Test

34 2. Definisi Operasional dan Pengukuran Variabel Menurut Sugiyono (2017:39) operasionalisasi variabel merupakan kesimpulan suatu atribut seseorang atau obyek, atau aktivitas kegiatan yang memiliki variasi tertentu yang ditetapkan oleh peneliti yang telah dipelajari sebelumnya. Sehingga operasionalisasi variabel diperlukan untuk menentukan jenis, indikator, serta skala dari variabel-variabel yang terkait dalam penelitian. Maka berikut definisi operasional masing-masing variabel dalam penelitian ini : Tabel 3.1 Operasionalisasi Variabel Variabel Konsep Indikator Kualitas Laba Hubungan antara Proksi : Quality arus kas dengan laba ������������������������������������������ ������������ ������������������������������������ ������������������������������������������������������������������������������������ bersih = ������������������������ of Income Hitungan awal mula perusahaan tersebut ������������������������ ������������������������������������ℎ������������������ Umur didirikan hingga = ������������ℎ������������ ������������������������������������������������������������ Perusahaan − ������������ℎ������������ ������������������������������������������ ������������������������������������ℎ������������������ perusahaan tersebut memulai usahanya

35 Hasil operasi perusahaan dengan mengabaikan Profitabilitas kewajiban-kewajiban Proksi : OPM finansial berupa ������������������������ ������������������ = ������������������������������ bunga serta kewajiban kepada pemerintah berupa pajak Mengurangkan laba bersih tahun ini Pertumbuhan dengan laba bersih ������������������������������������������������ℎ������������ ������������������������ Laba tahun lalu kemudian ������������������������ ������ℎ������ ������������������ − ������������������������ ������ℎ������ ������������������������ = ������������������������ ������ℎ������ ������������������������ dibagi dengan laba bersih tahun lalu a. Variabel Dependen (Y) Variabel dependen atau variabel terikat merupakan variabel yang dipengaruhi oleh variabel lain. Variabel dependen dalam penelitian ini adalah kualitas laba (Y). Kualitas laba merupakan laba yang dapat digunakan untuk melakukan penilaian yang akurat terhadap kinerja saat ini dan

36 dapat digunakan sebagai landasan untuk memprediksi kinerja masa depan menurut pendapat Wahlen, dkk (2015:422). Kualitas laba dapat dihitung dengan rumus : ������������������������������������������ ������������ ������������������������������������ = ������������������������������������������������������������������������������������ ������������������������ b. Variabel Independen (X) 1) Umur perusahaan (X1) Umur perusahaan adalah seberapa lamanya perusahaan bertahan sejak perusahaan didirikan. Perhitungan umur perusahaan menggunakan rumus : ������������������������ ������������������������������������ℎ������������������ = ������������ℎ������������ ������������������������������������������������������������ − ������������ℎ������������ ������������������������������������������ ������������������������������������ℎ������������������ 2) Profitabilitas (X2) Riyanto (2011:385) mengartikan profitabilitas adalah kemampuan perusahaan untuk menghasilkan keuntungan selama beberapa periode tertentu, perusahaan dengan kemampuan menghasilkan keuntungan yang baik menunjukkan kinerja perusahaan yang baik sebab profitabilitas sering dijadikan sebagai parameter untuk menilai kinerja perusahaan. Dalam Penelitian ini pengukuran variabel Profitabilitas menggunakan Operating Profit Margin (OPM), dengan rumus : ������������������ = ������������������������������������������������ ������������������������������������ ������������������������������������������������ ������������������ ������������������ ������������������������������

37 3) Pertumbuhan Laba (X3) Ukuran kinerja keuangan berdasarkan produktifitas perusahaan dalam menghasilkan laba yang meningkat pada setiap tahunnya dalam operasionalnya merupakan pengertian dari pertumbuhan laba. Rumus pertumbuhan laba menurut Harahap (2015:310) adalah : ������������������������������������������������ℎ������������ ������������������������ = ������������������������ ������ℎ������ ������������������������������������������������ − ������������������������ ������ℎ������ ������������������������������������������������������������ ������������������������ ������ℎ������ ������������������������������������������������������������ C. Populasi dan Sampel 1. Populasi Sugiyono (2017:115) mendefinisikan populasi adalah kesimpulan yang ditarik peneliti dari wilayah generalisasi yang terdiri dari atas obyek atau subyek yang mempunyai kualitas dan karakteristik sesuai yang ditetapkan oleh peneliti yang sebelumnya dipelajari. Populasi dalam penelitian ini adalah perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI tahun 2017-2019. 2. Sampel Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut menurut Sugiyono (2017 :81). Teknik yang digunakan untuk pengambilan sampel dalam penelitian ini adalah metode purposive sampling. Menurut Sugiyono (2017:85) purposive

38 sampling adalah teknik penentuan sampel dengan pertimbangan tertentu. Alasan penelitian ini menggunakan purposive sampling karena tidak semua sampel memiliki kriteria sesuai dengan yang telah ditentukan penulis. Dengan demikian, teknik purposive sampling dengan menetapkan pertimbangan atau kriteria tertentu yang harus dipenuhi oleh sampel-sampel yang digunakan dalam penelitian ini. Kriteria sampel penelitian ini adalah sebagai berikut : 1) Perusahaan sektor industri barang konsumsi yang terdaftar di BEI tahun 2017-2019. 2) Perusahaan industri barang konsumsi yang menghasilkan laba positif selama tahun 2017-2019. 3) Perusahaan industri barang konsumsi yang menghasilkan arus kas operasi yang positif selama tahun 2017-2019. 4) Perusahaan industri barang konsumsi yang memiliki data keuangan yang lengkap selama tahun 2017-2019. D. Teknik Pengumpulan Data Data yang digunakan dalam penelitian ini diperoleh dari laporan tahunan yang diterbitkan oleh perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia pada periode 2017-2019. Data tersebut diperoleh melalui situs resmi Bursa Efek Indonesia yaitu (http://www.idx.co.id)

39 E. Teknik Analisis Analisa dan perhitungan pengolahan data yang dikumpulkan untuk mencapai suatu kesimpulan penelitian ini menggunakan program eviews 11 untuk meregresikan model yang telah dirumuskan. 1. Statistik Deskriptif Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku umum atau generalisasi (Sugiyono, 2017:206). Analisis statistik deskriptif memberikan deskripsi atau gambaran suatu data yang dilihat dari rata-rata, median, maksimum, minimum, varian dan standar deviasi. a. Rata-rata (Mean) Mean adalah nilai rata-rata dari berbagai buah data. Nilai mean dihitung dengan cara membagi jumlah data dengan banyaknya data. Rumus menghitung mean adalah : ∑������������ ������������ = ������ Keterangan : Me : Mean ∑ : Jumlah

40 Xi : Nilai X ke i sampai ke n n : Jumlah individu b. Median Median atau nilai tengah adalah salah satu ukuran pemusatan data, dimana data diurutkan dari yang terkecil sampai yang terbesar atau sebaliknya. Rumus median adalah ������1 + ������2 ������������ = 2 Keterangan: Md : Median X1 : Nilai tengah pertama dimana median akan terletak X2 : Nilai tengah kedua dimana median akan terletak c. Maksimum Maksimum merupakan nilai terbesar dari data. d. Minimum Minimum merupakan nilai terkecil dari data. e. Standar Deviasi Standar deviasi merpakan akar dari varian atau ragam dengan rumus sebagai berikut : 1 ������ − ������ = ������ 1 + ∑ ������(������������ − ������)2 ������−1 Keterangan : S : Simpangan baku

