ABSTRAK
Studi ini menguji asosiasi antara kualitas audit dari hubungan auditor-klien, yaitu partner tenure
dan firm tenure dengan earnings benchmarks. Earnings benchmarks diukur menggunakan interval
dari distribusi laba. Partner tenure dan firm tenure masing-masing diukur menggunakan jumlah
tahun sebuah klien ditangani oleh seorang partner atau sebuah KAP (Kantor Akuntan Publik).
Dengan menggunakan 432 observasi dari seluruh perusahaan industrial yang terdaftar di S&P
Market Intelligence dan S&P Capital IQ untuk negara Thailand pada tahun 2016-2019, serta model
regresi logistic, studi kami menemukan bukti bahwa partner tenure dan firm tenure masing-masing
memiliki kecenderungan yang semakin rendah untuk memenuhi target laba (earnings
benchmarks). Hasil temuan ini bersifat robust, karena telah mengontrol karakteristik klien, tidak
tercapainya target laba, dilampauinya target laba, serta uji-uji sensitivitas lainnya. Studi ini
memberikan implikasi bahwa hubungan auditor-klien, baik pada tingkat partner maupun ukuran
KAP tidak semata-mata berdampak pada menurunnya kualitas audit.
Kata Kunci: partner tenure, firm tenure, earnings benchmarks, manajemen laba, kualitas audit
(maksimum 5 kata atau kelompok kata)
PENDAHULUAN (BAB 1)
1. Bab 1 berisi antara lain, fenomena di lapangan, penelitian-penelitian sebelumnya dan terkini
yang menunjukkan adanya celah penelitian yang dapat dilakukan oleh peneliti pada saat ini,
apakah karena belum pernah diteliti sebelumnya, terdapat kelemahan dalam metodologi
penelitian sebelumnya, hasil penelitian sebelumnya yang tidak konsisten, sehingga
memberikan motivasi bagi penelitian yang dilakukan saat ini.
2. Latar belakang ini merupakan hasil daripada studi literatur sedemikian rupa yang dilakukan
oleh peneliti tercermin dari sitasi-sitasi (kutipan yang menjadi referensi). Dari latar belakang
ini dapat diketahui perbedaan, atau yang membedakan penelitian yang dilakukan dengan
penelitian-penelitian sebelumnya, yang dapat menjawab research gap studi sehingga
memberikan kontribusi penelitian/keutamaan penelitian/novelty penulis tugas akhir.
3. Pada bagian pendahuluan ini tidak berisi teori-teori atau sesuatu yang bersifat normatif,
melainkan berisi fakta-fakta berdasarkan hasil-hasil studi sebelumnya (prior research) yang
mencerminkan state of the art dari penulis. Oleh karena itu seluruh artikel studi sebelumnya
(dari yang terkini) yang memiliki dampak langsung maupun tidak langsung terhadap isu yang
diteliti akan disitasi (citation) pada bagian latar belakang ini. Gunakan Mendeley untuk
membangun daftar pustaka/referensinya sesuai aturan pembuatan daftar pustaka menurut APA
(American Pyschological Association) dan aturan UPH yang berlaku (SKR 071/2012 dan
addendum) sehubungan dengan tugas akhir, termasuk link dari artikel jurnal terkait.
1
4. Pada bagian latar belakang ini juga memberikan gambaran utuh mengenai arah, tujuan
penelitian yang akan dilakukan, serta motivasi peneliti.
5. Format penulisan biasanya berisi dari penelitian-penelitian sebelumnya yang membahas
konsep yang ingin diteliti- yang dijabarkan dari konsep secara umum hingga semakin spesifik
(metode deduktif).
H2
Variabel Moderasi
Gambar 1. Rerangka pemikiran (fon. 10, centered, tanpa bold, dibawah gambar)
Sebagai catatan, variabel kontrol (misalnya SIZE, LEV, GROWTH) tidak dimasukkan dalam
gambar rerangka penelitian melainkan diletakkan pada Bab 3 setelah sub-bab “model empiris
penelitian” dan dijelaskan operasional variabelnya.
3. Pengembangan hipotesis
Hipotesis penelitian diturunkan berdasarkan hasil studi literatur yang telah dilakukan, dan
merupakan sebuah pernyataan yang akan diuji, apakah merupakan hipotesis tanpa arah (non-
directional hypothesis) atau dengan arah tertentu, positif atau negatif (directional hypothesis).
