HUBUNGAN ANTARA UKURAN PERUSAHAAN ... ANTARA UKURAN PERUSAHAAN, LEVERAGE, PROFITABILITAS DENGAN MANAJEMEN LABA Studi Empiris Pada Perusahaan Manufaktur Yang Terdaftar di Bursa Efek

HUBUNGAN ANTARA UKURAN PERUSAHAAN, LEVERAGE,

PROFITABILITAS DENGAN MANAJEMEN LABA

Studi Empiris Pada Perusahaan Manufaktur Yang Terdaftar

di Bursa Efek Indonesia Tahun 2014

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Ekonomi

Program Studi Akuntansi

Oleh:

Novianus

NIM: 122114027

PROGRAM STUDI AKUNTANSI JURUSAN AKUNTANSI

FAKULTAS EKONOMI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2016

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

i



Studi Empiris Pada Perusahaan Manufaktur Yang Terdaftar


SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Ekonomi

Program Studi Akuntansi

Oleh:

Novianus

NIM: 122114027

PROGRAM STUDI AKUNTANSI JURUSAN AKUNTANSI

FAKULTAS EKONOMI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2016


ii


iii


iv

PERSEMBAHAN

“Perjuangan Merupakan pengalaman berharga

yang Dapat Menjadikan Kita Manusia yang

Berkualitas”

“Segera laksanakan rencana keberhasilanmu di hari ini, jangan tunda lagi, jangan buang

waktu, karena waktu tidak bisa menunggu”

Skripsi ini saya persembahkan untuk:

Tuhan Yesus Kristus dan Bunda Maria yang selalu memberkati dan

menuntun langkahku.

Bapak, Ibu, Abang, Kakak dan Saudaraku yang selalu ada untuk

memberikan ku dukungan.

Sahabat-sahabatku yang selalu ada bersamaku

Terima kasih atas doa dan dukungan yang diberikan.


v


vi


vii

KATA PENGANTAR

Puji syukur dan terima kasih ke hadirat Tuhan Yang Maha Esa, yang telah

melimpahkan rahmat dan karunia kepada penulis sehingga dapat menyelesaikan

skripsi ini. Penulisan skripsi ini bertujuan untuk memenuhi salah satu syarat untuk

memperoleh gelar sarjana pada Program Studi Akuntansi, Fakultas Ekonomi

Universitas Sanata Dharma.

Dalam menyelesaikan skripsi ini penulis mendapat bantuan, bimbingan

dan arahan dari berbagai pihak. Oleh karena itu penulis mengucapkan terima

kasih yang tak terhingga kepada:

1. Tuhan Yesus Kristus dan Bunda Maria yang selalu memberkati,

memberikan rahmat, membimbing dan menyertai penulis dalam

menyelesaikan skripsi ini.

2. Johanes Eka Priyatma, M.Sc., Ph.D. selaku Rektor Universitas Sanata

Dharma yang telah memberikan kesempatan untuk belajar dan

mengembangkan kepribadian kepada penulis.

3. Lisia Apriani., S.E., M.Si., Ak., QIA., C.A selaku pembimbing yang telah

membantu serta membimbing penulis dalam menyelesaikan skripsi ini.

4. Dr. Fr. Ninik Yudianti M.Acc selaku dosen Pembimbing Akademik yang

telah membimbing penulis selama menjalani proses perkuliahan

5. Bapak dan Ibu dosen Fakultas Ekonomi yang telah membagikan ilmunya

kepada penulis selama proses perkuliahan.

6. Staf Sekretariat Fakultas ekonomi Program Studi Akuntansi Universitas

Sanata Dharma atas pelayanan dan kesabarannya membantu penulis dalam

menyelesaikan urusan administrasi.

7. Staf Pojok Bursa Efek Indonesia atas pelayanannya membantu penulis

mengumpulkan data-data yang diperlukan dalam penulisan skripsi ini.

8. Staf Perpustakaan Universitas Sanata Dharma yang telah menyediakan

buku-buku yang diperlukan selama proses perkuliahan serta menyediakan

tempat yang nyaman untuk belajar.


viii


ix

DAFTAR ISI

Halaman

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

HALAMAN PERSETUJUAN PEMBIMBING ..................................................... ii

HALAMAN PENGESAHAN ................................................................................ iii

HALAMAN PERSEMBAHAN............................................................................. iv

HALAMAN PERNYATAAN KEASLIAN KARYA TULIS ................................ v

HALAMAN PERNYATAAN PERSETUJUAN ................................................... vi

HALAMAN KATA PENGANTAR ..................................................................... vii

HALAMAN DAFTAR ISI .................................................................................. viii

HALAMAN DAFTAR TABEL ............................................................................ xi

HALAMAN DAFTAR GAMBAR ...................................................................... xiii

HALAMAN DAFTAR LAMPIRAN .................................................................. xiv

ABSTRAK ............................................................................................................ xv

ABSTRACT..........................................................................................................xvi

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

A. Latar Belakang Masalah .................................................................. 1

B. Rumusan Masalah ........................................................................... 3

C. Tujuan Penelitian ............................................................................. 3

D. Manfaat Penelitian ........................................................................... 3

E. Sistematika Penulisan ...................................................................... 4

BAB II LANDASAN TEORI ........................................................................... 6

A. Teori Keagenan ............................................................................... 6

B. Manajemen Laba ............................................................................. 7

C. Hubungan Ukuran Perusahaan dengan manajemen Laba ............. 15

D. Hubungan Leverage dengan Manajemen Laba ............................. 16

E. Hubungan Profitabilitas dengan Manajemen Laba ....................... 16

F. Kinerja Keuangan .......................................................................... 17

G. Laporan Keuangan ......................................................................... 19

H. Penelitian Terdahulu ...................................................................... 20

I. Rerangka Konseptual Penelitian .................................................... 23

BAB III METODE PENELITIAN.................................................................... 25

A. Jenis Penelitian .............................................................................. 25

B. Objek Penelitian ............................................................................ 25

C. Populasi Sasaran ............................................................................ 25

D. Jenis dan Sumber Data .................................................................. 26

E. Teknik Pengumpulan Data ............................................................ 26


x

F. Teknik Analisis Data ..................................................................... 27

BAB IV DESKRIPSI DATA ............................................................................ 34

A. Populasi Sasaran ............................................................................ 34

B. Profil Perusahaan ........................................................................... 36

BAB V ANALISIS DATA DAN PEMBAHASAN ........................................ 38

A. Analisis Data ................................................................................. 38

B. Pembahasan ................................................................................... 80

BAB VI PENUTUP .......................................................................................... 87

A. Kesimpulan. ................................................................................... 87

B. Keterbatasan Penelitian ................................................................. 88

C. Saran .............................................................................................. 89

DAFTAR PUSTAKA ........................................................................................... 90

LAMPIRAN .......................................................................................................... 92


xi

DAFTAR TABEL

Halaman

Tabel 3. 1 Kriteria Pemilihan Sampel ................................................................... 26

Tabel 3. 2 Kriteria pengujian kekuatan hubungan antara variabel

(berdasarkan nilai koefisien korelasi Spearman’s rho)......................... 33 Tabel 4. 1 Kriteria Pemilihan Populasi Sasaran .................................................... 34

Tabel 4. 2 Populasi Sasaran Penelitian. ................................................................ 36 Tabel 5. 1 Perhitungan ukuran perusahaan dengan Total aset .............................. 39

Tabel 5. 2 Perhitungan Leverage dengan debt to equity ratio .............................. 40

Tabel 5. 3 Perhitungan Profitabilitas dengan Return on Investment (%) .............. 42

Tabel 5. 4 Perhitugan Manajemen Laba berdasarkan DA

(Discretionary Accruals) ...................................................................... 44

Tabel 5. 5 Pengklasifikasin income minimization dan income maximization. ...... 45

Tabel 5. 6 Pengklasifikasian manajemen laba Income minimization .................... 46

Tabel 5. 7 Pengklasifikasian manajemen laba dengan Income maximization. ..... 47

Tabel 5. 8 Pengklasifikasian Ukuran Perusahaan dengan Total Aset. .................. 48

Tabel 5. 9 Pengklasifikasian data Leverage dengan debt to equity ratio. ........... 49

Tabel 5. 10 Pengklasifikasian Profitabilitas dengan return on investment (ROI). 50

Tabel 5. 11 Nilai Range, Minimum, Maximum Income minimization ................. 53

Tabel 5. 12 Klasifikasi Income minimization ........................................................ 55

Tabel 5. 13 Nilai range, minimum, dan maximum income maximization ............ 56

Tabel 5. 14 Klasifikasi income maximization ....................................................... 58

Tabel 5. 15 Statistik Deskriptif Ukuran Perusahaan ............................................. 59

Tabel 5. 16 Klasifikasi ukuran perusahaan ........................................................... 60

Tabel 5. 17 Statistik Deskriptif Leverage. ............................................................ 61

Tabel 5. 18 Klasifikasi leverage............................................................................ 63

Tabel 5. 19 Statistik Deskriptif Profitabiitas. ........................................................ 64

Tabel 5. 20 Klasifikasi profitabilitas ..................................................................... 65

Tabel 5. 21 Tabulasi silang ukuran perusahaan dan manajemen laba

(income minimization dan income maximization). ........................... 67

Tabel 5. 22 symmentric measures ukuran perusahaan dan manajemen laba

(income minimization dan income maximization) .............................. 67


(income minimization). ....................................................................... 68

Tabel 5. 24 Tabel symmentric measures ukuran perusahaan dan manajemen laba



(income maximization). ...................................................................... 70


xii



Tabel 5. 27 Tabulasi silang leverage dan manajemen laba

(income minimization dan income maximization). ............................. 72





Tabel 5. 30 Tabel symmentric measures leverage dan manajemen laba




Tabel 5. 32 Tabel symmentric measures leverage dan manajemen laba


Tabel 5. 33 Tabulasi silang profitabilitas dan manajemen laba






Tabel 5. 36 Tabel symmentric measures profitabilitas dan manajemen laba

(income minimization) ........................................................................ 79



Tabel 5. 38 Tabel symmentric measures profitabilitas dan manajemen laba

(income maximization) ....................................................................... 80


xiii

DAFTAR GAMBAR

Halaman

Gambar 2. 1 Kerangka Konseptual Penelitian ...................................................... 24 Gambar 5. 1 Histogram Data Mentah Manajemen Laba ...................................... 51

Gambar 5. 2 Histogram Income minimization ...................................................... 54

Gambar 5. 3 Histogram Income maximization ...................................................... 57

Gambar 5. 4 Histogram data mentah variabel ukuran perusahaan........................ 59

Gambar 5. 5 Histogram data mentah variabel leverage. ....................................... 62

Gambar 5. 6 Histogram data mentah variabel profitabilitas ................................. 64


xiv

DAFTAR LAMPIRAN

Halaman Lampiran I Tabel Perhitungan Nilai Total Accruals 2014. .............................................. 93

Lampiran II Komponen-Komponen Perhitungan Nondiscretionary Accruals 2014 ........ 95

Lampiran III Komponen-Komponen Perhitungan Nondiscretionary Accruals 2014 ...... 97

Lampiran IV Komponen-Komponen Perhitungan Nondiscretionary Accruals 2014 ...... 99

Lampiran V Komponen-Komponen Perhitungan Nondiscretionary Accruals 2014...... 101

Lampiran VI Komponen-Komponen Perhitungan Nondiscretionary Accruals 2014. ... 104

Lampiran VII Komponen-Komponen Perhitungan Nondiscretionary Accruals 2014. .. 107

Lampiran VIII Komponen-Komponen Perhitungan Nondiscretionary Accruals 2014. . 110

Lampiran IX Tabel Perhitungan Nondiscretionary Accruals 2014. .............................. 113

Lampiran X Tabel Perhitungan Discretionary Accruals 2014. ..................................... 116

Lampiran XI Tabel Perhitungan Ukuran Perusahaan 2014. .......................................... 118

Lampiran XII Tabel Perhitungan Debt to Equity Ratio 2014. ....................................... 120

Lampiran XIII Tabel Perhitungan Return On Invesment 2014 (%). .............................. 122

Lampiran XIV: Hasil Olah Data Spss ........................................................................... 124

Lampiran XV: Hasil Olah Data Spss............................................................................. 126

Lampiran XVI: Hasil Olah Data Spss ........................................................................... 128


xv

ABSTRAK



Studi Empiris Pada Perusahaan Manufaktur yang Terdaftar


Novianus

NIM: 122114027

Universitas Sanata Dharma

Yogyakarta

2016

Penelitian ini bertujuan untuk melihat seberapa kuat hubungan antara

ukuran perusahaan, leverage, profitabilitas dengan manajemen laba. Penelitian ini

merupakan studi empiris. Data yang digunakan adalah data sekunder yang

diperoleh dengan menggunakan teknik dokumentasi. Populasi sasaran dalam

penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia tahun 2014 yang berjumlah 75 perusahaan.

Penelitian ini menggunakan variabel ukuran perusahaan yang diproksikan

dengan total aset, leverage yang diproksikan dengan debt to equity ratio (DER),

profitabilitas yang diproksikan dengan return on invesment (ROI), dan

manajemen laba yang diproksikan dengan discretionary accruals (DA). Teknik

analisa data menggunakan analisis statistik deskriptif. Langkah-langkah analisis

statistik deskriptif adalah pengklasifikasian data, tabulasi silang, dan penarikan

kesimpulan.

Hasil penelitian menunjukkan ukuran perusahaan mempunyai hubungan

sangat lemah dan positif dengan manajemen laba income minimization dan

income maximization. Leverage mempunyai hubungan lemah dan positif dengan

manajemen laba, leverage mempunyai hubungan sangat lemah dan negatif dengan

manajemen laba (income minimization), dan leverage mempunyai hubungan

sangat lemah dan positif dengan manajemen laba (income maximization).

Profitabilitas mempunyai hubungan sangat lemah dan negatif dengan manajemen

laba, profitabilitas mempunyai hubungan sangat lemah dan positif dengan

manajemen laba (income minimization), dan profitabilitas mempunyai hubungan

sangat lemah dan negatif dengan manajemen laba (income maximization).

Kata Kunci: Ukuran Perusahaan, Leverage, Profitabilitas, dan Manajemen Laba.


xvi

ABSTRACT

THE RELATIONSHIP BETWEEN THE SIZE OF THE

COMPANY, THE LEVERAGE, THE PROFITABILITY AND

THE EARNINGS MANAGEMENT

The Empirical Study of Manufacture Companies Listed in

Indonesia Stock Exchange in 2014

Novianus

NIM: 122114027

Sanata Dharma University

Yogyakarta

2016

The purpose of this research is to see how strong is the relationship

between the size of company, leverage, profitability and earnings management.

This research is an empirical study. The data source is secondary data obtained by

using documentation technique. The target of this research is manufacture

companies listed in Indonesia Stock Exchange on 2014 with 75 companies in

total.

The research uses variabels such as the size of the company which is

measured by its total assets, leverage which is measured by debt to equity ratio

(DER), profitability which is measured by return on investment (ROI), and

earnings management which is measured by discretionary accurals (DA). The

technique used to analyse the data is descriptive analysis. The steps of the

descriptive analysis are data clarification, tabulation and conclusion.

The result of this research shows that the size of company has a weak and

positive relationship with earnings management for income minimization and

income maximization. Leverage has a weak and positive relationship with

earnings management. Leverage has a very weak and negative relationship with

earnings management for income minimization, however leverage has a very

weak and positive relationship with earnings management for income

maximization. Profitability has a very weak and negative relationship with

earnings management. Profitability has a very weak and positive relation with

earnings management for income minimization, however profitability has a very

weak and negative relationship with earnings management for income

maximization.

Keywords: size of company, leverage, profitability, and earnings management.