41 xi : Nilai X ke 1 sampai ke n x : Rata-rata X n : Jumlah individu 2. Analisis Regresi Data Panel Terdapat 3 jenis data yang dapat digunakan dalam melakukan Analisis Ekonometrika khususnya regresi, yaitu : data time-series, data cross-section, dan data panel. Data panel merupakan gabungan antara data runtut waktu (time series) dan data silang (cross section). Data time series biasanya terdiri dari satu objek tetapi meliputi beberapa periode. Sedangkan data cross section terdiri dari atas beberapa objek dengan beberapa data dalam suatu periode waktu tertentu yang sama. Untuk menganalisis data yang mengandung series dan crossection digunakan model regresi data panel. Model regresi data panel merupakan regresi dengan menggunakan data panel. Pengertian data panel adalah gabungan data cross section dan series. Sehingga, data panel merupakan data dari beberapa individu yang sama dan diamati dalam kurun waktu tertentu. Jika T merupakan periode waktu (t = 1,2,...,T) dan N jumlah individu (i = 1,2,...,N), maka dengan data panel akan memiliki total unit observasi sebanyak NT. Jika jumlah unit waktu sama untuk setiap individu, maka data ini disebut balanced panel. Sebaliknya,

42 yakni jumlah unit waktu berbeda untuk setiap individu, maka data ini disebut unbalanced panel. Tujuan analisis regresi untuk mengukur kekuatan hubungan antara dua variabel atau lebih serta menunjukkan arah hubungan antara variabel dependen dan variabel independen yang digunakan. Hasil analisis regresi berupa koefisien regresi untuk masing-masing variabel independen. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependen dengan suatu persamaan. Persamaan regresi dalam penelitian ini adalah : Y = a + b1x1 + b2x2 +b3x3 + e Keterangan : Y : variabel dependen X : variabel independen a : konstanta b1,b2,b3... : Koefisien Regresi Variabel e : error term Pembahasan secara detail yaitu pendekatan Fixed Effect dan Random Effect. Teknik yang paling sederhana untuk mengestimasi data panel adalah dengan mengkombinasikan data time series dan cross section dengan menggunakan metode OLS (estimasi common effect). Pendekatan ini tidak memperhatikan dimensi individu maupun waktu. Menggunakan asumsi bahwa perilaku antar individu dan kurun waktu yang sama. Meskipun koefisien

43 regresi dapat dikatakan sama, model ini tetap menunjukkan perbedaan konstanta antar objek. Model ini yang kemudian kita kenal dengan regresi fixed effect (efek tetap) Mengestimasikan data panel dengan fixed effects melalui teknik variabel dummy menunjukan ketidakpastian model. Asumsi intersep dan slope dari persamaan regresi yang dianggap konstan baik antar daerah maupun waktu menjadi kesulitan dalam pendekatan ini. Mengatasi masalah ini kita bisa menggunakan variabel residual yang dikenal sebagai metode random effect. Model ini kita akan memilih estimasi data panel dimana residual mungkin saling berhubungan antar waktu dan antar individu. Winarno (2011) menyatakan untuk menentukan model estimasi data panel ada beberapa alternatif pendekatan yang dapat digunakan untuk mengestimasi data panel disesuaikan dengan asumsi yang digunakan. Terdapat tiga model regresi dasar yang ada, yaitu : a) Common Effect Model (CEM) Common Effect Model merupakan metode estimasi model regresi data panel yang paling sederhana dengan asumsi intercept dan koefisien slope yang konstan antar waktu dan cross section. Persamaan Common Effect Model adalah sebagai berikut : Yit = α + βj Xjit + εit

44 Keterangan : Yit = nilai variabel terikat untuk setiap unit cross section Xjit = nilai variabel penjelas ke-j untuk setiap cross section α = intercept yang konstan antar waktu dan cross section βj = slope untuk variabel ke-j yang konstan antar waktu dan cross section εit = komponen error untuk setiap unit cross section ke-i pada periode waktu t. b) Fixed Effect Model (FEM) Fixed Effect Model merupakan model dengan memasukkan unsur variabel dummy sehingga intercept bervariasi antar individu maupun antar unit waktu. Model ini lebih tepat digunakan jika datanya ada pada tingkat individu dan terdapat korelasi antara ε dan x. Persamaan Fixed Effect Model adalah sebagai berikut : Yit = β1i + β2X2it + β3X3it + β4D1it + β5D2it + ... + βkDnit +uit. c) Random Effect Model (REM) Random Effect Model atau biasa disebut komponen error karena di dalam model ini parameter yang berbeda antar unit cross section maupun antar waktu yang dimasukkan ke dalam error. Persamaan Random Effect Model adalah sebagai berikut: Yit = α1+ βj Xjit + uit.

45 dengan eit = ui + vt + wit. dimana : ui ~ N(0 ; δu2) ; komponen cross section error vt ~ N(0 ; δv2) ; komponen time series error wit ~ N(0 ; δw2) ; komponen error kombinasi Asumsinya adalah bahwa error secara individual tidak saling berkorelasi, begitu juga dengan error kombinasinya. 3. Pemilihan Model Estimasi Data Panel Sebelum memilih model pendekatan yang paling tepat sebagai estimasi penelitian dilakukan beberapa uji yaitu : a) Uji Chow Uji signifikansi fixed effect (Uji F) atau Chow-test digunakan untuk mengetahui Common Effect Model ataukah Fixed Effect Model yang paling tepat digunakan dalam mengestimasi data panel. Dalam pengujian ini dilakukan hipotesa sebagai berikut: H0 : Common Effect Model H1 : Fixed Effect Model Formulasi uji F statistiknya adalah sebagai berikut :

46 Keterangan : SSE1 : Sum Square Error dari model Common Effect SSE2 : Sum Square Error dari model Fixed Effect n : Jumlah perusahaan (cross section) nt : Jumlah cross section x jumlah time series k : Jumlah variabel independen Sedangkan F tabel didapat dari: Keterangan : α : Tingkat signifikansi yang dipakai (alfa) n : Jumlah perusahaan (cross section) nt : Jumlah cross section x jumlah time series k : Jumlah variabel independen Dasar pengambilan keputusan menggunakan chow-test, yaitu : 1) Jika H0 diterima, maka model (common effect) 2) Jika H1 diterima, maka dilanjutkan uji Hausman. Dengan ketentuan sebagai berikut : 1. Menerima H0 apabila Uji F Prob. > 0,05 2. Menerima H1 apabila Uji F Prob. < 0,05 Jika hasil uji chow H0 diterima, maka teknik regresi data panel menggunakan model common effect dan pengujian berhenti sampai disini. Apabila hasil uji chow menyatakan H0

47 ditolak, maka langkah selanjutnya adalah melakukan uji hausman untuk menentukan model fixed atau model random yang akan digunakan. b) Uji Hausman Uji Hausman digunakan untuk mengetahui Fixed Effect Model ataukah Random Effect Model yang paling tepat digunakan dalam mengestimasi data panel. Statistik uji hausman mengikuti distribusi statistik chi square dengan degree of freedom sebanyak k yaitu jumlah variabel independen. Jika nilai statistik hausman lebih besar dari nilai kritisnya maka model yang tepat adalah Fixed Effect Model. Sedangkan jika nilai statistik Hausman lebih kecil dari nilai kritisnya maka model yang tepat adalah Random Effect Model. Uji hausman akan mengikuti distribusi chi-squares sebagai berikut : Dasar pengambilan keputusan menggunakan uji hausman adalah : 1) Jika H0: diterima, maka model random effect model. 2) Jika H1: diterima, maka model fixed effect model. Dengan ketentuan sebagai berikut :