Berdasarkan rerangka pemikiran dari Gambar 1 diatas dapat dirumuskan pengembangan
hipotesisnya berdasarkan hasil studi-studi sebelumnya.
Misalnya pernyataan hipotesis H1 ini adalah satu arah/directional berdasarkan studi literatur dan
temuan penelitian sebelumnya, maka hipotesis adalah:
H1: Kualitas audit berpengaruh negatif terhadap manajemen laba
2
Untuk hipotesis H2, misalnya peran moderasi dari corporate governance (CG) ini tanpa
arah/non-directional karena hanya dikatakan “memiliki peran” moderasi, jadi bisa negatif/positif
berdasarkan hasil studi-studi sebelumnya yang tidak memprediksi arahnya, atau bukti penelitian
sebelumnya ditemukan bukti mixed, maka pernyataan hipotesisnya:
H2: Corporate governance memiliki peran moderasi terhadap hubungan negatif kualitas audit
dengan manajemen laba.
Alternatif kedua, jika peran moderasi CG dengan arah positif/directional, karena hasil studi
sebelumnya misalnya, menunjukkan bahwa fungsi auditor eksternal (dalam contoh diatas misalnya
digunakan proksi Big Four/BIG4) akan berkurang jika terdapat peran CG yang kuat/efektif,
sehingga besaran koefisien hubungan negatif Big4 terhadap DAC secara statistik semakin kecil,
maka pernyataan hipotesisnya adalah:
H2: Corporate governance memiliki peran moderasi yang memperlemah hubungan negatif
kualitas audit dengan manajemen laba
Bagaimana menentukan model empiris yang digunakan untuk menguji hipotesis? Model empiris
ini mengacu pada kerangka teoritis dan studi-studi sebelumnya yang telah diuji, serta merupakan
pengembangan dari hasil studi literatur saudara. Oleh karena itu, pada waktu menyatakan model
empiris, peneliti acap kali menyatakan misalnya “Model (1) mengikuti pengembangan dari Balsam
et al. (2003)….”, “Studi ini mengikuti model akrual diskresioner dari Kothari et al. (2005) untuk
menghitung nilai akrual diskresioner”.
Model empiris dalam bentuk regresi berganda linear (linear multiple regression) juga disertai
dengan variabel-variabel kontrol, karena berdasarkan temuan hasil studi-studi sebelumnya
ternyata terdapat variabel-variabel lain yang turut memengaruhi variabel dependen yang diteliti.
Masing-masing variabel kontrol tersebut dalam model empiris disertai dengan prediksi tanda/arah,
atau tanpa prediksi dari masing-masing variabel tergantung dari hasil studi sebelumnya.
Contoh dalam Model (1), akrual diskresioner sebagai proksi dari manajemen laba akrual (DAC-
variabel dependen), tidak hanya ingin diuji oleh kualitas audit yang diproksi oleh Big Four (BIG4-
variabel independen) menjadi fokus studi atau menjadi variabel utama, tetapi berdasarkan hasil-
hasil studi sebelumnya manajemen laba akrual (DAC) juga terbukti dipengaruhi oleh variabel-
variabel lain, misalnya ukuran perusahaan (SIZE), tingkat leverage (LEV), dan tingkat
pertumbuhan (GROWTH) dikenal sebagai variabel kontrol. Sehingga variabel-variabel ini harus
dimasukkan dalam model empiris yang ingin diuji, jika tidak maka hasil studi menjadi spurious
dan tidak mencerminkan keadaan yang sebenarnya di lapangan.
3
Contoh model empiris regresi berganda:
DAC i,t = α0 + α1 BIG4 i,t + α2 SIZE i,t + α3 LEV i,t + α4 GROWTH i,t + ei,t…………….. Model (1)
Setiap model empiris regresi berganda umumnya memiliki konstanta dan variabel independen
lebih dari satu variabel, dan mengandung variabel kontrol, serta residual errors, sedangkan model
regresi sederhana hanya mengandung satu variabel dependen dan satu variabel independen. Model
empiris yang digunakan untuk menguji hipotesis penelitian tersebut diatas adalah mengikuti studi-
studi sebelumnya yang didasarkan pada telaah literatur peneliti.
Penjelasan singkat variabel dalam model diatas (Model 1 dan 2), misalnya:
DAC = Nilai Akrual Diskresioner, mengikuti model akrual Kothari et al. (2005),
dijelaskan dalam bagian operasional variabel.