1

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Dalam perkembangan dunia bisnis yang semakin cepat ini, laporan

keuangan menjadi media penting dalam pengambilan keputusan bagi setiap

perusahaan. Suatu laporan keuangan pada dasarnya adalah hasil dari proses

akuntansi yang dapat digunakan sebagai alat komunikasi antara data

keuangan atau aktivitas suatu perusahaan dengan pihak–pihak yang

berkepentingan seperti investor dan kreditor dengan data atau aktivitas

perusahaan tersebut.

Laporan keuangan merupakan suatu informasi yang menggambarkan

kondisi keuangan suatu perusahaan, dan lebih jauh informasi tersebut dapat

dijadikan sebagai gambaran kinerja keuangan perusahaan tersebut. Laporan

keuangan yang dipublikasikan dianggap memiliki arti penting dalam menilai

suatu perusahaan (Fahmi, 2011: 2).

Hal utama yang diperhatikan pengguna laporan keuangan adalah laba,

karena laba mengandung informasi potensial yang sangat penting. Laporan

keuangan dapat menjadi informasi bagi calon investor untuk mengambil

keputusan agar mau bekerjasama dengan menanamkan modalnya dan

mengetahui kinerja keuangan perusahaan dimana modal mereka

diinvetasikan. Sebelum berinvestasi, para investor akan mempertimbangkan

perusahaan yang mana yang lebih baik untuk menginvestasikan atau


2

menanamkan modal mereka. Perusahaan yang akan dipilih tentunya

perusahan yang baik, seperti memiliki manajemen yang baik dan kinerja

keuangan yang baik.

Dalam hal ini kinerja keuangan dapat menjadi indikator untuk menilai

apakah perusahaan tempat dimana investor menanamkan modalnya

merupakan perusahaan yang sehat. Karena kinerja keuangan merupakan

ukuran keberhasilan dari semua bisnis yang ada saat ini. Kinerja keuangan

juga dapat memberikan informasi kondisi keuangan perusahaan dimasa lalu

dan dapat menilai risiko serta peluang perusahaan dimasa yang akan datang.

Teknik pengukuran kinerja keuangan dapat dinilai dengan rasio–rasio

keuangan yang ada. Rasio–rasio keuangan yang ada dapat memberikan

informasi kepada investor untuk menilai kinerja keuangan sehingga dapat

memberikan gambaran bagi investor untuk mengambil keputusan dalam

berinvestasi.

Kondisi ini yang mendorong manajer untuk memilih kebijakan

akuntansi yang sesuai dengan kepentingan dan kesejahteraannya. Secara

disadari atau tidak, kondisi tersebut telah mendorong para manajer untuk

melakukan manajemen laba.

Didalam kenyataannya terdapat beberapa faktor pendorong manajer

melakukan manajemen laba. Faktor–faktor tersebut adalah ukuran

perusahaan, leverage, dan profitabilitas. Faktor–faktor inilah yang mendorong

para manajer untuk melakukan manajemen laba.


3

Berdasarkan latar belakang yang telah diuraikan diatas dapat

disimpulkan bahwa investor terlebih dulu menganalisis kinerja keuangan

yang dinilai dengan rasio keuangan dan bermaksud untuk menjelaskan

bagaimana hubungan ukuran perusahaan, leverage, dan profitabilitas terhadap

manajemen laba. Oleh karena itu peneliti tertarik untuk meneliti “Hubungan

antara Ukuran Perusahaan, Leverage, Profitabilitas dengan Manajemen

Laba”.

B. Rumusan Masalah

1. Bagaimana hubungan antara ukuran Perusahaan dengan manajemen laba?

2. Bagaimana hubungan antara leverage dengan manajemen laba?

3. Bagaimana hubungan antara profitabilitas dengan manajemen laba ?

C. Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk melihat seberapa kuat

hubungan antara ukuran perusahaan, leverage, profitabilitas dengan

manajemen laba.

D. Manfaat Penelitian

1. Bagi Akademisi

Penelitian ini diharapkan dapat menjadi referensi dan memberikan

informasi yang berkaitan dengan ukuran perusahaan, profitabilitas,

leverage, dan manajemen laba


4

2. Bagi Investor

Penelitian ini dapat menjadi acuan penting bagi investor dalam mengambil

keputusan untuk berinvestasi.

3. Bagi Penulis

Penelitian ini memberikan wawasan dan pengetahuan lebih bagi penulis

terutama dalam hal yang berkaitan dengan manajemen laba.

4. Bagi Peneliti selanjutnya

Penelitian ini dapat memberikan manfaat bagi penelitian – penelitian

berikutnya sebagai kajian lebih lanjut penelitian dipasar modal mengenai

praktik manajamen laba.

E. Sistematika Penulisan

Penulisan penelitian ini dibagi menjadi beberapa bab yang terdiri dari

Bab I Pendahuluan, Bab II Landasan Teori, Bab III Metode Penelitian, Bab

IV Deskripsi Data, Bab V Hasil Penelitian dan Pembahasan, dan BAB VI

Kesimpulan dan Saran. Deskripsi dari masing-masing bab ini sebagai berikut:

BAB I Pendahuluan

Bab ini terdiri dari latar belakang masalah, rumusan masalah,

tujuan penelitian, dan manfaat penelitian serta sistematika

penulisan penelitian.

BAB II Landasan Teori

Bab ini menjelaskan mengenai teori-teori pendukung dan hasil

penelitian terdahulu sebagai acuan dari penelitian ini serta kerangka

konseptual penelitian.


5

BAB III Metode Penelitian

Bab ini menguraikan jenis penelitian, objek penelitian, teknik

pengambilan sampel, teknik pengumpulan data, dan teknik analisis

data.

BAB IV Deskripsi Data

Bab ini memberikan gambaran mengenai data yang digunakan

dalam penelitian, cara peneliti menentukan sampel, serta gambaran

statisitik deskriptif dari sampel penelitian.

BAB V Hasil Penelitian dan Pembahasan

Bab ini membahas mengenai pengujian yang dilakukan, analisis

terhadap data, dan temuan empiris yang diperoleh.

BAB VI Kesimpulan dan Saran

Bab ini berisi kesimpulan hasil uji dan analisis data yang dilakukan

pada bab sebelumnya, dan keterbatasan pada saat proses penelitian.

Berdasarkan kesimpulan dan keterbatasan penelitian, penulis

memberikan saran-saran bagi pihak yang berkepentingan dengan

penelitian ini.


6

BAB II

LANDASAN TEORI

A. Teori Keagenan

Dalam teori keagenan, hubungan sisi positif dan negatif konsep

manajerial ini salah satunya terjadi dalam hubungan antara agensi teori

(agency theory) dan manajemen laba. Manajemen laba memang merupakan

sisi lain dari teori agensi yang menekankan pentingnya penyerahan

operasionalitas perusahaan dari pemilik (principals) kepada pihak lain yang

mempunyai kemampuan untuk mengelola perusahaan dengan lebih baik

(agents). Konsep manajerial yang mengatur hubungan antara pemilik dan

pengelola ini menyatakan bahwa setiap pihak mempunyai hak dan tanggung

jawab dalam pengelolaan sebuah perusahaan (Sulistyanto, 2008: 28). Jika

agen tidak berbuat sesuai kepentingan principal, maka akan terjadi konflik

keagenan (agency conflict), sehingga memicu biaya keagenan (agency cost).

Manajer sebagai pengelola perusahaan merupakan orang yang lebih

banyak mengetahui mengenai informasi internal dan prospek dari suatu

perusahaan dimasa yang akan datang dibandingkan si pemilik. Oleh karena

itu, manajemen berkewajiban untuk memberikan sinyal kepada pemilik

perusahaan mengenai kondisi perusahaan. Sinyal itu dapat berupa

pengungkapan informasi akuntansi seperti laporan keuangan. Salah satu

kendala yang akan muncul antara agen dan principal adalah adanya asimetri

informasi. Dengan asimetri informasi antara manajemen dengan pemilik akan


7

memberi kesempatan kepada manajer untuk melakukan manajemen laba

sehingga akan menyesatkan pemegang saham mengenai kinerja ekonomi

perusahaan.

B. Manajemen Laba

Sejalan dengan berkembangnya penelitian akuntansi keuangan dan

keprilakuan saat ini ada beberapa definisi manajemen laba yang berbeda

antara satu dengan lainnya sesuai dengan pemahaman dan penilaian orang

yang mendefinisikan terhadap aktivitas pengelolaan dan pengaturan laba itu.

Secara umum ada beberapa definisi yang berbeda satu dengan lain,

yaitu:

1. Manajemen laba adalah kesalahan atau kelalaian yang disengaja dalam

membuat laporan mengenai fakta material atau data akuntansi sehingga

menyesatkan ketika semua informasi itu dipakai untuk membuat

pertimbangan yang akhirnya akan menyebabkan orang yang membacanya

akan mengganti atau mengubah pendapat atau keputusannya (Sulistyanto,

2008).

2. Manajemen laba adalah tindakan – tindakan manajer untuk menaikkan

(menurunkan) laba periode berjalan dari sebuah perusahaan yang

dikelolanya tanpa menyebabkan kenaikan (penurunan) keuntungan

ekonomi perusahaan jangka panjang (Sulistyanto, 2008).

3. Manajemen laba muncul ketika manajer menggunakan keputusan tertentu

dalam pelaporan keuangan dan mengubah transaksi untuk mengubah

laporan keuangan untuk menyesatkan stake holder yang ingin mengetahui


8

kinerja ekonomi yang diperoleh perusahaan atau untuk mempengaruhi

hasil kontrak yang menggunakan angka – angka akuntansi yang dilaporkan

(Sulistyanto, 2008).

Walaupun menggunakan terminologi yang berbeda, definisi – definisi

itu mempunyai benang merah yang menghubungkan satu definisi dengan

definisi lainnya, yaitu menyepakati bahwa manajemen laba merupakan

aktivitas manajerial untuk mempengaruhi dan mengintervensi laporan

keuangan.

Untuk memahami lebih lanjut apakah manajemen dikategorikan

sebagai kecurangan atau bukan maka diperlukan telaah lebih mendalam

terhadap definisi – definisi itu.

1. Manajemen laba dapat dilakukan dengan berbagai macam cara.

Secara umum definisi – definisi diatas menyebutkan bahwa upaya

mempengaruhi laporan keuangan dapat dilakukan dengan berbagai macam

cara sesuai dengan kepentingan manajer namun beberapa definisi secara

tegas ada yang menekankan bahwa selama apa yang dilakukan manajer

masih dalam ruang lingkup prinsip akuntansi berterima umum maka akan

tetap diakui dan diperbolehkan. Artinya, manajemn laba sebenarnya

merupakan upaya untuk merekayasa angka – angka dalam laporan

keuangan dengan mempermainkan metode dan prosedur akuntansi yang

digunakan perusahaan

2. Tujuan manajemen laba adalah mengelabui pemakai laporan keuangan.

Selain sebagai penyusun dan penyedia laporan keuangan dari perusahaan


9

yang dikelolanya, manajemen juga merupakan salah satu pemakai

informasi itu. Artinya laporan keuangan tidak hanya dipersiapkan atau

disajikan untuk stake holder namun juga untuk pengelola perusahaan itu

sendiri, baik untuk membuat keputusan operasi, deviden, maupun

investasi.

3. Ada biaya dan manfaat manajemen laba.

Ilmu ekonomi merupakan ilmu yang selalu menekankan adanya biaya

(cost) dan manfaat (benefit) dari setiap aktivitas yang dilakukan oleh

seseorang yang diperhitungkan sebelum orang itu melaksanakan apa yang

telah direncanakan. Tujuannya, agar orang dapat meminimalkan biaya

yang harus ditanggungnya dan mengoptimalkan manfaat yang diperoleh

dari aktivitas – aktivitas yang dilakukannya. Oleh sebab itu, sebelum

melakukan manajemen laba seorang manajer harus mempertimbangkan

biaya dan manfaat yang ditanggung dan dirasakannya.

Menurut Scott (2000) dalam Verawati 2012 membagi manajemen laba

yang mungkin dilakukan oleh para manajer perusahaan ke dalam empat jenis

pola manajemen laba yaitu:

a. Cuci Bersih (Taking a Bath)

Pola ini terjadi pada periode sulit, kondisi buruk yang tidak

menguntungkan ataupun pada saat terjadi reorganisasi, termasuk

pengangkatan CEO baru. Manajer melaporkan kerugian, mungkin dalam

jumlah yang besar. Manajer berharap laba pada periode mendatang dapat

meningkat karena berkurangnya beban periode mendatang.


10

b. Menurunkan Laba (Income Minimization)

Pola ini dilakukan sebagai alasan politis pada periode laba yang tinggi

dengan cara seperti pada pola taking a bath. Hal ini dilakukan pada saat

profitabilitas tinggi dengan maksud agar tidak mendapat perhatian secara

politis sekaligus sebagai upaya menyimpan laba sehingga jika laba periode

mendatang mengalami penurunan drastis dapat diatasi dengan mengambil

simpanan laba periode berjalan.

c. Menaikkan Laba (Income Maximization)

Pola ini dilakukan pada saat laba mengalami penurunan. Kebalikan dari

income minimization, income maximization dilakukan dengan cara

mengambil simpanan laba periode sebelumnya ataupun menarik laba

periode yang akan datang, misal dengan menunda pembebanan biaya. Pola

ini dilakukan atas dasar motivasi bonus, motivasi penghindaran

pelanggaran perjanjian utang, pada saat penawaran saham perdana dan

musiman, ataupun untuk menghindari turunnya harga saham secara drastis.

d. Perataan Laba (Income Smoothing)

Perataan laba dilakukan perusahaan dengan cara meratakan laba yang

dilaporkan sehingga dapat mengurangi fluktuasi laba yang terlalu besar

karena pada umumnya investor lebih menyukai laba yang relatif stabil.

Terdapat tiga hipotesis utama dalam teori akuntansi positive (positive

accounting theory), yang menjadi dasar pengembangan pengujian hipotesis

untuk mendeteksi manajemen laba menurut Watts dan Zimmerman, 1986),

yaitu:


11

1. Bonus plan hypothesis

Ada bukti empiris yang menyatakan bahwa perjanjian (kontrak) bisnis

manajer dengan pihak lain merupakan salah satu faktor yang

mempengaruhi tingkat manajemen laba yang dilakukan perusahaan. Ada

variabel yang selama diuji berkaitan dengan perjanjian bisnis itu, yaitu

bonus atau kompensasi manajerial.

2. Debt (equity) hypothesis

Dalam konteks perjanjian hutang, manajer akan mengelola dan mengatur

labanya agar kewajiban hutangnya yang seharusnya diselesaikan pada

tahun tertentu dapat ditunda untuk tahun berikutnya. Hal ini merupakan

upaya manajer untuk mengelola dan mengatur jumlah laba yang

merupakan indikator kemampuan perusahaan dalam menyelesaikan

kewajiban hutangnya.

3. Politic cost hypothesis

Alasan terakhir adalah masalah pelanggaran regulasi pemerintah. Sejauh

ini ada beberapa regulasi yang dikeluarkan pemerintah berkaitan dengan

dunia usaha, misalkan undang–undang perpajakan, anti trust dan

monopoli. Undang–undang mengatur jumlah pajak yang akan ditarik dari

perusahaan berdasarkan laba yang diperoleh perusahaan selama periode

tertentu.

Kondisi inilah yang merangsang manajer untuk mengelola dan mengatur

labanya dalam jumlah tertentu agar pajak yang harus dibayarkannya


12

menjadi tidak terlalu tinggi, karena manajer sebagai pengelola, tentu tidak

ingin kewajiban yang harus diselesaikannya terlalu membebaninya.

Manajemen laba dapat dihitung dengan menggunakan model yang

telah dikembangkan oleh Dechow dan kawan – kawan (1995) yaitu Modified

Jones Model (MJM). Model ini terdiri dari dua jenis yaitu discretionary

accruals dan non discretionary accruals.

