yang dilakukan oleh Utomo (2018), Agusputri & Sofie (2019),

dan Hoshibikari & Sukarno (2020) menunjukkan bahwa peluang yang diukur

dengan ineffective monitoring memiliki pengaruh signifikan terhadap

kecurangan laporan keuangan. Sedangkan menurut penelitian yang dilakukan

oleh Rachmania ( 2017) dan Widarti (2009) menyatakan bahwa ineffective

monitoring tidak memiliki pengaruh terhadap kecurangan laporan keuangan.

Penelitian yang dilakukan oleh Rachmania (2017), Putriasih et al. (2016),

dan Ulfah et al. (2017) menunjukkan bahwa rasionalisasi yang diukur dengan

change in auditor memiliki pengaruh terhadap kecurangan laporan keuangan.

Sedangkan menurut penelitian yang dilakukan oleh Sasongko & Wijayantika

(2019) dan Utomo (2018) bahwa rasionalisasi tidak memiliki pengaruh

terhadap kecurangan laporan keuangan.

Penelitian yang dilakukan oleh Hidayah & Saptarini (2019) dan

Septriyani & Handayani (2018) membuktikan bahwa kapabilitas yang diukur

dengan pergantian direksi (change in director) berpengaruh terhadap tingkat

kecurangan laporan keuangan. Sedangkan hasil penelitian Rahmadani (2020)

dan Oman & Tanjung (2019) menunjukkan hasil yang berbeda, bahwa

kapabilitas yang diukur oleh pergantian direksi tidak berpengaruh secara

signifikan terhadap kecurangan laporan keuangan.

Penelitian yang dilakukan oleh Vivianita & Indudewi (2018)

menunjukkan bahwa arogansi berpengaruh secara signifikan terhadap

kecurangan laporan keuangan. Sedangkan Herviana (2017) menyatakan bahwa

arogansi tidak berpengaruh terhadap kecurangan laporan keuangan.

 7

Variabel dependen dalam penelitian ini adalah deteksi kecurangan

laporan keuangan yang diukur dengan Fraud Score Model (FSCORE).

Sedangkan variabel independen dalam penelitian ini adalah tekanan, peluang,

rasionalisasi, kapabilitas, dan arogansi. Variabel kontrol dalam penelitian ini

adalah reputasi Kantor Akuntan Publik. Berdasarkan latar belakang, judul

penelitian ini adalah “Pengaruh Fraud Pentagon Dalam Mendeteksi

Kecurangan Laporan Keuangan.”

B. Rumusan Masalah

Berdasarkan uraian latar belakang masalah, maka rumusan masalah pada

penelitian ini adalah:

1. Apakah faktor tekanan dengan kategori financial stability, external

pressure, dan financial target mempunyai pengaruh terhadap kecurangan

laporan keuangan?

2. Apakah faktor peluang dengan kategori ineffective monitoring mempunyai

pengaruh terhadap kecurangan laporan keuangan?

3. Apakah faktor rasionalisasi dengan kategori change in auditor mempunyai

pengaruh terhadap kecurangan laporan keuangan?

4. Apakah faktor kapabilitas dengan kategori pergantian direksi (change in

director) mempunyai pengaruh terhadap kecurangan laporan keuangan?

5. Apakah faktor arogansi dengan kategori frequent number of CEO’s picture

mempunyai pengaruh terhadap kecurangan laporan keuangan?

 8

C. Batasan Masalah

Batasan penelitian ini adalah hanya menguji fraud pentagon (tekanan,

peluang, rasionalisasi, kapabilitas, arogansi) dan kecurangan laporan keuangan

pada perusahaan manufaktur di Bursa Efek Indonesia.

D. Tujuan

Berdasarkan latar belakang dan rumusan masalah, maka tujuan penelitian

ini adalah untuk:

1. Untuk mengetahui apakah faktor tekanan dengan kategori financial

stability, external pressure, dan financial target mempunyai pengaruh

terhadap kecurangan laporan keuangan.

2. Untuk mengetahui apakah faktor peluang dengan kategori ineffective

monitoring mempunyai pengaruh terhadap kecurangan laporan keuangan.

3. Untuk mengetahui apakah faktor rasionalisasi dengan kategori change in

auditor mempunyai pengaruh terhadap kecurangan laporan keuangan.

4. Untuk mengetahui apakah faktor kapabilitas dengan kategori pergantian

direksi (change in director) mempunyai pengaruh terhadap kecurangan

laporan keuangan.

5. Untuk mengetahui apakah faktor arogansi dengan kategori frequent

number of CEO’s picture mempunyai pengaruh terhadap kecurangan

laporan keuangan.
 9

E. Manfaat

Dari penelitian ini diharapkan dapat memberi manfaat sebagai berikut:

1. Manfaat Teoritis

Secara teoritis, hasil penelitian ini diharapkan dapat menambah

wawasan pengetahuan mengenai pengaruh faktor-faktor fraud pentagon

pada kecurangan laporan keuangan perusahaan yang terdaftar di Bursa

Efek Indonesia dan sebagai sarana pengembangan ilmu pengetahuan

secara teoritis.

2. Manfaat Praktis

a. Bagi Peneliti

Hasil penelitian ini diharapkan dapat memberikan tambahan

informasi dan pengetahuan mengenai fraud pentagon serta sebagai

sarana dalam mengimplementasikan pengetahuan dan pengalaman di

perkuliahan.

b. Bagi Perusahaan

Hasil penelitian ini diharapkan dapat membantu perusahaan dalam

mendeteksi lebih awal adanya kecurangan dalam laporan keuangan

yang mungkin terjadi di perusahaan sehingga perusahaan dapat

membuat kebijakan untuk mencegah maupun meminimalisir

kecurangan dalam perusahaan.

 10

c. Bagi Investor

Hasil penelitian ini diharapkan dapat memberikan informasi kepada

investor dalam menilai dan menganalisis investasi agar nantinya dapat

mengurangi risiko kerugian investasi.

d. Bagi Pembaca

Hasil penelitian ini diharapkan dapat menambah wawasan

pengetahuan bagi pembaca serta dapat digunakan sebagai referensi

untuk penelitian selanjutnya.

F. Outcome

Outcome penelitian ini adalah rumusan kebijakan yang dapat menjadi bahan

dalam mempertimbangkan keputusan investor sebelum melakukan investasi di

pasar modal. Selain itu, dengan adanya penelitian ini diharapkan para investor,

kreditur, perusahaan, dan masyarakat mampu mendeteksi adanya indikasi

kecurangan laporan keuangan yang terjadi pada suatu perusahaan.

 BAB II

LANDASAN TEORI

A. Landasan Teori

1. Teori Keagenan (Agency Theory)

Menurut Jensen dan Meckeling (1976) teori keagenan adalah suatu

kontrak antara satu orang atau lebih (prinsipal) yang memberikan perintah

kepada orang lain (agen) untuk melakukan kegiatan jasa atas nama

prinsipal dan memberikan wewenang kepada agen untuk membuat

keputusan terbaik untuk prinsipal. Prinsipal sebagai pemilik perusahaan

ingin mengetahui informasi yang berkaitan dengan perusahaan, sedangkan

agen sebagai pelaku riil dalam kegiatan operasional mengetahui informasi

yang berkaitan dengan operasi dan kinerja perusahaan secara menyeluruh.

Akibatnya, pihak manajemen memiliki informasi yang tidak diketahui

oleh pemegang saham (Aprilia, 2017). Prinsipal selalu menginginkan

pengembalian yang tinggi atas investasi yang dikeluarkan untuk

perusahaan, sedangkan agen memiliki kepentingan tersendiri untuk

mendapatkan kompensasi/hasil yang lebih besar atas kinerjanya (Bawekes

et al., 2018).

Menurut Eisenhardt (1989) membagi tiga sifat manusia yang

berkaitan dengan teori keagenan, yaitu manusia pada umumnya

mementingkan diri sendiri (self-interest), memiliki daya pikiran yang

terbatas mengenai persepsi masa mendatang (bounded rationality), dan

selalu menghindari resiko (risk averse). Berdasarkan asumsi tersebut,

11
 12

manajemen akan lebih mengutamakan kepentingan pribadinya

dibandingkan kepentingan orang lain. Manajemen sangat membutuhkan

sumber dana dari investor maupun kreditur. Investor harus menilai kinerja

perusahaan dahulu sebelum melakukan investasi. Kinerja perusahaan

terlihat dalam laporan keuangan yang dibuat oleh manajemen. Kinerja

baik dan meningkat lebih menarik untuk investor. Maka dari itu,

manajemen selalu mencoba untuk memperbaiki kinerjanya dari tahun ke

tahun. Ketika manajemen mengetahui bahwa kinerja perusahaan tidak

sesuai dengan perencanaan atau target, maka manajemen akan mencari

cara untuk menciptakan kondisi yang terlihat sesuai dengan keinginan

pemilik dengan melakukan manipulasi laporan keuangan. Manipulasi

laporan keuangan yang dilakukan oleh manajemen diharapkan membuat

investor tertarik kepada perusahaan (Rahmadani, 2020).

2. Kecurangan (fraud)

Association of certified fraud examiners mendefinisikan kecurangan

(fraud) sebagai tindakan penipuan atau kekeliruan yang dibuat oleh

seseorang atau badan yang mengetahui bahwa kekeliruan tersebut dapat

mengakibatkan beberapa manfaat yang tidak baik kepada individu atau

entitas atau pihak lain. ACFE menggambarkan fraud dan cabang-

cabangnya sebagai pohon atau fraud tree. Dalam fraud tree terdapat tiga

cabang utama yaitu:

a) Korupsi (corruption) merupakan skema fraud yang dimana karyawan

menyalahgunakan wewenangnya dalam melakukan transaksi bisnis

 13

dengan cara melanggar aturan yang biasanya dilakukan dengan

melibatkan orang lain untuk mendapatkan manfaat langsung maupun

tidak langsung.

b) Penjarahan aset (asset misappropriation) merupakan skema fraud

dimana karyawan mencuri atau menyalahgunakan sumber daya atau

aset milik perusahaan.

c) Kecurangan laporan keuangan (financial statement fraud) adalah

skema fraud yang dilakukan karyawan dengan secara sengaja

menyebabkan kesalahan atau kelalaian dalam menyajikan laporan

keuangan yang bersifat material.

3. Kecurangan Laporan Keuangan (Financial Statement Fraud)

Menurut American Institute of Certified Public Accountant, fraudulent

financial statement adalah kelalaian atau tindakan yang dengan sengaja

dilakukan oleh seseorang yang berakibat salah saji material yang dapat

menyesatkan laporan keuangan. Selain itu, ACFE mengatakan bahwa

fraudulent financial statement merupakan penyajian kondisi keuangan

perusahaan yang dengan sengaja dibuat salah saji yakni dengan

penghilangan nilai di laporan keuangan yang bertujuan untuk mengelabui

pengguna laporan keuangan (Chomariza & Suhendi, 2020).

Ada beberapa macam teori yang dapat digunakan untuk mendeteksi

kecurangan laporan keuangan yaitu fraud triangle, fraud diamond, dan

fraud pentagon. Fraud triangle theory merupakan teori yang dicetuskan

oleh Donald R. Cressey pada tahun 1953. Fraud triangle menerangkan

 14

tentang tiga faktor kecurangan laporan keuangan terdiri dari tekanan

(pressure), peluang (opportunity), dan rasionalisasi (rationalization)

(Kayoi, 2019). Wolfe & Hermanson (2004) berpendapat bahwa ada

pembaharuan fraud triangle untuk meningkatkan kemampuan deteksi dan

pencegahan fraud yaitu dengan menambahkan elemen kapabilitas

(capability). Dalam mendesain suatu sistem deteksi, sangat penting untuk

mempertimbangkan personal yang ada di dalam perusahaan yang memiliki

kapabilitas untuk melakukan fraud (Faradiza, 2019). Selanjutnya,

pengembangan teori dilakukan oleh Crowe (2011) yaitu fraud pentagon

dengan menambahkan elemen arogansi (arrogance). Sehingga teori fraud

pentagon terdiri dari elemen tekanan, peluang, rasionalisasi, kapabilitas,

dan arogansi.

4. Fraud Pentagon Theory

Teori ini dikemukakan oleh Crowe Horwart pada Tahun 2011. Teori

fraud pentagon merupakan pengembangan dari teori fraud triangle yang

dikemukakan oleh Cressey (1953) dan teori fraud diamond oleh Wolfe &

Hermanson (2004). Fraud pentagon menambahkan satu elemen fraud

yaitu Arogansi (Arrogance) (Herviana, 2017). Arogansi merupakan sikap

superioritas dan serakah pada diri seseorang yang percaya bahwa dirinya

bebas dari kebijakan, peraturan dan pengendalian internal perusahaan yang

menyebabkan sikap tidak bersalah dalam melakukan fraud (Marks, 2012).

Fraud pentagon memiliki perbedaan dengan fraud triangle dan fraud

diamond. Perbedaannya adalah fraud triangle dan fraud diamond berfokus

 15

pada kecurangan yang dilakukan pada manajemen tingkat menengah

sedangkan fraud pentagon mempunyai skala kecurangan lebih luas dan

menyangkut manipulasi yang dilakukan manajemen tingkat atas seperti

CEO atau CFO (Aprilia, 2017).

Gambar 2.1
Crowe’s Fraud Pentagon

Fraud pentagon terdiri dari 5 elemen yaitu tekanan (pressure), peluang

(opportunity), rasionalisasi (rationalization), kapabilitas (capability), dan

arogansi (arrogance).

a. Tekanan (pressure)

Tekanan memiliki berbagai arti, yaitu keadaan seseorang merasa

ditekan/tertekan dan kondisi yang berat saat seseorang menghadapi

kesulitan. Kedua arti ini menunjukkan bahwa tekanan dapat menjadi

motivasi bagi seseorang melakukan kecurangan (Hoshibikari &

Sukarno, 2020).

Tuanakotta (2012) menjelaskan bahwa seseorang melakukan

penggelapan uang perusahaan karena adanya tekanan yang

menghimpitnya, tekanan itu dapat berupa adanya kebutuhan mendesak

yang harus segera diselesaikan (tekanan keuangan) dan hal ini tidak
 16

dapat dibagikan kepada orang lain. Masalah tersebut akan ditutup rapat-

rapat oleh orang bersangkutan dan menjadi permasalahan yang non-

shareble baginya (Aprilia, 2017). Menurut SAS No 99, terdapat empat

jenis kondisi yang umum terjadi pada tekanan yang mengakibatkan

kecurangan. Kondisi tersebut adalah financial stability, external

pressure, personal financial need, dan financial targets.

b. Peluang (opportunity)

Peluang adalah sebuah kesempatan yang memungkinkan seseorang

untuk melakukan kecurangan (Widarti, 2015). Peluang sering kali

terjadi karena adanya kelemahan dalam hal pengendalian sistem

akuntansi internal, ketidakefisienan pengawasan manajemen dan

penyalahgunaan posisi atau otorisasi. Sehingga kondisi tersebut dapat

terjadi kapan saja sehingga memerlukan pengawasan dari struktur

organisasi mulai dari manajemen tingkat atas ke manajemen tingkat

bawah (Kayoi, 2019). Menurut SAS No 99, peluang pada financial

statement fraud dapat terjadi pada tiga kategori yaitu nature of industry,

ineffective monitoring, dan organizational structure.

c. Rasionalisasi (rationalization)

Rasionalisasi yaitu adanya sikap, karakter, atau nilai-nilai etis yang

membolehkan pihak-pihak tertentu untuk melakukan tindakan

kecurangan, atau orang-orang yang berada dalam lingkungan yang

cukup menekan yang membuat mereka merasionalisasi tindakan fraud

(Siddiq & Hadinata, 2016). Rasionalisasi menjadi elemen penting

 17

dalam terjadinya fraud, dimana pelaku mencari pembenaran atas

perbuatannya. Pembenaran muncul karena adanya keinginan dalam diri

pelaku untuk tetap aman dan terbebas dalam hukuman (Aprilia, 2017).

Menurut SAS No. 99, rasionalisasi pada perusahaan dapat diukur

dengan change in auditor, opini audit yang didapat perusahaan tersebut

serta keadaan total akrual dibagi dengan total aset.

d. Kapabilitas (capability)

Kapabilitas berarti kemampuan pelaku fraud untuk menembus

pengendalian internal yang ada diperusahaan, mengembangkan strategi

penggelapan yang canggih dan mampu mengendalikan situasi sosial

yang mampu mendatangkan keuntungan bagi dirinya dengan cara

mempengaruhi orang lain agar bekerja sama dengannya (Marks, 2012).

Wolfe dan Hermanson (2004) berpendapat bahwa banyak fraud

yang umumnya bernominal besar tidak mungkin terjadi apabila tidak

ada orang tertentu dengan kapabilitas khusus yang ada dalam

perusahaan. Peluang menjadi pintu masuk, tekanan dan rasionalisasi

mendorong seseorang untuk melakukan fraud. Namun, orang yang

melakukan fraud harus memiliki kapabilitas untuk menyadari pintu

yang terbuka sebagai peluang emas dan memanfaatkan bukan hanya

sekali namun berkali-kali (Sihombing, 2014). Kapabilitas cenderung

pada karakteristik dan keterampilan pelaku fraud yang menjadi peran

penting terjadinya kecurangan laporan keuangan. Kecurangan laporan

keuangan, terutama yang mengalami kerugian besar, tidak akan terjadi

 18

tanpa adanya orang yang tepat dan keterampilan memadai untuk

memanipulasi informasi (Mohamed et al, 2021).

e. Arogansi (arrogance).

Arogansi merupakan sikap sombong atau angkuh seseorang yang

menganggap bahwa dirinya mampu melakukan kecurangan. Sifat ini

muncul dikarenakan adanya sifat mementingkan diri sendiri (self

interest) yang besar dalam diri manajemen yang membuat tingkat

arogansinya semakin besar. Sifat ini akan menjadi pemicu timbulnya

keyakinan bahwa dirinya tidak akan diketahui ketika melakukan

kecurangan dan sanksi tidak dapat menimpa dirinya (Aprilia, 2017).

Hal ini didukung oleh penelitian Vousinas (2019) yang menyatakan

bahwa orang yang mementingkan diri sendiri, percaya diri, dan arogan

cenderung termotivasi untuk unggul dalam segala hal dan merupakan

karakteristik seseorang dalam melakukan kecurangan. Masing-masing

elemen atau kombinasi beberapa elemen dapat mendorong seseorang

melakukan kecurangan atau penipuan. Namun, elemen kapabilitas dan

arogansi memiliki peran utama dalam mendorong terjadinya

kecurangan atau penipuan (Marks, 2012).

 19

5. F-Score

Pengujian atas penilaian kecurangan laporan keuangan menggunakan

perhitungan dari penelitian yang dikembangkan oleh Dechow et al. (2011).

Tujuan Dechow et al. (2011) membangun model F-score adalah untuk

mengembangkan satu ukuran yang dapat secara langsung dihitung dari

laporan keuangan. Model F-Score merupakan penjumlahan dari dua

variabel yaitu kualitas akrual (accrual quality) dengan kinerja keuangan

(financial performance) (Skousen et al, 2009).