BIG4 = Ukuran KAP yang berafiliasi kepada the Big Four, merupakan variabel dummy, diberi
angka 1 jika KAP berafiliasi dengan Big Four; dan 0 jika lainnya
SIZE = dst
…
α0 = konstanta
i,t = indikator untuk perusahaan i, dan tahun t
e = residual errors
H1: didukung jika koefisien α1<0 (BIG4), dan signifikan secara statistik pada Model (1)
H2: didukung jika koefisien interaksi β4 dan β5 positif/negatif (>0 atau <0) dan signifikan (jika
peran moderasi tanpa arah) pada Model (2);
Atau jika peran moderasi corporate governance (misalnya menggunakan proksi skor dewan
komisaris- SKORDK dan skor komite audit- SKORKA) dengan satu arah:
H2: didukung jika koefisien β4 dan β5 masing-masing positif dan signifikan, yaitu mekanisme CG
memperlemah hubungan negatif BIG4 dan DAC tersebut (sesuai dengan pernyataan H1: BIG4
dan DAC). Jumlah total koefisien (β1 + β4 + β5) pada Model (2) adalah negatif namun semakin kecil,
dan perlu diuji lebih lanjut apakah penjumlahan koefisien signifikan secara statistik.
4
Pencantuman variabel dalam statistik descriptif sebaiknya mencantumkan data “sebelum variabel
ditransformasi”, misalnya, variabel yang telah di-natural logaritma-kan agar dapat menjelaskan
maknanya. Jika variabel TOTALASSETS dalam jutaan rupiah dan SIZE (setelah total aset
dinatural logaritma) disajikan bersama, maka total aset yang dalam jutaan rupiah dapat
memberikan penjelasan/deskripsi angka dari profil sampel tentang nilai mean atau rerata,
minimum, maksimum ukuran perusahaan dalam jutaan rupiah. Karena jika sudah dilakukan
transformasi, misalnya dengan natural logaritma dari total aset sulit untuk dijelaskan artinya.
Statistik deskriptif sebaiknya juga menggunakan variabel yang telah dilakukan treatment,
misalnya telah dilakukan winsorizing atau trimming agar mencerminkan data yang telah
terdistribusi dengan wajar dan tidak mengandung data outliers.
5
dengan jumlah lebih dari 200 observasi, dapat dikatakan terdistribusi normal (Sumber: Prof. I
Gusti Ngurah Agung, UI).
2. Uji multikolinearitas dapat dilakukan dengan VIF (variance inflation factor), TOL
(tolerance), CI (conditional index), dan lainnya. Dampak dari masalah multikolinearitas adalah
variance koefisien regresi menjadi besar, mengakibatkan confidence interval menjadi lebar,
selanjutnya standard errors menjadi besar sehingga banyak koefisien estimasi/parameter tidak
signifikan, walapun R-squared tetap tinggi dan uji F (ANOVA) signifikan (Nachrowi &
Usman, 2006).
Bila terdapat masalah multikolinearitas (VIF> 10, atau 1/VIF < 0.10, Gujarati, 2004; Acock,
2008), maka dilakukan treatment sebelum uji hipotesis. Misalnya antara lain dengan
melakukan proses centering untuk variabel dengan interaksi dan variabel yang bersifat kontinu
(bukan data yang bersifat discrete/dummy (1, 0), (Aiken & West, 1991)), membuang variabel
independen yang memiliki masalah korelasi yang tinggi dengan variabel independen lainnya,
menambah data, dan sebagainya.
3. Uji heteroskedastisitas Data bersifat homogen jika seluruh variabel bebas memiliki variance
yang konstan/sama maka variance untuk residual errors. Jika variance tidak konstan maka
dapat menimbulkan masalah heteroskedastisitas. Dampak dari heteroskedastisitas adalah
variance koefisien regresi yang lebih besar yang mengakibatkan interval
kepercayaan/confidence interval semakin lebar, selanjutnya memengaruhi uji-F dan uji-t
sehingga uji hipotesis menjadi tidak akurat
Uji adanya masalah heteroskedastisitas, Ho: semua residual memiliki variance yang konstan;
H1: residual errors tidak memiliki variance yang konstan. Pengujian dapat dilakukan
menggunakan Breusch-Pagan test dan/atau White test. Jika hasilnya signifikan, maka
mengandung masalah heteroskedastisitas, dan sebaliknya.