Discretionary accruals yaitu komponen total accrual yang berasal

dari rekayasa manajerial dengan memanfaatkan kebebasan dalam menentukan

nilai estimasi pada metode akuntansi. Sedangkan non discretionary accruals

yaitu komponen total accrual yang diperoleh secara alami dengan mengikuti

standar akuntansi yang diterima secara umum (Sulistyanto, 2008).

Secara umum terdapat beberapa hal yang memotivasi individu atau

badan usaha melakukan tindakan manajemen laba, diantaranya adalah:

1. Motivasi Bonus

Dalam sebuah perjanjian bisnis, pemegang saham akan memberikan

sejumlah insentif dan bonus sebagai feedback atau evaluasi atas kinerja

manajer dalam menjalankan operasional perusahaan. Insentif ini diberikan

dalam jumlah relatif tetap dan rutin. Sementara bonus yang relatif besar

nilainya hanya akan diberikan ketika kinerja manajer berada diarea

pencapaian bonus yang telah ditetapkan oleh pemegang saham. Kinerja

manajemen salah satunya diukur dari pencapaian laba usaha. Pengukuran

kinerja berdasarkan laba dan skema bonus tersebut memotivasi para

manajer untuk memberikan performa terbaiknya sehingga tidak menutup


13

kemungkinan mereka melakukan tindakan creative accounting agar dapat

menampilkan kinerja yang baik demi mendapatkan bonus yang maksimal.

2. Motivasi Utang

Selain melakukan kontrak bisnis dengan pemegang saham, untuk

kepentingan ekspansi perusahaan, manajer seringkali melakukan beberapa

kontrak bisnis dengan pihak ketiga, dalam hal ini adalah kreditor. Agar

kreditor mau menginvestasikan dananya diperusahaannya, tentunya

manajer harus menunjukan performa yang baik dari perusahaannya. Untuk

memperoleh hasil yang maksimal atau pinjaman dalam jumlah besar,

perilaku kreatif dari manajer untuk menampilkan performa yang baik dari

laporan keuangannya pun seringkali muncul.

3. Motivasi pajak

Tindakan creative accounting tidak hanya terjadi pada perusahaan go

public dan selalu untuk kepentingan harga saham, tetapi juga untuk

kepentingan perpajakan. Kepentingan ini didominasi oleh perusahaan go

public. Perusahaan yang belum go public cenderung melaporkan dan

menginginkan untuk menyajikan laporan laba fiskal yang lebih rendah dari

nilai yang sebenarnya. Kecenderungan ini memotivasi manajer untuk

bertindak kreatif melakukan tindakan manajemen laba agar seolah – olah

laba fiskal yang dilaporkan memang lebih rendah tanpa melanggar aturan

dan kebijakan akuntansi perpajakan.


14

4. Motivasi Penjualan Saham

Proses penjualan saham perusahaan kepublik akan direspon positif oleh

pasar ketika perusahaan penerbit saham dapat menjual kinerja yang baik.

Salah satu ukuran kinerja yang dilihat oleh calon investor adalah penyajian

laba pada laporan keuangan perusahaan. Kondisi ini sering kali

memotivasi manajer untuk berperilaku kreatif dengan berusaha

menampilkan yang lebih baik dari biasanya.

5. Motivasi Pergantian Direksi

Praktik manajemen laba biasanya terjadi pada sekitar periode pergantian

direksi atau chief executive officer (CEO). Menjelang berakhirnya jabatan,

direksi cenderung bertindak kreatif dengan memaksimalkan laba agar

performa kerjanya tetap terlihat baik pada tahun terakhir ia menjabat.

Motivasi utama yang mendorong perilaku kreatif tersebut adalah untuk

memperoleh bonus yang maksimal pada akhir masa jabatannya.

6. Motivasi Politis

Pada aspek politis ini, manajer cenderung melakukan kreatif akuntansi

untuk menyajikan laba yang lebih rendah dari nilai yang sebenarnya,

terutama selama periode kemakmuran tertinggi. Hal ini dilakukan untuk

mengurangi visibilitas perusahaan sehingga tidak menarik perhatian

pemerintah, media, atau konsumen yang dapat menyebabkan

meningkatkan biaya politis perusahaan. Rendahnya biaya politis akan

menguntungkan manajemen.


15

C. Hubungan Ukuran Perusahaan dengan Manajemen Laba

Berdasarkan pada teori keagenan yang menjelaskan bahwa dalam

suatu organisasi dapat muncul konflik keagenan antara principle dan agen

akibat adanya asimetri informasi yang terjadi. Asimetri informasi inilah yang

dapat mendorong terjadi praktik manajemen laba. Menurut Agustia (2013)

dalam Yamaditya (2014) Ukuran perusahaan merupakan salah satu faktor

yang berpengaruh terhadap manajemen laba perusahaan. Perusahaan besar

cenderung akan memerlukan dana yang lebih besar dibandingkan dengan

perusahaan yang lebih kecil. Tambahan dana tersebut bisa diperoleh dari

penerbitan saham baru atau penambahan hutang. Motivasi untuk

mendapatkan dana tersebut akan mendorong pihak manajemen untuk

melakukan praktik manajemen laba, sehingga dengan pelaporan laba yang

tinggi maka calon investor maupun kreditur akan tertarik untuk menanamkan

dananya.

Menurut hasil penelitian Halim, dkk. (2005) menyatakan bahwa

terdapat hubungan positif yang cukup signifikan antara ukuran perusahaan

dengan manajemen laba perusahaan. Hal ini menunjukan bahwa semakin

besar suatu perusahaan maka semakin besar pula kesempatan manajer untuk

melakukan manajemen laba dimana perusahaan besar memiliki aktivitas

operasional yang lebih kompleks selain itu perusahaan besar juga lebih

dituntut untuk memenuhi ekspektasiinvestor yang lebih tinggi.


16

D. Hubungan Leverage dengan Manajemen Laba

Leverage adalah penggunaan aset dan sumber dana (sources of funds)

oleh perusahaan yang memiliki biaya (beban tetap) dengan maksud agar

meningkatkan keuntungan potensial pemegang saham (Sartono, 2008).

Leverage digunakan untuk mengukur kemampuan perusahaan dalam

menjamin seluruh hutangnya dengan seluruh modal yang dimiliki.

Menurut Yamaditya (2014) Leverage mempunyai hubungan dengan

praktik manajemen laba, ketika perusahaan mempunyai rasio leverage yang

tinggi maka perusahaan cenderung akan melakukan praktik manajemen laba

karena perusahaan terancam tidak bisa memenuhi kewajibannya dengan

membayar hutangnya tepat waktu.

Halim, dkk. (2005) menyatakan bahwa terdapat hubungan positif yang

sangat signifikan antara leverage dengan manajemen laba. Hal ini

menunjukkan bahwa semakin tinggi tingkat utang perusahaan maka manajer

akan semakin banyak melakukan manajemen laba untuk menghindari

pelanggaran kontrak utang (Debt Covenant Hypothesis).

E. Hubungan Profitabilitas dengan Manajemen Laba

Profitabilitas adalah kemampuan perusahaan memperoleh laba dalam

hubungannya dengan penjualan, total aktiva maupun modal sendiri (Sartono,

2010).

Rasio profitabilitas yang merupakan indikator kinerja perusahaan

dalam menghasilkan laba. Laba yag dihasilkan perusahaan dapat menjadi


17

indikator terjadinya manajemen laba. Dimana profitabilitas khususnya return

on equity diduga mempengaruhi manajemen laba.

Menurut Kartika (2012) profitabilitas merupakan suatu indikator

kinerja manajemen dalam mengelola kekayaan perusahaan yang ditunjukkan

oleh laba yang dihasilkan perusahaan. Laba yang dihasilkan perusahaan

selam tahun berjalan dapat menjadi indikator terjadinya praktik manajemen

laba dalam suatu perusahaan. Biasanya manajemen laba dilakukan oleh

manajer untuk memanipulasi komponen laba rugi yang dilaporkan

perusahaan. Dimana profitabilitas khususnya return on asset dan return on

equity diduga mempengaruhi praktik manajemen laba.

F. Kinerja Keuangan

Kinerja keuangan adalah suatu analisis yang dilakukan untuk melihat

sejauh mana suatu perusahaan telah melaksanakan dengan menggunakan

aturan – aturan pelaksanaan keuangan secara baik dan benar. Kinerja

keuangan digunakan untuk menilai perubahan potensial sumber daya

ekonomi yang akan digunakan dimasa yang akan datang dan untuk

memprediksi kapasitas produksi dari sumber daya yang ada (Barlian, 2003

dalam Triatmojo, 2013). Dalam penelitian ini, kinerja keuangan diukur

dengan menggunakan ukuran perusahaan, profitabilitas dan leverage.

1. Ukuran Perusahaan

Ukuran perusahan (company size) secara umum dapat diartikan sebagai

suatu perbandingan besar atau kecilnya suatu objek. Ukuran perusahaan

menunjukkan besar atau kecilnya kekayaan (asset) yang dimiliki suatu


18

perusahaan. Pengukuran perusahaan bertujuan untuk membedakan secara

kuantitatif antara perusahaan besar (large firm) dengan perusahaan kecil

(small firm) besar kecilnya suatu perusahaan yang dapat mempengaruhi

kemampuan manajemen untuk mengoperasikan perusahaan dengan

berbagai situasi dan kondisi yang dihadapinya.

2. Profitabilitas

Profitabilitas adalah kemampuan perusahaan memperoleh laba dalam

hubungannya dengan penjualan, total aktiva maupun modal sendiri

(Sartono, 2010). Pengertian yang sama disampaikan oleh Kasmir Rasio

Profitabilitas merupakan rasio untuk menilai kemampuan suatu perusahaan

dalam mencari keuntungan dalam suatu periode tertentu (Kasmir,

2015:196). Profitabilitas menggambarkan kemampuan perusahaan untuk

menghasilkan laba dengan menggunakan seluruh modal yang dimiliki.

Didalam penelitian ini, rasio profitabilitas diproksikan dengan return on

investment (ROI). ROI diukur dengan laba sebelum bunga dan pajak

dibagi total assets.

3. Leverage

Leverage adalah penggunaan aset dan sumber dana (sources of funds) oleh

perusahaan yang memiliki biaya (beban tetap) dengan maksud agar

meningkatkan keuntungan potensial pemegang saham (Sartono, 2008).

Leverage digunakan untuk mengukur kemampuan perusahaan dalam

menjamin seluruh hutangnya dengan modal seluruh yang dimiliki.


19

Penelitian ini, rasio leverage diproksikan dengan debt to equity ratio

(DER). Tingkat DER yang tinggi menunjukkan bahwa tingkat utang

semakin tinggi sehingga menyebabkan beban bunga tinggi sehingga

mengurangi keuntungan. DER diukur dengan total hutang dibagi total

ekuitas.

G. Laporan Keuangan

Laporan keuangan merupakan suatu informasi yang menggambarkan

kondisi suatu perusahaan, dimana selanjutnya itu akan menjadi suatu

informasi yang menggambarkan tentang kinerja suatu perusahaan.

Laporan keuangan yang lengkap biasanya akan meliputi neraca,

laporan laba rugi, laporan perubahan posisi keuangan, cacatan dan laporan

lain serta materi penjelasan yang merupakan bagian integral dari laporan

keuangan , termasuk juga skedul dan informasi tambahan yang berkaitan

dengan laporan keuangan.

Dua jenis laporan keuangan (utama) yang umumnya dibuat oleh setiap

perusahaan adalah neraca dan laporan laba rugi (dan biasanya dilengkapi

dengan laporan perubahan modal), yang masing - masing dapat dijelaskan

sebagai berikut:

a) Neraca

Neraca adalah laporan keuangan yang memberikan informasi mengenai

posisi keuangan (aktiva, kewajiban, dan ekuitas) perusahaan pada saat

tertentu.


20

b) Laporan Laba – Rugi

Laporan laba rugi adalah laporan keuangan yang memberikan informasi

mengenai kemampuan (potensi) perusahaan dalam menghasilkan (kinerja)

selama periode tertentu.

Meskipun neraca dan laporan laba rugi merupakan dua dokumen yang

terpisah, akan tetapi keduanya mempunyai hubungan yang sangat erat dan

saling terkait, serta merupakan suatu siklus. Neraca dan laporan laba rugi

sering dihubungkan dengan satu laporan yang disebut laporan perubahan

modal (laba ditahan), yang memberikan informasi mengenai perubahan

modal selama periode tertentu.

H. Penelitian Terdahulu

Beberapa penelitian terdahulu terkait dengan ukuran perusahaan,

leverage, profitabilitas, dan manajemen laba. Triatmojo (2013) melakukan

penelitian mengenai Analisis hubungan leverage dan profitabilitas terhadap

manajemen laba yang dilakukan pada perusahaan yang termasuk dalam

indeks LQ-45 periode 2009 - 2010. Hasil dari uji regresi linier berganda

menunjukkan bahwa variabel leverage yang diproksikan dengan debt to

equity ratio berpengaruh terhadap manajemen laba. Hal ini menjelaskan

bahwa semakin tinggi nilai debt to equity ratio, maka manajemen laba akan

semakin tinggi, sedangkan variabel profitabilitas yang diproksikan dengan

return on asset tidak berpengaruh terhadap manajemen laba dan yang

diproksikan dengan net profit margin berpengaruh terhadap manajemen laba.

Hal ini menjelaskan bahwa nilai net profit margin yang rendah lebih


21

cenderung akan memotivasi manajer melakukan manajemen laba karena

perusahaan memiliki kinerja keuangan yang baik.

Muliati (2011) dalam penelitian yang berjudul Pengaruh Asimetri

Informasi dan Ukuran Perusahaan pada Praktik Manajemen Laba Di

perusahaan Perbankan yang Terdaftar di Bursa Efek Indonesia. Hasil dari uji

regresi linier berganda menunjukkan bahwa asimetri informasi yang

diproksikan dengan relative bid-ask spread berpengaruh positif pada praktik

manajemen laba dan ukuran perusahaan yang diprosikan dengan total aktiva

akhir tahun terbukti berpengaruh negatif pada praktik manajemen laba.

Yamaditya (2014) dalam penelitian yang berjudul Pengaruh Asimetri

Informasi, Leverage, dan Ukuran Perusahaan terhadap Praktik Manajemen

Laba pada perusahaan manufaktur yang terdaftar di BEI tahun 2011 – 2013.

Hasil dari uji regresi linier berganda menunjukkan bahwa bahwa asimetri

informasi yang diproksikan dengan relative bid-ask spread dan ukuran

perusahaan yang diproksikan dengan logaritma naturak total aktiva

berpengaruh positif terhadap praktik manajemen laba, tetapi leverage tidak

berpengaruh terhadap praktik manajemen laba.

Sosiawan (2012) dalam penelitian yang berjudul Pengaruh

Kompensasi, Leverage, Ukuran perusahaan, Earnings Power terhadap

Manajemen Laba. Hasil dari penelitian ini kompensasi tidak berpengaruh

terhadap manajemen laba. Leverage yang diproksikan dengan DTA (debt to

asset) berpengaruh positif terhadap manajemen laba. Pengaruh positif dari

variabel DTA terhadap manajemen laba menunjukkan bahwa semakin tinggi


22

nilai pendanaan asset perusahaan dari pihak ketiga atau kreditur akan

mengakibatkan semakin tingginya peluang dewan direksi untuk melakukan

manajemen laba. Ukuran perusahaan tidak berpengaruh terhadap manajemen

laba. Tidak berpengaruhnya ukuran perusahaan terhadap manajemen laba

menunjukkan bahwa motivasi dewan direksi untuk melakukan manajemen

laba bukan di dasarkan pada ukuran perusahaan. Earning power yang

diprosikan dengan NPM (net profit margin) berpengaruh positif terhadap

manajemen laba. Berpengaruhnya variabel NPM secara positif menunjukkan

bahwa semakin tinggi tingkat NPM sebagai proyeksi dari earnings power

perusahaan akan mengakibatkan peningkatan terhadap kesempatan atau

peluang bagi dewan direksi untuk melakukan manajemen laba.