 20

B. Penelitian Terdahulu

Adapun penelitian yang telah dilakukan oleh penelitian terdahulu mengenai

kecurangan laporan keuangan yang dirangkum dalam tabel sebagai berikut:

Tabel 2.1
Penelitian Terdahulu
No Peneliti Judul Variabel Hasil
1 Cintia Zelin Analisis Fraud Dependen: Hasil penelitian menjelaskan
(2018) Pentagon dalam Kecurangan laporan bahwa variabel target keuangan
Mendeteksi keuangan. dan stabilitas keuangan
Kecurangan Independen: berpengaruh positif terhadap
Laporan Target keuangan, kecurangan laporan keuangan.
Keuangan stabilitas keuangan, Variabel sifat industri
dengan tekanan eksternal, berpengaruh negatif terhadap
Menggunakan ketidakefetifan kecurangan laporan keuangan.
Fraud Score pengawasan, sifat Variabel tekanan eksternal,
Model industri, pergantian ketidak efektifan pengawasan,
auditor, pergantian pergantian auditor, pergantian
direksi, jumlah foto CEO direksi, jumlah foto CEO yang
yang terpampang, terpampang, hubungan politik,
hubungan politik, dan dualisme jabatan tidak
dualisme jabatan. berpengaruh terhadap
kecurangan laporan keuangan.
2 Helda F. Pengujian Teori Dependen: Variabel financial stability,
Bawakes, Fraud Pentagon Kecurangan laporan frequent number of CEO’s
Aaron M.A Terhadap keuangan yang picture berpengaruh secara
Simanjuntak, Fraudulent menggunakan variabel positif dan signifikan terhadap
dan Sylvia Financial dummy terhadap kecurangan laporan keuangan.
Christina Daat Reporting (Studi perusahaan yang Variabel financial target,
(2018) Empiris pada mengeluarkan kembali external pressure, institional
Perusahaan yang laporan keuangan ownership, ineffective
Terdaftar di (restatement) monitoring kualitas auditor
Bursa Efek Independen: eksternal, changes in auditor,
Indonesia Tahun financial target, financial dan pergantian direksi tidak
2011-2015) stability, external berpengaruh secara signifikan
pressure, institutional terhadap kecurangan laporan
ownership, ineffective keuangan.
monitoring, kualitas
auditor eksternal,
changes in auditor,
pergantian direksi
perusahaan (change of
company directors), dan
frequent number of
CEO’s picture (jumlah
gambar CEO)
3 Ema Herviana Fraudulent Dependen: Hasil penelitian ini mengatakan
(2017) Financial Fraudulent financial bahwa variabel financial
Reporting: reporting yang diukur stability dan ineffective
Pengujian Teori dengan Beneish M- monitoring berpengaruh
Fraud Pentagon Score. terhadap fraudulent financial
 21

pada Badan Independen: reporting. Variabel financial

Usaha Milik Financial stability, target, external pressure,
Negara (BUMN) financial target, external institutional ownership, change
yang pressure, institutional in auditor, pergantian direksi,
Terdaftar di ownership, ineffective and frequent number of CEO’s
Bursa Efek monitoring, change in picture tidak berpengaruh
Indonesia (BEI) auditor, pergantian terhadap fraudulent financial
Periode 2012- direksi, dan frequent reporting.
2016 number of CEO’s picture
terhadap fraudulent
financial reporting
4 Muhammad Analisis Dependen: Hasil dari penelitian ini adalah
Faiz Pengaruh Fraud Kecurangan laporan variabel financial stability,
Hardiansyah, Triangle keuangan yang diukur external pressure, dan
(2020) Terhadap dengan Fraud Score ineffective monitoring
Kecurangan Model berpengaruh negatif dan
Laporan Independen: signifikan terhadap kecurangan
Keuanga Financial stability, laporan keuangan. Variabel
external pressure, financial target berpengaruh
financial target, positif dan signifikan terhadap
ineffective monitoring, kecurangan laporan keuangan.
dan total accrual ratio Variabel total accrual ratio
tidak berpengaruh signifikan
terhadap kecurangan laporan
keuangan.
5 Aprilia (2017) Analisis Dependen: Hasil dari penelitian
Pengaruh Fraud Kecurangan laporan mengatakan bahwa variabel
Pentagon keuangan yang diukur stabilitas keuangan
Terhadap menggunakan Beneish berpengaruh pada kecurangan
Kecurangan Model laporan keuangan. Sedangkan
Laporan Independen: variabel politisi CEO,
Keuangan Politisi CEO, kemunculan gambar CEO,
Menggunakan kemunculan gambar kebijakan hutang-piutang
Beneish Model CEO, kebijakan hutang- meragukan yang tidak
pada Perusahaan piutang meragukan yang diumumkan, terbatasnya akses
yang tidak diumumkan, informasi entitas bertujuan
Menerapkan terbatasnya akses khusus, efektifitas
Asean Corporate informasi entitas pengawasan, pergantian ketua
Governance bertujuan khusus, editor internal, tekanan
Scorecard efektifitas pengawasan, eksternal, kepemilikan
pergantian ketua editor manajerial, pergantian
internal, stabilitas kebijakan akuntansi
keuangan, tekanan perusahaan, dan opini audit
eksternal, kepemilikan tidak berpengaruh terhadap
manajerial, pergantian kecurangan laporan keuangan.
kebijakan akuntansi
perusahaan, dan opini
audit
 22

C. Kerangka Pemikiran

Berdasarkan uraian sebelumnya dan beberapa penelitian terdahulu, maka

penelitian ini dilakukan dengan kecurangan laporan keuangan yang diukur

dengan fraud score model sebagai variabel dependen yang dipengaruhi fraud

pentagon sebagai variabel independen. Fraud Pentagon terbagi menjadi lima

elemen yaitu tekanan, peluang, rasionalisasi, kapabilitas, dan arogansi.

Kerangka konseptual dalam penelitian ini dapat digambarkan dalam gambar

berikut ini:

Tekanan
1. Financial Stability
2. External Pressure
3. Financial Target

Peluang
4. Ineffective Monitoring
Kecurangan

Rasionalisasi Laporan
5. Change in Auditor
Keuangan

Kemampuan
6. Change in Director

Arogansi
7. Frequent Number of
CEO’s Picture

Reputasi Kantor Akuntan

Publik

Gambar 2.2
Kerangka Pemikiran
 23

D. Perumusan Hipotesis

1. Pengaruh Financial Stability dalam Mendeteksi Kecurangan Laporan

Keuangan

Tekanan merupakan motivasi bagi seseorang untuk melakukan

kecurangan. Perusahaan selalu beranggapan bahwa usahanya merupakan

usaha jangka panjang yang selalu berdiri ketika terancam keadaan ekonomi.

Perusahaan harus mempunyai keuangan yang stabil agar dapat meneruskan

usahanya. Kondisi perusahaan yang tidak stabil menjadikan tekanan bagi

perusahaan karena kinerja perusahaan kurang baik dan nantinya akan

menghambat aliran investasi perusahaan. Manajemen seringkali mendapat

tekanan untuk menunjukkan bahwa perusahaan telah mampu mengelola aset

dengan baik sehingga laba yang dihasilkannya pun meningkat pada

akhirnya akan menambah bonus yang diterimanya dan akan menghasilkan

return yang tinggi pula untuk para investor. Oleh sebab itu, manajemen

memanfaatkan laporan keuangan sebagai alat untuk menutupi kondisi

stabilitas keuangan yang buruk dengan melakukan fraud (Martantya &

Daljono, 2013). Menurut SAS No 99, manajer menghadapi tekanan untuk

melakukan kecurangan laporan keuangan ketika stabilitas keuangan

terancam oleh keadaan ekonomi, industri, dan situasi entitas yang

beroperasi, salah satu bentuk agar perusahaan terlihat baik maka manipulasi

laporan keuangan dilakukan berkaitan dengan aset perusahaan (Skousen et

al, 2009). Aset merupakan kekayaan perusahaan yang akan dilihat investor
 24

pertama kali ketika ingin berinvestasi. Investor akan lebih tertarik ketika

aset perusahaan dalam keadaan yang baik.

Menurut penelitian yang dilakukan Widarti (2015) dan Martantya &

Daljono (2013) ketika perusahaan mempunyai perubahan total aset yang

menurun dari tahun sebelumnya, maka dapat memicu manajemen

melakukan kecurangan laporan keuangan agar pertumbuhan dan performa

perusahaan meningkat. Maka dari itu, financial stability diukur

menggunakan rasio perubahan aset (ACHANGE). Berdasarkan uraian

tersebut, diajukan hipotesis penelitian sebagai berikut:

H1: Financial Stability berpengaruh negatif terhadap kecurangan

laporan keuangan

2. Pengaruh External Pressure dalam Mendeteksi Kecurangan Laporan

Keuangan

External pressure merupakan keadaan dimana perusahaan mendapat

tekanan dari luar perusahaan. Perusahaan dalam menjalankan usahanya

membutuhkan tambahan modal dari para kreditur dan investor. Kreditur

melihat riwayat kredit perusahaan sebelum menyetujui pinjaman. Ketika

perusahaan memiliki hutang yang cukup besar, kreditur lebih memperketat

syarat dan ketentuan untuk bisa memberikan pinjaman. Kreditur juga

menilai apakah perusahaan mampu untuk mengembalikan pinjaman tepat

waktu. Untuk mendapatkan dana dari pihak eksternal perusahaan harus

menampilkan performa rasio keuangan dan laba yang baik agar investor

tertarik (Zelin, 2018).

 25

Penelitian Skousen et al. (2009) menunjukkan bahwa rasio leverage

yang tinggi memiliki arti bahwa perusahaan tersebut mempunyai hutang

yang besar sehingga risiko kreditnya tinggi. Risiko kredit yang tinggi

mempunyai kemungkinan perusahaan tidak dapat membayar kembali

pinjaman. Maka dari itu, external pressure dapat diukur dengan rasio

leverage. Berdasarkan penelitian Yesiariani & Rahayu (2016) dan Kayoi

(2019) bahwa rasio leverage (LEV) berpengaruh positif terhadap

kecurangan laporan keuangan dikarenakan tekanan yang berasal dari

eksternal dapat menyebabkan kemungkinan salah saji material lebih besar.

Salah satu tekanan eksternal yang dialami manajemen perusahaan

adalah kebutuhan untuk mendapatkan utang atau sumber pembiayaan

eksternal agar tetap kompetitif. Tekanan yang diukur dengan rasio leverage

dapat dikaitkan dengan kemungkinan yang lebih besar untuk melakukan

pelanggaran terhadap perjanjian kredit dan kemampuan yang lebih rendah

untuk memperoleh tambahan modal melalui pinjaman. Berdasarkan uraian

tersebut, diajukan hipotesis penelitian sebagai berikut:

H2: External pressure berpengaruh positif terhadap kecurangan

laporan keuangan

3. Pengaruh Financial Target dalam Mendeteksi Kecurangan Laporan

Keuangan

Financial target merupakan target keuangan yang harus dipenuhi

perusahaan dalam jangka waktu tertentu. Manajer dituntut untuk mencapai

target perusahaan yang sudah direncanakan agar mendapatkan keuntungan

 26

atau insentif dari penjualan. Menurut penelitian Antawirya et al. (2019),

Nugraheni & Triatmoko (2017), dan Septriyani & Handayani (2018)

financial target berpengaruh poisitif dan hasil penelitian menunjukkan

bahwa manajemen perusahaan selalu berusaha meningkatkan kinerjanya

guna mencapai target-target perusahaan. ROA yang bernilai tinggi pada

periode sebelumnya menunjukkan bahwa perusahaan mampu menghasilkan

laba yang tinggi dan akan menargetkan perolehan laba yang lebih tinggi

untuk periode yang akan datang. Dengan kondisi demikian, manajer

malakukan segala hal untuk mencapai targetnya termasuk dengan

melakukan manipulasi laporan keuangan agar investor menanamkan modal

di perusahaan. Berdasarkan uraian tersebut, diajukan hipotesis sebagai

berikut:

H3: Financial target berpengaruh positif terhadap kecurangan laporan

keuangan

4. Pengaruh Ineffective Monitoring dalam Mendeteksi Kecurangan

Laporan Keuangan

Menurut Yulia dan Basuki (dalam Edi & Victoria, 2018) Ineffective

monitoring merupakan suatu keadaan tidak ada pengawasan baik yang

dilakukan oleh bagian internal perusahaan untuk mencegah terjadinya

kecurangan laporan keuangan. Semakin lemah kontrol perusahaan, akan

membuka kesempatan bagi manajemen atau karyawan yang ingin

melakukan kecurangan. Salah satu cara untuk meminimalkan praktik

kecurangan yaitu dengan adanya mekanisme pengawasan yang baik

 27

(Pasaribu & Kharisma, 2018). Menurut SAS No. 99 ketidakefektifan

pengawasan dapat terjadi ketika adanya dominasi oleh satu orang atau

kelompok kecil, pengawasan yang tidak efektif atas proses pelaporan

keuangan dan pengendalian internal oleh pihak yang bertanggung jawab

atas tata kelola.

Penelitian yang dilakukan Agusputri & Sofie (2019) menyatakan

bahwa ineffective monitoring berpengaruh positif terhadap kecurangan

laporan keuangan karena lemahnya pengawasan dan ketidakefektifan

pengawasan dalam suatu perusahaan sehingga muncul potensi terjadinya

tindakan kecurangan pelaporan keuangan (fraudulent financial reporting).

Dengan adanya pengawasan yang tidak efektif membuat manajemen akan

merasa tidak diawasi secara ketat sehingga semakin bebas mencari cara

untuk memaksimalkan kesejahteraan dan keuntungan pribadinya.

Berdasarkan uraian tersebut, diajukan hipotesis sebagai berikut:

H4: Ineffective monitoring berpengaruh positif terhadap kecurangan

laporan keuangan

5. Pengaruh Change In Auditor dalam Mendeteksi Kecurangan Laporan

Keuangan

Change in auditor atau pergantian auditor merupakan pergantian

auditor eksternal dalam sebuah perusahaan untuk mengaudit.

Rationalization merupakan sikap perilaku membenarkan diri untuk tindakan

yang salah. Rasionalisasi diproksikan dengan change in auditor. Auditor

mempunyai tugas untuk memeriksa laporan keuangan klien apakah sesuai

 28

dengan standar akuntansi yang berlaku. Dalam proses audit, auditor dapat

mengetahui apakah perusahaan melakukan kecurangan laporan keuangan.

Perusahaan yang diindikasi melakukan kecurangan, jika tidak mengganti

auditor memungkinkan auditor tersebut paham dengan risiko bisnis dan

dapat mendeteksi tindak kecurangan laporan keuangan yang akan

merugikan perusahaan.

Menurut penelitian yang dilakukan oleh Beasley et al. (2010) tentang

analisis kasus kecurangan laporan keuangan tahun 1998-2007 pada

perusahaan di Amerika Serikat menyatakan bahwa perusahaan yang

diindikasi melakukan fraud cenderung mengganti auditor eksternal.

Menurut penelitian Ulfah et al. (2017) dan Christian et al. (2019) change in

auditor berpengaruh positif dan signifikan terhadap kecurangan laporan

keuangan karena dengan adanya pergantian auditor dapat menyembunyikan

jejak kecurangan yang telah ditemukan oleh auditor sebelumnya.

Perusahaan cenderung akan mengganti auditor independennya ketika

perusahaan ingin menyembunyikan hal yang tidak wajar untuk diketahui

publik dengan kualitas auditor yang lebih rendah dari auditor sebelumnya.

Perusahaan yang memiliki motivasi negatif akan mencari kebenaran dengan

caranya sendiri bahkan tanpa memikirkan kepentingan publik ketika

informasi yang disajikan perusahaan tidak reliable atau menyesatkan.

Berdasarkan uraian tersebut, diajukan hipotesis sebagai berikut:

H5: change in auditor berpengaruh positif terhadap kecurangan

laporan keuangan.
 29

6. Pengaruh Change in Director dalam Mendeteksi Kecurangan Laporan

Keuangan

Pergantian direksi (change in director) adalah penyerahan wewenang

dari direksi lama kepada direksi baru dengan tujuan memperbaiki kinerja

manajemen sebelumnya (Annisya et al., 2016). Pergantian direksi dapat

menjadi alat untuk mengukur kapabilitas (capability). Kapabilitas mengacu

pada posisi atau fungsi seseorang dalam perusahaan yang memungkinkan

untuk memanfaatkan peluang. Pelaku yang berhasil melakukan kecurangan

memiliki pengetahuan yang cukup untuk mengenali dan memanipulasi

kerentanan dalam sistem pengendalian internal dengan memanfaatkan

posisi, fungsi, maupun akses yang dimiliki (Mohamed et al., 2021).

Penelitian Wolfe dan Hermanson (2004) mengatakan bahwa kecurangan

dapat terjadi apabila dilaksanakan oleh orang yang tepat serta memahami

dan memanfaatkan peluang yang ada. Pergantian direksi memungkinkan

perusahaan untuk menyingkirkan direksi sebelumnya yang mengetahui

adanya tindak kecurangan di perusahaan. Selain itu, perubahan direksi akan

menyebabkan stress period yang berdampak pada semakin terbuka peluang

untuk melakukan fraud. Berdasarkan uraian tersebut, maka diajukan

hipotesis sebagai berikut:

H6: change in director berpengaruh positif terhadap kecurangan

laporan keuangan
 30

7. Pengaruh Frequent number of CEO’s picture dalam Mendeteksi

Kecurangan Laporan Keuangan

Frequent number of CEO’s picture digunakan untuk mengukur tingkat

arogansi. Menurut Crowe (2011) arogansi merupakan sifat superioritas atas

hak dimiliki dan merasa bahwa pengendalian internal dan kebijakan

perusahaan tidak berlaku untuk dirinya. Arogansi biasanya dimiliki oleh

seseorang yang mempunyai jabatan yang tinggi dan memiliki kekuasaan.

Banyaknya foto CEO dalam sebuah laporan tahunan perusahaan dapat

merepresentasikan tingkat arogansi atau superioritas yang dimiliki CEO

tersebut.

Menurut penelitian Bawekes et al. (2018) dan Haqq & Budiwitjaksono

(2020), frequent number of CEO’s picture berpengaruh terhadap

kecurangan laporan keuangan karena semakin banyak jumlah foto CEO

yang terpampang dalam sebuah laporan dapat mengindikasikan tingginya

tingkat arogansi CEO dalam perusahaan tersebut. Tingkat arogansi yang

tinggi dapat menimbulkan terjadinya fraud karena dengan arogansi dan

superioritas yang dimiliki seorang CEO, membuat CEO merasa bahwa

kontrol internal apapun tidak akan berlaku bagi dirinya karena status dan

posisi yang dimiliki. Berdasarkan uraian tersebut, maka diajukan hipotesis

sebagai berikut:

H7: Frequent number of CEO’s picture berpengaruh positif terhadap

kecurangan laporan keuangan

 BAB III

METODE PENELITIAN

A. Data dan Metode Perolehan Data

Data dalam penelitian ini berupa data sekunder yaitu laporan keuangan

perusahaan manufaktur yang terdaftar dalam Bursa Efek Indonesia (BEI).

Penelitian ini menggunakan laporan tahunan perusahaan manufaktur tahun

2017-2019 secara berturut-turut untuk melihat pengungkapan informasi

keuangan. Data diperoleh dari laporan tahunan (annual report) yang diunduh

melalu website resmi BEI (www.idx.co.id). Daftar perusahaan yang akan

diteliti diperoleh dari fact book BEI tahun 2017-2019.

Metode yang digunakan dalam pengolahan data dalam penelitian ini yaitu

metode dokumentasi. Metode dokumentasi merupakan metode mengumpulkan

data dari setiap komponen variabel pada laporan keuangan masing-masing

perusahaan yang dipublikasikan oleh Bursa Efek Indonesia yang akan

dijadikan sebagai sampel.

Komponen pada data variabel dependen terdiri dari aset lancar, liabilitas

jangka pendek, total aset, investasi, total liabilitas, liabilitas jangka panjang,

piutang, dan penjualan. Data aset lancar, liabilitas jangka pendek, total aset,

investasi, total liabilitas, liabilitas jangka pendek, dan piutang diperoleh dari

laporan posisi keuangan atau neraca. Data penjualan diperoleh dari laporan

laba rugi perusahaan.

Komponen data dari variabel independen terdiri dari total aset, total

liabilitas, pendapatan bersih, jumlah anggota dewan komisaris independen,

31
 32

jumlah total dewan komisaris, perubahan Kantor Akuntan Publik, pergantian

direksi perusahaan, jumlah foto CEO pada laporan tahunan. Data mengenai

total aset dan total liabilitas diperoleh dari laporan posisi keuangan atau neraca

perusahaan. Data pendapatan bersih diperoleh dari laporan laba rugi

perusahaan. Data jumlah anggota dewan komisaris independen dan jumlah

total dewan komisaris diperoleh dari susunan dewan komisaris pada laporan

tahunan. Data perubahan Kantor Akuntan Publik, pergantian direksi

perusahaan, jumlah foto CEO diperoleh dari annual report perusahan.

Komponen data dari variabel kontrol diperoleh dari laporan tahunan

perusahaan (annual report).

B. Variabel Penelitian

1. Variabel Dependen

Variabel dependen dari penelitian ini adalah kecurangan laporan

keuangan yang diukur dengan Fraud Score Model atau biasa yang disebut

F-Score yang dikembangkan oleh Dechow et al. (2011). Fraud Score

Model merupakan penjumlahan dari dua komponen yaitu kualitas akrual

dan kinerja keuangan.

2. Variabel Independen

Variabel independen dari penelitian ini adalah 5 komponen teori fraud

pentagon, yaitu tekanan, peluang, rasionalisasi, kapabilitas, dan arogansi.

Variabel tekanan dibagi menjadi tiga kategori yaitu financial stability yang

diukur dengan rasio perubahan total aset (ACHANGE), external pressure

diukur dengan rasio leverage (LEV), dan financial target diukur dengan
 33

Return on Assets (ROA). Peluang diproksikan dengan ineffective

monitoring yang diukur dengan rasio jumlah dewan komisaris (BDOUT).

Rasionalisasi diukur dengan change in auditor. Kapabilitas diukur dengan

pergantian direksi perusahaan (change in director). Arogansi diukur

dengan frequent number of CEO’s picture. Komponen fraud pentagon

tidak dapat diteliti secara langsung. Oleh karena itu, diperlukan variabel

yang kemudian dikembangkan dengan proksi-proksi tertentu untuk

mengukurnya.

3. Variabel Kontrol

Variabel kontrol yang digunakan dalam penelitian ini adalah reputasi

Kantor Akuntan Publik. Reputasi Kantor Akuntan Publik dilihat dari

perusahaan yang diaudit oleh KAP berafiliasi Big 4 ataupun selain Big 4.