Jika terdapat masalah heteroskedastisitas, dapat dilakukan treatment terlebih dahulu sebelum
uji hipotesis. Beberapa cara misalnya: a. melakukan transformasi data melalui natural log (jika
data skew ke kanan), b. treatment untuk menjadikan skewness=0 menggunakan Box-Cox
skewness=0 (dengan Stata, asalkan data tidak ada yang nol dan negatif, Kohler & Kreuter,
2009, p. 232), c. menggunakan akar (jika data menceng ke kiri), d. melakukan proses
winsorization terhadap data kontinu yang bersifat outliers, yaitu dengan batas atas dan batas
bawah mean +/- 2SD (standar deviasi) sehingga 95% data tersebar disekitar mean +/- 2SD
(yaitu distribusi normal); atau jika data berjumlah ribuan dapat menggunakan proses
winsorization pada tingkat 1% dan 99%, e. menggunakan regresi yang telah melakukan
treatment terhadap masalah heteroskedastisitas yaitu dengan treatment White, atau dengan
robust standard errors pada Stata; atau f. menggunakan weighted least square.
Beberapa kutipan:
With the presence of heteroscedasticity, consistent estimates of the regression coefficients can
still be produced; nevertheless, these estimates are inefficient and the standard errors of the
estimates will be biased (Baltagi, 2005, dalam Smith, 2015, p. 99; Kohler & Kreuter, 2009).
Transformasi data dapat menyebabkan non-linearity relationship antara variabel dependen
dengan semua independen variabel (Hair et al., 1995, p. 75).
6
Jika tidak lolos uji heteroskedastisitas walaupun telah dilakukan treatment, maka dapat regresi
dengan robust variance estimator. Dalam Stata disebut robust standard errors, yaitu
menggunakan beberapa nama/istilah seperti Huber/White/Sandwich yang digunakan dalam
konteks robustness terhadap heteroskedastisitas (Sumber: Stata).
4. Uji Spesifikasi Model. Jika model empiris adalah regresi berganda linear (OLS), maka uji
spesifikasi model meliputi: (i) uji kelayakan keseluruhan model- yaitu model regresi yang
telah memenuhi syarat dalam uji-uji klasik sebelumnya, apakah seluruh variabel independen
memiliki pengaruh terhadap variabel dependen (sering disebut uji simultan yang biasa
digunakan dalam structural equation modelling/SEM). Uji Analisis of Variance (ANOVA) ini
dapat dilihat hasilnya dari nilai F-test, harus signifikan secara statistik sebagai dasar kelayakan
model- sebelum melakukan uji hipotesis. Bila F-test tidak signifikan, maka tidak
dimungkinkan untuk menguji hipotesis (t-test); (ii) melihat nilai R-square (adalah persentase
variasi variabel bebas dapat menerangkan variabel terikat), dan Adjusted R-square (umumnya
lebih kecil dari R-squared).
Beberapa kutipan:
When you have a large sample and relatively few predictors, R2 and adjusted R2 will be similar,
and you might report just the R2 (Acock, 2008, p. 223)
Adjusted R-squared merefleksikan goodness-of-fit of the model by scaling down the R-square
value in accordance with the number of the actual value of Y about the regression line of
estimated Y value (as a dependent variable in the empirical model) (Smith, 2015).
Adjusted R2 merupakan hasil dari koreksi yang mempertimbangkan jumlah dari parameter
dalam model, yaitu (k), banyaknya paremeter disebelah kanan dari persamaan; dan jumlah
observasi (Greene, 2008, p.35 dalam Kohler & Kreuter, 2009).
Adjusted R-squared (i.e., how well does the model fit the data) - mengukur kedekatan nilai
prediksi dengan nilai sesungguhnya, atau variasi dari variabel independen dapat menjelaskan
variabel dependen. Untuk sosial studies memiliki rule of thumb sebagai berikut (Kohler &
Kreuter, 2009; Acock, 2008, p. 222): R-squared < 0.1 – weak; R-squared 0.1 ~ < 0.2 –
moderate; R-squared 0.2 ~ < 0.3 – strong or reasonably good
5. Uji auto-correlation untuk multiple regression biasa (OLS) menurut saya tidak perlu
dilakukan karena model penelitian bukan time series model dimana jumlah unit cross
sectional observasi (i) jauh lebih sedikit dibandingkan dengan jumlah time series tahun (t),
atau panel model (cross-sectional & time series model).