48 1. Menerima H0 apabila Uji Hausman Prob. > 0,05 2. Menerima H1 apabila Uji Hausman Prob. < 0,05 Menentukan kriteria uji: apabila Chi-square hitung > chi- square tabel dan dan p-value signifikan, maka hipotesis H0 ditolak, sehingga Fixed Effect Model lebih tepat untuk digunakan. Sedangkan jika Chi-square hitung ˂ Chi-square tabel dan p-value signifikan, maka hipotesis H0 diterima, Random Effect Model lebih tepat untuk digunakan. c) Uji Lagrange Multiplier (LM Test) Uji Lagrange Multiplier digunakan untuk mengetahui Random Effect Model ataukah Common Effect Model yang paling tepat digunakan dalam mengestimasi data panel. Uji signifikansi Random Effect Model dikembangkan Breusch- Pagan. Metode Breusch-Pagan untuk signifikansi Random Effect Model didasarkan nilai residual metode OLS. Adapun formula LM adalah sebagai berikut : Keterangan : n : jumlah individu T : jumlah periode waktu

49 e : residual metode common effect Dasar pengambilan keputusan untuk uji LM, antara lain : 1. Jika H0 : diterima, maka model common effect model. 2. Jika H1 : diterima, maka model random effect model. Dengan ketentuan sebagai berikut : H0 diterima apabila cross section Bruesch-Pagan > 0,05 H1 diterima apabila cross section Bruesch-Pagan < 0,05 Uji LM didasarkan pada distribusi chi-squares dengan degree of freedom sebesar jumlah variabel independen. Jika nilai LM statistik lebih besar dari nilai kritis statistik chi-squares maka kita menolak H0, yang artinya estimasi yang tepat untuk model regresi data panel adalah Random Effect Model. Sebaliknya jika nilai LM statistik lebih kecil dari nilai statistik chi-squares sebagai nilai kritis, maka kita menerima H0, yang artinya estimasi yang digunakan dalam regresi data panel adalah Common Effect Model. Silalahi (2014) mengatakan Uji LM tidak digunakan apabila pada uji chow dan uji hausman menunjukan model yang paling tepat adalah Fixed Effect Model. Uji LM dipakai jika pada uji chow menunjukkan model yang dipakai adalah Common Effect Model, sedangkan pada uji hausman menunjukan model yang paling tepat adalah Random Effect

50 Model. Maka diperlukan uji LM sebagai tahap akhir untuk menentukan Common Effect Model atau Random Effect Model yang paling tepat. 4. Uji Asumsi Klasik Regresi linear ordinary least square (OLS) harus melakukan uji asumsi klasik. Pentingnya dilakukan uji asumsi klasik adalah untuk menghasilkan estimator yang linier tidak bisa dengan varian yang minimum (Best Linier Unbiased Estimator = BLUE), yang artinya model tidak mengandung masalah atau data terbebas dari masalah normalitas, multikolinieritas, dan heteroskedasitas. a) Uji Normalitas Regresi Uji normalitas regresi bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti yang dikatakan oleh Winarno (2011), uji normalitas dilakukan dengan dua cara yaitu histogram dan uji Jarque-Bera (J-B). Untuk mendeteksi apakah residualnya berdistribusi normal atau tidak dilihat dengan cara membandingkan nilai Jarque-Bera dengan X2 tabel, yaitu : 1) Jika nilai Jarque-Bera > X2 tabel, maka residualnya berdistribusi tidak normal 2) Jika nilai Jarque-Bera < X2 tabel, maka residualnya berdistribusi normal.

51 JB > X2 tabel, residual tidak normal JB < X2 tabel, residual normal b) Uji Multikolinearitas Winarno (2011) mengatakan uji multikolinearitas adalah kondisi adanya hubungan linear antar variabel independen karena melibatkan beberapa variabel independen, sehingga uji multikolinearitas tidak akan terjadi pada persamaan regresi sederhana yang terdiri atas satu variabel independen dan satu variabel dependen. Uji multikolinearitas dapat ditunjukkan dengan melihat jika R2 yang dihasilkan dari suatu estimasi model empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen. Dua variabel dikatakan tidak memiliki kolinieritas apabila nilai korelasinya kurang dari 0,8. R2 < 0,8 maka tidak terdapat multikolinearitas R2 > 0,8 maka terdapat multikolinearitas c) Uji Heteroskedastisitas Tujuan uji heteroskedastisitas adalah ini untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika

52 varians konstan disebut homoskedastisitas, tetapi sebaliknya jika varians berbeda disebut heteroskedastisitas. Winarno (2011) mengungkapkan ada beberapa metode untuk mengindentifikasi ada atau tidaknya masalah heteroskedastisitas. Metode tersebut yaitu metode grafik, uji park, uji gletser, uji korelasi spearman, uji goldfeld-quandt, uji bruesch-pagan- godfrey, dan uji white. Data cross-section biasanya mengandung situasi heteroskedastisitas karena data ini bersifat data silang dibanding runtutan waktu (time series). Apabila terdapat variabel bebas yang signifikan mempengaruhi variabel terikat maka terdapat indikasi terjadi heteroskedastisitas dan sebaliknya. Tingkat signifikasi (α) yang digunakan sebesar 5%. Adapun kriterianya sebagai berikut : a. Jika terdapat nilai p-value dari salah satu variabel bebas ≤ α sebesar 5% berarti terdapat indikasi terjadinya heteroskedastisitas. b. Jika nilai p-value dari semua variabel bebas > α sebesar 5%, berarti tidak terdapat heteroskedastisitas.

53 5. Pengujian Hipotesis Dalam penelitian ini model dan teknik analisis data menggunakan metode analisis regresi linier berganda. Sugiyono (2017) berpendapat bahwa regresi dilakukan jika kita ingin mengetahui bagaimana variabel dependen dapat diprediksikan melalui variabel independen. Dengan demikian, akan diketahui naik turunnya variabel independen apakah dapat mempengaruhi variabel dependen. Uji yang dilakukan adalah : a) Uji t Tujuan uji t adalah untuk mengetahui seberapa jauh pengaruh variabel independen dapat berpengaruh terhadap variabel dependen secara individual. Perumusan hipotesis sebagai berikut : H0 : β1 = 0, berarti tidak ada pengaruh signifikan dari X1, X2, X3 terhadap Y secara parsial. Ha : β1 ≠ 0, berarti ada pengaruh signifikan dari X1, X2, X3 terhadap Y secara parsial. 1) Statistik uji : Tt0 = bi sbi 2) Kriteria uji thitung > ttabel : signifikan, maka H0 ditolak, Ha diterima. thitung < ttabel : tidak signifikan maka H0 diterima, Ha ditolak.