Kartika (2012) dalam penelitian yang berjudul Analisis Pengaruh

Penerapan Good Corporate Governance dan Profitabilitas Terhadap

Manajemen Laba. Hasil dari uji regresi linier berganda menunjukkan Good

Corporate Governance diproksikan dengan kepemilikan manajerial,

komisaris independen, komite audit, dan CEO duality. Kepemilikan

manajerial berpengaruh negatif terhadap manajemen laba. Komisaris

independen berpengaruh negatif tidak signifikan terhadap manajemen laba.

Komite audit tidak berpengaruh negatif signifikan terhadap manajemen laba.

Ceo duality berpengaruh negatif signifikan terhadap manajemen laba.

Profitabilitas dalam penelitian ini diproksikan dengan return on asset (ROA).

ROA berpengaruh negatif signifikan terhadap manajemen laba.


23

Yatulhusna (2015) dalam penelitian yang berjudul Pengaruh

Profitabilitas, Leverage, Umur, dan Ukuran Perusahaan Terhadap Manajemen

Laba. Hasil dari uji regresi linier berganda profitabilitas yang diproksikan

dengan menggunakan ROA (Return On Assets) berpengaruh signifikan

terhadap manajemen laba. Leverage berpengaruh signifikan terhadap

manajemen laba pada suatu perusahaan. Umur perusahaan berpengaruh

signifikan terhadap manajemen laba pada suatu perusahaan. Ukuran

perusahaan tidak berpengaruh signifikan terhadap manajemen laba pada suatu

perusahaan.

I. Rerangka Konseptual Penelitian

Penelitian ini ingin meneliti hubungan antara variabel ukuran

perusahaan dan manajemen laba, variabel leverage dan manajemen laba, dan

variabel profitabilitas dan manajemen laba. Penelitian ini meneliti hubungan

antara variabel sehingga tidak ada perumusan hipotesis dalam penelitian ini

karena kesimpulan yang akan ditarik hanya terbatas pada populasi sasaran.

Penelitian ini melihat hubungan satu per satu antara ukuran perusahaan dan

manjemen laba, leverage dan manajemen laba, dan profitabilitas dan

manajemen laba sehingga rerangka konseptual dalam penelitian ini seperti

digambarkan pada gambar 2.1.


24

Gambar 2. 1 Rerangka Konseptual Penelitian

Profitabilitas

Manajemen Laba Leverage

Ukuran Perusahaan


25

BAB III

METODE PENELITIAN

A. Jenis Penelitian

Jenis penelitian ini adalah studi empiris pada perusahaan manufaktur

yang terdaftar di BEI. Studi empiris adalah penelitian dengan menggunakan

data sekunder yang diperoleh dari pihak eksternal, dan kemudian diolah dan

dianalisis secara menyeluruh.

B. Objek Penelitian

Objek yang digunakan dalam penelitian ini adalah laporan keuangan

perusahaan manufaktur yang terdaftar di BEI tahun 2014.

C. Populasi Sasaran

Populasi sasaran dalam penelitian ini adalah perusahaan manufaktur

yang terdaftar di BEI tahun 2014, yang memenuhi kriteria di bawah ini.

1. Perusahaan manufaktur yang terdaftar dalam Bursa Efek Indonesia tahun

2014.

2. Perusahaan manufaktur yang secara konsisten mempublikasikan laporan

keuangan pada Bursa Efek Indonesia tahun 2014.

3. Perusahaan manufaktur yang mempunyai laporan keuangan yang lengkap

tahun 2014.

4. Perusahaan manufaktur yang menggunakan mata uang rupiah dalam

publikasi laporan keuangan.

5. Perusahaan manufaktur yang memiliki nilai ROI dan DER positif


26

Kriteria pemilihan perusahaan yang menjadi populasi sasaran dijabarkan pada

tabel dibawah ini:

Tabel 3. 1 Kriteria Pemilihan Sampel

Kriteria Sampel Jumlah

Perusahaan manufaktur yang terdaftar di BEI tahun 2014 143

Perusahaan manufaktur yang tidak melaporkan laporan keuangan secara lengkap

tahun 2014 (25)

Perusahaan manufaktur yang menggunakan mata uang US $ (25)

Perusahaan manufaktur yang memiliki nilai ROI dan DER negatif (18)

Populasi Sasaran 75

D. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian adalah data sekunder yang

diperoleh dari media elektronik. Sumber data yang dibutuhkan dalam

penelitian ini adalah berupa laporan tahunan perusahaan yang tercatat pada

tahun 2014 dan melalui ICMD (Indonesian Capital Market Directory). Data–

data tersebut diperoleh dari situs Bursa Efek Indonesia yaitu

http://www.idx.co.id.

E. Teknik Pengumpulan Data

Teknik pengumpulan data yang digunakan dalam penelitian ini adalah

metode dokumentasi. Metode dokumetasi dilakukan dengan cara

mengumpulkan, mempelajari, dan menganalisis sumber data dalam bentuk

tulisan atau dokumentasi seperti laporan keuangan perusahaan dan informasi

yang berkaitan dengan penelitian yang dilakukan.


http://www.idx.co.id/

27

Mengumpulkan data untuk menghitung ukuran perusahaan yaitu total

aset, untuk menghitung leverage yaitu total utang dan total aset, dan untuk

menghitung profitabilitas yaitu laba setelah bunga dan pajak dan total aset.

Kemudian mengumpulkan data untuk menghitung tingkat manajemen laba

yaitu laba bersih penjualan, arus kas operasi, total asset, perubahan penjualan

bersih, perubahan piutang perusahaan, dan property, plant, and equipment.

F. Teknik Analisis Data

1. Menghitung ukuran perusahaan

Ukuran perusahaan dilihat dari total aset yang dimiliki perusahaan.

Ukuran perusahaan = total aset (Salno dan Baridawan, 2000 dalam Yulia,

2013).

2. Menghitung leverage

Leverage diproksikan dengan debt to equity ratio yang diperoleh melalui

total utang dibagi dengan total ekuitas. Debt to equity ratio dihitung

dengan rumus sebagai berikut (Kasmir, 2015:158):

Debt to equity ratio = total utang

total ekuitas

3. Menghitung profitabilitas

Profitabilitas diproksikan dengan return on invesment (ROI). Skala

pengukuran yang digunakan adalah skala rasio dengan rumus sebagai

berikut (Kasmir 2015: 202):

ROI = Laba setelah bunga dan pajak

Total aset


28

4. Menghitung tingkat manajemen laba

Manajemen laba yang merupakan variabel dependen dapat diukur dengan

menggunakan Modified Jones Model (MJM), yaitu diukur melalui

discretionary accruals yang dihitung dengan cara total accrual (TA)

dikurangi dengan non discretionary accruals (NDA) (Sulistiawan, 2011).

Langkah–langkah untuk menghitung manajemen laba menggunakan

Modified Jones Model (MJM), sebagai berikut:

a) Menentukan nilai total akrual (TA) dengan formulasi:

b) Menentukan nilai parameter α1, α2, dan α3 menggunakan Jones Model

(1991), dengan formulasi:

Lalu, untuk menskala data, semua variabel tersebut dibagi dengan aset

tahun sebelumnya ( )sehingga formulasinya menjadi:

( ) ( ) ( )

c) Menghitung nilai akrual nondiskresioner (NDA) dengan formulasi:

( ) ( ) ( )

Nilai α1, α2, dan α3 adalah hasil dari perhitungan pada langkah ke-2.

Isikan semua nilai yang ada dalam formula sehingga nilai NDA akan

bisa didapatkan.

d) Menentukan nilai akrual diskresioner yang merupakan indikator

manajemen laba akrual dengan cara mengurangi total akrual dengan

akrual nondiskresioner, dengan formulasi:


29

Keterangan:

= total akrual perusahaan i dalam periode t.

= laba bersih perusahaan i pada periode t.

= arus kas operasi perusahaan i pada periode t.

= akrual nondiskresioner perusahaan i pada periode t.

= akrual diskresioner perusahaan i pada periode t.

= total asset total perusahaan i pada periode t-1.

= perubahan penjualan bersih perusahaan i pada periode t.

= perubahan piutang perusahaan i pada periode t.

= property, plant, and equipment perusahaan i pada periode t.

= parameter yang diperoleh dari persamaan regresi.

= error term perusahaan i pada periode t.

5. Mengklasifikasikan Data

Penelitian ini menggunakan analisis statistik non-parametrik.

Statistik non-parametrik adalah statistik bebas sebaran (tidak

mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak).

Selain itu, statistik non-parametrik biasanya menggunakan skala

pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak

berdistribusi normal. Metode untuk mengklasifikasikan data menggunakan

metode seriaton secara kelompok. Metode ini digunakan untuk menyusun

data dalam kelompok-kelompok berdasarkan kelas interval tertentu

sehingga dapat diperoleh secara tepat data yang terkecil dan yang terbesar

dan mengelompokkan data menjadi beberapa bagian apakah menjadi 2

bagian ataukah lebih (Boedijoewono, 2012: 35-36).

a. Mengklasifikasikan Data Manajemen Laba

Tujuan dari klasifikasi data ini supaya data ukuran data menjadi

kategori. Ukuran manajemen laba adalah berskala rasio, data yang


30

bernilai negatif berarti perusahaan cenderung melakukan manajemen

laba dengan income minimization, sedangkan data yang bernilai positif

berarti perusahaan cenderung melakukan manajemen laba dengan

income maximization. Kemudian dari nilai negatif dan positif tersebut

dibuat kategori menjadi:

1 = Nilai discretionary accruals bernilai positif (income maximization).

2 = Nilai discretionary accruals bernilai negative (income

minimization).

Setelah manajemen laba diklasifikasikan menjadi dua kategori,

kemudian dari masing–masing kategori diklasifikasikan lagi untuk

mengetahui tingkatan manajemen laba. Maka kategori yang digunakan

adalah sebagai berikut:

Income Minimization Income Maximization

Rendah (1) = -0,50 - ≤ -0,20 Rendah (1) = 0,00 - ≤ 0,10

Sedang (2) = > -0,20 - ≤ -0,10 Sedang (2) = > 0,10 - ≤ 0,20

Tinggi (3) = > -0,10 – ≤ 0,01 Tinggi (3) = > 0,20 - ≤ 0,40

b. Mengklasifikasikan Data Ukuran Perusahaan

Klasifikasi data ukuran perusahaan dilakukan dengan membagi angka

Ukuran perusahan yang dihasilkan dari histogram. Kemudian

mengkategorikannya menjadi, sebagai berikut (dalam milyar rupiah).

Sangat Rendah (1) = Rp 0 – Rp 5.000

Sedang (2) = > Rp 5.000 – ≤ Rp 10.000

Tinggi (3) = > Rp 10.000 - ≤ Rp 15.000

Sangat Tinggi (4) = > Rp 15.000


31

c. Mengklasifikasikan Data Leverage

Klasifikasi data leverage dilakukan dengan membagi angka leverage

yang dihasilkan dari histogram. Kemudian mengkategorikannya

menjadi, sebagai berikut.

Sangat Rendah (1) = 0,00 - ≤ 1,00

Rendah (2) = > 1,00 - ≤ 2,00

Tinggi (3) = > 2,00 - ≤ 3,00

Sangat Tinggi (4) = >3,00

d. Mengklasifikasikan data Profitabilitas

Klasifikasi data profitabilitas dilakukan dengan membagi angka

profitabilitas yang dihasilkan dari histogram. Kemudian

mengkategorikannya menjadi, sebagai berikut.

Sangat Rendah (1) = 0,00 - ≤ 10,00

Rendah (2) = > 10,00 - ≤ 20,00

Tinggi (3) = > 20,00 - ≤ 30,00


6. Melakukan Analisis Statistik Deskriftif

1) Mendeskripsikan Variabel

Deskripsi variabel dilakukan dengan menganilis histogram untuk

mengetahui sebaran data, serta sebagai dasar klasifikasi data. Histogram

adalah grafik yang berbentuk batang yang menggambarkan nilai data,

dimana tiap nilai menempati suatu jumlah area yang sama dalam area

yang tertutup (Cooper and Schindler, 2006). Oleh karena itu dalam


32

penelitian ini ada empat variabel maka deskripsi dilakukan satu persatu

atas empat variabel dalam penelitian.

a. Mendeskripsikan variabel manajemen laba

Deskripsi dengan menggunakan histogram

b. Mendeskripsikan variabel ukuran perusahaan


c. Mendeskripsikan variabel leverage


d. Mendeskripsikan variabel profitabilitas


7. Melakukan Analisis Tabulasi Silang (Crosstabs)

Analisis tabulasi silang (crosstabs) pada prinsipnya menyajikan data

dalam bentuk tabulasi yang meliputi baris dan kolom dan data untuk

penyajian crosstabs adalah data berskala nominal atau kategori (Ghozali,

2013: 22). Pada penelitian ini data yang digunakan pada analisis tabulasi

silang adalah data skala rasio yang telah diklasifikasi dan diubah menjadi

skala ordinal.

8. Menarik kesimpulan

Kesimpulan diambil dari hasil analisis pada tabel tabulasi silang

(crosstabs) antara variabel, dengan melihat kekuatan hubungan dan arah

hubungan berdasarkan nilai Spearman’s rho. Menurut Cooper dan William

(1995) korelasi Spearman’s rho menghubungkan rangking antara dua


33

variabel yang sudah diurutkan. Menguji kekuatan hubungan, maka kriteria

pengujiannya adalah sebagai berikut (Sugiono, 2001):

Tabel 3. 2 Kriteria pengujian kekuatan hubungan antara variabel

(berdasarkan nilai koefisien korelasi Spearman’s rho)

Nilai Spearman’s rho (+ dan -) Tingkat Hubungan

0,00 – 0,199 Sangat Lemah

0,20 – 0,399 Lemah

0,40 – 0,599 Sedang

0,60 – 0,799 Kuat

0,80 – 1,00 Sangat Kuat

Sumber: data sekunder yang diolah, 2016

Koefesien korelasi menunjukkan kekuatan (strength) hubungan linear dan

arah hubungan dua variabel acak. Jika koefesien korelasi positif, maka

kedua variabel mempunyai hubungan positif atau searah. Artinya jika nilai

variabel X tinggi, maka nilai variabel Y akan tinggi pula. Sebaliknya, jika

koefesien korelasi negatif, maka kedua variabel mempunyai hubungan

negatif atau terbalik. Artinya jika nilai variabel X tinggi, maka nilai

variabel Y akan menjadi rendah dan berlaku sebaliknya.


34

BAB IV

DESKRIPSI DATA

A. Populasi Sasaran

Populasi sasaran yang digunakan dalam penelitian ini adalah seluruh

perusahaan manufaktur yang terdaftar di situs resmi PT Bursa Efek Indonesia

(www.idx.co.id) di tahun 2014, dan yang terpilih memenuhi kriteria yang

telah ditentukan. Selama tahun 2014 terdapat 143 perusahaan manufaktur

yang terdaftar di BEI. Objek penelitian dalam penelitian ini adalah laporan

keuangan yang diungkapkan oleh perusahaan manufaktur yang dapat di

unduh pada website BEI tersebut.

Populasi sasaran ditentukan dengan membuat kriteria-kriteria tertentu

yang sesuai dengan penelitian, untuk kemudian dianalisis lebih lanjut.