6. Pada Bab 4 ini, jika menggunakan model regresi linear/OLS uji-uji asumsi klasik hanya berisi
ringkasan hasil pengujiannya, dilanjutkan dengan hasil uji hipotesisnya, sedangkan pada
lampiran tugas akhir harus dilampirkan hasil print-out output Stata/EVIEWS/SPSS masing-
masing sebagai Lampiran.
7
1. Uji kecocokan data dengan model (goodness-of-fit test) menggunakan Pearson atau Hosmer
and Lemeshow test pada Stata, SPSS, EVIEWS, probability>chi2 harus lebih besar dari 0.10
(dianggap tidak sig.) agar data cocok dengan model logistik. Dengan Stata setelah melakukan
regresi logistic (gunakan perintah logit…), setelah itu lakukan lagi dengan estat gof, maka
prob> chi2 dari Pearson Chi2 harus tidak signifikan; atau gunakan estat gof, group (10)
misalnya untuk uji dengan Hosmer dan Lemeshow test.
2. Uji kelayakan model secara keseluruhan (overall model fit) dapat dilihat langsung dari hasil
run data logistic regression meliputi: (i) Log Likelihood, dilihat dari nilai iteration Log
Likelihood atau iteration Log pseudolikelihood (jika dengan robust standard errors) harus
semakin besar nilainya; (ii) uji koefisien determinasi dari Cox & Snell R-squared, dan
Nagelkerke R-squared pada SPSS/EVIEWS atau disebut Pseudo R2 (dalam Stata) seperti
halnya adjusted R-squared pada regresi berganda, serta (iii) melihat LR Chi2 atau Wald Chi2
(jika menggunakan robust standard errors) dan probability sebagaimana pada uji model
spesifikasi regresi berganda F-test harus signifikan, atau minimal < 0.10.
3. Tidak diperlukan uji-uji asumsi klasik (uji normalitas, multikolinearitas, dan
heteroskedastisitas) yang restrictive seperti yang dilakukan pada OLS biasa, karena itu tidak
diperlukan asumsi errors varians (residuals) agar terdistribusi normal karena regresi logistik
tidak mengasumsikan data berdistribusi normal seperti pada OLS, melainkan distribusi
datanya seperti angka S (Acock, 2008)
c. Jika menggunakan Model Regresi Data Panel (balanced atau unbalanced panel regression)
Model data panel, seringkali menunjukkan data longitudinal dengan jumlah data point yang
sangat banyak, sehingga meningkatkan derajat kebebasan (degrees of freedom) dan umumnya
mengurangi derajat kolinearitas diantara variabel bebas (Smith, 2015). Data panel memiliki
dimensi cross-sectional dan time series dalam observasinya dan menggunakan model regresi panel
data dalam pengolahannya, sedangkan data cross-sectional hanya menggunakan data point dalam
satu tahun saja. Model regresi data panel terdiri dari dua jenis, balanced dan unbalanced data
panel. Balanced data panel, profil data dimana unit cross-sectional-misalnya perusahaan (i)
memiliki jumlah observasi time series yang sama (tahun t); Unbalanced data panel, jika unit cross-
sectional tidak memiliki jumlah observasi time series yang sama.
Saran saya: Untuk S1-Akuntansi, jika data kurang dari 1000 firm-year observations dengan nama
perusahaan (i) yang sama dan kurang dari 5-10 tahun pengamatan (t), maka sebaiknya tidak
menggunakan model regresi data panel, gunakan saja regresi berganda linier biasa (OLS). Karena
model regresi data panel lebih bersifat restrictive namun dengan hasil yang robust, karena harus
menguji apakah modelnya random effect atau fixed effect menggunakan Hausman test. Setelah
itu ada uji-uji selanjutnya (Chow test /Breusch-Pagan Langange Multiplier (LM) test) untuk
menguji hasilnya dari salah satu model (fixed effect/random effect) berdasarkan hasil uji Hausman
test dengan model common effect/pooled least square untuk dipilih mana yang paling efisien dan
konsisten parameternya. Belum lagi uji-uji post-estimation, baik untuk masing-masing model
panel yang berbeda, dan bagaimana melakukan remedy jika ada masalah-masalah tersebut.