54 b) Uji F Tujuan uji statistik F adalah untuk menunjukkan apakah semua variabel independen berpengaruh secara bersama- sama terhadap satu variabel dependen. Perumusan hipotesis sebagai berikut : H0 : β = 0 berarti tidak ada pengaruh yang signifikan antara X1, X2, X3, terhadap Y secara bersama-sama. Ha : β ≠ 0 berarti ada pengaruh yang signifikan antara X1, X2, X3, terhadap Y secara bersama-sama. 1) Statistik uji F0 = SS SS Reg/ k − 1 ) Re������ / (n − ������ 2) Kriteria uji Fhitung > Ftabel : signifikan, maka H0 ditolak, Ha diterima Fhitung < Ftabel : tidak signifikan, maka H0 diterima, Ha ditolak. c) Koefisien Determinasi (KD) Tujuan koefisien determinasi adalah untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi yaitu antara nol dan satu. Semakin tinggi nilai koefisien determinasi atau mendekati satu menunjukkan semakin baik kemampuan variabel independen dalam menjelaskan variabel dependen.

55 Sebaliknya, jika nilai koefisien determinasi semakin kecil menunjukkan kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Formula koefisien determinasi adalah sebagai berikut : R2 = r2yx x 100% Keterangan : R2 : koefisien determinasi untuk model regresi variabel x Ryx : koefisien korelasi variabel x dengan variabel y

BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskripsi Objek Penelitian Populasi di dalam penelitian ini adalah perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI tahun 2017-2019 dikarenakan sektor ini salah satu sektor yang banyak diminati oleh investor. Data penelitian yang digunakan adalah data sekunder dengan mengambil sampel perusahaan menggunakan teknik purposive sampling. Purposive sampling sendiri merupakan teknik pengambilan sampel berdasarkan kriteria tertentu. Berikut merupakan tabel kriteria pemilihan sampel penelitian ini : Tabel 4.1 Pemilihan Sampel Penelitian No Kriteria Jumlah 1. Perusahaan sektor industri barang konsumsi yang 58 terdaftar di BEI tahun 2017-2019 2. Perusahaan industri barang konsumsi yang 47 menghasilkan laba positif selama tahun 2017-2019 56

57 3. Perusahaan industri barang konsumsi yang 39 menghasilkan arus kas operasi yang positif selama tahun 2017-2019 25 25 4. Perusahaan industri barang konsumsi yang memiliki 3 data keuangan yang lengkap selama tahun 2017-2019 Jumlah Sampel Tahun Pengamatan Sumber : Diolah oleh peneliti Berdasarkan kriteria yang sudah ditentukan oleh peneliti maka diperoleh sampel perusahaan sebanyak 25 perusahaan dengan tahun pengamatan 3 tahun. Sehingga data observasi penelitian ini adalah 75. Berikut tabel daftar nama sampel perusahaan di dalam penelitian ini : Tabel 4.2 Daftar Nama Sampel Perusahaan No Kode Nama Perusahaan 1 ADES Akasha Wira International Tbk. 2 BUDI Budi Starch & Sweetener Tbk. 3 CAMP Campina Ice Cream Industry Tbk 4 CEKA Wilmar Cahaya Indonesia Tbk. 5 CLEO Sariguna Primatirta Tbk. 6 DLTA Delta Djakarta Tbk.

58 7 DVLA Darya-Varia Laboratoria Tbk. 8 GGRM Gudang Garam Tbk. 9 HMSP H.M. Sampoerna Tbk. 10 ICBP Indofood CBP Sukses Makmur Tbk 11 INDF Inti Agri Resources Tbk 12 KINO Kino Indonesia Tbk. 13 KLBF Kalbe Farma Tbk. 14 MLBI Multi Bintang Indonesia Tbk. 15 MYOR Mustika Ratu Tbk. 16 PYFA Pyridam Farma Tbk 17 ROTI Bentoel Internasional Investam 18 SIDO Industri Jamu dan Farmasi Sido 19 SKLT Sekar Bumi Tbk. 20 STTP Sekar Laut Tbk. 21 TCID Mandom Indonesia Tbk. 22 TSPC Tempo Scan Pacific Tbk. 23 ULTJ Ultra Jaya Milk Industry & Tra 24 UNVR Unilever Indonesia Tbk. 25 WIIM Wismilak Inti Makmur Tbk. Sumber : Diolah oleh peneliti

59 B. Hasil Penelitian Pengolahan Data 1. Statistik Deskriptif Analisis statistik deskriptif digunakan untuk mendeskripsikan suatu data yang dilihat dari rata-rata, median, maksimum, minimum, varian dan standar deviasi. Statistik deskriptif dari masing masing variabel yang penelitian ini sadalah sebagai berikut: Tabel 4.3 Statistik Deskriptif Mean Y X1 X2 X3 Median 1.063867 44.56000 0.193867 0.184933 Maximum 0.900000 43.00000 0.100000 0.110000 Minimum 4.650000 90.00000 2.220000 2.430000 Std. Dev. 0.010000 8.000000 0.010000 -0.620000 Skewness 0.775034 19.39089 0.327970 0.387153 Kurtosis 2.047273 0.763092 4.243656 2.780861 9.205951 3.526767 23.41865 17.59031 Jarque-Bera Probability 172.7473 8.146004 1527.987 761.9059 0.000000 0.017026 0.000000 0.000000 Sum Sum Sq. Dev. 79.79000 3342.000 14.54000 13.87000 44.45018 27824.48 7.959779 11.09167 Observations 75 75 75 75 Berdasarkan tabel 4.3 analisis statistik deskriptif pada variabel penelitian ini adalah sebagai berikut : a. Kualitas Laba (Y) Sampel yang diteliti berjumlah 75, nilai mean (rata–rata) sebesar 1.063867, nilai median sebesar 0.900000, nilai terbesar 4.650000, nilai terkecil 0.010000, dan nilai standar deviasi sebesar 0.775034.

60 b. Umur Perusahaan (X1) Sampel yang diteliti berjumlah 75, nilai mean (rata–rata) sebesar 44.56000, nilai median sebesar 43.00000, nilai terbesar 90.00000, nilai terkecil 8.000000, dan nilai standar deviasi sebesar 19.39089. c. Profitabilitas (X2) Sampel yang diteliti berjumlah 75, nilai mean (rata–rata) sebesar 44.56000, nilai median sebesar 43.00000, nilai terbesar 90.00000, nilai terkecil 8.000000, dan nilai standar deviasi sebesar 0.327970. d. Pertumbuhan Laba (X3) Sampel yang diteliti berjumlah 75, nilai mean (rata–rata) sebesar 0.184933, nilai median sebesar 0.110000, nilai terbesar 2.430000, nilai terkecil -0.620000, dan nilai standar deviasi sebesar 0.387153. 2. Analisis Regresi Data Panel Analisi regresi data panel digunakan untuk menganalisis data yang mengandung time series dan crossection. Terdapat tiga model dalam analisi regresi data panel yaitu Common Effect Model, Fixed Effect Model dan Random Effect Model.