Kriteria pemilihan perusahaan yang menjadi populasi sasaran dijabarkan pada

tabel di bawah ini:

Tabel 4. 1 Kriteria Pemilihan Populasi Sasaran

Kriteria Sampel Jumlah

Perusahaan manufaktur yang terdaftar di BEI tahun 2014 143

Perusahaan manufaktur yang tidak melaporkan laporan keuangan secara lengkap

tahun 2014 (25)

Perusahaan manufaktur yang menggunakan mata uang US $ (25)

Perusahaan manufaktur yang memiliki nilai ROI dan DER negatif (18)

Populasi Sasaran 75


http://www.idx.co.id/

35

Berdasarkan kriteria yang ditentukan oleh penulis pada tabel 1,

diketahui terdapat 143 perusahaan manufaktur yang terdaftar di BEI.

Penelitian ini menggunakan laporan keuangan yang menggunakan mata uang

rupiah. Terdapat 25 perusahaan yang tidak menggunakan mata uang rupiah

dalam laporan keuangan yang diterbitkan. Terdapat 18 perusahaan

manufaktur yang memiliki nilai profitabilitas yang diproksikan dengan ROI

bernilai negatif dan nilai leverage yang diprosikan dengan DER juga bernilai

negatif. Sehingga jumlah perusahaan menjadi 100 setelah dikurangi dengan

perusahaan yang menggunakan uang asing dan perusahaan yang memiliki

nilai ROI dan DER negatif.

Penelitian ini menggunakan perusahaan manufaktur pada tahun 2014

yang melaporkan laporan keuangan secara lengkap. Sedangkan dalam

penelitian ini peneliti menemukan 25 perusahaan yang tidak melaporkan

laporan keuangan secara lengkap, sehingga jumlah populasi menjadi 75.

Sebanyak 75 perusahaan tersebut yang disebut populasi sasaran dalam

penelitian ini. Kesimpulan dari hasil pengujian maupun analisis pada baba

berikutnya berlaku kepada populasi sasaran sejumlah 75 perusahaan, bukan

seluruh perusahaan manufaktur yang terdaftar di BEI.


36

B. Profil Perusahaan

Berikut ini profil dari 75 perusahaan yang menjadi populasi sasaran

dalam penelitian ini.

Tabel 4. 2 Populasi Sasaran Penelitian.

NO Kode

Emiten Bidang usaha Nama Emiten

1 ADES

Minuman dan Makanan

Ringan

Akasha Wira International Tbk

2 AKPI Plastik dan Kemasan Argha Karya Prima Industry Tbk

3 ALDO Kertas dan Pulp Alkindo Naratama Tbk

4 ALKA Logam, Besi atau sejenisnya Alaska Industrindo Tbk

5 ALMI Logam, Besi atau sejenisnya Alumindo Light Metal Industry Tbk

6 AMFG Kaca dan Porselin Asahimas Flat Glass Tbk

7 APLI Plastik dan Kemasan Asiaplast Industries Tbk

8 ARNA Kaca dan Porselin Arwana Citra Mulia Tbk

9 AUTO Otomotif dan komponen Astra Auto Part Tbk

10 BAJA Logam, Besi atau sejenisnya Saranacentral Bajatama Tbk

11 BATA Sepatu dan Sandal Sepatu Bata Tbk

12 BRNA Plastik dan Kemasan Berlina Tbk

13 BTON Logam, Besi atau sejenisnya Beton Jaya Manunggal Tbk

14 BUDI Kimia Budi Acid Jaya Tbk

15 CEKA Makanan dan Minuman Cahaya Kalbar Tbk

16 CPIN Pakan Ternak Charoen Pokphand Indonesia Tbk

17 DAJK Kertas dan Pulp Dwi Aneka Jaya Kemasindo Tbk

18 DLTA Makanan dan Minuman Delta Djakarta Tbk

19 DPNS Kimia Duta Pertiwi Nusantara

20 DVLA Farmasi Darya Varia Laboratoria Tbk

21 EKAD Kimia Ekadharma International Tbk

22 ERTX Garmen dan Tekstil Eratex Djaja Tbk

23 FASW Kertas dan Pulp Fajar Surya Wisesa Tbk

24 GJTL Otomotif dan komponen Gajah Tunggal Tbk

25 HMSP Sepatu dan Sandal HM Sampoerna Tbk

26 ICBP Makanan dan Minuman Indofood CBP Sukses Makmur Tbk

27 IGAR Plastik dan Kemasan Champion Pasific Indonesia Tbk

28 IKAI Kaca dan Porselin Inti Keramik Alam Asri Industri Tbk

29 INAF Farmasi Indofarma Tbk

30 INAI Logam, Besi atau sejenisnya Indal Aluminium Industry Tbk

31 INCI Kimia Intan Wijaya International Tbk

32 INDS Otomotif dan komponen Indospring Tbk

33 INTP Semen Indocement Tunggal Prakasa Tbk

34 JECC Kabel Jembo Cable Company Tbk

35 JPFA Pakan Ternak Japfa Comfeed Indonesia Tbk

36 JPRS Logam, Besi atau sejenisnya Jaya Pari Steel Tbk

37 KBLI Kabel KMI Wire and Cable Tbk

38 KBLM Kabel Kabelindo Murni Tbk

39 KIAS Kaca dan Porselin Keramika Indonesia Assosiasi Tbk

40 KICI Peralatan Rumah Tangga Kedaung Indag Can Tbk

41 KLBF Farmasi Kalbe Farma Tbk

42 LION Logam, Besi atau sejenisnya Lion Metal Works Tbk


37

Tabel 4. 2 Populasi Sasaran Penelitian (Lanjutan).

NO Kode

Emiten Bidang Usaha Nama Emiten

43 LMPI Peralatan Rumah Tangga Langgeng Makmur Industry Tbk

44 LMSH Logam, Besi atau sejenisnya Lionmesh Prima Tbk

45 MERK Farmasi Merck Tbk

46 MLBI Makanan dan Minuman Multi Bintang Indonesia Tbk

47 MLIA Kaca dan Porselin Mulia Industrindo Tbk

48 MRAT Kosmetik dan kebutuhan RT Mustika Ratu Tbk

49 MYOR Makanan dan Minuman Mayora Indah Tbk

50 NIPS Otomotif dan komponen Nippres Tbk

51 PICO Logam, Besi atau sejenisnya Pelangi Indah Canindo Tbk

52 PRAS Otomotif dan komponen Prima Alloy Steel Universal Tbk

53 PYFA Farmasi Pyridam Farma Tbk

54 RICY Garmen dan Tekstil Ricky Putra Globalindo Tbk

55 ROTI Makanan dan Minuman Nippon Indosari Corpindo Tbk

56 SCCO Kabel

Supreme Cable Manufacturing &

Commerce Tbk

57 SIAP Plastik dan Kemasan Sekawan Intipratama Tbk

58 SIMA Plastik dan Kemasan Siwani Makmur Tbk

59 SKBM Makanan dan Minuman Sekar Bumi Tbk

60 SKLT Makanan dan Minuman Sekar Laut Tbk

61 SMBR Semen

Semen Baturaja Tunggal Prakasa

Tbk

62 SMCB Semen Holcim Indonesia Tbk

63 SMSM Otomotif dan komponen Selamat Sempurna Tbk

64 SPMA Kertas dan Pulp Suparma Tbk

65 SQBB Farmasi

Taisho Pharmaceutical Indonesia

Tbk

66 SRSN Kimia Indo Acitama Tbk

67 STAR Garmen dan Tekstil Star Petrcohem Tbk

68 STTP Makanan dan Minuman Siantar Top Tbk

69 TCID Kosmetik dan kebutuhan RT Mandom Indonesia Tbk

70 TOTO Kaca dan Porselin Surya Toto Indonesia Tbk

71 TRIS Garmen dan Tekstil Trisula internatinational Tbk

72 TRST Plastik dan Kemasan Trias Sentosa Tbk

73 TSPC Farmasi Tempo Scan Pasific Tbk

74 UNIT Garmen dan Tekstil Nusantara Inti Corpora Tbk

75 WIIM Sepatu dan Sandal Wismilak Inti Makmur Tbk


38

BAB V

ANALISIS DATA DAN PEMBAHASAN

A. Analisis Data

1. Pengumpulan Data

Data mengenai ukuran perusahaan yang berupa total aset dapat dilihat

pada bagian lampiran. Data mengenai leverage dengan proksi debt to

equity ratio (DER) dapat dilihat pada bagian lampiran. Data mengenai

profitabilitas dengan proksi return on invesment (ROI) dapat dilihat pada

bagian lampiran. Data mengenai manajemen laba berupa total aset,

operating cash flows,piutang usaha, penjualan bersih, laba bersih, dan

property, plant, and equiptment dapat dilihat pada bagian lampiran.

2. Perhitungan ukuran perusahaan

Ukuran perusahaan diukur menggunakan total aset perusahaan yang dapat

dilihat pada tabel 5.1:


39

Tabel 5. 1 Perhitungan ukuran perusahaan dengan Total aset

NO KODE

Total Aset

NO KODE

Total Aset

2014 2014

1 ADES 504.865.000.000 39 KIAS 2.352.542.603.065

2 AKPI 2.227.042.590.000 40 KICI 96.745.744.221

3 ALDO 356.814.265.668 41 KLBF 12.425.032.367.729

4 ALKA 244.879.397.000 42 LION 600.102.716.315

5 ALMI 3.212.438.981.224 43 LMPI 808.892.238.344

6 AMFG 3.918.391.000.000 44 LMSH 139.915.598.255

7 APLI 273.126.657.794 45 MERK 716.599.526.000

8 ARNA 1.259.175.442.875 46 MLBI 2.231.051.000.000

9 AUTO 14.380.926.000.000 47 MLIA 7.215.152.320.000

10 BAJA 974.632.970.453 48 MRAT 498.786.376.745

11 BATA 774.891.087.000 49 MYOR 10.291.108.029.334

12 BRNA 1.334.085.916.000 50 NIPS 1.206.854.399.000

13 BTON 174.157.547.015 51 PICO 626.626.507.164

14 BUDI 2.476.982.000.000 52 PRAS 1.286.827.899.805

15 CEKA 1.284.150.037.341 53 PYFA 172.736.624.689

16 CPIN 20.862.439.000.000 54 RICY 1.170.752.424.106

17 DAJK 1.902.696.164.000 55 ROTI 2.142.894.276.216

18 DLTA 991.947.134.000 56 SCCO 1.656.007.190.010

19 DPNS 268.877.322.944 57 SIAP 4.979.635.925.000

20 DVLA 1.236.247.525.000 58 SIMA 62.607.762.222

21 EKAD 411.348.790.570 59 SKBM 649.534.031.113

22 ERTX 775.917.827.931 60 SKLT 331.574.891.637

23 FASW 5.581.000.723.345 61 SMBR 2.926.360.857.000

24 GJTL 16.042.897.000.000 62 SMCB 17.195.352.000.000

25 HMSP 28.380.630.000.000 63 SMSM 1.749.395.000.000

26 ICBP 24.910.211.000.000 64 SPMA 2.091.957.078.669

27 IGAR 349.894.783.575 65 SQBB 459.352.720.000

28 IKAI 518.546.655.125 66 SRSN 463.347.124.000

29 INAF 1.248.343.275.406 67 STAR 775.917.827.931

30 INAI 897.281.657.710 68 STTP 1.700.204.093.895

31 INCI 147.992.617.351 69 TCID 1.853.235.343.636

32 INDS 2.282.666.078.493 70 TOTO 2.027.288.693.678

33 INTP 28.884.973.000.000 71 TRIS 523.900.642.605

34 JECC 1.062.476.023.000 72 TRST 3.261.285.495.052

35 JPFA 15.730.435.000.000 73 TSPC 5.592.730.492.960

36 JPRS 370.967.708.751 74 UNIT 440.727.374.151

37 KBLI 1.337.351.473.763 75 WIIM 1.332.907.675.785

38 KBLM 647.696.854.298



40

3. Perhitungan Leverage

Leverage diproksikan dengan debt to equity ratio. DER dihitung dengan

menggunakan rumus:

DER =

Tabel 5. 2 Perhitungan Leverage dengan debt to equity ratio

NO KODE Total Hutang Total Equity DER

2014 (1) 2014 (2) (1/2)

1 ADES 209.066.000.000 504.865.000.000 0,41

2 AKPI 1.191.196.937.000 1.035.845.653.000 1,15

3 ALDO 197.391.610.046 159.422.655.622 1,24

4 ALKA 181.643.493.000 63.235.904.000 2,87

5 ALMI 2.571.403.202.989 3.212.438.981.224 0,80

6 AMFG 733.749.000.000 3.184.642.000.000 0,23

7 APLI 47.868.731.692 225.257.926.102 0,21

8 ARNA 346.944.901.743 912.230.541.132 0,38

9 AUTO 4.244.369.000.000 10.136.557.000.000 0,42

10 BAJA 786.309.001.839 188.323.968.614 4,18

11 BATA 345.775.482.000 429.115.605.000 0,81

12 BRNA 967.711.101.000 366.374.815.000 2,64

13 BTON 27.517.328.111 146.640.218.904 0,19

14 BUDI 1.563.631.000.000 913.351.000.000 1,71

15 CEKA 746.598.865.219 537.551.172.122 1,39

16 CPIN 9.919.150.000.000 10.943.289.000.000 0,91

17 DAJK 678.825.319.000 1.065.619.060.000 0,64

18 DLTA 227.473.881.000 764.473.253.000 0,30

19 DPNS 32.794.800.672 236.082.522.272 0,14

20 DVLA 273.816.042.000 962.431.483.000 0,28

21 EKAD 138.149.558.606 273.199.231.964 0,51

22 ERTX 285.744.500.913 490.173.327.018 0,58

23 FASW 3.936.322.827.206 1.644.677.896.139 2,39

24 GJTL 10.059.605.000.000 5.983.292.000.000 1,68

25 HMSP 14.882.516.000.000 13.498.114.000.000 1,10

26 ICBP 9.870.264.000.000 15.039.947.000.000 0,66

27 IGAR 86.443.556.430 263.451.227.145 0,33

28 IKAI 339.889.432.972 178.657.222.154 1,90

29 INAF 656.380.082.912 591.963.192.495 1,11

30 INAI 751.439.553.825 145.842.103.885 5,15

31 INCI 10.872.710.103 137.119.907.248 0,08

32 INDS 454.347.526.616 1.828.318.551.877 0,25

33 INTP 4.100.172.000.000 24.784.801.000.000 0,17

34 JECC 891.120.969.000 171.355.054.000 5,20

35 JPFA 10.440.441.000.000 5.289.994.000.000 1,97

36 JPRS 15.334.844.453 355.632.864.298 0,04


41

Tabel 5. 2 Perhitungan debt to equity ratio (Lanjutan).