C. Definisi Operasional Variabel

1. Variabel Dependen

Variabel dependen atau variabel terikat merupakan variabel yang

dipengaruhi karena adanya variabel independen atau variabel bebas

(Sugiyono, 2010). Variabel dependen penelitian ini adalah kecurangan

laporan keuangan yang diukur dengan Fraud Score Model. Fraud Score

Model merupakan penjumlahan dari kualitas akrual dan kinerja keuangan

yang digambarkan dalam persamaan sebagai berikut:

FSCORE = 𝐴𝑐𝑐𝑟𝑢𝑎𝑙 𝑄𝑢𝑎𝑙𝑖𝑡𝑦 + 𝐹𝑖𝑛𝑎𝑛𝑐𝑖𝑎𝑙 𝑃𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒

………………(1)
 34

Menurut penelitian Dechow et al. (2011) accrual quality dapat dihitung

dengan RSST accrual. RSST Accrual dapat digambarkan dengan

persamaan berikut:

∆𝑊𝐶 + ∆𝑁𝐶𝑂 + ∆𝐹𝐼𝑁

𝑅𝑆𝑆𝑇 𝐴𝑐𝑐𝑟𝑢𝑎𝑙 =
𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠
………………(2)

Keterangan:
WC = Working Capital
NCO = Non-Current Operating Assets
FIN = Financial Assets

Working capital, non-current operating assets dan financial assets, dan

average total assets dapat diukur dengan rumus:

WC = Current Assets – Current Liabilities

NCO = (TA – CA – IA) – (TL – CL – LTD)

FIN = Total Investment – Total Liabilitas

𝐵𝑒𝑔𝑖𝑛𝑛𝑖𝑛𝑔 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡𝑠 +𝐸𝑛𝑑 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡

ATS = 2
…………… (3)
Keterangan:
TA = Total Assets
CA = Current Assets
IA = Investment and Advances
TL = Total Liabilities
CL = Current Liabilities
LTD = Long Term Debt

Financial performance dirumuskan dengan persamaan sebagai berikut:

Financial Performance = 𝑐ℎ𝑎𝑛𝑔𝑒 𝑖𝑛 𝑟𝑒𝑐𝑒𝑖𝑣𝑎𝑏𝑙𝑒 + 𝑐ℎ𝑎𝑛𝑔𝑒 𝑖𝑛 𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 +

𝑐ℎ𝑎𝑛𝑔𝑒 𝑖𝑛 𝑐𝑎𝑠ℎ 𝑠𝑎𝑙𝑒𝑠 + 𝑐ℎ𝑎𝑛𝑔𝑒 𝑖𝑛 𝑒𝑎𝑟𝑛𝑖𝑛𝑔𝑠
…………… (4)
Keterangan:
∆𝑅𝑒𝑐𝑒𝑖𝑣𝑎𝑏𝑙𝑒
Changes in receivable = 𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠
∆𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦
Changes in Inventory = 𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠
∆𝑆𝑎𝑙𝑒𝑠 ∆𝑅𝑒𝑐𝑒𝑖𝑣𝑎𝑏𝑙𝑒
Changes in cash sales = 𝑆𝑎𝑙𝑒𝑠 (𝑡) − 𝑅𝑒𝑐𝑒𝑖𝑣𝑎𝑏𝑙𝑒 (𝑡)
 35

𝐸𝑎𝑟𝑛𝑖𝑛𝑔𝑠 (𝑡) 𝐸𝑎𝑟𝑛𝑖𝑛𝑔𝑠 (𝑡−1)

Changes in earnings = 𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠 − 𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠 (𝑡−1)
…………… (5)
2. Variabel independen

Variabel independen merupakan variabel yang mempengaruhi variabel

lainnya atau yang menjadi penyebab timbulnya variabel dependen (Sugiyono,

2010). Variabel independen dalam penelitian ini adalah tekanan, peluang,

rasionalisasi, kapabilitas, dan arogansi yang diproksikan sebagai berikut:

a. Financial Stability

Financial stability merupakan keadaan dimana kondisi keuangan

perusahaan mengalami kondisi yang stabil. Kondisi yang stabil dapat

dilihat dari kondisi aset perusahaan yang baik. Dalam penelitian ini,

financial stability diproksikan dengan rasio perubahan total aset

(ACHANGE). Ketika total aset mengalami perubahan secara signifikan

maka dapat dinilai bahwa perusahaan mengalami penurunan kinerja.

Oleh sebab itu, manajemen cenderung melakukan kecurangan atau

memanipulasi laporan keuangan agar laporan keuangan dapat dinilai baik

oleh para penggunanya. Maka dari itu, financial stabilty dapat diukur

dengan rasio perubahan total aset (ACHANGE):

𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡 (𝑡) − 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡 (𝑡 − 1)

ACHANGE =
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡 (𝑡 − 1)
…………… (6)
b. External Pressure

External pressure merupakan kondisi dimana perusahaan mengalami

tekanan dari pihak luar atau eksternal. Menurut Rachmania (2017),

tekanan yang berlebihan bagi manajemen untuk memenuhi persyaratan

 36

atau harapan dari pihak ketiga dapat memicu terjadinya tindak

kecurangan. External pressure dalam penelitian ini diproksikan

menggunakan Rasio leverage. Leverage diartikan sebagai seberapa jauh

perusahaan menggunakan pendanaan melalui hutang. Tingkat hutang

yang tinggi membuat perusahaan mempunyai motivasi untuk melakukan

kecurangan. Maka dari itu, perusahaan dengan tingkat hutang yang tinggi

diindikasi melakukan kecurangan lebih besar dibandingkan perusahaan

yang tingkat hutangnya rendah. Perusahaan selalu berusaha untuk

menampilkan citra yang baik terhadap pengguna laporan keuangan

khususnya investor dan kreditur. Semakin tinggi tingkat hutang atau rasio

leverage maka semakin tinggi juga indikasi bahwa perusahaan

melakukan manipulasi laporan keuangan. Sehingga external pressure

dapat diukur dengan rasio leverage sebagai berikut:

𝐾𝑒𝑤𝑎𝑗𝑖𝑏𝑎𝑛
𝐿𝐸𝑉 =
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡
…………… (7)

c. Financial Target

Menurut SAS No. 99, financial target adalah risiko adanya tekanan

berlebihan pada manajemen untuk mencapai target keuangan yang dibuat

oleh direksi atau manajemen, termasuk tujuan-tujuan penerimaan

insentif dari penjualan maupun keuangan. Menurut Skousen et al. (2009)

dalam menjalankan kinerjanya, manajer perusahaan dituntut untuk

melakukan pengelolaan terbaik dalam pencapaian target yang telah

ditetapkan. Return on Assets (ROA) merupakan rasio profitabilitas yang

 37

digunakan untuk mengukur efektivitas perusahaan dalam menghasilkan

keuntungan dengan memanfaatkan aset yang dimiliki. Ketika perusahaan

dapat menghasilkan keuntungan maka target yang ditetapkan sudah

tercapai. Maka dari itu, ROA dapat menjadi pengukuran variabel

financial target. ROA dapat dirumuskan dengan persamaan sebagai

berikut:

𝐸𝑎𝑟𝑛𝑖𝑛𝑔𝑠 𝐴𝑓𝑡𝑒𝑟 𝐼𝑛𝑡𝑒𝑟𝑒𝑠𝑡 𝑎𝑛𝑑 𝑇𝑎𝑥

𝑅𝑂𝐴 =
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠
…………… (8)

d. Ineffective Monitoring

Menurut SAS No 99, ineffective monitoring merupakan keadaan

dimana tidak ada keefektifan sistem pengawasan internal yang dimiliki

perusahaan. Hal tersebut dapat terjadi karena adanya dominasi

manajemen oleh satu orang atau kelompok kecil, tanpa kontrol

kompensasi, tidak efektifnya pengawasan dewan direksi dan komite

audit atas proses pelaporan keuangan. Angka rasio dewan komisaris

independen berkaitan dengan pengawasan dalam perusahaan. Semakin

tinggi angka rasio dewan komisaris independen terhadap jumlah total

dewan komisaris maka semakin baik pengawasan kinerja perusahaan,

sehingga dapat mengurangi tindakan kecurangan dalam perusahaan

(Widjaja, 2009). Praktik kecurangan atau fraud dapat diminimalkan

salah satunya dengan mekanisme pengawasan yang baik. Dewan

komisaris independen dipercaya dapat meningkatkan efektivitas

pengawasan perusahaan. Dewan komisaris bertugas untuk menjamin

 38

terlaksana strategi perusahaan, mengawasi manajemen dalam mengelola

perusahaan serta mewajibkan terlaksana akuntabilitas (Wahyuni &

Budiwitjaksono, 2017). Rasio dewan komisaris independen (BDOUT)

dihitung dengan menggunakan rumus:

𝐽𝑢𝑚𝑙𝑎ℎ 𝑎𝑛𝑔𝑔𝑜𝑡𝑎 𝑑𝑒𝑤𝑎𝑛 𝑘𝑜𝑚𝑖𝑠𝑎𝑟𝑖𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛

𝐵𝐷𝑂𝑈𝑇 =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒𝑤𝑎𝑛 𝑘𝑜𝑚𝑖𝑠𝑎𝑟𝑖𝑠
…………… (9)
e. Change In Auditor

Pergantian auditor dalam suatu perusahaan dapat dinilai sebagai

upaya untuk menghilangkan jejak adanya kecurangan laporan keuangan.

Auditor dapat menemukan suatu kejanggalan yang ada dalam laporan

keuangan karena auditor melihat dan menilai proses bisnis dari suatu

perusahaan. Ketika auditor menemukan indikasi kecurangan, perusahaan

melakukan upaya berupa penggantian terhadap auditor tersebut agar

kecurangan yang dilakukan tidak diketahui. Dalam penelitian ini,

rasionalisasi yang diproksikan dengan change in auditor diukur dengan

variabel dummy, apabila dalam periode 2017-2019 terdapat perubahan

Kantor Akuntan Publik maka diberi kode 1, sedangkan jika tidak terjadi

perubahan terhadap Kantor Akuntan Publik pada periode 2017-2019

maka diberi kode 0.

f. Change in director

Pergantian direksi (change in director) merupakan penyerahan

wewenang dari direksi lama kepada direksi baru dengan tujuan untuk

memperbaiki kinerja manajemen sebelumnya (Devy et al., 2017).

Menurut Wolfe & Hermanson (2004) pergantian direksi dapat

 39

menyebabkan stress period yang menyebabkan semakin terbukanya

peluang untuk melakukan fraud. Pergantian direksi dapat menjadi salah

satu upaya perusahaan untuk menyingkirkan direksi yang dianggap

mengetahui fraud serta perubahan direksi cenderung membutuhkan

waktu adaptasi sehingga kinerja awal tidak maksimal. Dalam penelitian

ini, kapabilitas yang diproksikan dengan change in director diukur

dengan variabel dummy, apabila dalam periode 2017-2019 terdapat

pergantian direksi maka diberi kode 1, sedangkan jika tidak terjadi

pergantian direksi pada periode 2017-2019 maka diberi kode 0.

g. Frequent number of CEO’s picture

Frequent number of CEO’s picture merupakan jumlah foto yang

terpampang pada laporan tahunan perusahaan yang dapat

merepresentasikan tingkat arogansi dari CEO di perusahaan tersebut.

Tingginya tingkat arogansi dapat menimbulkan kecurangan karena sikap

arogansi membuat seseorang yang mempunyai jabatan tinggi

menganggap bahwa dirinya terbebas oleh kontrol internal dan terlepas

dari pengawasan. Seorang CEO cenderung lebih ingin menunjukkan

kepada semua orang akan status dan posisi yang dimiliki dalam

perusahaan karena mereka tidak ingin kehilangan status atau posisi

tersebut (atau merasa tidak dianggap). Hal ini sesuai dengan salah satu

elemen yang dikemukakan oleh Crowe (2011). Dalam penelitian ini

arogansi diproksikan dengan frequent number of CEO’s picture yang

 40

diukur dengan melihat total foto CEO yang ada dalam sebuah laporan

tahunan (Tessa & Harto, 2016).

3. Variabel Kontrol

a. Reputasi Kantor Akuntan Publik

Penunjukan auditor eksternal oleh komite audit perusahaan

dianggap dapat melakukan pemeriksaan secara independen sehingga

dapat menghindari konflik kepentingan dan menjamin integritas proses

audit (Tessa & Harto, 2016). Menurut penelitian yang dilakukan oleh

Lennox & Pittman (2010) menunjukkan bahwa auditor eksternal yang

bekerja pada perusahaan audit besar “BIG” memiliki kemampuan lebih

untuk mendeteksi fraud dibandingkan dengan perusahaan yang diaudit

oleh perusahaan audit non-BIG. Hasil ini menunjukkan bahwa auditor

mempunyai reputasi yang baik dalam memberikan kualitas pekerjaan

audit yang efektif dan efisien. Oleh karena itu, apabila suatu perusahaan

diaudit oleh auditor eksternal yang bekerja diperusahaan audit besar

(BIG) maka peluang untuk dapat mendeteksi fraud akan semakin besar

karena kualitas audit yang diberikan memiliki kemampuan lebih untuk

dapat mendeteksi fraud. Dalam penelitian ini, reputasi Kantor Akuntan

Publik diukur dengan variabel dummy. Apabila pada periode 2017-2019

perusahaan diaudit oleh KAP berafiliasi BIG 4 diberi kode 1, sedangkan

perusahaan yang diaudit oleh KAP tidak berafiliasi BIG4 periode 2017-

2019 maka diberi kode 0.

 41

Tabel 3.1
Operasionalisasi Variabel
Variabel Indikator Skala
Kecurangan
Menggunakan Fraud Score Model yang
Dependen laporan Rasio
dikemukakan oleh Dechow
keuangan
Financial 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡 (𝑡) − 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡 (𝑡 − 1)
Independen 𝐴𝐶𝐻𝐴𝑁𝐺𝐸 =
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡 (𝑡 − 1)
Rasio
stability
External 𝐾𝑒𝑤𝑎𝑗𝑖𝑏𝑎𝑛
𝐿𝐸𝑉 = Rasio
Pressure 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡

Financial 𝐸𝑎𝑟𝑛𝑖𝑛𝑔𝑠 𝐴𝑓𝑡𝑒𝑟 𝐼𝑛𝑡𝑒𝑟𝑒𝑠𝑡 𝑎𝑛𝑑 𝑇𝑎𝑥

𝑅𝑂𝐴 = Rasio
Target 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠
Ineffective 𝐽𝑢𝑚𝑙𝑎ℎ 𝑎𝑛𝑔𝑔𝑜𝑡𝑎 𝑑𝑒𝑤𝑎𝑛 𝑘𝑜𝑚𝑖𝑠𝑎𝑟𝑖𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛
𝐵𝐷𝑂𝑈𝑇 =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒𝑤𝑎𝑛 𝑘𝑜𝑚𝑖𝑠𝑎𝑟𝑖𝑠 Rasio
Monitoring
Menggunakan variabel dummy, jika
Change In
perusahaan mengganti auditor maka Nominal
Auditor
diberi nilai 1 dan jika tidak diberi nilai 0.

Menggunakan variabel dummy, jika

Change In
perusahaan mengganti direksi maka diberi Nominal
Director
nilai 1 dan jika tidak diberi nilai 0.

Frequent
number of Indikator menggunakan jumlah foto CEO
Nominal
CEO’s dalam laporan tahunan
picture
Reputasi Menggunakan variabel dummy, jika
Kantor perusahaan diaudit oleh KAP berafiliasi
Kontrol Nominal
Akuntan BIG 4 maka diberi nilai 1 dan jika tidak
Publik diberi nilai 0.

D. Alat Analisis Data

1. Uji Analisis Deskriptif

Uji Analisis Deskriptif memberikan gambaran suatu data yang dilihat

dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum,

sum, range, kurtosis, dan swekness dari masing-masing variabel penelitian

(Ghozali, 2017). Dalam penelitian ini, analisis deskriptif bertujuan untuk

memberikan gambaran atau deskripsi data dari variabel dependen yaitu

 42

kecurangan laporan keuangan, serta variabel independen berupa

komponen dari fraud pentagon yaitu tekanan, peluang, rasionalisasi,

kapabilitas, dan arogansi. Dalam penelitian ini pengukuran yang

digunakan adalah minimum, maximum, mean, dan standari deviasi. Dari

hasil analisis deskriptif ini, dapat memberikan gambaran tentang

kesimpulan dari analisis data tersebut.

2. Uji Asumsi Klasik

Pengujian regresi linier berganda dapat dilakukan setelah model

pada penelitian ini memenuhi syarat yaitu lolos uji asumsi klasik. Uji

asumsi klasik diperlukan untuk mendeteksi ada/tidaknya penyimpangan

asumsi klasik atas persamaan regresi berganda yang digunakan

(Sihombing, 2014). Uji asumsi klasik terdiri dari uji normalitas, uji

multikolonieritas, uji heterokedastisitas, dan uji autokorelasi.

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah data penelitian

terdistribusi normal atau tidak terdistribusi normal. Uji normalitas

Kolmogorov-Smirnov yaitu dengan membandingkan distribusi data

(yang akan diuji normalitasnya) dengan distribusi normal baku. Dasar

pengambilan keputusan dapat dilihat dari angka probabilitas, dengan

ketentuan apabila nilai signifikan > 0,05 maka dapat disimpulkan data

telah terdistribusi normal.

 43

b. Uji Multikolonieritas

Uji multikolonieritas bertujuan menguji apakah dalam regresi

ditemukan adanya korelasi antar variabel bebas (independen). Model

regresi yang baik seharusnya tidak terjadi korelasi antara variabel

independen. Pendeteksian multikolonieritas dapat dilihat dari nilai

tolerance dan variance inflation factor (VIF) dengan kriteria sebagai

berikut:

1) Jika nilai tolerance > 0,10 atau nilai VIF < 10, berarti tidak terjadi

multikolinearitas.

2) Jika nilai tolerance < 0,10 atau nilai VIF > 10, berarti terjadi

multikolinearitas.

c. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model

regresi terjadi ketidaksamaan variance dari residual satu pengamatan

ke pengamatan yang lain (Ghozali, 2018). Model regresi yang baik

yaitu homoskedastisitas atau tidak terjadi heteroskedastisitas.

Pengujian heteroskedastisitas dapat dilakukan dengan berbagai cara,

salah satunya yaitu Uji Park. Pengambilan keputusan dalam uji park

yaitu apabila nilai siginifikan > 0,05 menunjukkan bahwa dalam data

empiris tidak terjadi heterokedastisitas (Ghozali, 2018).

d. Uji Autokorelasi

Menurut Ghozali (2018), Uji autokorelasi bertujuan menguji

apakah dalam model regresi linear ada korelasi antara kesalahan

 44

pengganggu pada periode t dengan kesalahan penggangu pada periode

t-1. Hal ini yang disebut dengan masalah autokorelasi. Autokorelasi

muncul karena observasi yang berurutan sepanjang waktu berkaitan

satu sama lainnya. Salah satu cara untuk menguji autokorelasi adalah

dengan menggunakan uji Run Test. Uji Run Test digunakan untuk

menguji apakah antara residual terdapat korelasi yang tinggi. Jika

antar residual tidak terdapat korelasi maka dikatakan bahwa residual

acak. Pengambilan keputusan dalan uji Run Test yaitu ketika nilai

signifikan > 0,05 maka tidak terjadi autokorelasi dalam model regresi.

3. Uji Hipotesis

a. Analisis Regresi

Analisis regresi dilakukan untuk memprediksi hubungan antara

variabel independen dengan variabel dependen. Setiap hipotesis

penelitian menggunakan F-Score Model untuk mengukur kecurangan

laporan keuangan. Menurut penelitian yang dilakukan Zelin (2018)

regresi linier berganda pada penelitian ini diformulasikan sebagai

berikut:

FSCORE = α + β1ACHANGE + β2LEV + β3ROA + β4BDOUT +

β5CPA + β6DIRCHANGE + β7CEOPIC + β8RKAP + ε

Keterangan:
FSCORE : Fraud Score Model
α : Kostanta
β1 – β8 : Koefisien Regresi Variabel Independen dan
Variabel Kontrol
ACHANGE : Rasio Perubahan Total Aset
LEV : Rasio Leverage
ROA : Return on Assets
 45

BDOUT : Rasio Dewan Komisaris Independen

CPA : Change in Auditor atau Pergantian Auditor
DIRCHANGE : Pergantian Direksi
CEOPIC : Frequent Number of CEO’s Picture
RKAP : Reputasi Kantor Akuntan Publik
ℇ : error

b. Uji Signifikan Parameter Individual (Uji Statistik t)

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh

satu variabel independen secara individual dalam menerangkan variasi

variabel dependen (Ghozali, 2018). Dasar pengukuran yaitu

menggunakan tingkat signifikan 0,05. Jika nilai probabilitasi lebih kecil

dari 0,05 maka terdapat pengaruh yang signifikan antara variabel

independen terhadap variabel dependen.

c. Uji Signifikansi Keseluruhan dari Regresi Sampel (Uji Statistik F)

Uji signifikansi F digunakan untuk mengetahui apakah semua

variabel independen dalam model regresi memiliki pengaruh secara

simultan terhadap variabel independen (Ghozali, 2018). Pengambilan

keputusan dalam uji Signifikansi F adalah ketika tingkat signifikansi <

0,05 maka terdapat pengaruh signifikansi antara variabel independen

terhadap variabel dependen.

d. Koefisien Determinasi

Koefisien Determinasi (R2) mengukur seberapa jauh kemampuan

model dalam menerangkan variasi variabel independen. Nilai

koefisiensi determinasi adalah antara nol dan satu. Nilai R2 yang kecil

berarti kemampuan variabel-variabel independen dalam menjelaskan

variasi variabel dependen terbatas. Nilai yang mendekati satu berarti

 46

variabel-variabel independen memberikan hampir semua informasi

yang dibutuhkan untuk memprediksi variasi variabel independen

(Ghozali, 2013).

Secara umum koefisien determinasi untuk data silang (crossection)

relatif rendah karena adanya variasi yang besar antara masing-masing

pengamatan, sedangkan untuk data runtun waktu (time series) biasanya

mempunyai koefisien determinasi yang tinggi (Hardiansyah, 2020).

 BAB IV

ANALISIS DATA

A. Deskripsi Sampel

Penelitian ini dilakukan pada perusahaan yang terdaftar di Bursa Efek

Indonesia (BEI) untuk periode 2017-2019. Populasi pada penelitian ini adalah

perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Teknik

pengambilan sampel dilakukan dengan metode purposive sampling, yaitu

menentukan sampel berdasarkan kriteria-kriteria yang telah ditentukan oleh

peneliti. Adapun kriteria sampel tersebut yaitu:

1. Perusahaan manufaktur sektor Basic Industry and Chemicals, Miscellaneous

Industry, dan Consumer Goods Industry yang terdaftar di Bursa Efek

Indonesia (BEI) selama periode 2017-2019.