61 a. Common Effect Model Common Effect Model merupakan estimasi model regresi data panel yang paling sederhana dengan asumsi intercept dan koefisien slope yang konstan antar waktu dan cross section. Tabel 4.4 Hasil Common Effect Model Dependent Variable: Y Method: Panel Least Squares Date: 07/24/20 Time: 18:33 Sample: 2017 2019 Periods included: 3 Cross-sections included: 25 Total panel (balanced) observations: 75 Variable Coefficient Std. Error t-Statistic Prob. C 1.556992 0.233433 6.669982 0.0000 X1 -0.008066 0.005016 -1.608218 0.1122 X2 -0.116651 0.292175 -0.399251 0.6909 X3 -0.600658 0.226804 -2.648357 0.0100 Root MSE 0.722794 R-squared 0.118511 Mean dependent var 1.063867 Adjusted R-squared 0.081265 S.D. dependent var 0.775034 S.E. of regression 0.742876 Akaike info criterion 2.295282 Sum squared resid 39.18236 Schwarz criterion 2.418882 Log likelihood -82.07308 Hannan-Quinn criter. 2.344634 F-statistic 3.181836 Durbin-Watson stat 1.239463 Prob(F-statistic) 0.029050 Sumber : Data diolah dengan Eviews 11 Tabel 4.4 menunjukkan model regresi berganda Common Effect Model dengan persamaan : Y = -0.008066*X1 - 0.008066*X2 - 0.116651* X3 + 1.556992 Keterangan : Y = Kualitas Laba X1 = Umur Perusahaan X2 = Profitabilitas

62 X3 = Pertumbuhan Laba b. Fixed Effect Model Fixed Effect Model merupakan model dengan memasukkan unsur variabel dummy sehingga intercept bervariasi antar individu maupun antar unit waktu. Tabel 4.5 Hasil Fixed Effect Model Dependent Variable: Y Method: Panel EGLS (Cross-section weights) Date: 07/24/20 Time: 18:35 Sample: 2017 2019 Periods included: 3 Cross-sections included: 25 Total panel (balanced) observations: 75 Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C -2.407602 1.561141 -1.542206 0.1297 X1 0.077547 0.035008 2.215092 0.0316 X2 0.278703 0.121933 2.285705 0.0268 X3 -0.205702 0.061468 -3.346492 0.0016 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics Root MSE 0.403971 R-squared 0.845587 Mean dependent var 1.819451 Adjusted R-squared 0.756882 S.D. dependent var 1.140334 S.E. of regression 0.510308 Sum squared resid 12.23947 F-statistic 9.532542 Durbin-Watson stat 3.268790 Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.694295 Mean dependent var 1.063867 Sum squared resid 13.58865 Durbin-Watson stat 3.342403 Sumber : Data diolah dengan Eviews 11 Tabel 4.5 menunjukkan regresi berganda Fixed Effect Model dengan persamaan :

63 Y = 0.077547*X1 + 0.278703*X2 - 0.205702* X3 - 2.407602 Keterangan : Y = Kualitas Laba X1 = Umur Perusahaan X2 = Profitabilitas X3 = Pertumbuhan Laba c. Random Effect Model Random Effect Model model yang digunakan untuk mengatasi kelemahan model efek tetap yang menggunakan variabel dummy. Variabel dummy akan mengurangi derajat bebas yang akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Tabel 4.6 Hasil Random Effect Model Dependent Variable: Y Method: Panel EGLS (Cross-section random effects) Date: 07/24/20 Time: 18:36 Sample: 2017 2019 Periods included: 3 Cross-sections included: 25 Total panel (balanced) observations: 75 Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C 1.456171 0.278474 5.229108 0.0000 X1 -0.007661 0.005838 -1.312254 0.1937 X2 0.040729 0.230631 0.176598 0.8603 X3 -0.318200 0.184171 -1.727745 0.0884 Effects Specification S.D. Rho Cross-section random 0.440534 0.4054 Idiosyncratic random 0.533482 0.5946

64 Weighted Statistics Root MSE 0.554746 R-squared 0.050632 Mean dependent var 0.609599 Adjusted R-squared 0.010517 S.D. dependent var 0.573181 S.E. of regression 0.570159 Sum squared resid 23.08076 F-statistic 1.262186 Durbin-Watson stat 2.002968 Prob(F-statistic) 0.293959 Unweighted Statistics 1.063867 1.149232 R-squared 0.095012 Mean dependent var Sum squared resid 40.22688 Durbin-Watson stat Sumber : Data diolah dengan Eviews 11 Tabel 4.6 menunjukkan regresi berganda Random Effect Model dengan persamaan : Y = -0.007661*X1 + 0.040729*X2 -0.318200* X3 + 1.456171 Keterangan : Y = Kualitas Laba X1 = Umur Perusahaan X2 = Profitabilitas X3 = Pertumbuhan Laba 3. Pemilihan Model Regresi Data Panel a. Uji Chow Uji signifikansi fixed effect (Uji F) atau Chow-test digunakan untuk mengetahui Common Effect Model ataukah Fixed Effect Model yang paling tepat digunakan dalam mengestimasi data panel. Hasil Uji Chow dengan menggunakan aplikasi Eviews 11 sebagai berikut :

65 Tabel 4.7 Hasil Uji Chow Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 4.016586 (24,47) 0.0000 Cross-section Chi-square 83.660764 24 0.0000 Sumber : Data diolah dengan Eviews 11 Tabel 4.7 menunjukkan tingkat signifikan Cross-Section F sebesar 0,0000. Tingkat signifikan tersebut lebih kecil daripada 0,05 sehingga H1 diterima H0 ditolak dan yang terpilih adalah model Fixed Effect Model. b. Uji Hausman Uji Hausman digunakan untuk mengetahui Fixed Effect Model ataukah Random Effect Model yang paling tepat digunakan dalam mengestimasi data panel. Hasil Uji Hausman dengan menggunakan aplikasi Eviews 11 sebagai berikut : Tabel 4.8 Hasil Uji Hausman Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects Test Summary Chi-Sq. Prob. Statistic Chi-Sq. d.f. Cross-section random 13.097982 3 0.0044 Sumber : Data diolah dengan Eviews 11

66 Tabel 4.8 menunjukkan tingkat signifikansi Cross-Setion random sebesar 0.0044. Tingkat signifikansi tersebut lebih kecil dari 0,05 sehingga H1 diterima H0 ditolak dan yang terpilih adalah model Fixed Effect Model. c. Uji Lagrange Multiplier (LM Test) Uji Lagrange Multiplier digunakan untuk mengetahui Random Effect Model ataukah Common Effect Model yang paling tepat digunakan dalam mengestimasi data panel. Tabel 4.9 Hasil Uji Lagrange Multiplier (LM Test) Lagrange Multiplier Tests for Random Effects Null hypotheses: No effects Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided (all others) alternatives Test Hypothesis Cross-section Time Both Breusch-Pagan 10.32377 2.109651 12.43342 (0.0013) (0.1464) (0.0004) Honda 3.213062 1.452464 3.299025 (0.0007) (0.0732) (0.0005) King-Wu 3.213062 1.452464 2.286625 (0.0007) (0.0732) (0.0111) Standardized Honda 3.489864 2.360982 -0.212691 (0.0002) (0.0091) (0.5842) Standardized King-Wu 3.489864 2.360982 0.461495 (0.0002) (0.0091) (0.3222) Gourieroux, et al.* -- -- 12.43342 (0.0007) Sumber : Data diolah dengan Eviews 11

67 Tabel 4.9 menunjukkan tingkat signifikansi Breusch-Pagan sebesar 0.0004. Tingkat signifikansi tersebut lebih kecil dari 0,05 sehingga H1 diterima H0 ditolak dan yang terpilih adalah model Random Effect Model. d. Kesimpulan Hasil Pemilihan Pengujian Model Regresi Data Panel Tabel 4.10 Kesimpulan Hasil Pemilihan Pengujian Model Regresi Data Panel Metode Uji Pemilihan Pengujian Hasil Model Model digunakan Chow Test, pemilihan : Common Effect vs Fixed Effect Model H0 = CEM Fixed Effect, (FEM) H1 = FEM F Prob = 0.0000 < Fixed Effect H0 jika Uji F Prob. > α α 0,05 Model (FEM) 0,05 H1 jika Uji F Prob. < α Random Effect 0,05 Model (REM) Hausman Test, pemilihan : Fixed Effect vs H0 = REM Random Effect, di H1 = FEM mana Prob. 0.0044 H0 jika Uji Hausman prob. < α 0,05 > α 0,05 H1 jika Uji Hausman prob. < α 0,05 Lagrange Multiplier (LM-Test), pemilihan : Common Effect vs H0 = CEM Random Effect, H1 = REM Cross-section = H0 jika Cross-section > α 0.0004 < α 0,05 0,05 H1 jika Cross-section < α 0,05 Sumber : Data sekunder yang dianalisis, 2020