NO KODE Total Hutang Total Equity DER

2014 (1) 2014 (2) (½)

37 KBLI 396.594.755.312 940.756.718.451 0,42

38 KBLM 357.408.981.156 290.287.873.142 1,23

39 KIAS 235.745.579.997 2.116.797.023.068 0,11

40 KICI 18.065.657.377 78.680.086.844 0,23

41 KLBF 2.607.556.689.283 9.817.475.678.446 0,27

42 LION 156.123.759.272 443.978.957.043 0,35

43 LMPI 409.761.454.151 399.130.784.193 1,03

44 LMSH 23.964.388.443 115.951.209.812 0,21

45 MERK 162.908.670.000 553.690.856.000 0,29

46 MLBI 1.677.254.000.000 553.797.000.000 3,03

47 MLIA 5.893.580.221.000 1.321.572.099.000 4,46

48 MRAT 114.841.797.856 383.944.578.889 0,30

49 MYOR 6.190.553.036.545 4.100.554.992.789 1,51

50 NIPS 630.960.175.000 575.894.224.000 1,10

51 PICO 395.525.304.553 231.101.202.611 1,71

52 PRAS 601.006.310.349 685.821.589.456 0,88

53 PYFA 76.177.686.068 96.558.938.621 0,79

54 RICY 774.439.342.861 396.313.081.245 1,95

55 ROTI 1.182.771.921.472 960.122.354.744 1,23

56 SCCO 841.614.670.129 814.392.519.881 1,03

57 SIAP 221.617.172.000 4.758.018.752.000 0,05

58 SIMA 31.210.008.707 31.397.753.515 0,99

59 SKBM 331.624.254.750 317.909.776.363 1,04

60 SKLT 178.206.785.017 153.368.106.620 1,16

61 SMBR 209.113.746.000 2.717.247.111.000 0,08

62 SMCB 8.436.760.000.000 8.758.592.000.000 0,96

63 SMSM 602.558.000.000 1.146.837.000.000 0,53

64 SPMA 1.287.357.023.670 804.600.054.999 1,60

65 SQBB 90.473.777.000 368.878.943.000 0,25

66 SRSN 134.510.685.000 328.835.439.000 0,41

67 STAR 285.744.500.913 490.173.327.018 0,58

68 STTP 882.610.280.834 817.593.813.061 1,08

69 TCID 569.730.901.368 1.283.504.442.268 0,44

70 TOTO 796.296.371.054 1.231.192.322.624 0,65

71 TRIS 214.390.227.222 309.510.415.383 0,69

72 TRST 1.499.792.311.890 1.761.493.183.162 0,85

73 TSPC 1.460.391.494.410 4.132.338.998.550 0,35

74 UNIT 199.073.815.553 241.653.558.598 0,82

75 WIIM 478.482.577.195 854.425.098.590 0,56



42

4. Perhitungan Profitabilitas

Profitabilitas diproksikan dengan return on investment (ROI).

ROI dihitung dengan menggunakan rumus:

ROI =

x 100%

Tabel 5. 3 Perhitungan Profitabilitas dengan Return on Investment

(%)

NO KODE Net income Total Aset ROI

2014 (1) 2014 (2) (1/2)

1 ADES 31.021.000.000 504.865.000.000 6,14

2 AKPI 34.690.704.000 2.227.042.590.000 1,56

3 ALDO 21.061.034.612 356.814.265.668 5,90

4 ALKA 2.659.254.000 244.879.397.000 1,09

5 ALMI 1.634.820.237 3.212.438.981.224 0,05

6 AMFG 458.635.000.000 3.918.391.000.000 11,70

7 APLI 9.626.571.647 273.126.657.794 3,52

8 ARNA 261.651.053.219 1.259.175.442.875 20,78

9 AUTO 956.409.000.000 14.380.926.000.000 6,65

10 BAJA 14.077.852.427 974.632.970.453 1,44

11 BATA 70.781.440.000 774.891.087.000 9,13

12 BRNA 60.493.636.000 1.334.085.916.000 4,53

13 BTON 7.630.330.090 174.157.547.015 4,38

14 BUDI 28.499.000.000 2.476.982.000.000 1,15

15 CEKA 41.001.414.954 1.284.150.037.341 3,19

16 CPIN 1.746.644.000.000 20.862.439.000.000 8,37

17 DAJK 90.592.575.000 1.902.696.164.000 4,76

18 DLTA 288.073.432.000 991.947.134.000 29,04

19 DPNS 14.519.866.284 268.877.322.944 5,40

20 DVLA 80.929.476.000 1.236.247.525.000 6,55

21 EKAD 40.756.078.282 411.348.790.570 9,91

22 ERTX 348.916.778 775.917.827.931 0,04

23 FASW 86.745.854.950 5.581.000.723.345 1,55

24 GJTL 269.868.000.000 16.042.897.000.000 1,68

25 HMSP 10.181.083.000.000 28.380.630.000.000 35,87

26 ICBP 2.531.681.000.000 24.910.211.000.000 10,16

27 IGAR 54.898.874.758 349.894.783.575 15,69

28 IKAI 26.511.071.474 518.546.655.125 5,11

29 INAF 1.164.824.606 1.248.343.275.406 0,09

30 INAI 22.058.700.759 897.281.657.710 2,46

31 INCI 11.028.221.012 147.992.617.351 7,45

32 INDS 127.657.349.869 2.282.666.078.493 5,59

33 INTP 5.274.009.000.000 28.884.973.000.000 18,26

34 JECC 23.844.710.000 1.062.476.023.000 2,24

35 JPFA 384.846.000.000 15.730.435.000.000 2,45

36 JPRS 13.693.234.452 370.967.708.751 3,69

37 KBLI 70.080.135.740 1.337.351.473.763 5,24

38 KBLM 20.623.713.329 647.696.854.298 3,18


43

Tabel 5. 3 Perhitungan Profitabilitas dengan Return on Investment

(%) (Lanjutan)

NO KODE Net Income Total Aset ROI

2014 (1) 2014 (2) (1/2)

39 KIAS 92.239.403.158 2.352.542.603.065 3,92

40 KICI 4.703.508.241 96.745.744.221 4,86

41 KLBF 2.121.090.581.630 12.425.032.367.729 17,07

42 LION 49.001.630.102 600.102.716.315 8,17

43 LMPI 1.710.590.575 808.892.238.344 0,21

44 LMSH 7.403.115.436 139.915.598.255 5,29

45 MERK 181.472.234.000 716.599.526.000 25,32

46 MLBI 794.883.000.000 2.231.051.000.000 35,63

47 MLIA 125.013.335.000 7.215.152.320.000 1,73

48 MRAT 7.371.973.842 498.786.376.745 1,48

49 MYOR 409.824.768.594 10.291.108.029.334 3,98

50 NIPS 50.134.988.000 1.206.854.399.000 4,15

51 PICO 16.153.616.369 626.626.507.164 2,58

52 PRAS 11.340.527.608 1.286.827.899.805 0,88

53 PYFA 2.657.665.405 172.736.624.689 1,54

54 RICY 15.111.531.641 1.170.752.424.106 1,29

55 ROTI 188.577.521.074 2.142.894.276.216 8,80

56 SCCO 137.618.900.727 1.656.007.190.010 8,31

57 SIAP 7.382.322.000 4.979.635.925.000 0,15

58 SIMA 1.378.596.138 62.607.762.222 2,20

59 SKBM 89.115.994.107 649.534.031.113 13,72

60 SKLT 16.480.714.984 331.574.891.637 4,97

61 SMBR 328.336.316.000 2.926.360.857.000 11,22

62 SMCB 668.869.000.000 17.195.352.000.000 3,89

63 SMSM 420.436.000.000 1.749.395.000.000 24,03

64 SPMA 48.602.721.399 2.091.957.078.669 2,32

65 SQBB 164.808.009.000 459.352.720.000 35,88

66 SRSN 14.456.260.000 463.347.124.000 3,12

67 STAR 348.916.778 775.917.827.931 0,04

68 STTP 123.465.403.948 1.700.204.093.895 7,26

69 TCID 174.314.394.101 1.853.235.343.636 9,41

70 TOTO 293.803.908.949 2.027.288.693.678 14,49

71 TRIS 35.944.155.042 523.900.642.605 6,86

72 TRST 30.084.477.143 3.261.285.495.052 0,92

73 TSPC 584.293.062.124 5.592.730.492.960 10,45

74 UNIT 396.296.296 440.727.374.151 0,09

75 WIIM 112.304.822.060 1.332.907.675.785 8,43

Sumber: data sekunder yang diolah,2016


44

5. Perhitungan Manajemen Laba

Tabel 5. 4 Perhitugan Manajemen Laba berdasarkan DA

(Discretionary Accruals)

NO KODE DA

NO KODE DA

2014 2014

1 ADES -0,15333 39 KIAS 0,059573

2 AKPI -0,14498 40 KICI 0,03553

3 ALDO 0,059612 41 KLBF -0,01102

4 ALKA 0,034272 42 LION -0,02221

5 ALMI 0,324161 43 LMPI 0,03452

6 AMFG -0,01606 44 LMSH 0,00045

7 APLI -0,01126 45 MERK -0,15676

8 ARNA 0,043234 46 MLBI 0,015708

9 AUTO 0,058924 47 MLIA -0,00424

10 BAJA 0,104805 48 MRAT 0,060827

11 BATA 0,018833 49 MYOR 0,130715

12 BRNA -0,14041 50 NIPS -0,06367

13 BTON 0,015852 51 PICO -0,00067

14 BUDI 0,036024 52 PRAS 0,038926

15 CEKA 0,071641 53 PYFA 0,021941

16 CPIN 0,108797 54 RICY -0,03007

17 DAJK 0,275454 55 ROTI -0,05999

18 DLTA 0,149682 56 SCCO 0,056476

19 DPNS 0,036275 57 SIAP -0,42559

20 DVLA -0,00558 58 SIMA -0,04878

21 EKAD 0,090811 59 SKBM 0,074212

22 ERTX 0,076282 60 SKLT -0,03515

23 FASW -0,18548 61 SMBR 0,02785

24 GJTL 0,034352 62 SMCB -0,01367

25 HMSP -0,04215 63 SMSM -0,01459

26 ICBP -0,06995 64 SPMA 0,049708

27 IGAR 0,069528 65 SQBB 0,004306

28 IKAI 0,122026 66 SRSN 0,009404

29 INAF -0,09815 67 STAR 0,076282

30 INAI -0,1108 68 STTP -0,04845

31 INCI 0,137551 69 TCID 0,054315

32 INDS 0,056364 70 TOTO 0,000447

33 INTP 0,02126 71 TRIS 0,082918

34 JECC -0,0088 72 TRST -0,04029

35 JPFA -0,07425 73 TSPC 0,018461

36 JPRS 0,209124 74 UNIT -0,0011

37 KBLI -0,03988 75 WIIM 0,064756

38 KBLM 0,069395



45

6. Pengklasifikasian Data

a. Data Manajemen Laba

Tabel dibawah ini merupakan hasil pengklasifikasian data manajemen

laba menjadi 2 kategori, Income minimization dan Income

maximization.

Tabel 5. 5 Pengklasifikasin income minimization dan income

maximization.

NO KODE DA

NO KODE DA

Min Max Min Max

1 ADES 2 - 29 INAF 2 -

2 AKPI 2 - 30 INAI 2 -

3 ALDO - 1 31 INCI - 1

4 ALKA - 1 32 INDS - 1

5 ALMI - 1 33 INTP - 1

6 AMFG 2 - 34 JECC 2 -

7 APLI 2 - 35 JPFA 2 -

8 ARNA - 1 36 JPRS - 1

9 AUTO - 1 37 KBLI 2 -

10 BAJA - 1 38 KBLM - 1

11 BATA - 1 39 KIAS - 1

12 BRNA 2 - 40 KICI - 1

13 BTON - 1 41 KLBF 2 -

14 BUDI - 1 42 LION 2 -

15 CEKA - 1 43 LMPI - 1

16 CPIN - 1 44 LMSH - 1

17 DAJK - 1 45 MERK 2

18 DLTA - 1 46 MLBI - 1

19 DPNS - 1 47 MLIA 2 -

20 DVLA 2 - 48 MRAT - 1

21 EKAD - 1 49 MYOR - 1

22 ERTX - 1 50 NIPS 2 -

23 FASW 2 - 51 PICO 2 -

24 GJTL - 1 52 PRAS - 1

25 HMSP 2 - 53 PYFA - 1

26 ICBP 2 - 54 RICY 2 -

27 IGAR - 1 55 ROTI 2 -

28 IKAI - 1 56 SCCO - 1


46

Tabel 5. 5 Pengklasifikasin income minimization dan income

maximization (Lanjutan)

NO KODE DA

NO KODE DA

Min Max Min Max

57 SIAP 2 - 67 STAR - 1

58 SIMA 2 - 68 STTP 2 -

59 SKBM - 1 69 TCID - 1

60 SKLT 2 - 70 TOTO - 1

61 SMBR - 1 71 TRIS - 1

62 SMCB 2 - 72 TRST 2 -

63 SMSM 2 - 73 TSPC - 1

64 SPMA - 1 74 UNIT 2 -

65 SQBB - 1 75 WIIM - 1

66 SRSN - 1

Sumber: data sekunder yang diolah 2016

Keterangan

1 = Income maximization

2 = Income minimization

Kemudian data manajemen laba diklasifikasikan lagi untuk mengukur

tinggi rendahnya manajemen laba dalam suatu perusahaan.

Tabel 5. 6 Pengklasifikasian manajemen laba Income minimization

NO KODE

Income

minimization

NO KODE

Income

minimization

2014 2014

1 ADES 2 16 LION 3

2 AKPI 2 17 MERK 2

3 AMFG 3 18 MLIA 3

4 APLI 3 19 NIPS 3

5 BRNA 2 20 PICO 3

6 DVLA 3 21 RICY 3

7 FASW 2 22 ROTI 3

8 HMSP 3 23 SIAP 1

9 ICBP 3 24 SIMA 3

10 INAF 3 25 SKLT 3

11 INAI 2 26 SMCB 3

12 JECC 3 27 SMSM 3

13 JPFA 3 28 STTP 3

14 KBLI 3 29 TRST 3

15 KLBF 3 30 UNIT 3

Sumber: Data sekunder yang diolah 2016

Keterangan

Rendah (1) = -0,50 - ≤ -0,20

Sedang (2) = > -0,20 - ≤ -0,10

Tinggi (3) = > -0,10 – ≤ 0,01


47

Tabel 5. 7 Pengklasifikasian manajemen laba dengan Income

maximization.

NO KODE

Income

maximization

NO KODE

Income

maximization

2014 2014

1 ALDO 1 24 KBLM 1

2 ALKA 1 25 KIAS 1

3 ALMI 3 26 KICI 1

4 ARNA 1 27 LMPI 1

5 AUTO 1 28 LMSH 1

6 BAJA 2 29 MLBI 1

7 BATA 1 30 MRAT 1

8 BTON 1 31 MYOR 2

9 BUDI 1 32 PRAS 1

10 CEKA 1 33 PYFA 1

11 CPIN 2 34 SCCO 1

12 DAJK 3 35 SKBM 1

13 DLTA 2 36 SMBR 1

14 DPNS 1 37 SPMA 1

15 EKAD 1 38 SQBB 1

16 ERTX 1 39 SRSN 1

17 GJTL 1 40 STAR 1

18 IGAR 1 41 TCID 1

19 IKAI 2 42 TOTO 1

20 INCI 2 43 TRIS 1

21 INDS 1 44 TSPC 1

22 INTP 1 45 WIIM 1

23 JPRS 3


Keterangan

Rendah (1) = 0,00 - ≤ 0,10

Sedang (2) = > 0,10 - ≤ 0,20

Tinggi (3) = > 0,20 - ≤ 0,40


48

b. Data Ukuran Perusahaan

Tabel 5. 8 Pengklasifikasian Ukuran Perusahaan dengan Total

Aset.