2. Perusahaan yang menerbitkan laporan keuangan tahunan (annual report)

secara lengkap selama periode 2017-2019.

3. Perusahaan yang menerbitkan laporan keuangan dalam mata uang rupiah

(Rp).

4. Laporan keuangan tahunan milik perusahaan yang memuat informasi lengkap

terkait dengan variabel penelitian.

47
 48

Berdasarkan kriteria yang telah ditentukan maka dihasilkan sampel sebagai

berikut:

Tabel 4.1
Deskripsi Pemilihan Sampel
Deskripsi Jumlah
Perusahaan yang terdaftar di Bursa Efek Indonesia tahun 2017 559
Perusahaan non manufaktur tahun 2017 (411)
Perusahaan manufaktur yang terdaftar di BEI tahun 2017 148
Perusahaan yang tidak menerbitkan laporan keuangan tahunan secara (24)
lengkap
Perusahaan yang tidak menerbitkan laporan keuangan dalam mata uang (14)
rupiah (Rp)
Laporan keuangan tahunan milik perusahaan tidak memuat informasi (0)
lengkap terkait dengan variabel
Jumlah sampel perusahaan yang memenuhi kriteria 110
Periode Penelitian 3 tahun
Jumlah sampel perusahaan 330
Data Outlier (44)
Jumlah sampel perusahaan setelah data outlier dihilangkan 286

Tabel 4.1 menjelaskan bahwa total sampel perusahaan yang terdaftar di

Bursa Efek Indonesia selama tahun 2017 adalah 559 perusahaan. Dari total 559,

terdapat 411 perusahaan yang bukan termasuk perusahaan manufaktur.

Berdasarkan kriteria yang telah ditetapkan, sebanyak 110 perusahaan yang

termasuk dalam sampel. Penelitian dilakukan selama 3 tahun yaitu 2017-2019.

Sehingga jumlah sampel sebanyak 330. Namun, terdapat data outlier sebanyak

44 maka total sampel akhir yaitu 286 sampel.

B. Deskripsi Data

Deskripsi data dalam penelitian ini menggunakan analisis statistik

deskriptif. Analisis statistik deskriptif digunakan untuk memberikan gambaran,

informasi, maupun deskripsi terkait dengan sampel yang telah ditentukan dengan

melihat nilai minimum, maximum, mean, dan standar deviasi.

 49

Tabel 4.2
Hasil Analisis Deskriptif Statistik
Variabel N Minimum Maximum Mean Std. Deviation
FSCORE 286 -3,76 1.28 0,2760 0,49184
ACHANGE 286 -0,79 4,82 0,1123 0,36417
LEV 286 6,51 289,99 45,4077 29,97199
ROA 286 -2,65 0,92 0,0464 0,19457
BDOUT 286 0,20 0,80 0,4038 0,10529
CEOPIC 286 0,00 12,00 2,6084 1,57407
Categorical Variables
Variable N %
CPA
1 = Melakukan pergantian auditor 26 9,1
0 = tidak melakukan pergantian auditor 260 90,9
DIRCHANGE
1 = Melakukan pergantian direktur 20 7
0 = tidak melakukan pergantian direktur 266 93
RKAP
1 = Diaudit oleh KAP yang berafiliasi BIG4 103 36
0 = Diaudit oleh KAP yang tidak berafiliasi BIG4 183 64

Keterangan:
FSCORE : Fraud Score Model
ACHANGE : Rasio Perubahan Total Aset
LEV : Rasio Leverage
ROA : Return on Assets
BDOUT : Rasio Dewan Komisaris Independen
CPA : Change in Auditor atau Pergantian Auditor
DIRCHANGE : Pergantian Direksi
CEOPIC : Frequent Number of CEO’s Picture
RKAP : Reputasi Kantor Akuntan Publik

Berdasarkan tabel 4.2, variabel dependen yaitu kecurangan laporan

keuangan yang diukur dengan FSCORE menunjukkan bahwa nilai mean sebesar

0,2760 dan standar deviasi yang dihasilkan yaitu 0,49184. Penelitian Skousen et

al. (2009) menyatakan bahwa jika nilai mean yang dihasilkan rendah sedangkan

standar deviasi menunjukkan nilai yang tinggi maka potensi terjadinya fraud

semakin tinggi. Pada penelitian ini, standar deviasi yang dihasilkan lebih tinggi

dibanding dengan nilai mean yang membuktikan bahwa kemungkinan terjadinya

 50

kecurangan laporan keuangan cukup tinggi. Sesuai pada tabel, nilai terendah -

3,76 yaitu perusahaan PT Tiga Pilar Sejahtera Food Tbk sedangkan nilai

tertinggi yaitu perusahaan PT Emdeki Utama Tbk sebesar 1,28.

Tekanan dapat diproksikan menggunakan financial stability, external

pressure, dan financial target. Financial stability yang dapat diukur dengan rasio

perubahan total aset (ACHANGE) menunjukkan nilai minimum -0,79 yang

dimiliki oleh perusahaan PT Tiga Pilar Sejahtera Food Tbk. Sedangkan untuk

nilai tertinggi yaitu 4,82 pada PT Inti Keramik Alam Asri Industri Tbk.

Berdasarkan 286 sampel yang diteliti, menghasilkan nilai rata-rata sebesar

0,1123. Dengan nilai rata-rata ACHANGE sebesar 0,1123 dapat diartikan bahwa

kemampuan perusahaan mengelola aset sebesar 11,23%. Sedangkan standar

deviasi menunjukkan nilai 0,36417. Selain itu, standar deviasi yang dihasilkan

lebih besar dibandingkan nilai rata-rata yang artinya terdapat perbedaan nilai

yang cukup signifikan dalam persebaran data penelitian.

External pressure yang diukur dengan rasio leverage (LEV) menghasilkan

nilai mean 45.4077 dan standar deviasi sebesar 29,97199. Nilai minimum sebesar

6,51 dimiliki oleh PT Inti Indah Karya Plasindo Tbk sedangkan nilai maximum

dimiliki pada perusahaan PT Tiga Pilar Sejahtera Food Tbk dengan nilai sebesar

289,99. Hal ini menunjukkan bahwa perusahaan tersebut mempunyai kewajiban

yang sangat tinggi dibanding dengan aset yang dimiliki. Selain itu, tidak terdapat

perbedaan nilai yang signifikan dalam persebaran data karena nilai standar

deviasi lebih kecil dibandingkan dengan nilai mean.

 51

Financial target yang diukur dengan ROA menunjukkan hasil analisis nilai

minimum sebesar -2,65 yang dimiliki oleh PT Tiga Pilar Sejahtera Food Tbk dan

nilai maksimum sebesar 0,92 dimiliki PT Merck Indonesia Tbk. Perusahaan

dengan ROA yang tinggi menandakan bahwa perusahaan tersebut memiliki

kinerja yang baik. Nilai rata-rata yang dihasilkan adalah 0,0464. Hal ini

mengartikan bahwa kemampuan perusahaan menghasilkan laba sebesar 4.64%.

Sedangkan nilai standar deviasi sebesar 0,19457. Selain itu, terdapat perbedaan

nilai yang signifikan dalam persebaran data karena nilai standar deviasi lebih

besar dibandingkan dengan nilai rata-rata.

Peluang yang diproksikan dengan ketidakefektifkan pengawasan

(ineffective monitoring) dan diukur dengan rasio jumlah komisaris independen

(BDOUT). Hasil analisis deskriptif menghasilkan nilai mean 0,4038 dan standar

deviasi sebesar 0,10529. Nilai minimum sebesar 0,20 oleh perusahaan PT Semen

Baturaja (Persero) Tbk sedangkan nilai maksimum sebesar 0,80 yaitu PT

Unilever Indonesia Tbk. Selain itu, nilai standar deviasi yang dihasilkan lebih

kecil dibandingkan nilai mean menunjukkan tidak terdapat perbedaan nilai yang

signifikan dalam persebaran data penelitian.

Rasionalisasi dapat diproksikan dengan pergantian auditor (change in

auditor) yang menggunakan skala ketika pada tahun periode penelitian

perusahaan mengganti Kantor Akuntan Publik maka diberi skor 1, sedangkan

untuk perusahaan yang tidak melakukan pergantian Kantor Akuntan Publik

maka diberi skor 0. Pada 286 sampel yang diteliti 9,1% atau sebanyak 26
 52

perusahaan melakukan pergantian KAP, sedangkan sisanya 90,9% atau

sebanyak 260 perusahaan tidak mengganti Kantor Akuntan Publik.

Kapabilitas yang diproksikan pergantian direktur (change in director)

menunjukkan bahwa 7% atau 20 perusahaan melakukan pergantian direktur

pada periode penelitian sedangkan sisanya sebesar 93,1% atau 266 perusahaan

tidak melakukan pergantian direktur. Pada perhitungan change in director

menggunakan skala skor 1 ketika perusahaan mengganti direktur sedangkan skor

0 ketika perusahaan tidak melakukan pergantian direktur.

Arogansi diproksikan dengan frequent number of CEO’s picture. Frequent

number of CEO’s picture diukur dengan menghitung jumlah foto CEO dalam

laporan tahunan (annual report). Nilai maksimum dimiliki oleh PT Arwana

Citra Mulia Tbk dengan total 12 foto CEO dalam annual report tahun 2019.

Sedangkan nilai minimum yaitu 0 yang artinya tidak ada foto CEO dalam

laporan tahunan perusahaan tersebut. Nilai rata-rata yang dihasilkan sebesar

2,6084 dan standar deviasi sebesar 1,57407. Selain itu, nilai standar deviasi yang

dihasilkan lebih kecil dibandingkan nilai mean atau nilai rata-rata yang

menunjukkan tidak terdapat perbedaan nilai yang signifikan dalam persebaran

data penelitian.

Variabel kontrol dalam penelitian ini adalah Reputasi Kantor Akuntan

Publik (RKAP). Reputasi Kantor Akuntan Publik dinilai dengan perusahaan

yang diaudit KAP berafiliasi BIG4 diberi skor 1 dan diberi skor 0 ketika

perusahaan diaudit dengan KAP yang tidak berafiliasi BIG4. Dari 286 sampel

yang diteliti, 36% atau sebanyak 103 perusahaan diaudit oleh KAP yang
 53

berafiliasi BIG4 sedangkan sisanya 183 perusahaan atau 64% diaudit oleh KAP

tidak berfiliasi BIG4.

C. Hasil Pengujian Data dan Pembahasan

Pengujian dilakukan menggunakan analisis Uji Asumsi Klasik dan analisis

Uji Regresi Linear Berganda.

1. Uji Asumsi Klasik

Uji asumsi klasik dilakukan untuk mengetahui dan menguji kelayakan

atas model regresi yang digunakan. Uji asumsi klasik terdiri dari uji

normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi.

a. Uji Normalitas

Model regresi yang baik adalah model regresi yang memiliki nilai

residual terdistribusi secara normal (Ghozali, 2018). Berikut hasil uji

normalitas Kolmogorov-Smirnov disajikan dalam tabel berikut:

Tabel 4.3
Hasil uji Kolmogorov-Smirnov
Unstandardize
d Residual
N 330
Normal Parametersa,b Mean ,0000000
Std. Deviation 5,25345346
Most Extreme Differences Absolute ,385
Positive ,297
Negative -,385
Test Statistic ,385
Asymp. Sig. (2-tailed) ,000c

Tabel 4.3 menjelaskan tentang hasil uji normalitas menggunakan uji

Kolmogorov-Smirnov yang menunjukkan hasil Asymp. Sig (2-tailed)

sebesar 0,000 yang artinya data belum terdistribusi secara normal. Data
 54

dikatakan terdistribusi normal ketika nilai signifikan > 0,05. Maka dari

itu, dilakukan penghilangan data yang bersifat ekstrem atau data outlier.

Dalam penelitian ini, data outlier ditelusuri dengan casewise

diagnostics yang menghasilkan 44 data outlier sehingga total jumlah

sampel akhir sebanyak 286.

Tabel 4.4
Hasil Uji Kolmogorov-Smirnov Setelah Outlier
Unstandardized
Residual
N 286
Normal Parametersa,b Mean ,0000000
Std. Deviation ,20941513
Most Extreme Differences Absolute ,044
Positive ,044
Negative -,035
Test Statistic ,044
Asymp. Sig. (2-tailed) ,200c,d

Pada tabel 4.4 hasil uji Kolmogorov-Smirnov setelah 44 outlier

dihapus, menghasilkan nilai Asymp. Sig sebesar 0,200. Hal ini dapat

disimpulkan bahwa data terdistribusi normal karena telah memenuhi

persyaratan uji normalitas dengan nilai signifikan > 0,05. Oleh karena

itu, syarat model regresi yang mengharuskan data terdistribusi normal

telah terpenuhi.

b. Uji Multikolinieritas

Uji multikolinieritas merupakan uji yang bertujuan untuk melihat

adanya korelasi antar variabel. Model regresi yang baik adalah model

regresi yang tidak terdapat multikolinieritas. Uji Multikolinieritas di uji

 55

dengan melihat nilai tolerance > 0,1 dan VIF < 10. Berikut hasil uji

multikolinieritas:

Tabel 4.5
Hasil Uji Multikolinieritas
Collinearity
Variabel Statistic Keterangan
Tolerance VIF
ACHANGE 0,92 1,08 Tidak terjadi multikolinieritas
LEV 0,76 1,31 Tidak terjadi multikolinieritas
ROA 0,72 1,37 Tidak terjadi multikolinieritas
BDOUT 0,95 1,04 Tidak terjadi multikolinieritas
CPA 0,95 1,05 Tidak terjadi multikolinieritas
DIRCHANGE 0,94 1,05 Tidak terjadi multikolinieritas
CEOPIC 0,89 1,11 Tidak terjadi multikolinieritas
RKAP 0,87 1,14 Tidak terjadi multikolinieritas

Keterangan:
ACHANGE : Rasio Perubahan Total Aset
LEV : Rasio Leverage
ROA : Return on Assets
BDOUT : Rasio Dewan Komisaris Independen
CPA : Change in Auditor atau Pergantian Auditor
DIRCHANGE : Pergantian Direksi
CEOPIC : Frequent Number of CEO’s Picture
RKAP : Reputasi Kantor Akuntan Publik

Menurut Tabel 4.5 dapat disimpulkan bahwa tidak terjadi

multikolinieritas antar setiap variabel yang diteliti karena nilai

tolerance > 0,1 dan VIF < 10. Oleh karena itu, hasil uji mulitkolinieritas

telah memenuhi syarat sebagai model regresi yang bebas dalam hal

multikolinieritas.

c. Uji Heterokedastisitas

Uji heterokedastisitas bertujuan untuk menguji apakah suatu model

regresi terjadi ketidaksamaan variance dari residual satu pengamatan

ke pengamatan lain (Ghozali, 2018). Suatu model regresi yang baik

 56

adalah yang bebas dalam masalah heterokedastisitas. Berikut disajikan

hasil uji heterokedastisitas:

Tabel 4.6
Hasil Uji Heterokedastisitas
Variabel Correlation Coefficient Sig. (2-tailed)
ACHANGE -0,00 0,91
LEV 0,10 0,12
ROA -0,06 0,31
BDOUT 0,09 0,12
CPA -0,06 0,25
DIRCHANGE 0,01 0,80
CEOPIC -0,00 0,90
RKAP -0,09 0,12

Keterangan:
ACHANGE : Rasio Perubahan Total Aset
LEV : Rasio Leverage
ROA : Return on Assets
BDOUT : Rasio Dewan Komisaris Independen
CPA : Change in Auditor atau Pergantian Auditor
DIRCHANGE : Pergantian Direksi
CEOPIC : Frequent Number of CEO’s Picture
RKAP : Reputasi Kantor Akuntan Publik

Pada penelitian ini uji heterokedastisitas dilakukan dengan

menggunakan uji Park. Model regresi yang bebas dari masalah

heterokedastisitas menggunakan Uji Park ketika nilai signifikan > 0,05.

Menurut Tabel 4.6, Nilai signifikan dari setiap variabel telah > 0,05

menandakan bahwa tidak terdapat masalah heterokedastisitas dalam

model regresi yang akan diteliti.

d. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model

regresi linier ada korelasi antara kesalahan pengganggu pada periode t

dengan kesalahan pengganggu pada periode t-1. Pada penelitian ini,

 57

peneliti menguji autokorelasi menggunakan uji Run Test. Berikut

disajikan hasil uji Autokorelasi:

Tabel 4.7
Hasil Uji Autokorelasi
Unstandardized Residual
a
Test Value ,55318b
Cases < Test Value 285
Cases >= Test Value 1
Total Cases 286
Number of Runs 3
Z ,084
Asymp. Sig. (2-tailed) ,933

Menurut Tabel 4.7 dapat disimpulkan bahwa model regresi tidak

terdapat masalah autokorelasi karena nilai signifikansi yang dihasilkan

> 0,05 yaitu sebesar 0,933.

2. Uji Hipotesis

a. Uji Regresi Linear

Analisis regresi dilakukan untuk memprediksi hubungan antara

variabel independen dengan variabel dependen. Berikut hasil dari uji

analisis regresi berganda:

Tabel 4.8
Hasil Regresi Linear Berganda
Unstandardized Standardized
Coefficients Coefficients
Model t Sig.
Std
B Beta
Error
(Constant) 1,002 0,060 16,760 0,000
ACHANGE -0,090 0,036 -0,067 -2,517 0,012
LEV -0,016 0,000 -0,996 -33.983 0,000
ROA -0,703 0,076 -0,278 -9,260 0,000
BDOUT 0,138 0,122 0,030 1,129 0,260
CPA 0,017 0,045 0,010 0,388 0,698
DIRCHANGE -0,039 0,051 -0,020 -0,760 0,448
CEOPIC 0,000 0,008 0,000 -0,010 0,992
RKAP 0,011 0,028 0,011 0,398 0,691
 58

Keterangan:
ACHANGE : Rasio Perubahan Total Aset
LEV : Rasio Leverage
ROA : Return on Assets
BDOUT : Rasio Dewan Komisaris Independen
CPA : Change in Auditor atau Pergantian Auditor
DIRCHANGE : Pergantian Direksi
CEOPIC : Frequent Number of CEO’s Picture
RKAP : Reputasi Kantor Akuntan Publik

Berdasarkan tabel 4.8 didapatkan persamaan regresi linear sebagai

berikut:

FSCORE = 1,002 + (−0,090)ACHANGE + (−0.016)LEV

+ (−0,703)ROA + (0,138)BDOUT + (0,017)CPA

+ (−0,039)DIRCHANGE + (0,000)CEOPIC

+ (0,011)RKAP + ε

Berdasarkan persamaan di atas, nilai koefisien regresi yang dapat

dilihat dalam kolom B pada unstandardized coefficients menunjukkan

bahwa variabel financial stability (ACHANGE), external pressure

(LEV), dan financial target (ROA) bernilai negatif artinya variabel-

variabel tersebut memiliki hubungan yang negatif terhadap kecurangan

laporan keuangan. Sedangkan untuk variabel ineffective monitoring

(BDOUT), change in auditor (CPA), change in director

(DIRCHANGE), frequent number of CEO’s picture (CEOPIC), dan

reputasi Kantor Akuntan Publik (RKAP) tidak berpengaruh secara

signifikan karena hasil menunjukkan bahwa nilai signifikan > 0,05.

 59

b. Uji Signifikansi Parameter Individual (Uji Statistik t)

Uji statistik t dilakukan untuk mengetahui apakah model regresi

variabel independen secara parsial berpengaruh signifikan terhadap

variabel dependen. Dasar pengambilan keputusan ketika variabel

independen berpengaruh secara signifikan terhadap variabel dependen

yaitu ketika nilai signifikan < 0,05. Berikut hasil uji statistik t:

Tabel 4.9
Hasil Uji Statistik t
Unstandardized Standardized
Coefficients Coefficients
Model T Sig.
Std
B Beta
Error
(Constant) 1,002 0,060 16,760 0,000
ACHANGE -0,090 0,036 -0,067 -2,517 0,012
LEV -0,016 0,000 -0,996 -33.983 0,000
ROA -0,703 0,076 -0,278 -9,260 0,000
BDOUT 0,138 0,122 0,030 1,129 0,260
CPA 0,017 0,045 0,010 0,388 0,698
DIRCHANGE -0,039 0,051 -0,020 -0,760 0,448
CEOPIC 0,000 0,008 0,000 -0,010 0,992
RKAP 0,011 0,028 0,011 0,398 0,691

Keterangan:
ACHANGE : Rasio Perubahan Total Aset
LEV : Rasio Leverage
ROA : Return on Assets
BDOUT : Rasio Dewan Komisaris Independen
CPA : Change in Auditor atau Pergantian Auditor
DIRCHANGE : Pergantian Direksi
CEOPIC : Frequent Number of CEO’s Picture
RKAP : Reputasi Kantor Akuntan Publik

Pengaruh Financial stability terhadap kecurangan laporan

keuangan

Tabel 4.9 menjelaskan bahwa variabel financial stability yang

diukur dengan rasio perubahan total aset (ACHANGE) berpengaruh

 60

signifikan terhadap kecurangan laporan keuangan. Hal ini karena nilai

signifikan yang dihasilkan yaitu 0,012 < 0,05 dan koefisien bernilai

negatif sebesar -0,090 sehingga H1 terdukung secara statistik. Nilai

koefisien yang negatif membuktikan bahwa semakin kecil stabilitas

keuangan (financial stability) maka tingkat kecurangan laporan

keuangan semakin tinggi.