68 4. Uji Asumsi Klasik Setelah dilakukan pemilihan model analisis regresi, Fixed Effect Model (FEM) adalah model yang yang terpilih. Selanjutnya akan dilakukan uji asumsi klasik atas model yang terpilih. Uji asumsi klasik yang dilakukan uji normalitas regresi, multikolinieritas, dan heteroskedasitas. a. Uji Normalitas Regresi Uji normalitas regresi dilakukan untuk mengetahui apakah data-data yang diperoleh sebagai variabel terpilih berdistribusi normal atau tidak. Berikut adalah hasil dari uji normalitas regresi : Gambar 4.1 Uji Normalitas Regresi 7 Series:Standardized Residuals 6 Sa mpl e 2017 2019 5 Obs erva ti ons 75 4 3 Mea n -8.14e -17 2 Medi a n -0.017167 1 Ma xi mum 0.748243 0 Mi ni mum -0.660516 Std. Dev. 0.406692 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 Skewness 0.082000 Kurtos i s 1.715918 Ja rque-Bera 5.236754 Proba bi l i ty 0.072921 Sumber : Data diolah dengan Eviews 11 Berdasarkan gambar 4.1 nilai Jarque-Bera sebesar 5.236754 dengan nilai Probability 0.072921 > 0.05. Hal ini berarti residualnya berdistribusi normal.

69 b. Uji Multikolinearitas Untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel independen dalam suatu model regresi linear berganda maka dilakukan uji multikolinearitas. Berikut adalah hasil dari uji multikolinearitas : Tabel 4.11 Uji Multikolinearitas X1 X2 X3 X1 1.000000 0.432750 -0.179155 X2 0.432750 1.000000 -0.054260 X3 -0.179155 -0.054260 1.000000 Sumber : Data diolah dengan Eviews 11 Hasil tabel 4.11 menunjukkan bahwa variabel bebas lebih kecil dari 0,8. Maka dapat disimpulkan tidak terjadi korelasi antar variabel bebas. c. Uji Heteroskedastisitas Uji Heteroskedastisitas untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Berikut adalah hasil dari uji heteroskedastisitas :

70 Tabel 4.12 Uji Heteroskedastisitas Dependent Variable: REABS Method: Panel Least Squares Date: 07/24/20 Time: 22:16 Sample: 2017 2019 Periods included: 3 Cross-sections included: 25 Total panel (balanced) observations: 75 Variable Coefficient Std. Error t-Statistic Prob. C -2.072370 1.737483 -1.192743 0.2390 X1 0.052829 0.039046 1.352971 0.1825 X2 0.062165 0.117258 0.530159 0.5985 X3 -0.047317 0.101498 -0.466183 0.6432 Effects Specification Cross-section fixed (dummy variables) Root MSE 0.198866 R-squared 0.604398 Mean dependent var 0.284981 Adjusted R-squared 0.377137 S.D. dependent var 0.318306 S.E. of regression 0.251213 Akaike info criterion 0.354293 Sum squared resid 2.966068 Schwarz criterion 1.219488 Log likelihood 14.71402 Hannan-Quinn criter. 0.699756 F-statistic 2.659492 Durbin-Watson stat 2.370279 Prob(F-statistic) 0.001604 Sumber : Data diolah dengan Eviews 11 Hasil tabel 4.12 menunjukkan bahwa nilai Probability untuk variabel independen lebih besar dari 0.05. Hal ini berarti tidak terjadi heteroskedastisitas. 5. Uji Hipotesis Berdasarkan teknik pemilihan estimasi model data panel maka yang terpilih adalah Fixed Effect Model, dengan hasil sebagai berikut :

71 Tabel 4.13 Regresi Linear Berganda dengan Fixed Effect Model Dependent Variable: Y Method: Panel EGLS (Cross-section weights) Date: 07/24/20 Time: 18:35 Sample: 2017 2019 Periods included: 3 Cross-sections included: 25 Total panel (balanced) observations: 75 Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C -2.407602 1.561141 -1.542206 0.1297 X1 0.077547 0.035008 2.215092 0.0316 X2 0.278703 0.121933 2.285705 0.0268 X3 -0.205702 0.061468 -3.346492 0.0016 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics Root MSE 0.403971 R-squared 0.845587 Mean dependent var 1.819451 Adjusted R-squared 0.756882 S.D. dependent var 1.140334 S.E. of regression 0.510308 Sum squared resid 12.23947 F-statistic 9.532542 Durbin-Watson stat 3.268790 Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.694295 Mean dependent var 1.063867 Sum squared resid 13.58865 Durbin-Watson stat 3.342403 Sumber : Data diolah dengan Eviews 11 Tabel 4.13 menunjukkan hasil model regresi linear berganda untuk fixed effect model, dengan hasil persamaan regresi sebagai berikut : Y = 0.077547*X1 + 0.278703*X2 - 0.205702* X3 - 2.407602 Keterangan : Y = Kualitas Laba X1 = Umur Perusahaan

72 X2 = Profitabilitas X3 = Pertumbuhan Laba Berdasarkan hasil regresi linear berganda diatas, berikut adalah hasil pengujian statistik yang diperoleh : a. Nilai konstanta sebesar -2.407602, artinya apabila umur perusahaan (X1), profitabilitas (X2), dan pertumbuhan laba (X3) tidak ada atau nilainya 0, maka kualitas laba nilainya sebesar - 2.407602. b. Koefisien regresi variabel umur perusahaan (X1) sebesar 0.077547 artinya apabila umur perusahaan (X1) ditingkatkan 1 satuan, sementara variabel independen lainnya tetap maka kualitas laba (Y) akan mengalami peningkatan yaitu sebesar 0.077547 satuan. Koefisien bernilai positif artinya ada hubungan berselaras antara umur perusahaan (X1) dengan kualitas laba (Y). Apabila umur perusahaan (X1) dinilai bagus bisa jadi kualitas laba (Y) akan mengalami peningkatan. c. Koefisien regresi variabel profitabilitas (X2) sebesar 0.278703 artinya apabila struktur profitabilitas (X2) ditingkatkan 1 satuan, sementara variabel independen lainnya tetap maka kualitas laba (Y) mengalami peningkatan yaitu sebesar 0.278703 satuan. Koefisien bernilai positif artinya ada hubungan berselaras antara profitabilitas (X2) dengan kualitas laba (Y). Apabila profitabilitas