NO KODE Total Aset

NO KODE Total Aset

2014 2014

1 ADES 1 39 KIAS 1

2 AKPI 1 40 KICI 1

3 ALDO 1 41 KLBF 3

4 ALKA 1 42 LION 1

5 ALMI 1 43 LMPI 1

6 AMFG 1 44 LMSH 1

7 APLI 1 45 MERK 1

8 ARNA 1 46 MLBI 1

9 AUTO 3 47 MLIA 2

10 BAJA 1 48 MRAT 1

11 BATA 1 49 MYOR 3

12 BRNA 1 50 NIPS 1

13 BTON 1 51 PICO 1

14 BUDI 1 52 PRAS 1

15 CEKA 1 53 PYFA 1

16 CPIN 4 54 RICY 1

17 DAJK 1 55 ROTI 1

18 DLTA 1 56 SCCO 1

19 DPNS 1 57 SIAP 1

20 DVLA 1 58 SIMA 1

21 EKAD 1 59 SKBM 1

22 ERTX 1 60 SKLT 1

23 FASW 2 61 SMBR 1

24 GJTL 4 62 SMCB 4

25 HMSP 4 63 SMSM 1

26 ICBP 4 64 SPMA 1

27 IGAR 1 65 SQBB 1

28 IKAI 1 66 SRSN 1

29 INAF 1 67 STAR 1

30 INAI 1 68 STTP 1

31 INCI 1 69 TCID 1

32 INDS 1 70 TOTO 1

33 INTP 4 71 TRIS 1

34 JECC 1 72 TRST 1

35 JPFA 4 73 TSPC 2

36 JPRS 1 74 UNIT 1

37 KBLI 1 75 WIIM 1

38 KBLM 1

Sumber: Data sekunder yang diolah, 2016

Keterangan (milyar rupiah)

Sangat Rendah (1) = Rp 0 – Rp 5.000

Rendah (2) = > Rp 5.000 – ≤ Rp 10.000

Tinggi (3) = > Rp 10.000 - ≤ Rp 15.000

Sangat Tinggi (4) = > Rp 15.000


49

c. Data Leverage

Tabel 5. 9 Pengklasifikasian data Leverage dengan debt to equity

ratio.

NO KODE DER

NO KODE DER

2014 2014

1 ADES 1 39 KIAS 1

2 AKPI 2 40 KICI 1

3 ALDO 2 41 KLBF 1

4 ALKA 3 42 LION 1

5 ALMI 1 43 LMPI 2

6 AMFG 1 44 LMSH 1

7 APLI 1 45 MERK 1

8 ARNA 1 46 MLBI 4

9 AUTO 1 47 MLIA 4

10 BAJA 4 48 MRAT 1

11 BATA 1 49 MYOR 2

12 BRNA 3 50 NIPS 2

13 BTON 1 51 PICO 2

14 BUDI 2 52 PRAS 1

15 CEKA 2 53 PYFA 1

16 CPIN 1 54 RICY 2

17 DAJK 1 55 ROTI 2

18 DLTA 1 56 SCCO 2

19 DPNS 1 57 SIAP 1

20 DVLA 1 58 SIMA 1

21 EKAD 1 59 SKBM 2

22 ERTX 1 60 SKLT 2

23 FASW 3 61 SMBR 1

24 GJTL 2 62 SMCB 1

25 HMSP 2 63 SMSM 1

26 ICBP 1 64 SPMA 2

27 IGAR 1 65 SQBB 1

28 IKAI 2 66 SRSN 1

29 INAF 2 67 STAR 1

30 INAI 4 68 STTP 2

31 INCI 1 69 TCID 1

32 INDS 1 70 TOTO 1

33 INTP 1 71 TRIS 1

34 JECC 4 72 TRST 1

35 JPFA 2 73 TSPC 1

36 JPRS 1 74 UNIT 1

37 KBLI 1 75 WIIM 1

38 KBLM 2


Keterangan

Sangat Rendah (1) = 0,00 - ≤ 1,00

Rendah (2) = > 1,00 - ≤ 2,00

Tinggi (3) = > 2,00 - ≤ 3,00



50

d. Data Profitabilitas

Tabel 5. 10 Pengklasifikasian Profitabilitas dengan return on

investment (ROI).

NO KODE ROI

NO KODE ROI

2014 2014

1 ADES 1 39 KIAS 1

2 AKPI 1 40 KICI 1

3 ALDO 1 41 KLBF 2

4 ALKA 1 42 LION 1

5 ALMI 1 43 LMPI 1

6 AMFG 2 44 LMSH 1

7 APLI 1 45 MERK 3

8 ARNA 3 46 MLBI 4

9 AUTO 1 47 MLIA 1

10 BAJA 1 48 MRAT 1

11 BATA 1 49 MYOR 1

12 BRNA 1 50 NIPS 1

13 BTON 1 51 PICO 1

14 BUDI 1 52 PRAS 1

15 CEKA 1 53 PYFA 1

16 CPIN 1 54 RICY 1

17 DAJK 1 55 ROTI 1

18 DLTA 3 56 SCCO 1

19 DPNS 1 57 SIAP 1

20 DVLA 1 58 SIMA 1

21 EKAD 1 59 SKBM 2

22 ERTX 1 60 SKLT 1

23 FASW 1 61 SMBR 2

24 GJTL 1 62 SMCB 1

25 HMSP 4 63 SMSM 3

26 ICBP 2 64 SPMA 1

27 IGAR 2 65 SQBB 4

28 IKAI 1 66 SRSN 1

29 INAF 1 67 STAR 1

30 INAI 1 68 STTP 1

31 INCI 1 69 TCID 1

32 INDS 1 70 TOTO 2

33 INTP 2 71 TRIS 1

34 JECC 1 72 TRST 1

35 JPFA 1 73 TSPC 2

36 JPRS 1 74 UNIT 1

37 KBLI 1 75 WIIM 1

38 KBLM 1


Keterangan

Sangat Rendah (1) = 0,00 - ≤ 10,00 Tinggi (3) = > 20,00 - ≤ 30,00

Rendah (2) = > 10,00 - ≤ 20,00 Sangat Tinggi (4) = >30,00


51

7. Pengujian Statistik Deskriptif

Pengolahan data pada penelitian ini menggunakan program IBM

SPSS Statistics 23. Hasil pengujian statistik deskriptif variabel manajemen

laba, ukuran perusahaan, leverage (proksi debt to equity ratio), dan

profitabilitas (proksi return on investment) dapat dijabarkan sebagai

berikut:

a. Statistik Deskriptif Manajemen Laba

Berdasarkan data perhitungan manajemen laba pada tabel 7, pada tahun

2014 terdapat nilai manajemen laba yang bernilai positif dan bernilai

negatif. Manajemen laba yang bernilai negatif berarti perusahaan

melakukan penurunan laba (income minimization) dan manajemen laba

yang bernilai positif berarti perusahaan melakukan peningkatan laba

(income maximization). Berikut ini histogram untuk melihat sebaran

data manajemen laba.

Gambar 5. 1 Histogram Data Mentah Manajemen Laba


52

Berdasarkan gambar 5.1, dari 75 perusahaan terdapat 30

perusahan bernilai negatif dan sebanyak 45 perusahaan bernilai positif.

Sumbu horisontal pada gambar 5.1 merupakan tingkat manajemen laba

yang diprosikan dengan discretional accruals. Sumbu vertikal

menunjukan frekuensi jumlah perushaan.

Manajemen laba berskala rasio, semakin menjauhi 0 berarti tingkat

manajemen laba semakin tinggi.

Manajemen laba dengan income minimization dan income

maximization memiliki arah yang berbeda dalam mengukur tingkat

manajemen laba. Income minimization terletak pada sisi sebelah kiri (-)

pada garis bilangan, maka semakin kecil angka manajemen laba tingkat

manajemen laba semakin tinggi. Income maximization terletak pada sisi

sebelah kanan (+) pada garis bilangan maka semakin besar angka

manajemen laba tingkat manajemen laba semakin tinggi.

Manajemen laba diklasifikasikan menjadi 3. Pertama, klasifikasi

manajemen laba menjadi income minimization (kategori 2) dan income

maximization (kategori 1). Kedua klasifikasi manajemen laba dengan

income minimization untuk menentukan tingkat manajemen laba.

Ketiga klasifikasi manajemen laba dengan income maximization untuk

menentukan tingkat manajemen laba. Deskripsi data dan klasifikasi data

income minimization dan income maximization akan dijelaskan dalam

pembahasan berikut.


53

1) Income minimization

Deskripsi data income minimization disajikan dalam tabel dan

histogram.

Berikut ini tabel yang menunjukkan nilai range, minimum, dan

maximum dari income minimization.

Tabel 5. 11 Nilai Range, Minimum, Maximum Income

minimization Income minimization

Valid 30

Missing 0

Range ,42492

Minimum -,42559

Maximum -,00067

Sumber: data sekunder yang diolah 2016

Berdasarkan tabel 5.11, sebanyak 30 perusahaan dari 75

perusahaan memiliki nilai manajemen laba negatif. Data missing 0

menjelaskan tidak ada nilai atau data yang hilang. Range, perbedaan

jarak antara nilai maksimum dan minimum sebesar 0,42492. Hal ini

menunjukkan bahwa Income minimization memiliki sebaran data

yang luas.

Income minimization dikatakan semakin tinggi apabila angka

discretionary accruals semakin negatif menjauhi 0. Nilai terendah

menjadi nilai tertinggi dalam income minimization. Angka terendah

perhitungan income minimization tersebut diperoleh dari

perhitungan manajemen laba PT Sekawan Intipratama Tbk yang

bernilai negatif sebesar -0,42559 pada tahun 2014.


54

Nilai tertinggi manajemen laba dengan income minimization

sebesar -0,00067. Nilai tersebut merupakan tingkat manajemen laba

terendah dalam income minimization. Angka tersebut diperoleh dari

perhitungan manajemen laba PT Pelangi Indah Canindo Tbk pada

tahun 2014.

Berikut ini histogram untuk melihat sebaran data income

minimization.

Gambar 5. 2 Histogram Income minimization

Berdasarkan gambar 5.2, sebaran angka manajemen laba

terletak diantara 0 hingga -0,5. Sumbu horizontal menunjukkan

tingkat manajemen laba yang diproksikan dengan discretionary

accruals. Sumbu vertikal menunjukan frekuensi jumlah perusahaan.

Berdasarkan gambar 5.2, data income minimization tidak

terdistribusi normal, karena masih terdapat data yang bernilai kecil


55

yang terletak diantara –0,4 hingga -0,5. Berdasarkan gambar 5.2,

income minimization diklasifikasikan dengan kategori sebagai

berikut.

-0,50 - ≤ -0,20 : rendah

> -0,20 - ≤ -0,10 : sedang

> -0,10 – ≤ 0,01 : tinggi

Tabel 5. 12 Klasifikasi Income minimization Income minimization

Frequency Percent

Valid Rendah 1 3,3

Sedang 6 20,0

Tinggi 23 76,7

Total 30 100,0

Sumber : Data sekunder yang diolah 2016

Berdasarakan tabel 5.12 perusahaan yang memiliki kategori

income minimization sangat rendah yaitu sebanyak 1 perusahaan

atau sebesar 3,3% dari total 30 perusahaan. Perusahaan yang meiliki

kategori income minimization sedang yaitu 6 perusahaan atau

sebesar 20% dari total 30 perusahaan. Perusahan yang memiliki

kategori income minimization tinggi yaitu sebanyak 23 perusahaan

atau 76,7% dari 30 perusahaan. Berdasarkan tabel 15 income

minimization terbanyak terdapat pada kategori tinggi, sedangkan

kategori income minimization paling sedikit terdapat pada kategori

rendah.

2) Income maximization

Deskripsi data income maximization disajikan dalam tabel dan

histogram.


56

Berikut ini tabel 5.13 yang menunjukkan nilai range, minimum dan

maximum dari income maximization.

Tabel 5. 13 Nilai range, minimum, dan maximum income

maximization


Berdasarkan tabel 5.13, terdapat 45 income maximization

bernilai positif. Data missing 0 menjelaskan tidak ada nilai atau data

yang hilang. Range, perbedaan jarak antara nilai maksimum dan

minimum sebesar 0,32371. Hal ini menunjukkan bahwa Income

minimization memiliki sebaran data yang luas.

Berbeda dengan income minimization, dalam income

maximization semakin positif menjauhi 0 berarti tingkat manajemen

laba dikatakan semakin tinggi. Nilai terendah tingkat manajemen

laba dengan income maximization sebesar 0,00045. Angka tersebut

diperoleh dari perhitungan manajemen laba PT Lionmesh Prima Tbk

pada tahun 2014. Nilai tertinggi tingkat manajemen laba dengan

income maximization sebesar 0,32416. Angka tersebut diperoleh dari

perhitungan data manajemen laba PT Alumindo Light Metal

Industry Tbk pada tahun 2014.

Income maximization

N Valid 45

Missing 0

Range ,32371

Minimum ,00045

Maximum ,32416


57

Berikut ini histogram untuk melihat sebaran data income

maximization.

Gambar 5. 3 Histogram Income maximization

Berdasarkan gambar 5.3, sebaran angka manajemen laba

income maximization terletak diantara 0 hingga 0,4. Sumbu

horizontal menunjukkan tingkat manajemen laba yang diproksikan

dengan discretionary accruals. Sumbu vertikal menunjukkan

frekuensi jumlah perusahaan. Berdasarkan gambar 5.3, data income

maximization tidak terdistribusi normal karena masih terdapat data

yang bernilai besar yang memiliki selisih sangat banyak dengan data

lainnya. Gambar histogram 5.3 menjadi dasar untuk

mengklasifikasikan angka income maximization sesuai dengan


58

interval yang disajikan dalam histogram. Income maximization

diklasifikasikan dengan kategori sebagai berikut:

0,00 - ≤ 0,10 : rendah

> 0,10 - ≤ 0,20 : sedang

> 0,20 - ≤ 0,40 : tinggi

Berikut ini adalah tabel klasifikasian income maximization.

Tabel 5. 14 Klasifikasi income maximization


Berdasarkan tabel 5.14, perusahaan yang memiliki kategori

income maximization rendah yaitu sebanyak 36 perusahaan atau

sebanyak 80% dari total 45 perusahaan. Perusahaan yang memiliki

kategori income maximization sedang yaitu sebanyak 6 perusahaan

atau sebanyak 13,3% dari total 45 perusahaan. Perusahaan yang

memiliki kategori income maximization tinggi yaitu sebanyak 3

perusahaan atau sebanyak 6,7% dari total 45 perusahaan.

Berdasarkan tabel 17, kategori income maximization terbanyak

terdapat pada kategori rendah, sedangkan kategori income

maximization paling sedikit terdapat pada kategori tinggi.

b. Statistik Deskriptif Ukuran Perusahaan

Tabel 5.15 merupakan hasil pengujian statistik deskriptif variabel

ukuran perusahaan.

Income maximization

Frequency Percent

Valid Rendah 36 80,0

Sedang 6 13,3

Tinggi 3 6,7

Total 45 100,0


59

Tabel 5. 15 Statistik Deskriptif Ukuran Perusahaan Ukuran Perusahaan

N Valid 75

Missing 0

Range 28.822.365.237.778

Minimum 62.607.762.222

Maximum 28.884.973.000.000


Berdasarkan tabel 5.15, terdapat 75 data valid dan tidak ada data

missing. Data missing 0 menjelaskan tidak ada nilai atau data yang

hilang. Range, perbedaan jarak antara nilai maksimum dan minimum,

sebesar Rp 28.822.365.237.778. hal ini menunjukkan bahwa ukuran

perusahaan memiliki sebaran data yang luas.

Berdasarkan tabel 18, nilai terendah ukuran perusahaan sebesar

Rp 62.607.762.222. Nilai terendah tersebut diperoleh dari perusahaan

Siwani Makmur Tbk pada tahun 2014. Nilai tertinggi ukuran

perusahaan sebesar Rp 28.884.973.000.000. Nilai tersebut diperoleh

dari perusahaan Indocement Tunggal Prakasa Tbk pada tahun 2014.

Berikut ini histogram data ukuran perusahaan.

Gambar 5. 4 Histogram data mentah variabel ukuran perusahaan


60

Berdasarkan gambar 5.4, sebaran angka ukuran perusahaan

berada diantara 0 hingga 30.000.000.000.000. Sumbu horizontal

menunjukkan tingkat ukuran perusahaan yang diproksikan dengan total

aset. Sumbu vertikal menunjukkan frekuensi jumlah perusahaan.