Hasil penelitian ini sejalan dengan Martantya & Daljono (2013),

Septriyani & Handayani (2018), Vidella & Afiah (2020), dan

Hardiansyah (2020) yang menyatakan bahwa aset dapat digunakan untuk

melihat kondisi stabilitas perusahaan karena aset menggambarkan

kekayaan yang dimiliki perusahaan. Ketika stabilitas perusahaan sedang

dalam keadaan baik, artinya perusahaan telah mampu mengelola asetnya

dengan baik. Sehingga perusahaan tidak perlu melakukan kecurangan

laporan keuangan.

Kondisi perusahaan yang tidak stabil akibat manajemen tidak dapat

mengelola aset yang dimiliki, sehingga menyebabkan perubahan total

aset yang terlalu tinggi atau terlalu rendah selama periode tertentu. Hal

ini menjadi tekanan bagi perusahaan yang memiliki pertumbuhan aset di

bawah rata-rata industri, yang dapat mengakibatkan manajemen

melakukan kecurangan terhadap laporan keuangan.

Akan tetapi hasil penelitian ini tidak sejalan dengan penelitian

Aprilia (2017), Quraini & Rimawati (2019), dan Oman & Tanjung (2019)
 61

yang menyatakan bahwa financial stability tidak berpengaruh secara

signifikan terhadap laporan keuangan.

Pengaruh external pressure terhadap kecurangan laporan keuangan

Berdasarkan tabel 4.9 variabel external pressure yang diukur

dengan rasio leverage (LEV) menunjukkan nilai signifikan 0,00 < 0,05

dan nilai koefisien -0,016 sehingga H2 tidak terdukung secara statistik

karena hasil menunjukkan bahwa external pressure berpengaruh

signifikan tetapi memiliki nilai koefisien negatif yang berlawanan

dengan perumusan hipotesis. Nilai koefisien yang negatif menunjukkan

bahwa semakin tinggi rasio leverage maka semakin rendah tingkat

terjadinya kecurangan laporan keuangan.

Hasil penelitian ini tidak mendukung penelitian Skousen et al.

(2009), Yesiariani & Rahayu (2016), dan Kayoi (2019) yang menyatakan

bahwa external pressure berpengaruh positif terhadap kecurangan

laporan keuangan. Tetapi konsisten dengan penelitian Nugraheni &

Triatmoko (2017), Agustina & Pratomo (2019), dan Wicaksana &

Suryandari (2019) dikarenakan perusahaan yang memiliki rasio leverage

yang tinggi cenderung membutuhkan pinjaman modal dari kreditur.

Kreditur sebagai pihak eksternal mampu mengawasi jalannya siklus

utang perusahaan karena sebelum menyetujui akan memberi pinjaman

modal, kreditur harus mempertimbangkan faktor yang dapat

mempengaruhi persetujuan pinjaman maupun pengembalian. Kreditur

akan menyetujui pengajuan pinjaman pada perusahaan yang memiliki

 62

kredibilitas, memiliki citra baik dalam hal pengembalian modal, dan

tidak mendapat sanksi dari OJK. Oleh sebab itu, perusahaan harus

menunjukkan citra bahwa perusahaan mampu untuk pengembalian

modal dengan tidak melakukan kecurangan laporan keuangan yang akan

lebih menyesatkan perusahaan di masa yang akan datang. Selain itu,

tingkat leverage yang tinggi dapat diminimalkan dengan pengelolaan

pinjaman yang baik agar penerimaan dapat menutupi biaya yang

dikeluarkan (Ardiyani & Utamaningsih, 2015).

Pengaruh financial target terhadap kecurangan laporan keuangan

Berdasarkan Tabel 4.9 variabel financial target yang diukur dengan

Return on Assets (ROA) menunjukkan nilai signifikan 0,00 < 0,05 dan

koefisien bernilai negatif sebesar -0,703 sehingga H3 tidak terdukung

secara statistik karena hasil menunjukkan bahwa financial target

berpengaruh signifikan tetapi memiliki nilai koefisien negatif yang

berlawanan dengan perumusan hipotesis. Hasil penelitian ini tidak

konsisten dengan penelitian Antawirya et al. (2019), Nugraheni &

Triatmoko (2017), dan Septriyani & Handayani (2018) yang menyatakan

bahwa financial target berpengaruh positif dan signifikan terhadap

kecurangan laporan keuangan.

Hasil ini konsisten dengan penelitian yang dilakukan oleh Setiawati

& Baningrum (2018), Emalia et al. (2020), Rahmayuni (2018), dan

Hanifa (2015) yang menyatakan bahwa perusahaan dengan Return on

Assets (ROA) yang rendah akan mengalami kesulitan keuangan.

 63

Semakin rendah ROA mengindikasikan semakin rendah laba yang

dihasilkan dan mengakibatkan kinerja perusahaan terkesan buruk.

Perusahaan selalu menargetkan profitabilitas setiap tahun. Saat target

yang ditetapkan belum memenuhi dan kondisi ekonomi perusahaan

buruk, hal ini akan menimbulkan tekanan bagi manajemen dan berakibat

meningkatkan potensi terjadinya kecurangan laporan keuangan hingga

target tersebut tercapai.

Selain itu, target keuangan memiliki hubungan dengan agen dan

prinsipal. Agen akan melaksanakan kewajiban dan menampilkan

performa yang baik sehingga dapat tercapainya target keuangan yang

telah direncanakan. Dengan tercapainya target keuangan, prinsipal

memberikan bonus atau insentif kepada agen atas hasil kerja keras

tersebut. Hal ini sejalan dengan teori agensi yang dikemukakan oleh

Jensen & Meckeling (1976). Kondisi ini dapat mengurangi resiko fraud

karena manajemen perusahaan dalam mencapai kinerja keuangan yang

baik dilakukan secara hati-hati dan sesuai dengan peraturan dan

kebijakan yang berlaku sehingga kemungkinan terjadi kecurangan

laporan keuangan sangat kecil (Hanifa & Laksito, 2015).

Pengaruh ineffective monitoring terhadap kecurangan laporan

keuangan

Berdasarkan Tabel 4.9 uji statistik t, penelitian ini membuktikan

bahwa variabel ineffective monitoring yang diukur dengan rasio jumlah

komisaris independen (BDOUT) tidak berpengaruh signifikan terhadap

 64

kecurangan laporan keuangan. Hal ini karena nilai signifikan 0,260 >

0,05 dan nilai koefisien sebesar 0,138 sehingga H4 tidak terdukung

secara statistik. Hasil yang tidak signifikan mengindikasikan bahwa

tinggi rendah ineffective monitoring tidak menyebabkan perusahaan

melakukan tindak kecurangan laporan keuangan.

Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh

Yulianti et al. (2019), Zelin (2018), dan Chomariza & Suhendi (2020)

yang menyatakan bahwa ineffective monitoring tidak berpengaruh secara

signifikan terhadap kecurangan laporan keuangan. Hal ini dimungkinkan

bahwa penempatan atau penambahan anggota dewan komisaris

independen dilakukan hanya sebagai persyaratan yang ditetapkan oleh

Otoritas Jasa Keuangan No.33/POJK.04/2014 tentang Direksi dan

Dewan Komisaris Emiten atau Perusahaan Publik bahwa jumlah

komisaris independen wajib paling kurang 30% (tiga puluh persen) dari

jumlah seluruh anggota dewan komisaris. Selain itu, tingkat efektivitas

dewan komisaris tidak dipengaruhi oleh seberapa banyak komposisi

dewan komisaris independen melainkan kuatnya intervensi dari pihak

lain ataupun pemegang saham terbesar yang dapat membuat pengawasan

tidak dilakukan secara objektif dan independen yang berakibat tingginya

potensi kecurangan.

Akan tetapi hasil penelitian ini tidak konsisten dengan penelitian

yang dilakukan oleh Agusputri & Sofie (2019), Utomo (2018), Edi &
 65

Victoria (2018) yang menyatakan bahwa ineffective monitoring

berpengaruh positif terhadap kecurangan laporan keuangan.

Pengaruh change in auditor terhadap kecurangan laporan keuangan

Berdasarkan Tabel 4.9 uji statistik t, penelitian ini membuktikan

bahwa variabel change in auditor tidak berpengaruh signifikan terhadap

kecurangan laporan keuangan. Hal ini dikarenakan nilai signifikan 0,698

> 0,05 dan nilai koefisien sebesar 0,017 sehingga H5 tidak terdukung

secara statistik. Hasil yang tidak signifikan mengindikasikan bahwa

tinggi rendah change in auditor tidak menyebabkan perusahaan

melakukan tindak kecurangan laporan keuangan.

Hasil penelitian ini konsisten dengan penelitian yang dilakukan oleh

Tiffani & Marfuah (2015), Fabiolla et al. (2021), Yesiariani & Rahayu

(2016) yang menyatakan bahwa change in auditor tidak berpengaruh

signifikan terhadap kecurangan laporan keuangan. Pergantian auditor

kemungkinan dilakukan karena ada ketidakpuasan atas kinerja auditor

sebelumnya sehingga memutuskan untuk melakukan perubahan dengan

tujuan untuk peningkatan kinerja perusahaan. Selain itu, pergantian

auditor dilakukan perusahaan untuk menaati peraturan yang berlaku

yaitu Peraturan Pemerintah Republik Indonesia No. 20 Tahun 2015 Pasal

11 ayat 1 tentang Praktik Akuntan Publik yang menyatakan bahwa

pemberian jasa audit atas laporan keuangan terhadap suatu entitas oleh

seorang Akuntan Publik paling lama lima tahun buku berturut-turut.

 66

Akan tetapi, hasil penelitian ini tidak konsisten dengan penelitian

Ulfah et al. (2017), Santoso (2019) dan Emalia et al. (2020) yang

menyatakan bahwa pergantian auditor (change in auditor) berpengaruh

positif terhadap kecurangan laporan keuangan.

Pengaruh change in director terhadap kecurangan laporan

keuangan

Berdasarkan Tabel 4.9 uji statistik t, penelitian ini membuktikan

bahwa variabel change in director tidak berpengaruh secara signifikan

terhadap kecurangan laporan keuangan. Hal ini dikarenakan nilai

signifikan 0,448 > 0,05 dan nilai koefisien sebesar -0,039 sehingga H6

tidak terdukung secara statistik. Hasil yang tidak signifikan

mengindikasikan bahwa tinggi rendah change in director tidak

menyebabkan perusahaan melakukan tindak kecurangan laporan

keuangan.

Hasil penelitian ini didukung oleh penelitian yang dilakukan oleh

Agusputri & Sofie (2019) dan Aprilia (2017) yang menyatakan bahwa

pergantian direksi (change in auditor) tidak berpengaruh terhadap

kecurangan laporan keuangan karena pergantian direksi merupakan salah

satu cara untuk mengganti direksi yang lebih kompeten dan

berpengalaman dibanding direksi sebelumnya. Pergantian direksi yang

lebih kompeten akan sangat membantu perusahaan dalam memperbaiki

atau meningkatkan kinerja perusahan itu sendiri. Selain itu, pergantian

 67

direksi dapat terjadi ketika adanya alasan khusus seperti ketika direksi

yang menjabat telah pensiun ataupun meninggal dunia.

Hasil penelitian ini tidak sejalan dengan Sasongko & Wijayantika

(2019) yang menyatakan bahwa change in director berpengaruh positif

terhadap kecurangan laporan keuangan.

Pengaruh frequent number of CEO’s picture terhadap kecurangan

laporan keuangan

Berdasarkan Tabel 4.9 uji statistik t, penelitian ini membuktikan

bahwa variabel frequent number of CEO’s picture tidak berpengaruh

secara signifikan terhadap kecurangan laporan keuangan. Hal ini

dikarenakan nilai signifikan 0,992 > 0,05 dan nilai koefisien sebesar -

0,000 sehingga H7 tidak terdukung secara statistik. Hasil yang tidak

signifikan mengindikasikan bahwa banyak sedikit jumlah foto CEO tidak

menyebabkan perusahaan melakukan kecurangan laporan keuangan.

Hasil ini konsisten dengan penelitian Amarakamini & Suryani

(2019), Hidayah & Saptarini (2019), Fabiolla et al. (2021) yang

menyatakan bahwa jumlah foto yang terdapat di annual report tidak

berpengaruh terhadap tingkat kecurangan laporan keuangan. Hal ini

dikarenakan foto yang terdapat dalam laporan tahunan merupakan cara

tidak langsung perusahaan untuk memperkenalkan komisaris maupun

direktur yang ada di perusahaan. Informasi seperti ini sangat dibutuhkan

oleh pihak investor maupun kreditur untuk mengetahui pihak-pihak yang

bertanggung jawab. Selain itu, foto maupun prestasi tidak dapat

 68

menjelaskan adanya sifat arogansi melainkan ditampilkan melalui sikap,

perilaku, dan tindakan dalam keseharian CEO tersebut.

Akan tetapi hasil penelitian ini bertolak belakang dengan hasil

penelitian dari Bawekes et al. (2018) dan Haqq & Budiwitjaksono (2020)

yang menyatakan bahwa frequent number of CEO’s picture berpengaruh

secara positif terhadap kecurangan laporan keuangan.

Pengaruh reputasi Kantor Akuntan Publik terhadap kecurangan

laporan keuangan

Berdasarkan Tabel 4.9 uji statistik t, penelitian ini membuktikan

bahwa reputasi Kantor Akuntan Publik (KAP) tidak berpengaruh secara

signifikan terhadap kecurangan laporan keuangan. Hal ini dikarenakan

nilai signifikan 0,691 > 0,05 dan nilai koefisien sebesar 0,011 sehingga

H8 tidak terdukung secara statistik.

Penelitian ini konsisten dengan penelitian Emalia et al. (2020),

Ulfah et al. (2017), dan Hanifa (2015) yang menyatakan bahwa peran

Kantor Akuntan Publik baik yang berafiliasi dengan BIG4 maupun tidak

memiliki peran yang sama dalam melakukan audit. Auditor menentukan

adanya kemungkinan laporan keuangan yang salah saji berdasarkan

Standar Akuntansi yang berlaku umum. Sehingga reputasi Kantor

Akuntan Publik tidak mempengaruhi kemungkinan terjadinya

kecurangan laporan keuangan.

 69

c. Uji Signifikansi Keseluruhan dari Regresi Sampel (Uji Statistik F)

Uji Statistik F digunakan untuk mengetahui pengaruh secara

simultan antara keseluruhan variabel independen terhadap variabel

independen. Pengambilan keputusan dalam uji F adalah ketika tingkat

signifikan < 0,05 maka terdapat pengaruh signifikan antara variabel

independen terhadap variabel dependen.

Berikut hasil dari uji statistik F:

Tabel 4.10
Hasil Uji Statistik F
Sum of Mean
Model df F Sig.
Squares Square
Regression 56,446 8 7,056 156,373 0,000
Residual 12,499 277 0,045
Total 68,945 285

Berdasarkan tabel 4.10 hasil dari uji statistik F menunjukkan nilai

Sig. 0,000 < 0,05 maka model regresi linear dapat diterima. Selain itu,

dari hasil yang diperoleh dapat disimpulkan bahwa fraud pentagon

berpengaruh secara simultan terhadap kecurangan laporan keuangan.

d. Uji Koefisien Determinasi (R2)

Koefisien Determinasi (R2) pada intinya mengukur seberapa jauh

kemampuan model dalam menjelaskan variasi variabel independen. Nilai

determinasi ditentukan dengan melihat nilai adjusted R Square. Berikut

adalah hasil uji koefisien determinasi:

Tabel 4.11
Hasil Uji Koefisien Determinasi (R2)
Std. Error
Adjusted R
Model R R Square of the
Square
Estimate
1 0,905 0,819 0,813 0,21242
 70

Berdasarkan tabel 4.11 dapat diketahui bahwa nilai Adjusted R Square

sebesar 0,813 atau 81,3%. Hal ini dapat disimpulkan bahwa variabel

dependen yaitu kecurangan laporan keuangan dapat dijelaskan oleh

variabel independen yaitu fraud pentagon dengan komponen financial

stability, external pressure, financial target, ineffective monitoring,

change in auditor, change in director, frequent number of CEO’s picture

dan reputasi Kantor Akuntan Publik sebesar 81,3%. Sedangkan untuk

18,7% dapat dijelaskan oleh variabel-variabel lain yang tidak

dimasukkan dalam penelitian ini.

 BAB V

KESIMPULAN, KETERBATASAN, DAN SARAN

A. Kesimpulan

Penelitian ini bertujuan unutk membuktikan secara empiris mengenai

pengaruh dari fraud pentagon yang terdiri dari komponen tekanan (financial

stability, external pressure, dan financial target), peluang (ineffective

monitoring), rasionalisasi (change in auditor), kapabilitas (change in director),

dan arogansi (frequent number of CEO’s picture) terhadap kecurangan laporan

keuangan pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia

pada tahun 2017-2019.

Berdasarkan data dan pengujian yang telah dilakukan maka dapat

disimpulkan bahwa variabel financial stability berpengaruh secara negatif dan

signifikan terhadap kecurangan laporan keuangan. Hasil penelitian ini

menunjukkan bahwa H1 terdukung secara statistik. Artinya, semakin stabil

kondisi keuangan perusahaan maka tingkat terjadinya kecurangan laporan

keuangan semakin rendah. Variabel external pressure berpengaruh signifikan

tetapi menujukkan nilai koefisien negatif yang artinya H2 tidak terdukung

secara statistik. Koefisien negatif menujukkan bahwa semakin tinggi tekanan

dari pihak luar maka semakin rendah kecurangan laporan keuangan yang

terjadi. Selain itu, variabel financial target berpengaruh signifikan tetapi

menunjukkan nilai koefisien yang negatif sehingga H3 tidak terdukung secara

statistik. Koefisien yang negatif menujukkan bahwa semakin rendah kondisi

keuangan perusahaan dalam mencapai target keuangan maka semakin tinggi

71
 72

potensi terjadi kecurangan laporan keuangan. Namun, variabel ineffective

monitoring, change in auditor, change in director, frequent number of CEO’s

picture, dan reputasi Kantor Akuntan Publik menunjukkan hasil bahwa

variabel-variabel tersebut tidak berpengaruh secara signifikan terhadap

kecurangan laporan keuangan.

B. Keterbatasan

Keterbatasan dalam peneltian ini adalah:

1. Pada penelitian ini, salah satu kriteria pemilihan sampel hanya

menggunakan perusahaan yang menerbitkan laporan keuangan dalam

mata uang rupiah (Rp).

2. Pada penelitian ini terdapat banyak data ekstrem yang mengakibatkan data

tidak terdistribusi normal. Untuk mengatasi hal ini dilakukan penghapusan

data ekstrem tersebut yang mengakibatkan sampel penelitian berkurang.

Sampel pada penelitian yang semula sebanyak 330 sampel, menjadi 286

karena adanya 44 data yang di outlier.

3. Pada penelitian ini, hasil dari variabel tekanan yang diproksikan external

pressure dan financial target berpengaruh signifikan tetapi nilai koefisien

negatif yang artinya berlawanan dengan perumusan hipotesis.

4. Periode penelitian terbatas hanya 3 tahun yaitu 2017-2019.

5. Data yang digunakan hanya pada perusahaan manufaktur yang terdaftar di

Bursa Efek Indonesia.

 73

C. Saran

Saran untuk penelitian selanjutnya yaitu mampu memberikan hasil

penelitian yang lebih berkualitas dengan mempertimbangkan saran berikut:

1. Kriteria pemilihan sampel dengan menambahkan perusahaan yang

menerbitkan laporan keuangan selain mata uang rupiah (Rp) dengan

melihat kurs BI pada akhir tahun.

2. Melakukan pengkajian ulang terkait dengan variabel tekanan yang

diproksikan dengan external pressure dan financial stability agar hasil

penelitian menjadi konsisten.

3. Menggunakan proksi lain terkait dengan pengukuran variabel arogansi.

4. Memperluas sampel penelitian tidak hanya pada perusahaan manufaktur

melainkan seluruh perusahaan yang terdaftar di Bursa Efek Indonesia.

5. Menambah variabel independen yang berkaitan dengan komponen fraud

pentagon seperti personal financial need, nature of industry,

organizational structure, dan lain lain.

6. Menggunakan metode selain Fraud Score Model untuk mengukur

kecurangan laporan keuangan.