73 (X2) dinilai bagus maka kualitas laba (Y) akan mengalami peningkatan. d. Koefisien regresi variabel pertumbuhan laba (X3) sebesar - 0.205702 artinya apabila pertumbuhan laba (X3) ditingkatkan 1 satuan, sementara variabel independen lainnya tetap maka kualitas laba (Y) mengalami penurunan yaitu sebesar -0.205702 satuan. Koefisien bernilai negatif artinya ada hubungan berlawanan antara pertumbuhan laba (X3) dengan kualitas laba (Y). Apabila pertumbuhan laba (X3) dinilai bagus maka kualitas laba (Y) akan menurun. 1. Uji Signifikansi Regresi Parsial (Uji t) a. Hipotesis Pertama Untuk uji signifikan regresi parsial dilihat dari hasil pengujian signifikan dan uji t. Hasilnya dapat dilihat pada tabel 4.13 dengan nilai koefisien umur perusahaan (X1) sebesar 0.077547 yang menandakan bahwa umur perusahaan (X1) mempunyai pengaruh positif terhadap kualitas laba (Y). Nilai prob sebesar 0.0316 < 0,05 dengan nilai t hitung sebesar 2.215092 > t tabel sebesar 1.99394 yang berarti umur perusahaan (X1) mempunyai pengaruh positif dan signifikan terhadap kualitas laba (Y). Berdasarkan hasil diatas maka Ha diterima, berarti umur perusahaan (X1)

74 mempunyai pengaruh positif dan signifikan terhadap kualitas laba (Y) secara parsial. Dengan demikian H1 terbukti. b. Hipotesis Kedua Untuk uji signifikan regresi parsial dilihat dari hasil pengujian signifikan dan uji t. Hasilnya dapat dilihat pada tabel 4.13 dengan nilai koefisien profitabilitas (X2) sebesar 0.278703 yang menandakan bahwa profitabilitas (X2) mempunyai pengaruh positif terhadap kualitas laba (Y). Nilai prob sebesar 0.0268 < 0,05 dengan nilai t hitung sebesar 2.285705 > t tabel sebesar 1.99394 yang berarti profitabilitas (X2) mempunyai pengaruh positif dan signifikan terhadap kualitas laba (Y). Berdasarkan hasil diatas maka Ha diterima, berarti profitabilitas (X2) mempunyai pengaruh positif dan signifikan terhadap kualitas laba (Y) secara parsial. Dengan demikian H2 terbukti. c. Hipotesis Ketiga Untuk uji signifikan regresi parsial dilihat dari hasil pengujian signifikan dan uji t. Hasilnya dapat dilihat pada tabel 4.13 dengan nilai koefisien pertumbuhan laba (X3) sebesar -0.205702 yang menandakan bahwa pertumbuhan laba (X3) mempunyai pengaruh negatif terhadap kualitas laba (Y). Nilai prob sebesar 0.0016 < 0,05 dengan nilai t hitung sebesar -3.346492 > t tabel sebesar 1.99394 yang

75 berarti pertumbuhan laba (X3) mempunyai pengaruh negatif dan signifikan terhadap kualitas laba (Y). Berdasarkan hasil diatas maka Ha diterima, berarti pertumbuhan laba (X3) mempunyai pengaruh negatif dan signifikan terhadap kualitas laba (Y) secara parsial. Dengan demikian H3 terbukti. 2. Uji Signifikansi Regresi Simultan (Uji F) Untuk uji signifikan regresi parsial dilihat dari hasil pengujian signifikan dan uji F. Berdasarkan hasil uji F seperti yang ditunjukkan pada table 4.13, F hitung mempunyai nilai sebesar 9.532542 atau lebih besar dari F tabel sebesar 2.73. Sedangkan nilai prob (F-statistics) 0.000000 atau lebih kecil dari 0.05. Hal ini berarti bahwa variabel Umur Perusahaan, Profitabilitas dan Pertumbuhan Laba secara bersama-sama berpengaruh positif dan signifikan terhadap Kualitas Laba pada perusahaan Manufaktur Sektor Industri Barang Konsumsi yang terdaftar di Bursa Efek Indonesia Tahun 2017-2019. 3. Koefisien Determinasi Koefisien Determinasi bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variabel dependen. Pada aplikasi Eviews 11, koefisien determinasi ditunjukkan oleh Adjusted R-Square. Pada tabel 4.13 Adjusted

76 R-Square mempunyai nilai sebesar 0.756882 atau 75.69%. Hal ini berarti variabel independen dalam penelitian ini yaitu Umur Perusahaan, Profitabilitas dan Pertumbuhan Laba dapat menjelaskan (berkontribusi) sebesar 75.69% terhadap Kualitas Laba. Sedangkan 24.31% dapat dijelaskan oleh variabel- variabel lainnya yang tidak diteliti pada penelitian ini. C. Analisis dan Pembahasan Hasil Penelitian Hasil estimasi dengan Fixed Effect Model, untuk menguji pengaruh variabel-variabel independen (Umur Perusahaan, Profitabilitas dan Pertumbuhan Laba) terhadap variabel dependen (Kualitas Laba) maka persamaan hasil penelitian sebagai berikut : Kualitas Laba = 0.077547*X1 + 0.278703*X2 - 0.205702* X3 - 2.407602 a. Hipotesis Pertama (H1) Berdasarkan hasil regresi linear berganda dan hasil uji t, dapat diketahui bahwa Koefisien variabel umur perusahaan berpengaruh positif sebesar 0.077547. Nilai signifikansi sebesar 0.0316 < 0.05 dengan t statistik sebesar 2.215092 > t tabel sebesar 1.99394 yang berarti umur perusahaan mempunyai pengaruh signifikan terhadap kualitas laba. Hasil penelitian ini membuktikan bahwa umur perusahaan berpengaruh positif dan signifikan terhadap kualitas laba. Penelitian ini sejalan dengan penelitian Maya (2015) dan Keshia Anjelica & Albertus Fani Prasetyawan (2014) yang menyatakan

77 bahwa umur perusahaan berpengaruh terhadap kualitas laba. Hal ini disebabkan perusahaan yang sudah lama berdiri akan menunjukkan kestabilan dibandingkan perusahaan yang baru berdiri karena memiliki pengalaman yang lebih banyak dalam berbagai masalah yang berkaitan dengan pengolahan informasi serta cara mengatasinya. Sehingga kualitas laba juga akan diperhatikan oleh perusahaan yang sudah lama berdiri. Bedanya hasil penelitian Maya (2015) umur perusahaan berpengaruh positif terhadap kualitas laba sedangkan hasil penelitian Keshia Anjelica & Albertus Fani Prasetyawan (2014) umur perusahaan berpengaruh negatif terhadap kualitas laba. b. Hipotesis Kedua (H2) Berdasarkan hasil regresi linear berganda dan hasil uji t, dapat diketahui bahwa Koefisien variabel profitabilitas berpengaruh positif sebesar 0.278703. Nilai signifikansi sebesar 0.0268 < 0,05 dengan dengan t statistik sebesar 2.285705 > t tabel sebesar 1.99394 yang berarti profitabilitas mempunyai pengaruh signifikan terhadap kualitas laba. Hasil penelitian ini membuktikan bahwa profitabilitas berpengaruh positif dan signifikan terhadap kualitas laba. Penelitian ini sejalan dengan penelitian Ardianti (2018), Listyawan (2017) dan Anjelica dan Prasetyawan (2014) yang menyatakan bahwa profitabilitas berpengaruh terhadap kualitas laba. Profitabilitas merupakan kemampuan perusahaan dalam