8
model (SEM) atau partial least square (PLS). Rerata/mean dari seluruh pertanyaan variabel
indikator pada kuesioner yang membentuk variabel laten disetarakan dengan model empiris OLS,
oleh karena itu perlu dilakukan pengujian pendahuluan- yaitu uji asumsi klasik seperti pada
pengujian OLS biasa sebelum melakukan pengujian hipotesis, namun ditambah dengan uji
realibilitas dan validitas karena menggunakan kuesioner.
9
Pengujian Sensitivitas atau Robustness Tests (Optional)
Untuk memperkuat hasil pengujian utama, maka dilakukan pengujian tambahan atau sensitivitas
dengan menggunakan proksi atau model empiris yang lain selain model yang digunakan dalam
model utamanya. Misalnya, pada model utama digunakan model akrual Modified Jones, pada uji
sensitivitas digunakan model akrual Kothari et al. (2005), apakah hasil pengujian sensitivitas ini
mendukung hasil uji utamanya.
Catatan:*
Nilai critical value (CV) pada regresi berganda untuk tingkat signifikansi dari t-test dalam uji
hipotesis regresi berganda adalah:
t-test = 2.576 untuk critical value (selanjutnya CV) signifikansi pada tingkat 1% (probability 0.01)
dengan two-tailed test-or confident level 99%
10
t-test = 1.96 untuk signifikansi pada tingkat 5% (prob. 0.05) dengan two-tailed test – or confident
level 95%
t-test = 1.645 untuk signifikansi pada tingkat 10% (atau prob. 0.10) dengan two-tailed test (default
untuk software)– or Confident level 90%
Jika t-test dari koefisien variabel utama (variable independen), yaitu t-hitung hasil output
pengolahan data angkanya > 1.645, atau < -1.645, yaitu angka CV untuk level signifikan 10%.
Maka secara statistik dikatakan signifikan pada tingkat 10% (default untuk two-tailed test
pengolahan menggunakan Stata) dari koefisien estimasi, sehingga hipotesis terbukti walaupun
hipotesisnya adalah satu arah. Karena jika terbukti signifikan pada two-tailed tests (i.e., lebih
bersifat konservatif) pasti secara statistik signifikan dengan one-tailed tests.
Jika t-test hasil < 1.645 atau > -1.645, maka dikatakan tidak signifikan pada tingkat 10% dengan
two-tailed test; tetapi jika t-hitung > 1.282 atau < - 1.282 (yaitu nilai critical value untuk one-tailed
test), sedangkan hipotesisnya adalah satu arah (negatif/positif), maka dapat dikatakan hasil
pengujian hipotesis terbukti karena secara statistik signifikan pada tingkat 10% dengan one-tailed
test. Hal ini berlaku untuk hipotesis dengan satu arah (yaitu directional hypothesis, apakah
positif/negatif). Misal H1: Big Four berpengaruh negatif terhadap manajemen laba (diukur dengan
akrual diskresioner) dimana t-hitung -1.455 > -1.645, maka tidak signifikan pada tingkat 10%
dengan two-tailed test (terletak disebelah kanan dari CV -1.645 untuk tingkat signifikansi pada
tingkat 10% dan terletak didaerah terima Ho); namun karena t-hitung -1.455 <-1.282 berada pada
daerah sebelah kiri dari CV one-tailed test untuk hipotesis satu arah, maka hipotesis H1: terbukti,
yaitu signifikan pada tingkat 10% dengan one-tailed test.
Masalah praktis: Jika menggunakan Stata, apabila hasil probability >0.10 dengan two-tailed test
dan tidak signifikan pada tingkat 0.10, namun karena hipotesis studi adalah satu arah (directional),
maka untuk memudahkan nilai probability dapat dicheck kembali dengan membagi 2 untuk
melihat apakah probability menjadi < 0.10 atau 10% dengan one-tailed test.
Pada gambar dibawah ini dapat dilihat nilai CV (critical value) statistik dan gambar distribusi
statistik dengan two-tailed test dan dengan one-tailed test.
11
One-tailed test jika H1
arahnya negatif
12
Lampiran: Contoh Rangkuman Penelitian Terdahulu (Bagian dari Bab 2)
Berikut adalah rangkuman dari penelitian-penelitian terdahulu berkaitan dengan pengunduran diri auditor dan agresivitas pajak
Tabel 1. Rangkuman Penelitian Terdahulu (fon. 10, ditulis rata/margin kiri, tanpa bold, letakkan diatas tabel)
No. Penulis Judul Penelitian Variabel Dependen Variabel Hasil Penelitian
Independen
1. Goh, et al. (2013) Tax Agresiveness and Pengunduran diri Agresivitas pajak Agresivitas pajak berpengaruh positif terhadap
Auditor Resignation auditor pengunduran diri auditor.