7. Menambah periode penelitan agar data menjadi lebih beragam.

 DAFTAR PUSTAKA

ACFE. 2016. Report To The Nations - on Occupational Fraud and Abuse: Asia
Pacific. Asia Pacific Edition.
ACFE. 2018. Report To The Nations - Global Study on Occupational Fraud and
Abuse: Asia Pacific. Asia Pacific Edition.
Agusputri, H., & Sofie. 2019. Faktor - Faktor yang Berpengaruh Terhadap
Fraudulent Financial Reporting dengan Menggunakan Analisis Fraud
Pentagon. Jurnal Informasi, Perpajakan, Akuntansi, Dan Keuangan Publik,
14(2), 105–124. https://doi.org/10.25105/jipak.v14i2.5049
Agustina, R. D., & Pratomo, D. 2019. Pengaruh Fraud Pentagon dalam Mendeteksi
Kecurangan Pelaporan Keuangan. Jurnal Ilmiah Manajemen, Ekonomi, &
Akuntansi (MEA), 3(1), 44–62. https://doi.org/10.31955/mea.vol3.iss1.pp44-
62
Amarakamini, N. P., & Suryani, E. 2019. Pengaruh Fraud Pentagon terhadap
Fraudulent Financial Statement pada Perusahaan Manufaktur yang Terdaftar
di Bursa Efek Indonesia (BEI) Tahun 2016 Dan 2017. Jurnal Akuntansi, Vol
7(2), 125–136.
Annisya, M., Lindrianasari, & Asmaranti, Y. 2016. Pendeteksian Kecurangan
Laporan Keuangan Menggunakan Fraud Diamond. Jurnal Bisnis Dan
Ekonomi (JBE), 23(1), 72–89.
Antawirya, R. D. E. P., Putri, I. G. A. M. D., Wirajaya, I. G. A., Suaryana, I. G. N.
A., & Suprasto, H. B. 2019. Application of Fraud Pentagon in Detecting
Financial Statement Fraud. International Research Journal of Management,
IT and Social Sciences, 6(5), 73–80. https://doi.org/10.21744/irjmis.v6n5.706
Aprilia. 2017. Analisis Pengaruh Fraud Pentagon Terhadap Kecurangan Laporan
Keuangan Menggunakan Beneish Model Pada Perusahaan yang Menerapkan
Asean Corporate Governance Scorecard. Jurnal ASET (Akuntansi Riset), 9(1),
101–132.
Aprilia, R. 2017. Pengaruh Financial Stability, Personal Financial Need, Ineffecive
Monitoring, Change in Auditor dan Change in Director Terhadap Financial
Statement Fraud dalam Perspektif Fraud Diamond. JOM Fekon, 4(1).
Ardiyani, S., & Utamaningsih, N. S. 2015. Analisis Determinan Financial
Statement Melalui Pendekatan Fraud Triangle. Accounting Analysis Journal,
4(1), 1–10.
Bawekes, H. F., Aaron M, A. S., & Daat, S. C. 2018. Pengujian Teori Fraud
Pentagon Terhadap Fraudulent Financial Reporting (Studi Empiris pada
Perusahaan yang Terdaftar di Bursa Efek Indonesia Tahun 2011-2015). Jurnal
Akuntansi & Keuangan Daerah, 13(1), 114–134.
https://doi.org/10.1088/1751-8113/44/8/085201

74
Beasley, M. S., Carcello, J. V, Hermanson, D. R., & Neal, T. L. 2010. Fraudulent
Financial Reporting 1998-2007 : An Analysis of US Public Companies. COSO
Report, 60.
Chomariza, N. A., & Suhendi, C. 2020. Analisis Fraud Triangle Terhadap Financial
Statement Fraud di Perusahaan Manufaktur yang Terdaftar di BEI Tahun
2016-2018. Prosiding Konferensi Ilmiah Mahasiswa Unisula (KIMU) 3, 216–
239.
Christian, N., Basri, Y. Z., & Arafah, W. 2019. Analysis of Fraud Pentagon To
Detecting Corporate Fraud in Indonesia. International Journal Of Economics,
Business and Management Reasearch, 3(08), 1–13.
Crowe, H. 2011. Putting the Freud in Fraud: Why the Fraud Triangle Is No Longer
Enough.
Dechow, P. M., Ge, W., Larson, C. R., & Sloan, R. G. 2011. Predicting Material
Accounting Misstatements. Contemporary Accounting Research, 28(1), 17–
82. https://doi.org/10.1111/j.1911-3846.2010.01041.x
Devy, K. L. S., Wahyuni, M. A., & Sulidawati, N. L. G. E. 2017. Pengaruh Frequent
Number of CEO’s Picture, Pergantian Direksi Perusahaan dan External
Pressure dalam Mendeteksi Fraudulent Financial Reporting (Studi Empiris
pada Perusahaan Farmasi yang Listing di BEI Periode 2012-2016). E-Journal
S1 Ak Universitas Pendidikan Ganesha, 8(2), 1–12.
Dewi, R. K. 2019. Sederet Kasus yang Menjerat Maskapai Garuda Indonesia di
2019. https://www.kompas.com/tren/read/2019/12/05/192430765/sederet-
kasus-yang-menjerat-maskapai-garuda-indonesia-di-2019?page=2
Edi, & Victoria, E. 2018. Pembuktian Fraud Triangle Theory Pada Financial Report
Quality. Jurnal Benefita, 3(3), 380–395.
https://doi.org/10.22216/jbe.v3i3.3247
Eisenhardt, K. M. 1989. Agency Theory: An Assessment and Review. Acedemy of
Management Review, 14(1), 57–74.
Emalia, D., Midiastuty, P. P., Suranta, E., & Indriani, R. 2020. Dampak dari Auditor
Quality, Financial Stability, dan Financial Target Terhadap Fraudulent
Financial Reporting. Studi Ilmu Manajemen Dan Organisasi, 1(1), 1–11.
https://doi.org/10.35912/simo.v1i1.21
Fabiolla, R. G., Andriyanto, W. A., & Julianto, W. 2021. Pengaruh Fraud Pentagon
Terhadap Fraudulent Financial Reporting. Konferensi Riset Nasional
Ekonomi, Manajemen, Dan Akuntansi, 2, 981–995.
Faradiza, S. A. 2019. Fraud Pentagon dan Kecurangan Laporan Keuangan. EkBis:
Jurnal Ekonomi Dan Bisnis, 2(1), 1.
https://doi.org/10.14421/ekbis.2018.2.1.1060
Ghozali, I. 2013. Aplikasi Analisis Multivariate dengan Program IBM SPSS 21 (7th

75
 ed.). Semarang: Badan Penerbit Universitas Diponegoro.
Ghozali, I. 2018. Aplikasi Analisis Multivariate dengan Program IBM SPSS 25 (9th
ed.). Semarang: Badan Penerbit Universitas Diponegoro.
Handoko, B. L., & Soepriyanto, G. 2018. Merunut Kasus SNP Finance & Auditor
Deloitte Indonesia. https://accounting.binus.ac.id/2018/12/03/merunut-kasus-
snp-finance-auditor-deloitte-indonesia-1/
Hanifa, S. I., & Laksito, H. 2015. Pengaruh Fraud Indicators Terhadap Fraudulent
Financial Statement: Studi Empiris Pada Perusahaan yang Listed di Bursa
Efek Indonesia (BEI) Tahun 2008-2013. Diponegoro Journal of Accounting,
4(4), 1–15.
Haqq, A. P. N. A., & Budiwitjaksono, G. S. 2020. Fraud Pentagon for Detecting
Financial Statement Fraud. Journal Od Economics, and Accountancy Ventura,
22(3), 319–332. https://doi.org/10.1016/j.dss.2020.113421
Hardiansyah, M. F. 2020. Analisis Pengaruh Fraud Triangle Terhadap
Kecurangan Laporan Keuangan. Universitas Teknologi Yogyakarta.
Herviana, E. 2017. Fraudulent Financial Reporting : Pengujian Teori Fraud
Pentagon Pada Badan Usaha Milik Negara (BUMN) yang Terdaftar di Bursa
Efek Indonesia (BEI) Periode 2012-2016. Universitas Islam Negeri (UIN)
Syarif Hidayatullah Jakarta.
Hidayah, E., & Saptarini, G. D. 2019. Pentagon Fraud Analysis in Detecting
Potential Financial Statement Fraud of Banking Companies in Indonesia.
International Conference on Acoounting, Business, & Economics, 89–102.
Hoshibikari, S. B. Y., & Sukarno, A. 2020. Pengaruh Fraud Triangle Terhadap
Kecurangan Laporan Keuangan pada Perusahaan Sub Sektor Properti dan Real
Estate yang Terdaftar di Bursa Efek Indonesia (BEI) Periode 2015-2018.
Jurnal Ekonomi Universitas Gunadarma, 1–16.
Jensen, M. C., & Meckeling, W. H. 1976. Theory Of The Firm: Managerial
Behavior, Agency Costs and Ownership Structure. Journal of Financial
Economics 3, 305–360.
Kayoi, S. A. 2019. Faktor-Faktor yang Mempengaruhi Financial Statement Fraud
Ditinjau dari Fraud Triangle pada Perusahaan Manufaktur di Bursa Efek
Indonesia Periode 2015-2017. Diponegoro Journal of Accounting, 8(4), 1–13.
Lennox, C., & Pittman, J. 2010. Auditing The Auditors: Evidence on The Recent
Reforms to The External Monitoring of Audit Firms. Journal of Accounting
and Economics, 49(1–2), 84–103.
https://doi.org/10.1016/j.jacceco.2009.04.002
Marks, J. 2012. The Mind Behind the Fraudsters Crime: Key Behavioral and
Environmental Elements. Horwath, Crowe, 94(8), 14.
Martantya, & Daljono. 2013. Pendeteksian Kecurangan Laporan Keuangan Melalui

76
 Faktor Risiko Tekanan dan Peluang. Diponegoro Journal of Accounting, 2(2),
1–12.
Mohamed, N., Zakaria, N. B., & Mohammed, N. F. 2021. The Influencing Factors
of Employee Fraud in Malaysia Financial Instution: The Application of the
Fraud Pentagon Theory. Academy of Strategic Management Journal, 20(6).
Nugraheni, N. K., & Triatmoko, H. 2017. Analisis Faktor-Faktor yang
Mempengaruhi Terjadinya Financial Statement Fraud: Perspektif Diamond
Fraud Theory. Jurnal Akuntansi Dan Auditing Volume, 14(2), 118–143.
Oman, R., & Tanjung, H. 2019. Identifikasi Kecurangan Laporan Keuangan
Dengan Fraud Pentagon Studi Empiris BUMN Terdaftar di Bursa Efek
Indonesia. Jurnal Ekonomi, Bisnis Dan Akuntansi, 21(4).
Pasaribu, R. B. F., & Kharisma, A. 2018. Fraud Laporan Keuangan dalam
Perspektif Fraud Triangle. Jurnal Riset Akuntansi & Keuangan, 14(1), 53–65.
Peraturan Otoritas Jasa Keuangan Nomor 33/ POJK. 04/2014 Tentang Direksi dan
Dewan Komisaris Emiten atau Perusahaan Publik, Otoritas Jasa Keuangan 1
2014.
Peraturan Pemerintah Republik Indonesia Nomor 20 Tahun 2015 Tentang Praktik
Akuntan Publik, 2015.
Putriasih, K., Herawati, N. N. T., & Wahyuni, M. A. 2016. Analisis Fraud Diamond
dalam Mendeteksi Financial Statement Fraud: Studi Empiris Pada Perusahaan
Manufaktur yang Terdaftar di Bursa Efek Indonesia (BEI) Tahun 2016-2018.
E-Journal Ak Universitas Pendidikan Ganesha, 6(3).
https://doi.org/10.25105/semnas.v0i0.5780
Quraini, F., & Rimawati, Y. 2018. Determinan Fraudulent Financial Reporting
Using Fraud Pentagon Analysis. Journal of Auditing, Finance, and Forensic
Accounting, 6(2), 105–114. https://doi.org/10.21107/jaffa.v6i2.4938
Rachmania, A. 2017. Analisis Pengaruh Fraud Triangle Terhadap Kecurangan
Laporan Keuangan Pada Perusahaan Makanan dan Minuman yang Terdaftar
di Bursa Efek Indonesia Periode 2013-2015. Jurnal Online Mahasiswa.
Rahmadani, L. V. 2020. Pendeteksian Fraudulent Financial Statement melalui
Analisis Fraud Diamond dengan Peran GCG sebagai Moderating.
Universitas Negeri Semarang.
Rahmayuni, S. 2018. Analisis Pengaruh Fraud Diamond Terhadap Kecurangan
Laporan Keuangan (Studi Empiris pada Perusahaan Manufaktur yang
Terdaftar di BEI Tahun 2013-2016). Journal Akuntansi Universitas Negeri
Padang, 1–20.
Santoso, S. H. 2019. Fenomena Kecurangan Laporan Keuangan pada Perusahaan
Terbuka di Indonesia. Jurnal Magister Akuntansi Trisakti, 6(2), 173–200.
Sasongko, N., & Wijayantika, S. F. 2019. Faktor Resiko Fraud Terhadap

77
 Pelaksanaan Fraudulent Financial Reporting (Berdasarkan Pendekatan
Crown’S Fraud Pentagon Theory). Riset Akuntansi Dan Keuangan Indonesia,
4(1), 67–76. https://doi.org/10.23917/reaksi.v4i1.7809
Septriyani, Y., & Handayani, D. 2018. Mendeteksi Kecurangan Laporan Keuangan
dengan Analisis Fraud Pentagon. Jurnal Akuntansi, Keuangan Dan Bisnis,
11(1), 11–23. http://jurnal.pcr.ac.id
Setiawati, E., & Baningrum, R. M. 2018. Deteksi Fraudulent Financial Reporting
Menggunakan Analisis Fraud Pentagon: Studi Kasus Pada Perusahaan
Manufaktur yang Listed di BEI Tahun 2014-2016. Riset Akuntansi Dan
Keuangan Indonesia, 3(2), 91–106. https://doi.org/10.23917/reaksi.v3i2.6645
Siddiq, F. R., & Hadinata, S. 2016. Fraud Diamond dalam Financial Statement
Fraud. Jurnal Bisnis Dan Manajemen Islam, 99–114.
https://doi.org/10.21043/bisnis.v4i2.2692
Sihombing, K. S. 2014. Analisis Fraud Diamond dalam Mendeteksi Financial
Statement Fraud: Studi Empiris pada Perusahaan Manufaktur yang Terdaftar
di Bursa Efek Indonesia (BEI) Tahun 2016-2018 [Universitas Diponegoro].
https://doi.org/10.25105/semnas.v0i0.5780
Skousen, C. J., Smith, K. R., & Wright, C. J. 2009. Detecting and Predicting
Financial Statement Fraud: The Effectiveness of The Fraud Triangle and SAS
No. 99. Advances in Financial Eonomics: Corporate Governance and
PerformancelSt Edition, JAI Publishing, Emerald Group, 13.
Sugiyono. 2010. Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif,
dan R&D. Alfabeta.
Tessa, C., & Harto, P. 2016. Fraudulent Financial Reporting: Pengujian Teori Fraud
Pentagon pada Sektor Keuangan dan Perbankan di Indonesia. Simposium
Nasional Akuntansi XIX, 1–21.
Tiffani, L., & Marfuah. 2015. Deteksi Financial Statement Fraud dengan Analisis
Fraud Triangle pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek
Indonesia. JAAI, 19(2), 112–125.
Tuanakotta, T. M. 2013. Mendeteksi Manipulasi Laporan Keuangan. Jakarta:
Salemba Empat.
Ulfah, M., Nuraina, E., & Wijaya, A. L. 2017. Pengaruh Fraud Pentagon dalam
Mendeteksi Fraudulent Financial Reporting (Studi Empiris Pada Perbankan di
Indonesia yang Terdaftar di BEI. Forum Ilmiah Pendidikan Akuntansi, 5(1),
399–418.
Utomo, L. P. 2018. Kecurangan dalam Laporan Keuangan “Menguji Teori Fraud
Triangle.” Jurnal Akuntansi Dan Pajak, 19(1), 77.
https://doi.org/10.29040/jap.v19i1.241
Vidella, A., & Afiah, E. T. 2020. Financial Stability, Financial Targets, Effective

78
 Monitoring Dan Rationalization dan Kecurangan Laporan Keuangan. Jurnal
Revenue, 1(1), 90–100.
Vivianita, A., & Indudewi, D. 2018. Financial Statement Fraud pada Perusahaan
Pertambangan yang Dipengaruhi oleh Fraud Pentagon Theory (Studi Kasus di
Perusahaan Tambang yang Terdaftar Di BEI Tahun 2014-2016). Jurnal
Dinamika Sosial Budaya, 20(1), 1–15.
https://doi.org/10.26623/jdsb.v20i1.1229
Vousinas, G. L. 2019. Advancing Theory of Fraud: The S.C.O.R.E Model. Journal
of Financial Crime.
Wahyuni, & Budiwitjaksono, G. S. 2017. Fraud Triangle Sebagai Pendeteksi
Kecurangan Laporan Keuangan. Jurnal Akuntansi, 21(1), 47.
https://doi.org/10.24912/ja.v21i1.133
Wicaksana, E. A., & Suryandari, D. 2019. Pendeteksian Kecurangan Laporan
Keuangan pada Perusahaan Pertambangan di Bursa Efek Indonesia. Jurnal
RAK (Riset Akuntansi Keuangan), 4(1), 44–56.
Widarti. 2015. Pengaruh Fraud Triangle Terhadap Deteksi Kecurangan Laporan
Keuangan pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek
Indonesia (BEI). Jurnal Manajemen Dan Bisnis Sriwijaya, 13(2).
Wolfe, D. T., & Hermanson, D. R. 2004. The Fraud Diamond: Considering The
Four Elements of Fraud. The CPA Journal, 74(12), 38–42.
Yesiariani, M., & Rahayu, I. 2016. Analisis Fraud Diamond dalam Mendeteksi
Financial Statement Fraud : Studi Empiris pada Perusahaan Manufaktur yang
Terdaftar di Bursa Efek Indonesia (BEI) Tahun 2010-2014. Simposium
Nasional Akuntansi XIX.
Yulianti, Pratama, S. R., Widowati, Y. S., & Prapti, L. 2019. Influence of Fraud
Pentagon Toward Fraudulent Financial Reporting in Indonesia an Empirical
Study on Financial Sector Listed in Indonesian Stock Exchange. International
Journal of Scientific & Technology Research, 8(8), 237–242.
Zelin, C. 2018. Analisis Fraud Pentagon dalam Mendeteksi Kecurangan Laporan
Keuangan Dengan Menggunakan Fraud Score Model. Universitas Islam
Indonesia.

79
 LAMPIRAN

Lampiran 1: Daftar Perusahaan Sampel

No KODE Nama Perusahaan
1 ADES Akasha Wira International Tbk
2 AGII Aneka Gas Industri Tbk
3 AISA Tiga Pilar Sejahtera Food Tbk
4 AKPI Argha Karya Prima Industry Tbk
5 ALDO Alkindo Naratama Tbk
6 ALKA Alaska Industrindo Tbk
7 ALMI Aneka Gas Industri Tbk
8 ALTO Tri Banyan Tirta Tbk
9 AMFG Asahimas Flat Glass Tbk
10 AMIN Ateliers Mecaniques D’Indonesie Tbk
11 APLI Asiaplast Industries Tbk
12 ARNA Arwana Citra Mulia Tbk
13 ASII Astra International Tbk
14 AUTO Astra Otoparts Tbk
15 BAJA Saranacentral Bajatama Tbk
16 BATA Sepatu Bata Tb
17 BIMA Primarindo Asia Infrastructure Tbk
18 BOLT Garuda Metalindo Tb
19 BTEK Bumi Teknokultura Unggul Tbk
20 BTON Beton Jaya Manunggal Tbk
21 BUDI Budi Starch & Sweetener Tbk
22 CEKA Wilmar Cahaya Indonesia Tbk
23 CINT Chitose Internatonal Tbk
24 CPIN Charoen Pokphand Indonesia Tbk
25 DLTA Delta Djakarta Tbk
26 DPNS Duta Pertiwi Nusantara Tbk
27 DVLA Darya Varia Laboratoria Tbk
28 EKAD Ekadharma International Tbk
29 ETWA Eterindo Wahanatama Tbk
30 FASW Fajar Surya Wisesa Tbk
31 GDST Gunawan Dianjaya Steel Tbk
32 GGRM Gudang Garam Tbk
33 GJTL Gajah Tunggal Tbk
34 HDTX Panasia Indo Resources Tbk
35 HMSP Handjaya Mandala Sampoerna Tbk
36 ICBP Indofood CBP Sukses Makmur Tbk
37 IGAR Champion Pasific Indonesia Tb
38 IIKP Inti Agri Resources Tbk
39 IKAI Inti Keramik Alam Asri Industri Tbk
40 IMAS Indomobil Sukses International Tbk
41 IMPC Impack Pratama Industri Tbk
42 INAF Indofarma (Persero) Tbk
43 INAI Indal Aluminium Industry Tbk
44 INCF Indo Komoditi Korpora Tbk.
45 INCI Intan Wijaya International Tbk
46 INDF Indofood Sukses Makmur Tbk
47 INDS Indospring Tbk
48 INTP Indocement Tunggal Prakasa Tbk
49 ISSP Steel Pipe Industry of Indonesia Tbk
50 JECC Jembo Cable Company Tbk
51 JKSW Jakarta Kyoei Steel Work LTD Tbk
52 JPFA Japfa Comfeed Indonesia Tbk
53 KAEF Kimia Farma (Persero) Tbk
54 KBLI KMI Wire and Cable Tbk
55 KBLM Kabelindo Murni Tbk
56 KDSI Kedawung Setia Industrial Tbk
57 KIAS Keramika Indonesia Assosiasi Tbk
58 KICI Kedaung Indah Can Tbk
59 KINO Kino Indonesia Tbk
60 KLBF Kalbe Farma Tbk
61 LION Lion Metal Works Tb
62 LMPI Langgeng Makmur Industry Tbk
63 LMSH Lionmesh Prima Tbk
64 LPIN Multi Prima Sejahtera Tbk
65 MAIN Malindo Feedmill Tbk
66 MBTO Martina Berto Tbk
67 MDKI Emdeki Utama Tbk
68 MERK Merck Indonesia Tbk
69 MGNA Magna Investama Mandiri Tbk.
70 MLBI Multi Bintang Indonesia Tbk
71 MLIA Mulia Industrindo Tbk
72 MRAT Mustika Ratu Tbk
73 MYOR Mayora Indah Tbk
74 MYTX Asia Pacific Investama Tbk
75 PICO Pelangi Indah Canindo Tbk
76 PRAS Prima alloy steel Universal Tbk
77 PSDN Prashida Aneka Niaga Tbk
78 PYFA Pyridam Farma Tbk
 79 RICY Ricky Putra Globalindo Tbk
80 RMBA Bentoel International Investama Tbk
81 ROTI Nippon Indosari Corporindo Tbk
82 SCCO Supreme Cable Manufacturing and Commerce Tbk
83 SIDO Industri Jamu & Farmasi Sido Muncul Tbk
84 SIPD Siearad Produce Tbk
85 SKBM Sekar Bumi Tbk
86 SKLT Sekar Laut Tbk
87 SMBR Semen Baturaja (Persero) Tbk
88 SMCB Solusi Bangun Indonesia Tbk
89 SMGR Semen Indonesia (persero) Tbk
90 SMSM Selamat Sempurna Tbk
91 SPMA Suparma Tbk.
92 SRSN Indo Acitama Tbk
93 SSTM Sunson Textile Manufacturer Tbk
94 STAR Star Petrochem Tbk
95 STTP Siantar Top Tbk
96 TALF Tunas Alfin Tbk
97 TCID Mandom Indonesia Tbk
98 TIRT Tirta Mahakam Resources Tbk
99 TOTO Surya Toto Indonesia Tbk
100 TRIS Trisula International Tbk
101 TRST Trias Sentosa Tbk
102 TSPC Tempo Scan Pasific Tbk
103 ULTJ Ultrajaya Milk Industry and Trading Company Tbk
104 UNIT Nusantara Inti Corpora Tbk
105 UNVR Unilever Indonesia Tbk
106 VOKS Voksel Electric Tbk
107 WIIM Wismilak Inti Makmur Tbk
108 WSBP Waskita Beton Precast Tbk
109 WTON Wijaya Karya Beton Tbk
110 YPAS Yana Prima Hasta Persada Tbk
 Lampiran 2: Data Variabel Dependen dan Independen