78 menghasilkan keuntungan atau laba. Sehingga hal ini yang menarik investor untuk menginvestasikan dananya. Maka dari itu juga perusahaan harus memberikan keyakinan kepada investor bahwa laba yang dihasilkannya berkualitas. Tetapi hal ini tidak sejalan dengan penelitian yang dilakukan oleh Sri Mala Afni dkk (2014), Ginting (2017) dan Mohamad Zulman (2018) yang menyatakan bahwa profitabilitas tidak berpengaruh terhadap kualitas laba. c. Hipotesis Ketiga (H3) Berdasarkan hasil regresi linear berganda dan hasil uji t, dapat diketahui bahwa Koefisien variabel pertumbuhan laba berpengaruh negatif sebesar -0.205702 yang menandakan bahwa pertumbuhan laba (X3) mempunyai pengaruh negatif terhadap kualitas laba (Y). Nilai prob sebesar 0.0016 < 0,05 dengan nilai t hitung sebesar - 3.346492 > t tabel sebesar 1.99394 yang berarti pertumbuhan laba mempunyai pengaruh negatif dan signifikan terhadap kualitas laba. Penelitian ini sejalan dengan penelitian penelitian Irawati (2012), Maharani (2015) dan Evelina (2016) yang menyatakan pertumbuhan laba berpengaruh negatif terhadap kualitas laba. Kemampuan perusahaan dalam menaikkan laba perusahaan setiap tahunnya masih rendah. Jika perusahaan mengalami pertumbuhan laba bisa terjadi manipulasi laba yang menyebabkan kualitas laba menurun dan sebaliknya jika perusahaan tetap menghasilkan laba tetapi tidak terjadi pertumbuhan laba berarti labanya tetap berkualitas.

79 Tetapi hasil penelitian ini tidak sejalan dengan hasil penelitian Sri Mala Afni dkk (2014) yang menyatakan pertumbuhan laba berpengaruh positif signifikan terhadap kualitas laba serta hasil penelitian Listyawan (2017) yang menyatakan bahwa pertumbuhan laba tidak mempunyai pengaruh terhadap kualitas laba. d. Hipotesis Keempat (H4) Dapat dilihat bahwa F-statistik menunjukan nilai 9.532542 dengan tingkat signifikansi dibawah 0,05 sedangkan F-tabel menunjukan nilai sebesar 2.73 yang berarti bahwa F-statistik > Ftabel dan nilai signifikansi sebesar 0.000000 < 0.05. Artinya, Umur Perusahaan, Profitabilitas dan Pertumbuhan Laba secara bersama sama mempunyai pengaruh dan signifikan terhadap Kualitas Laba. Nilai adjusted R-Square sebesar 0.756882, artinya variabel independen yang ada dalam penelitian ini yaitu Umur Perusahaan (X1), Profitabilitas (X2) dan Pertumbuhan Laba (X3) dapat menjelaskan (berkontribusi) sebesar 75.69% terhadap Kualitas Laba. Sedangkan 24.31% dapat dijelaskan oleh variabel-variabel lainnya yang tidak diteliti pada penelitian ini seperti Struktur Modal, Ukuran Perusahaan, Persistensi Laba, Leverage dan lain-lain.

BAB V KESIMPULAN IMPLIKASI DAN SARAN A. Kesimpulan Penelitian ini dilakukan untuk menguji pengaruh Umur Perusahaan, Profitabilitas dan Pertumbuhan Laba terhadap Kualitas Laba pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) periode 2017-2019. Berdasarkan penelitian yang telah dilakukan, maka diperoleh kesimpulan sebagai berikut : a. Umur Perusahaan berpengaruh positif dan signifikan terhadap Kualitas Laba. b. Profitabilitas berpengaruh positif dan signifikan terhadap kualitas laba. c. Pertumbuhan Laba berpengaruh negatif dan signifikan terhadap Kualitas Laba. d. Umur Perusahaan, Profitabilitas, dan Pertumbuhan Laba secara bersama-sama dapat menjelaskan (berkontribusi) dan signifikan terhadap kualitas laba. B. Implikasi Implikasi dari hasil penelitian ini diantaranya adalah sebagai berikut : 1. Umur perusahaan berpengaruh terhadap kualitas laba. Perusahaan yang sudah lama berdiri akan menunjukkan kestabilan dibandingkan 80

81 perusahaan yang baru berdiri karena memiliki pengalaman yang lebih banyak dalam berbagai masalah yang berkaitan dengan pengolahan informasi serta cara mengatasinya. Sehingga kualitas laba juga akan diperhatikan oleh perusahaan yang sudah lama berdiri. 2. Profitabilitas berpengaruh terhadap kualitas laba. Profitabilitas merupakan kemampuan perusahaan dalam menghasilkan keuntungan atau laba. Sehingga hal ini yang menarik investor untuk menginvestasikan dananya. Maka dari itu juga perusahaan harus memberikan keyakinan kepada investor bahwa laba yang dihasilkannya berkualitas. 3. Pertumbuhan laba berpengaruh terhadap kualitas laba. Pertumbuhan laba adalah kemampuan perusahaan dalam menaikkan laba perusahaan setiap tahunnya, tetapi didalam penelitian ini pertumbuhan laba berpengaruh negatif, dikarenakan pertumbuhan laba yang terjadi pada penelitian menunjukkan hasil yang masih rendah. Jika perusahaan mengalami pertumbuhan laba bisa saja terjadi manipulasi laba yang menyebabkan kualitas laba menurun dan sebaliknya jika perusahaan tetap menghasilkan laba tetapi tidak terjadi pertumbuhan laba berarti labanya tetap berkualitas. C. Saran 1. Bagi Peneliti Selanjutnya a) Untuk penelitian selanjutnya dapat menambahkan variabel independent lain yang kemungkinan dapat lebih menjelaskan

82 kualitas laba, seperti Struktur Modal, Ukuran Perusahaan, Persistensi Laba, Leverage dan lain-lain. b) Menambah sampel penelitian ke sektor industri manufaktur yang tergolong lebih luas serta dapat memperpanjang periode penelitiannya. 2. Bagi Investor Disarankan pihak investor lebih memperhatikan kembali faktor-faktor apa saja yang dapat mempengaruhi kualitas laba sehingga investor tidak salah mengambil keputusan dalam menginvestasikan modalnya ke perusahaan.

DAFTAR PUSTAKA Anjelica,Keshia & Albertus Fani Prasetyawan. 2014. Pengaruh Profitabilitas, Umur Perusahaan, Ukuran Perusahaan, Kualitas Audit, Dan Struktur Modal Terhadap Kualitas Laba. Ultima Accounting Vol 6. No.1. Universitas Multimedia Nusantara. Ardianti, Reza. Pengaruh Alokasi Pajak Antar Periode, Persistensi Laba, Profitabilitas, Dan Likuiditas Terhadap Kualitas Laba (Studi Empiris Pada Perusahaan Manufaktur Yang Terdaftar Di Beitahun 2012-2016). Jurnal Akuntansi, [S.L.], V. 6, N. 1, P. 88 - 105, June 2018. ISSN 2540-9646. Brigham, Eugene F dan Houston. 2011. Fundamental of Financial Management: Dasar-Dasar Manajemen Keuangan. Jakarta: Salemba Empat. Darsono dan Ashari. 2010. Pedoman Praktis Memahami Laporan Keuangan (Tips Bagi Investor, Direksi dan Pemegang Saham). Evelina (2016) Pengaruh leverage, likuiditas, pertumbuhan laba, ukuran perusahaan, investment opportunity set, dan kebijakan dividen terhadap kualitas laba (studi pada perusahaan manufaktur di bei tahun 2011 – 2013). Bachelor Thesis thesis, Universitas Multimedia Nusantara 83