2. Mande dan Son (2013) Do Financial Perubahan auditor Penyajian kembali Penyajian kembali laporan keuangan
Restatements Lead to laporan keuangan berpengaruh positif terhadap perubahan auditor
Auditor Changes?
3. Siegel, et al. (2010) Factors Influencing Pergantian auditor hubungan auditor- Kualitas auditor dan kualitas perusahaan
Auditor Switching in klien, fee audit, opini merupakan aspek terpenting pergantian auditor
the European Union audit, di Malta dan UK. Sementara opini audit
ketidakmampuan merupakan aspek terpenting pergantian auditor
dalam memenuhi di Spanyol. Kemudian, ketiga negara
peraturan, menganggap audit fee mempengaruhi pergantian
ketidaksepakatan auditor.
prinsip akuntansi,
reputasi audit,
pergantian auditor
dan staff audit yang
tidak berpengalaman,
kualitas audit
4. Lin dan Liu (2010) The Deteminants of Perpindahan auditor Tata kelola internal Perusahaan dengan tata kelola internal yang
Auditor Switching from perusahaan lemah umumnya berpindah ke auditor yang lebih
the Perpective of kecil. Perusahaan dengan tata kelola internal
Corporate Governance yang tinggi umumnya memilih auditor yang
in China lebih berkualitas
5. Burks dan Stevens (2017) Auditor Dismissals : Restatement, Pemecatan auditor Pemecatan auditor berpengaruh positif terhadap
Opaque Disclosures kelemahan internal restatement, kelemahan internal control, dan
and the Light of Timing control, delistings, delistings di masa mendatang. Terdapat pula
harga saham. reaksi negatif pasar setelah pemecatan auditor.
6. Griffin dan Lont (2010) Do Investor Care about Pengembalian saham Pengunduran diri Investor lebih bereaksi negatif terhadap
Auditor Dismissals and (stock return) auditor dan pemecatan pengunduran diri auditor dibandingkan
Resignations? What auditor pemecatan auditor.
Drives the Response?
13
7. Donohoe dan Knechel Does Corporate Tax Harga kerjasama audit Perilaku agresivitas Perusahaan dengan perilaku agresivitas pajak
(2012) Agresiveness Influence pajak, auditor yang tinggi, perusahaan yang menggunakan jasa
Audit Pricing penyedia jasa pajak, perpajakan dari kantor auditor, dan perusahaan
dan keahlian auditor yang menggunakan auditor dari KAP yang
terspesialisasi pada industri perusahaan
berpengaruh positif terhadap fee audit
8. Susanto dan Herusetya Is Client Importance a Manajemen laba Kepentingan klien Kepentingan klien berpengaruh negatif terhadap
(2014) Representative akrual manajemen laba, namun berpengaruh positif
Measure of Audit terhadap opini going-concern. Menunjukkan
Firms’ Independence? bahwa kepentingan auditor terhadap klien tidak
Empirical Evidence mempengaruhi independensi auditor.
from indonesia
9. Klassen, et al. (2016) The Role of Auditors, Agresivitas Pajak Peran auditor, peran Peran department pajak dan pihak luar selain
Non-auditors, and pihak luar non- auditor dalam menyiapkan laporan pajak
Internal Tax auditor, dan peran berpengaruh positif terhadap agresivitas pajak
Departments in department pajak perusahaan. Peran auditor dalam menyiapkan
Corporate Tax internal. laporan pajak berpengaruh negatif terhadap
Agresiveness agresivitas pajak perusahaan.
10. Kartiko dan Martani Peran Implisit Kualitas penghindaran pajak kualitas audit dan Pengelolaan laba berpengaruh positif terhadap
(2015) Audit dalam Menekan dan kualitas laba kualitas laba penghindaran pajak. Namun, kualitas audit
Perilaku Penghindaran berpengaruh negatif terhadap pengelolaan laba
Pajak sehingga berdampak pada menurunnya upaya
penghindaran pajak perusahaan.
Sumber: Dirangkum oleh penulis (fon. 10, kiri, letakkan dibawah tabel)
14