Kode Tahun Fraud Score ACHANGE LEV ROA BDOUT CPA DIRCHANGE KAP CEOPIC
ADES 2017 0,18323251 0,094799988 49,65569197 0,045513403 0,333333333 0 0 0 0
ADES 2018 0,310064214 0,04884223 45,31627472 0,06009248 0,333333333 0 0 0 1
ADES 2019 0,482710012 -0,066834983 30,93941328 0,102003344 0,333333333 0 0 0 1
AGII 2017 0,423355398 0,095049149 46,40563825 0,01524125 0,333333333 0 0 0 4
AGII 2018 0,248997273 0,038137013 52,64879647 0,017204906 0,333333333 1 1 0 2
AGII 2019 0,181555719 0,056143014 53,00422448 0,014731704 0,333333333 0 0 0 2
AISA 2017 -0,934244352 -0,785841304 268,9204012 -2,646606355 0,4 0 0 0 5
AISA 2018 -3,761021069 -0,083521196 289,9873707 -0,067998564 0,333333333 0 1 0 2
AISA 2019 0,007211561 0,028936262 188,7042889 0,607167814 0,5 0 0 0 2
AKPI 2017 -0,068254891 0,049472911 58,96252177 0,004856972 0,333333333 0 0 1 0
AKPI 2018 0,048564389 0,118413871 59,81534859 0,020917813 0,333333333 0 0 1 1
AKPI 2019 0,095594926 -0,095633707 55,16541844 0,019574958 0,333333333 0 0 1 2
ALDO 2017 0,07855556 0,215365575 53,99597736 0,058221975 0,333333333 0 0 0 6
ALDO 2018 0,262993231 0,054998129 48,3795695 0,080790548 0,333333333 0 0 0 6
ALDO 2019 0,684515616 0,758340436 42,34158741 0,084769766 0,333333333 0 0 0 7
ALKA 2017 -0,442041841 1,234015964 87,38866991 0,050477774 0,5 0 0 0 1
ALKA 2018 -0,466255212 1,126309927 84,47821199 0,035353804 0,5 1 0 0 1
ALKA 2019 -0,876550605 -0,068021321 82,67392554 0,012160089 0,5 1 0 0 1
ALMI 2017 -0,597771156 0,103691748 84,05614317 0,003554484 0,5 0 0 0 2
ALMI 2018 0,139894911 0,170596072 88,23724157 0,002352775 0,5 0 0 0 2
ALMI 2019 -0,541442778 -0,379634581 99,87308535 -0,173157342 0,333333333 0 1 0 2
ALTO 2017 1,241098337 -0,047815609 62,20562045 -0,030645444 0,5 0 0 0 1
ALTO 2018 0,126316671 0,00041424 65,11880551 -0,029753042 0,5 0 0 0 1
ALTO 2019 0,428644356 -0,005760664 65,49635293 -0,006599564 0,5 1 0 0 1
AMFG 2017 0,4164396 0,138590599 43,37936851 0,006153499 0,333333333 0 0 1 5
AMFG 2018 0,344325661 0,345386016 57,34823955 0,000782199 0,333333333 0 0 1 3
AMFG 2019 -0,365134303 0,036337765 60,96910936 -0,015130126 0,333333333 0 1 1 3
AMIN 2017 1,260959121 0,268766619 40,04167368 0,127754281 0,5 0 0 0 4
AMIN 2018 0,5647913 0,429601586 49,53302841 0,108290938 0,5 0 0 0 3
AMIN 2019 -0,229197985 0,121405052 52,06518248 0,079936734 0,5 0 0 0 4
APLI 2017 0,251937726 0,042453921 43,01863741 -0,00333442 0,333333333 0 0 1 2
APLI 2018 -0,022516771 0,262049258 59,42090475 -0,046696586 0,5 0 0 1 2
APLI 2019 0,516701393 -0,166766141 49,25850973 0,022870242 0,5 0 0 1 2
ARNA 2017 -0,539177664 0,037668537 35,71661857 0,076300708 0,25 0 0 1 14
ARNA 2018 0,537863991 0,03219726 33,65645484 0,095714941 0,25 0 0 1 10
ARNA 2019 0,203446951 0,088469087 34,59187837 0,120988691 0,25 0 0 1 12
ASII 2017 0,724746305 0,1290447 47,12291051 0,078353842 0,333333333 0 0 1 4
ASII 2018 0,273245346 0,165958613 49,4176281 0,067801724 0,3 0 0 1 4
ASII 2019 0,23883315 0,021023408 46,93599805 0,075636866 0,3 0 0 1 5
AUTO 2017 0,493805557 0,00999126 27,11793257 0,037106729 0,375 0 0 1 4
AUTO 2018 0,626022487 0,076366035 26,40514126 0,042845568 0,375 0 0 1 4
AUTO 2019 0,531297128 0,00793353 25,4482396 0,05329199 0,375 0 0 1 4
BAJA 2017 -0,085873629 -0,036817651 81,82509349 -0,024285263 0,333333333 0 0 0 2
BAJA 2018 -0,926285484 -0,047828406 91,50877781 -0,107298862 0,333333333 0 0 0 2
BAJA 2019 -0,784403045 -0,071362984 91,13516734 0,001329935 0,333333333 0 0 0 2
BATA 2017 0,609205829 0,06331005 32,29932632 0,062702963 0,75 0 0 0 3
BATA 2018 0,565350683 0,024734382 27,3760805 0,077486896 0,666666667 0 0 0 1
BATA 2019 0,536073094 -0,015635027 24,31744957 0,027158005 0,75 0 0 0 3
BIMA 2017 -1,850446926 -0,029486181 194,7496973 0,122043392 0,666666667 0 0 0 1
BIMA 2018 -1,384330899 0,099222848 182,3374236 0,170671593 0,666666667 0 0 0 1
BIMA 2019 -0,097718484 1,510797054 73,84248494 0,026665909 0,666666667 1 0 0 1
BOLT 2017 0,490079582 -0,014336225 39,37774026 0,078419707 0,333333333 0 0 0 4
BOLT 2018 0,381375072 0,103952161 43,76345557 0,057710627 0,333333333 0 0 0 3
BOLT 2019 0,3555465 -0,03540497 39,88305459 0,040676281 0,333333333 0 0 0 4
BTEK 2017 0,424158736 0,087369858 62,54054346 -0,00807451 0,333333333 0 0 0 2
BTEK 2018 1,918810348 -0,026539235 56,2357177 0,014714085 0,333333333 1 0 0 3
BTEK 2019 0,230798154 -0,036782118 56,93449121 -0,016852185 0,333333333 0 0 0 3
BTON 2017 0,93021255 0,035032994 15,72886023 0,061966348 0,5 0 0 0 3
BTON 2018 0,842859297 0,184528638 15,73760823 0,127955159 0,5 1 0 0 3
BTON 2019 0,91143084 0,06071947 20,09316518 0,005931668 0,5 0 0 0 3
BUDI 2017 -0,136756046 0,002608971 59,35642513 0,015544033 0,333333333 0 0 0 2
BUDI 2018 -0,175418902 0,154288413 63,85230682 0,014873946 0,333333333 0 0 0 2
BUDI 2019 -0,20824203 -0,115890161 57,15273886 0,021341991 0,333333333 0 0 0 2
CEKA 2017 0,142650324 -0,023372052 35,15578379 0,07713491 0,5 0 0 1 4
CEKA 2018 0,397473505 -0,160616507 16,45130012 0,079258461 0,5 0 0 1 3
CEKA 2019 0,448909945 0,191729621 18,79180889 0,154663961 0,5 0 0 1 2
CINT 2017 1,120405523 -0,162074709 23,61518463 0,074243781 0,5 0 0 0 4
CINT 2018 0,636005434 0,230495783 20,90093857 0,027583736 0,5 0 0 0 3
CINT 2019 0,572850765 0,061279712 25,277843 0,013846888 0,5 0 0 0 5
CPIN 2017 0,70736408 0,012886001 35,96588664 0,101815783 0,333333333 0 0 1 1
CPIN 2018 0,604130911 0,126885089 29,85678701 0,164639739 0,333333333 0 0 1 1
CPIN 2019 0,514940201 0,061780275 28,2132301 0,123740978 0,333333333 0 0 1 1
DLTA 2017 0,907947191 0,119424374 14,63239219 0,20865432 0,4 0 0 1 2
DLTA 2018 0,771185339 0,136238498 15,71057817 0,221940384 0,4 0 0 1 3
DLTA 2019 0,475324234 -0,064018608 14,89641058 0,222874337 0,4 1 0 0 2
DPNS 2017 0,499674998 0,041743918 13,17891403 0,019330926 0,333333333 0 0 0 1
DPNS 2018 1,063167701 0,044389725 13,80461895 0,029114133 0,333333333 0 0 0 2
DPNS 2019 0,868116358 -0,012550628 11,32821865 0,012377155 0,5 0 0 0 2
DVLA 2017 1,030849469 0,071518253 31,96968168 0,098879068 0,428571429 0 0 1 4
DVLA 2018 0,507084947 0,025556674 28,67563835 0,119235427 0,428571429 0 0 1 4
DVLA 2019 0,599937873 0,087435865 28,6280313 0,109648238 0,428571429 0 0 1 4
EKAD 2017 0,807232448 0,134174886 16,81166666 0,095630974 0,5 0 0 0 0
EKAD 2018 0,839796551 0,070911273 15,08143226 0,086778404 0,5 0 0 0 0
EKAD 2019 0,867977241 0,134737232 11,94863607 0,079941982 0,5 1 0 0 0
ETWA 2017 -2,488903046 -0,038282542 110,8835648 -0,11441202 0,75 0 0 0 3
ETWA 2018 4,932258225 -0,02145224 123,7314349 -0,127012783 0,5 0 0 0 3
ETWA 2019 -1,165211089 0,030410164 130,7851011 -0,096256399 0,5 1 0 0 2
FASW 2017 0,002746248 0,091651803 64,90549037 0,063593925 0,4 0 0 1 1
FASW 2018 0,221711368 0,170250305 60,89110012 0,128167128 0,333333333 0 0 1 2
FASW 2019 0,265232268 -0,019436704 56,35601839 0,090107331 0,375 0 1 1 2
GDST 2017 0,723695198 0,023333827 34,31941321 -0,004244202 0,5 0 0 0 2
GDST 2018 0,480466502 0,050434592 33,72277914 -0,064946624 0,333333333 0 0 0 2
GDST 2019 0,116366362 0,300856512 47,83338966 -0,015243802 0,333333333 0 0 0 2
GGRM 2017 0,34580927 0,060495586 36,80690798 0,116167692 0,5 0 0 1 2
GGRM 2018 0,758769165 0,035014946 34,68147394 0,112784105 0,5 0 0 1 1
GGRM 2019 0,494257415 0,138211858 35,24154696 0,138348139 0,5 0 0 1 1
GJTL 2017 0,137456016 -0,027094288 68,72403411 0,002475266 0,222222222 0 1 1 2
GJTL 2018 0,049788227 0,083573596 70,19081979 -0,003782416 0,2 0 0 1 4
GJTL 2019 -0,028110921 -0,043396188 66,93038716 0,014271634 0,285714286 1 0 1 4
HDTX 2017 -1,214193457 -0,149358377 91,73412519 -0,101661009 0,333333333 0 0 0 1
HDTX 2018 -1,299312138 -0,854540743 76,80524631 -0,458829787 0,333333333 0 0 0 1
HDTX 2019 -55,97462416 -0,277966096 59,61286309 -0,154966277 0,333333333 0 0 0 1
HMSP 2017 0,909736052 0,014886183 20,92687888 0,293700088 0,4 0 0 1 4
HMSP 2018 0,597990955 0,080233466 24,12786074 0,290508905 0,333333333 0 0 1 5
HMSP 2019 0,475607781 0,092278169 29,90616274 0,269562998 0,428571429 0 0 1 5
ICBP 2017 0,427993577 0,094027088 35,72219358 0,112056529 0,5 0 0 1 5
ICBP 2018 0,576091977 0,08689694 33,92775363 0,135559119 0,5 0 0 1 4
ICBP 2019 0,673343993 0,126346253 31,09900113 0,138468716 0,5 0 0 1 4
IGAR 2017 0,720780973 0,167378075 13,85432993 0,141078939 0,333333333 0 0 1 4
IGAR 2018 0,727118859 0,111447761 15,30759426 0,108292173 0,333333333 0 0 1 5
IGAR 2019 0,765844391 0,083123732 13,06186705 0,135257696 0,333333333 0 0 1 6
IIKP 2017 2,788262091 -0,139775507 7,975345867 -0,04144428 0,333333333 0 0 0 0
IIKP 2018 0,975511574 -0,050438488 7,966337136 -0,05392347 0,333333333 1 0 0 1
 IIKP 2019 0,73589052 0,289813044 6,512638215 0,222492431 0,333333333 1 0 0 1
IKAI 2017 0,329874873 -0,132828624 145,8727173 -0,189613773 0,5 0 0 0 1
IKAI 2018 -0,207473092 4,8175353 40,60417353 -0,053315996 0,333333333 0 0 0 7
IKAI 2019 2,471950981 0,015345351 32,4841983 -0,052828997 0,333333333 0 0 0 6
IMAS 2017 -0,238374382 0,224003916 70,41861272 -0,00204928 0,428571429 0 0 1 3
IMAS 2018 -0,220735156 0,308172241 75,14819786 0,002745993 0,428571429 0 0 1 3
IMAS 2019 -0,316397123 0,089034294 78,95208251 0,00348625 0,5 0 0 1 3
IMPC 2017 0,189599719 0,008191923 43,82564518 0,039789257 0,5 0 0 0 3
IMPC 2018 0,65566548 0,032911742 42,10513815 0,04452113 0,5 0 0 0 4
IMPC 2019 0,337732152 0,055241796 43,69400133 0,037241204 0,5 0 0 0 4
INAF 2017 0,184635705 -0,129168424 49,71104262 -0,038469013 0,333333333 0 0 0 5
INAF 2018 -0,520489654 0,198792108 65,56684228 -0,022696619 0,333333333 0 0 0 3
INAF 2019 -0,128335778 -0,040500149 63,51452517 0,005753135 0,333333333 1 1 0 3
INAI 2017 -0,70152127 -0,09343752 77,14796195 0,031840496 0,5 0 0 0 2
INAI 2018 -0,486903017 0,153854937 78,30459844 0,028888138 0,333333333 0 0 0 2
INAI 2019 -0,109889456 -0,134069675 73,67714744 0,027667796 0,333333333 0 0 0 2
INCF 2017 -0,288354083 0,321950856 75,41031083 0,006558932 0,5 0 0 0 1
INCF 2018 -0,874266144 -0,078092548 72,00278239 0,008360511 0,5 0 0 0 1
INCF 2019 -0,471264008 -0,125213616 68,34415737 -0,009030409 0,5 0 0 0 1
INCI 2017 0,943626649 0,127851615 11,65566767 0,054492774 0,333333333 0 0 0 2
INCI 2018 0,987992055 0,288274043 18,24657243 0,042609257 0,333333333 1 0 0 3
INCI 2019 0,494511487 0,035982866 16,1114949 0,034065619 0,333333333 0 0 0 3
INDF 2017 0,054772661 0,068939143 46,71685667 0,058201493 0,375 0 0 1 4
INDF 2018 0,258033875 0,092045682 48,29299811 0,051398014 0,375 0 0 1 5
INDF 2019 0,344581356 -0,003514033 43,65561339 0,061359848 0,375 0 0 1 3
INDS 2017 0,850911727 -0,0172186 11,90324306 0,046676551 0,333333333 0 0 0 1
INDS 2018 0,809010149 0,019600711 11,60622696 0,044589779 0,333333333 0 0 0 1
INDS 2019 1,093039823 0,141836138 9,248289231 0,03579761 0,333333333 0 0 0 1
INTP 2017 0,619898161 -0,042671816 14,92170177 0,064433828 0,285714286 0 0 1 2
INTP 2018 0,564946736 -0,0372588 16,43472231 0,041237722 0,333333333 0 0 1 2
INTP 2019 0,758501512 -0,002908139 16,70106078 0,066237968 0,333333333 0 0 1 3
ISSP 2017 0,132523831 0,037663211 54,68534692 0,001377173 0,2 0 0 0 2
ISSP 2018 0,336715414 0,035841748 55,10648946 0,007505463 0,2 0 0 0 6
ISSP 2019 0,027445405 -0,010711772 51,7680345 0,028904008 0,2 0 0 0 6
JECC 2017 0,748554556 0,214700419 71,60966594 0,043234442 0,666666667 0 0 0 1
JECC 2018 -0,004545357 0,090333045 66,31580861 0,042066 0,5 0 0 0 1
JECC 2019 -0,313908729 -0,101511634 59,96663488 0,054278046 0,5 0 0 0 1
JKSW 2017 -22,46577025 -0,076458316 276,6869872 -0,015558237 0,5 0 0 0 1
JKSW 2018 -71,40307016 -0,244411017 35,93281393 -0,254880609 0,5 0 1 0 1
JKSW 2019 -4,014107707 -0,052474072 374,4477387 -0,007702568 0,5 0 0 0 1
JPFA 2017 0,129682078 0,09547408 53,54924368 0,052530229 0,5 0 0 1 3
JPFA 2018 0,290326853 0,092419176 55,66109651 0,097803553 0,5 0 0 1 2
JPFA 2019 0,130422997 0,093192916 54,54372083 0,074800728 0,5 0 0 1 2
KAEF 2017 0,183071411 0,321640394 57,80088763 0,054412699 0,4 0 0 0 3
KAEF 2018 0,703442254 0,858401249 53,87870625 0,047231091 0,4 0 0 0 3
KAEF 2019 -0,735038732 0,619977927 59,60891159 0,000865828 0,4 1 1 0 4
KBLI 2017 0,435134126 0,610411733 40,71372573 0,119111667 0,333333333 0 0 1 2
KBLI 2018 0,329667589 0,076668674 37,40855493 0,072623734 0,333333333 0 1 1 3
KBLI 2019 0,345555461 0,096046285 33,01061244 0,111051025 0,5 1 1 0 3
KBLM 2017 0,25777859 0,932742189 35,92703079 0,035617706 0,333333333 0 0 0 2
KBLM 2018 0,164558701 0,051133169 36,73000964 0,031328094 0,666666667 0 0 0 2
KBLM 2019 0,79837843 -0,010722093 33,94562819 0,030089649 0,666666667 0 0 0 2
KDSI 2017 -0,058698823 0,162849841 63,44629042 0,051920217 0,5 0 0 0 2
KDSI 2018 0,074172249 0,047523033 60,10029753 0,055168172 0,333333333 0 0 0 2
KDSI 2019 0,751173057 -0,099011374 51,48524621 0,051123426 0,333333333 0 0 0 4
KIAS 2017 0,652558361 -0,049506862 19,28448364 -0,048257981 0,333333333 0 0 1 2
KIAS 2018 0,695774356 -0,035742703 20,51057877 -0,04647109 0,333333333 0 1 1 2
KIAS 2019 0,406381879 -0,277362824 28,38295543 -0,40142455 0,333333333 0 0 1 1
KICI 2017 0,862657079 -0,064321201 41,42903161 0,056841179 0,333333333 0 0 0 2
KICI 2018 0,19213726 -0,030299019 39,77991027 -0,005847561 0,333333333 0 0 0 2
KICI 2019 0,763411947 0,008308856 42,48457984 -0,02058956 0,333333333 0 0 0 2
KINO 2017 0,251046895 -0,014281973 36,52168536 0,033881938 0,5 0 0 0 4
KINO 2018 0,396147336 0,109516157 39,12026285 0,041789862 0,5 0 0 0 3
KINO 2019 0,341395317 0,307224473 42,4404287 0,109801778 0,5 0 0 0 4
KLBF 2017 0,711404539 0,091306276 16,38281422 0,147641795 0,428571429 0 0 1 3
KLBF 2018 0,67861249 0,092076594 15,71464209 0,137618957 0,428571429 0 0 1 3
KLBF 2019 0,735931275 0,116747308 17,56324875 0,125222602 0,428571429 0 0 1 3
LION 2017 0,306313074 -0,005650299 33,67327782 0,013612592 0,333333333 0 0 0 2
LION 2018 0,492557782 0,020903193 31,74725745 0,02108565 0,333333333 0 0 0 2
LION 2019 0,441479755 -0,01174206 31,87682545 0,001346568 0,333333333 0 0 0 1
LMPI 2017 0,087845836 0,029842793 54,91497685 -0,037314264 0,5 0 0 0 1
LMPI 2018 0,31656917 -0,057328757 57,99050871 -0,058968379 0,5 0 0 0 1
LMPI 2019 0,676619114 -0,062364559 60,77754783 -0,056490248 0,5 0 0 0 1
LMSH 2017 1,109073658 -0,010226543 19,57086924 0,080459621 0,333333333 0 0 0 1
LMSH 2018 0,588143934 -0,007047026 17,0815075 0,018038971 0,333333333 0 0 0 1
LMSH 2019 0,048611117 -0,080840209 22,74459968 -0,12404302 0,333333333 0 0 0 1
LPIN 2017 0,319702556 -0,438897018 13,67117129 0,716023462 0,333333333 0 0 0 1
LPIN 2018 2,249856299 0,124870908 9,292563376 0,108608144 0,666666667 0 0 0 1
LPIN 2019 0,923484494 0,077321049 6,653229721 0,092080726 0,333333333 0 1 0 2
MAIN 2017 -0,061368912 0,064121232 58,22568185 0,011958592 0,6 0 0 1 2
MAIN 2018 0,710854933 0,064730484 54,06555483 0,065557444 0,6 0 1 1 3
MAIN 2019 0,17793581 0,072127261 36,65817535 0,032789628 0,6 0 0 1 3
MBTO 2017 0,193439757 0,099598113 47,12967727 -0,031627748 0,333333333 0 0 0 2
MBTO 2018 -0,128691942 -0,16992189 53,62778872 -0,17612354 0,333333333 0 0 0 2
MBTO 2019 0,349033106 -0,087888069 60,2122223 -0,113263373 0,333333333 0 0 0 2
MDKI 2017 0,703909855 1,614851993 12,10304674 0,054295862 0,4 0 0 0 4
MDKI 2018 1,276785174 0,053736753 9,0379787 0,036964548 0,4 1 0 0 3
MDKI 2019 0,454318738 0,010644757 9,677146986 0,03556958 0,4 0 0 0 2
MERK 2017 0,47059099 0,138549288 27,33970648 0,170810125 0,333333333 0 0 1 3
MERK 2018 -0,364395368 0,491267922 58,96803229 0,920997195 0,333333333 0 0 1 3
MERK 2019 -0,534424523 -0,286635088 34,07642022 0,086849612 0,5 0 0 1 3
MGNA 2017 16,68493294 -0,152579133 76,31222451 -0,072524386 0,5 0 0 0 3
MGNA 2018 0,282809109 -0,095347198 91,90310408 -0,180401216 0,5 0 0 0 4
MGNA 2019 14,85949472 -0,565532144 218,2956739 -1,369320259 0,5 0 0 0 2
MLBI 2017 -0,320881957 0,10331256 57,57482437 0,526703553 0,5 0 0 1 4
MLBI 2018 -0,22243412 0,151159844 59,59385375 0,42388184 0,5 0 0 1 4
MLBI 2019 -0,383603093 0,002577954 60,44091199 0,416320268 0,571428571 1 1 1 4
MLIA 2017 -0,133581917 -0,328460831 66,17695354 0,009164633 0,4 0 0 1 1
MLIA 2018 0,343820821 0,014853511 57,41860553 0,035921747 0,4 0 0 1 2
MLIA 2019 -0,244211124 0,0939214 56,01039006 0,022016513 0,4 0 0 1 2
MRAT 2017 0,585382387 0,029640048 26,26356579 -0,002580317 0,333333333 0 0 0 2
MRAT 2018 0,43760611 0,029221344 28,11432342 -0,004408147 0,333333333 0 0 0 3
MRAT 2019 0,398579705 0,040780743 30,80571267 0,000247458 0,4 0 1 0 2
MYOR 2017 0,148985745 0,154261172 50,69441926 0,109343675 0,4 0 0 0 1
MYOR 2018 0,455169341 0,179396861 51,43993269 0,100071831 0,4 0 0 0 1
MYOR 2019 0,314780879 0,082209897 47,99883172 0,107123275 0,4 0 0 0 1
MYTX 2017 -0,563926924 1,135343141 89,90715397 -0,082829368 0,25 0 0 0 3
MYTX 2018 0,254809036 0,083508229 93,62691024 -0,045425436 0,333333333 0 1 0 3
MYTX 2019 -0,689548959 -0,016360201 91,54215697 -0,065385259 0,333333333 1 0 0 3
PICO 2017 -0,348034848 0,127899229 61,1679225 0,028031691 0,333333333 0 0 0 1
PICO 2018 -0,089270191 0,184235362 64,87867471 0,018442737 0,333333333 0 0 0 1
PICO 2019 -0,350158389 0,322046156 73,24093971 0,004335419 0,333333333 0 0 0 1
PRAS 2017 -0,137569008 0,695798516 56,1414779 -0,002091932 0,333333333 1 0 0 2
PRAS 2018 0,067405267 0,060495821 57,92656146 0,003886881 0,333333333 1 0 0 2
PRAS 2019 -0,740366973 0,013196992 61,03347129 -0,026325146 0,333333333 1 0 0 2
PSDN 2017 0,205930721 0,056872634 56,65788026 0,046528945 0,333333333 0 0 1 3
PSDN 2018 -0,348460116 0,009663861 65,1838955 -0,066794141 0,333333333 0 0 1 3
PSDN 2019 -0,142348175 0,094365687 76,95281483 -0,033743069 0,333333333 0 0 1 3
PYFA 2017 0,61518914 -0,044886502 31,77906811 0,044668003 0,5 0 0 0 1
PYFA 2018 0,506134319 0,172302303 36,42180906 0,045159714 0,5 0 0 0 1
PYFA 2019 0,512752009 0,01993532 34,62525687 0,048969567 0,5 0 0 0 1
RICY 2017 -0,026733698 0,066549184 68,69533245 0,012047456 0,333333333 0 0 0 1
RICY 2018 -0,072017217 0,120162896 71,1023063 0,012003346 0,333333333 0 0 0 1
RICY 2019 -0,266405424 0,0521256 71,71003256 0,010629993 0,333333333 0 0 0 1
RMBA 2017 0,142403909 0,045479741 36,63785348 -0,034086673 0,5 0 0 1 2
RMBA 2018 0,11407325 0,056519009 43,78224425 -0,04089246 0,333333333 0 0 1 5
RMBA 2019 -0,012051382 0,142526853 50,57952993 0,002977119 0,333333333 1 0 0 2
ROTI 2017 0,258341219 0,561689924 38,14979436 0,029687868 0,333333333 0 0 1 3
ROTI 2018 0,399499606 -0,036355006 33,6134046 0,028943315 0,333333333 0 0 1 2
ROTI 2019 0,517590459 0,065608991 33,94827001 0,05051566 0,333333333 0 0 1 2
SCCO 2017 0,472718415 0,638510321 32,03634151 0,067193289 0,333333333 0 0 0 3
SCCO 2018 0,539370713 0,037604059 30,11736294 0,060980396 0,333333333 0 0 0 2
SCCO 2019 0,646857015 0,056530142 28,62379584 0,068988339 0,333333333 0 0 0 3
SIDO 2017 0,78253891 0,057097068 8,306413974 0,169020118 0,333333333 0 0 1 3
SIDO 2018 0,927727769 0,056814044 13,03362747 0,198898439 0,5 0 0 1 3
SIDO 2019 0,704821609 0,059704077 13,35042741 0,22836084 0,4 0 1 1 3
SIPD 2017 -0,286499103 -0,127575022 64,6688238 -0,158469955 0,333333333 0 0 0 2
SIPD 2018 0,139205226 -0,023137038 61,58434721 0,011853489 0,333333333 0 1 0 4
 SIPD 2019 -0,098028345 0,12930971 62,91826147 0,03228761 0,333333333 0 0 0 5
SKBM 2017 0,359753229 0,620342548 36,95501302 0,015945796 0,333333333 0 0 0 4
SKBM 2018 0,216296735 0,091396171 41,25569933 0,009006966 0,333333333 0 0 0 7
SKBM 2019 0,231028501 0,02767208 43,09877755 0,000525806 0,333333333 0 0 0 3
SKLT 2017 0,223448206 0,119745666 51,66157367 0,036101344 0,333333333 0 0 0 2
SKLT 2018 0,455447546 0,174465299 54,60472965 0,042759801 0,333333333 0 0 0 2
SKLT 2019 0,265029466 0,058279385 51,90186618 0,056829843 0,333333333 0 0 0 2
SMBR 2017 0,13313483 0,158269563 32,55667177 0,028979972 0,2 0 0 0 2
SMBR 2018 0,606514321 0,094409173 37,27661269 0,013736661 0,4 0 1 0 4
SMBR 2019 0,586516765 0,005993179 37,49552679 0,005398025 0,4 0 0 0 4
SMCB 2017 -0,01655702 -0,006918437 63,33025975 -0,038623736 0,428571429 0 0 1 2
SMCB 2018 0,167786577 -0,048873754 65,62765456 -0,044355103 0,375 0 1 1 2
SMCB 2019 0,088038831 0,048229602 64,31525379 0,025504129 0,333333333 1 0 1 5
SMGR 2017 0,097427544 0,107097884 37,83318092 0,041725485 0,285714286 0 0 1 3
SMGR 2018 0,456259362 0,044775948 36,00679144 0,060319627 0,285714286 0 0 1 3
SMGR 2019 0,475918085 0,560075812 55,02663442 0,029712068 0,285714286 1 0 1 3
SMSM 2017 -1,237986875 0,083646451 25,17687871 0,22730679 0,5 0 0 1 1
SMSM 2018 1,31390007 0,146464206 23,23737337 0,226170685 0,5 0 0 1 1
SMSM 2019 0,592301228 0,109159529 21,39305004 0,205561605 0,5 0 0 1 2
SPMA 2017 0,296614345 0,007785821 45,04945154 0,042414753 0,6 0 0 0 2
SPMA 2018 0,465300259 0,049265389 44,38609869 0,036022025 0,6 0 0 0 3
SPMA 2019 0,133693656 0,039111325 41,92821819 0,055227003 0,6 0 0 0 3
SRSN 2017 0,573510013 -0,089832359 36,34302755 0,02711483 0,375 0 0 0 2
SRSN 2018 0,348963227 0,052166963 30,43042076 0,056401248 0,375 0 0 0 2
SRSN 2019 0,800814775 0,134642859 33,96180457 0,054962208 0,333333333 0 0 0 2
SSTM 2017 1,838386894 -0,06774531 64,91900905 -0,039148181 0,4 0 0 0 1
SSTM 2018 0,338622115 -0,071773469 61,71109739 0,001978102 0,4 0 0 0 1
SSTM 2019 -0,132624961 -0,084330534 61,07959157 -0,031600262 0,5 0 0 0 1
STAR 2017 0,903482121 -0,109364965 20,24104941 0,000967499 0,5 0 0 0 0
STAR 2018 1,187234586 0,002035071 20,22894953 0,000281824 0,5 0 0 0 0
STAR 2019 0,188754762 -0,058677648 15,48679101 0,003365069 0,5 1 0 0 0
STTP 2017 0,558660076 0,00223568 40,88315877 0,092222117 0,5 0 0 0 3
STTP 2018 0,442635918 0,123272442 37,42800536 0,096948113 0,5 0 1 0 3
STTP 2019 0,742388287 0,095155915 25,45688068 0,167475259 0,5 0 0 0 2
TALF 2017 0,5973944 0,044878278 16,83339741 0,023301001 0,333333333 0 0 0 1
TALF 2018 0,765981534 0,068773301 17,89754052 0,044664669 0,333333333 0 0 0 1
TALF 2019 1,343844322 0,349874119 24,13632402 0,020658037 0,333333333 0 0 0 1
TCID 2017 0,653123088 0,080868641 21,31761031 0,075842932 0,5 0 0 1 3
TCID 2018 0,802444291 0,035284981 19,33139484 0,070772714 0,4 0 0 1 3
TCID 2019 0,663403732 0,043371323 20,85490525 0,056894702 0,5 1 1 1 2
TIRT 2017 -0,965350515 0,053065824 85,59030831 0,001165352 0,5 0 0 0 3
TIRT 2018 -0,059449835 0,074557719 90,52538451 -0,039504549 0,333333333 0 0 0 3
TIRT 2019 -1,366427765 -0,029980964 95,98672465 -0,057769207 0,333333333 0 0 0 3
TOTO 2017 0,417549088 0,094927555 40,07439942 0,098686259 0,4 0 0 1 1
TOTO 2018 0,762631781 0,02498822 33,40015973 0,119668091 0,4 0 0 1 1
TOTO 2019 0,213856921 0,007368512 34,06598747 0,048175117 0,4 0 0 1 2
TRIS 2017 0,039661358 0,595984128 40,12330333 0,013907487 0,333333333 0 0 0 5
TRIS 2018 0,597627471 0,134121245 45,43674139 0,023405678 0,333333333 0 0 0 3
TRIS 2019 0,368336577 -0,009187505 42,41745264 0,020254498 0,333333333 0 0 0 3
TRST 2017 0,306391523 0,012857765 40,72531492 0,011461374 0,5 0 0 1 5
TRST 2018 0,259659774 0,285635319 47,78445734 0,01474804 0,333333333 1 0 0 5
TRST 2019 0,12807216 0,014964475 50,00116135 0,00894729 0,333333333 0 0 0 3
TSPC 2017 0,372219441 0,128927695 31,64658304 0,074962617 0,6 0 0 0 1
TSPC 2018 0,447303107 0,0585179 30,96740423 0,06866326 0,6 0 0 0 2
TSPC 2019 0,548898956 0,063887689 30,83488189 0,071082204 0,6 0 0 0 2
ULTJ 2017 0,655134505 0,223565767 18,85861413 0,13720633 0,333333333 0 0 0 1
ULTJ 2018 0,827509627 0,071126907 14,05567192 0,12628209 0,333333333 0 0 0 1
ULTJ 2019 0,875808195 0,189448423 14,42527429 0,156749221 0,5 0 0 0 1
UNIT 2017 0,059465619 -0,015080524 42,47955598 0,002491 0,5 0 0 0 0
UNIT 2018 0,095411101 -0,015673581 41,3993053 0,001206866 0,5 0 1 0 0
UNIT 2019 0,116557691 -0,004685191 40,93529535 0,001620584 0,5 1 0 0 0
UNVR 2017 -0,538391359 0,129031253 72,63686137 0,370486036 0,8 0 0 1 6
UNVR 2018 -0,117178927 0,032610998 61,18350333 0,46515397 0,8 0 0 1 5
UNVR 2019 -0,525802777 0,057696191 74,42119666 0,35801754 0,8 0 0 1 5
VOKS 2017 -0,081317789 0,264928502 61,4190488 0,078763908 0,285714286 0 0 0 2
VOKS 2018 -0,237156531 0,177813496 62,87776252 0,042435618 0,333333333 0 0 0 4
VOKS 2019 -0,125234542 0,218300226 63,35404955 0,068775794 0,285714286 0 0 0 3
WIIM 2017 0,483911902 -0,09450267 20,20219376 0,033115273 0,333333333 0 0 0 5
WIIM 2018 0,558760945 0,024362835 19,93806251 0,040732648 0,333333333 0 0 0 4
WIIM 2019 0,553171844 0,035002076 20,49608328 0,021029347 0,333333333 0 0 0 4
WSBP 2017 -1,423411424 0,086301012 50,95926659 0,067048285 0,5 0 0 1 5
WSBP 2018 -3,494937056 0,020298196 48,21894643 0,072490121 0,6 1 0 0 4
WSBP 2019 -3,769531445 0,060879611 49,62852627 0,049919046 0,6 0 0 0 6
WTON 2017 -0,035765041 0,51573178 61,12133092 0,048169216 0,428571429 0 0 0 3
WTON 2018 -0,015359983 0,256622589 64,68261305 0,054790849 0,428571429 1 0 0 4
WTON 2019 -0,336914739 0,163944284 66,0622795 0,049401907 0,5 0 0 0 3
YPAS 2017 -0,379937703 0,083084969 58,13011752 -0,047769294 0,333333333 0 0 0 2
YPAS 2018 -0,028330818 0,090308184 64,30010114 -0,027318876 0,333333333 0 0 0 2
YPAS 2019 0,138891733 -0,159292628 56,38634301 0,012538748 0,333333333 0 0 0 3

= Data Outlier
 Lampiran 3: Analisis Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

FSCORE 286 -3,76 1,28 ,2760 ,49184
ACHANGE 286 -,79 4,82 ,1123 ,36417
LEV 286 6,51 289,99 45,4077 29,97199
ROA 286 -2,65 ,92 ,0464 ,19457
BDOUT 286 ,20 ,80 ,4038 ,10529
CPA 286 ,00 1,00 ,0909 ,28798
DIRCHANGE 286 ,00 1,00 ,0699 ,25548
CEOPIC 286 ,00 12,00 2,6084 1,57407
RKAP 286 ,00 1,00 ,3601 ,48088
Valid N (listwise)
286

CPA
Valid Cumulative
Frequency Percent Percent Percent
Valid Tidak Melakukan
260 90,9 90,9 90,9
Pergantian Auditor
Melakukan Pergantian
26 9,1 9,1 100,0
Auditor
Total 286 100,0 100,0

DIRCHANGE
Valid Cumulative
Frequency Percent Percent Percent
Valid Tidak Melakukan
266 93,0 93,0 93,0
Pergantian Direktur
Melakukan Pergantian
Direktur 20 7,0 7,0 100,0
Total 286 100,0 100,0
 RKAP
Valid Cumulative
Frequency Percent Percent Percent
Valid KAP Non Afiliasi
183 64,0 64,0 64,0
Big4
KAP Afiliasi Big4 103 36,0 36,0 100,0
Total 286 100,0 100,0
 Lampiran 4: Uji Asumsi Klasik

1. Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual
N 286
Normal Parametersa,b Mean ,0000000
Std. Deviation
,20941513
Most Extreme Differences Absolute ,044
Positive ,044
Negative -,035
Test Statistic ,044
Asymp. Sig. (2-tailed) ,200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.

2. Uji Multikolonieritas

Coefficientsa
Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 1,002 ,060 16,760 ,000
ACHANGE -,090 ,036 -,067 -2,517 ,012 ,926 1,080
LEV -,016 ,000 -,996 -33,983 ,000 ,762 1,312
ROA -,703 ,076 -,278 -9,260 ,000 ,726 1,378
BDOUT ,138 ,122 ,030 1,129 ,260 ,955 1,048
CPA ,017 ,045 ,010 ,388 ,698 ,951 1,051
DIRCHANGE -,039 ,051 -,020 -,760 ,448 ,944 1,059
CEOPIC -8,782E-5 ,008 ,000 -,010 ,992 ,896 1,116
RKAP ,011 ,028 ,011 ,398 ,691 ,876 1,141
a. Dependent Variable: FSCORE
 3. Uji Autikorelasi

Runs Test
Unstandardized
Residual
Test Valuea ,55318b
Cases < Test Value 285
Cases >= Test Value
1
Total Cases 286
Number of Runs 3
Z ,084
Asymp. Sig. (2-tailed) ,933

4. Uji Heterokedastisitas

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -5,596 ,679 -8,239 ,000
ACHANGE -,042 ,408 -,006 -,103 ,918
LEV ,008 ,005 ,103 1,530 ,127
ROA -,861 ,862 -,069 -,999 ,319
BDOUT 2,162 1,389 ,093 1,557 ,121
CPA -,579 ,509 -,069 -1,139 ,256
DIRCHAN
,141 ,576 ,015 ,244 ,807
GE
CEOPIC -,012 ,096 -,008 -,125 ,900
RKAP -,484 ,317 -,096 -1,524 ,129
a. Dependent Variable: LN_RES
 Lampiran 5: Uji Regresi Linear

1. Uji Statisik t

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1,002 ,060 16,760 ,000
ACHANGE -,090 ,036 -,067 -2,517 ,012
LEV -,016 ,000 -,996 -33,983 ,000
ROA -,703 ,076 -,278 -9,260 ,000
BDOUT ,138 ,122 ,030 1,129 ,260
CPA ,017 ,045 ,010 ,388 ,698
DIRCHANG
-,039 ,051 -,020 -,760 ,448
E
CEOPIC -8,782E-5 ,008 ,000 -,010 ,992
RKAP ,011 ,028 ,011 ,398 ,691
a. Dependent Variable: FSCORE

2. Uji Signifikansi F

ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 56,446 8 7,056 156,373 ,000b
Residual 12,499 277 ,045
Total 68,945 285
a. Dependent Variable: FSCORE
b. Predictors: (Constant), RKAP, BDOUT, DIRCHANGE, ACHANGE, LEV, CPA,
CEOPIC, ROA
3. Uji Koefisien Determinasi (R2)

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 ,905 ,819 ,813 ,21242
a. Predictors: (Constant), RKAP, BDOUT, DIRCHANGE, ACHANGE,
LEV, CPA, CEOPIC, ROA
b. Dependent Variable: FSCORE