Berdasarkan gambar 5.4, data ukuran perusahaan tidak terdistribusi

normal, karena terdapat beberapa data yang memiliki selisih nilai yang

tinggi pada kisaran angka 15.000.000.000.000 hingga

30.000.000.000.000. Gambar 5.4 juga menjadi dasar untuk

mengklasifikasikan nilai ukuran perusahaan menjadi 4 kategori dengan

kriteria sebagai berikut (dalam milyar rupiah):

Rp 0 – Rp 5.000 : Sangat Rendah

> Rp 5.000 – ≤ Rp 10.000 : Rendah

> Rp 10.000 - ≤ Rp 15.000 : Tinggi

> Rp 15.000 : Sangat Tinggi

Berikut ini adalah tabel klasifikasi ukuran perusahaan

Tabel 5. 16 Klasifikasi ukuran perusahaan Ukuran Perusahaan

Frequency Percent

Valid Sangat Rendah 62 82,7

Rendah 3 4,0

Tinggi 3 4,0

Sangat Tinggi 7 9,3

Total 75 100,0



ukuran perusahaan sangat rendah yaitu sebanyak 62 perusahaan atau

sebanyak 82,7% dari total 75 perusahaan. Perusahaan yang memiliki

kategori ukuran perusahaan rendah yaitu sebanyak 3 perusahaan atau


61


kategori ukuran perusahaan tinggi yaitu sebanyak 3 perusahaan atau


kategori ukuran perusahaan sangat tinggi yaitu sebanyak 7 perusahaan

atau sebanyak 9,3% dari total 75 perusahaan. Kategori ukuran

perusahaan terbanyak terdapat pada kategori rendah, sedangkan

kategori paling sedikit terdapat pada kategori rendah dan tinggi.

c. Statistik Deskriptif Leverage.

Tabel dibawah ini merupakan hasil pengujian statistik deskriptif

variabel Leverage.

Tabel 5. 17 Statistik Deskriptif Leverage.





sebesar 5,157316. hal ini menunjukkan bahwa ukuran perusahaan

memiliki sebaran data yang luas.

Berdasarkan tabel 5.17, nilai terendah leverage sebesar

0,043120. Nilai terendah tersebut diperoleh dari perusahaan Jaya Pari

Steel Tbk pada tahun 2014. Nilai tertinggi leverage sebesar 5,200436.

Leverage

N Valid 75

Missing 0

Range 5,157316

Minimum ,043120

Maximum 5,200436


62

Nilai tersebut diperoleh dari perusahaan Jembo Cable Company Tbk

pada tahun 2014. Berikut ini histogram data leverage.

Gambar 5. 5 Histogram data mentah variabel leverage.

Berdasarkan gambar 5.5, sebaran angka leverage berada

diantara 0 hingga 6,0. Sumbu horizontal menunjukkan tingkat leverage

yang diproksikan dengan debt to equity ratio. Sumbu vertikal

menunjukkan frekuensi jumlah perusahaan. Berdasarkan gambar 5.5,

data leverage tidak terdistribusi normal, karena terdapat beberapa data

yang memiliki selisih nilai yang tinggi pada kisaran angka 4,0 hingga

6,0. Gambar 5.5 juga menjadi dasar untuk mengklasifikasikan nilai

leverage menjadi 4 kategori dengan kriteria sebagai berikut:

0,00 - ≤ 1,00 : Sangat Rendah

> 1,00 - ≤ 2,00 : Rendah

> 2,00 - ≤ 3,00 : Tinggi

>3,00 : Sangat Tinggi


63

Berikut ini adalah tabel klasifikasi leverage

Tabel 5. 18 Klasifikasi leverage



leverage sangat rendah yaitu sebanyak 46 perusahaan atau sebanyak

61,3% dari total 75 perusahaan. Perusahaan yang memiliki kategori

leverage rendah yaitu sebanyak 21 perusahaan atau sebanyak 28% dari

total 75 perusahaan. Perusahaan yang memiliki kategori leverage tinggi

yaitu sebanyak 3 perusahaan atau sebanyak 4% dari total 75

perusahaan. Perusahaan yang memiliki kategori leverage sangat tinggi

yaitu sebanyak 5 perusahaan atau sebanyak 6,7% dari total 75

perusahaan. Kategori leverage terbanyak terdapat pada kategori sangat

rendah, sedangkan kategori paling sedikit terdapat pada kategori tinggi.

d. Statistik Deskriptif Profitabiitas

Tabel 5.19 merupakan hasil pengujian statistik deskriptif variabel

Profitabiitas.

Leverage

Frequency Percent


Rendah 21 28,0

Tinggi 3 4,0

Sangat Tinggi 5 6,7

Total 75 100,0


64

Tabel 5. 19 Statistik Deskriptif Profitabiitas.





sebesar 35,83. hal ini menunjukkan bahwa Profitabiitas memiliki

sebaran data yang luas.

Berdasarkan tabel 5.19, nilai terendah Profitabiitas sebesar 0,04.

Nilai terendah tersebut diperoleh dari perusahaan Eratex Djaja Tbk dan

Star Petrcohem Tbk pada tahun 2014. Nilai tertinggi Profitabiitas

sebesar 35,88. Nilai tersebut diperoleh dari perusahaan Taisho

Pharmaceutical Indonesia Tbk pada tahun 2014. Berikut ini histogram

data Profitabiitas.

Gambar 5. 6 Histogram data mentah variabel profitabilitas

ROI

N Valid 75

Missing 0

Range 35,83

Minimum ,04

Maximum 35,88


65

Berdasarkan gambar 5.6, sebaran angka profitabilitas berada

diantara 0 hingga 40,00. Sumbu horizontal menunjukkan tingkat

profitabilitas yang diproksikan dengan return on invesment. Sumbu

vertikal menunjukkan frekuensi jumlah perusahaan. Berdasarkan

gambar 5.6, data profitabilitas tidak terdistribusi normal, karena

terdapat beberapa data yang memiliki selisih nilai yang tinggi pada

kisaran angka 30,00 hingga 40,00. Gambar 5.6 juga menjadi dasar

untuk mengklasifikasikan nilai profitabilitas menjadi 4 kategori dengan

kriteria sebagai berikut:

0,00 - ≤ 10,00 : Sangat Rendah

> 10,00 - ≤ 20,00 : Rendah

> 20,00 - ≤ 30,00 : Tinggi

>30,00 : Sangat Tinggi

Berikut ini adalah tabel klasifikasi profitabilitas

Tabel 5. 20 Klasifikasi profitabilitas Profitabilitas

Frequency Percent


Rendah 9 12,0

Tinggi 4 5,3

Sangat Tinggi 3 4,0

Total 75 100,0



profitabilitas sangat rendah yaitu sebanyak 59 perusahaan atau

sebanyak 78,7% dari total 75 perusahaan. Perusahaan yang memiliki

kategori profitabilitas rendah yaitu sebanyak 9 perusahaan atau



66

kategori profitabilitas tinggi yaitu sebanyak 4 perusahaan atau sebanyak

5,3% dari total 75 perusahaan. Perusahaan yang memiliki kategori

profitabilitas sangat tinggi yaitu sebanyak 3 perusahaan atau sebanyak

4% dari total 75 perusahaan. Kategori profitabilitas terbanyak terdapat

pada kategori sangat rendah, sedangkan kategori paling sedikit terdapat

pada kategori sangat tinggi.

8. Analisis Tabulasi Silang (Crosstabs).

a. Hubungan antara ukuran perusahaan dan manajemen laba

Analisis tabulasi silang kedua dilakukan untuk menentukan antara

ukuran perusahaan dan manajemen laba. Hubungan antara ukuran

perusahaan dan manajemen laba dilakukan dengan menguji tiga

hubungan. Pertama antara ukuran perusahaan dengan manajemen laba

(income minimization dan income maximization). Kedua hubungan

antara ukuran perusahaan dan income minimization. Ketiga hubungan

antara ukuran perusahaan dan income maximization.

1) Hubungan ukuran perusahaan dan manajemen laba (income

minimization dan income maximization).

Tabel 5.21 merupakan output analisis tabulasi silang ukuran

perusahaan dan manajemen laba (income minimization dan income

maximization).


67

Tabel 5. 21 Tabulasi silang ukuran perusahaan dan manajemen

laba (income minimization dan income maximization). ukuran perusahaan Total

Sangat

Rendah

Rendah Tinggi Sangat

Tinggi

Manajemen

Laba

Max

Income

39 1 2 3 45

Min

Income

23 2 1 4 30

Total 62 3 3 7 75

Sumber : Data sekunder yang diolah, 2016

Berdasarkan tabel 5.21, pada kategori tingkat ukuran

perusahaan sangat rendah terdapat 39 perusahaan melakukan income

maximization, dan sebanyak 23 melakukan income minimization.

Pada kategori tingkat ukuran perusahaan rendah terdapat 1

perusahaan melakukan income maximization, dan sebanyak 2

perusahaan melakukan income minimization. Pada kategori tingkat

ukuran perusahaan tinggi terdapat 2 perusahaan melakukan income

maximization, dan sebanyak 1 perusahaan melakukan income

minimization. Pada kategori tingkat ukuran perusahaan sangat tinggi

terdapat 3 perusahaan melakukan income maximization,dan

sebanyak 7 perusahaan melakukan income minimization. Kekuatan

dan arah hubungan antara ukuran perusahaan dan manajemen laba

dapat dijelaskan dengan tabel symmentric measures berikut ini.

Tabel 5. 22 Symmentric measures ukuran perusahaan dan

manajemen laba (income minimization dan income

maximization)


Value

Ordinal by Ordinal Spearman Correlation 0,129

N of Valid Cases 75


68

Tabel 5.22, menunjukkan nilai Spearman’s rho sebesar 0,129.

Hal in berarti kekuatan hubungan ukuran perusahaan dengan

manajemen laba (income minimization dan income maximization)

sangat lemah. Nilai Spearman’s rho positif, hal ini berarti hubungan

kedua variabel positif.


minimization)


perusahaan dan manajemen laba (income minimization).


laba (income minimization).


Berdasarkan tabel 5.23, ketika tingkat ukuran perusahaan pada

kategori sangat rendah jumlah perusahaan yang melakukan income

minimization pada tingkat kategori rendah hingga tinggi, yaitu

sebanyak 1, 5, dan 17 perusahaan. Pada kategori ukuran perusahaan

sangat rendah perusahaan banyak melakukan income minimization

pada kategori tinggi. Ketika tingkat ukuran perusahaan pada kategori

rendah jumlah perusahaan yang melakukan income minimization

pada tingkat kategori rendah hingga tinggi, yaitu sebanyak 0,1, dan 1

ukuran perusahaan

Total Sangat

Rendah


Tinggi

Min

DA

Rendah 1 0 0 0 1

Sedang 5 1 0 0 6

Tinggi 17 1 1 4 23

Total 23 2 1 4 30


69

perusahaan. Pada kategori ukuran perusahaan rendah perusahaan

banyak melakukan income minimization pada kategori sedang dan

tinggi. Ketika tingkat ukuran perusahaan pada kategori tinggi

perusahaan hanya melakukan income minimization pada kategori

tinggi, yaitu sebanyak 1 perusahaan. Ketika tingkat ukuran

perusahaan pada kategori sangat tinggi perusahaan hanya melakukan

income minimization pada kategori tinggi, yaitu sebanyak 4

perusahaan. Kekuatan dan arah hubungan dapat dijelaskan dengan

tabel 5.24 symmentric measures berikut ini.

Tabel 5. 24 Tabel symmentric measures ukuran perusahaan dan

manajemen laba (income minimization). Value


N of Valid Cases 30


Tabel 5.24, menunjukkan nilai Spearman’s rho sebesar 0,152. Hal ini

berarti kekuatan hubungan ukuran perusahaan dengan manajemen

laba (income minimization) sangat lemah. Nilai Spearman’s rho

positif, hal ini berarti hubungan kedua variabel positif.


maximization)


perusahaan dan manajemen laba (income maximization).


70


laba (income maximization). Ukuran Perusahaan Total

Sangat

Rendah


Tinggi

Max

DA

Rendah 32 1 1 2 36

Sedang 4 0 1 1 6

Tinggi 3 0 0 0 3

Total 39 1 2 3 45


Berdasarkan tabel 5.25, ketika tingkat ukuran perusahaan

pada kategori sangat rendah jumlah perusahaan yang melakukan

income maximization pada tingkat kategori rendah hingga tinggi,

yaitu sebanyak 32, 4, dan 3 perusahaan. Pada kategori ukuran

perusahaan sangat rendah perusahaan banyak melakukan income

maximization pada kategori rendah. Ketika tingkat ukuran

perusahaan pada kategori rendah perusahaan hanya melakukan

income maximization pada kategori rendah, yaitu sebanyak 1

perusahaan. Ketika tingkat ukuran perusahaan pada kategori tinggi

jumlah perusahaan yang melakukan income maximization pada

tingkat kategori rendah hingga tinggi, yaitu sebanyak 1, 1, dan 0

perusahaan. Pada kategori ukuran perusahaan tinggi perusahaan

banyak melakukan income maximization pada kategori rendah dan

sedang. Ketika tingkat ukuran perusahaan pada kategori sangat

tinggi jumlah perusahaan yang melakukan income maximization

pada tingkat kategori rendah hingga tinggi, yaitu sebanyak 1, 2, dan

0 perusahaan. Pada kategori ukuran perusahaan sangat tinggi

perusahaan banyak melakukan income maximization pada kategori


71

rendah dan sedang. Kekuatan dan arah hubungan dapat dijelaskan

dengan tabel symmentric measures berikut ini.


manajemen laba (income minimization).



berarti kekuatan hubungan ukuran perusahaan dengan manajemen

laba (income maximization) sangat lemah. Nilai Spearman’s rho

positif, hal ini berarti hubungan kedua variabel positif.

b. Hubungan antara leverage dan manajemen laba

Analisis tabulasi silang kedua dilakukan untuk menentukan

antara leverage dan manajemen laba. Hubungan antara leverage dan

manajemen laba dilakukan dengan menguji tiga hubungan. Pertama

antara leverage dan manajemen laba (income minimization dan income

maximization). Kedua hubungan antara leverage dan income

minimization. Ketiga hubungan antara leverage dan income

maximization.

1) Hubungan leverage dan manajemen laba (income minimization dan

income maximization).

Tabel 5.27 merupakan output analisis tabulasi silang leverage dan

manajemen laba (income minimization dan income maximization).

Value


N of Valid Cases 45


72

Tabel 5. 27 Tabulasi silang leverage dan manajemen laba (income

minimization dan income maximization). DER Total

Sangat

Rendah


Tinggi

Manajemen

Laba

Max

laba

31 11 1 2 45

Min

laba

15 10 2 3 30

Total 46 21 3 5 75


Berdasarkan tabel 5.27, pada kategori tingkat leverage sangat

rendah terdapat 31 perusahaan melakukan income maximization, dan

sebanyak 15 melakukan income minimization. Pada kategori tingkat

leverage rendah terdapat 11 perusahaan melakukan income

maximization, dan sebanyak 10 perusahaan melakukan income

minimization. Pada kategori tingkat leverage tinggi terdapat 1

perusahaan melakukan income maximization, dan sebanyak 2

perusahaan melakukan income minimization. Pada kategori tingkat

leverage sangat tinggi terdapat 2 perusahaan melakukan income

maximization,dan sebanyak 3 perusahaan melakukan income

minimization. Kekuatan dan arah hubungan antara leverage dan

manajemen laba dapat dijelaskan dengan tabel symmentric measures

berikut ini.



maximization). Value


N of Valid Cases 75



73


berarti kekuatan hubungan leverage dengan manajemen laba (income

minimization dan income maximization) lemah. Nilai Spearman’s

rho positif, hal ini berarti hubungan kedua variabel positif.

2) Hubungan leverage dan manajemen laba (income minimization)

Tabel dibawah ini merupakan output analisis tabulasi silang leverage

dan manajemen laba (income minimization).


(income minimization). Leverage Total

Sangat

Rendah


Tingi

Min DA Rendah 1 0 0 0 1

Sedang 2 1 2 1 6

Tinggi 12 9 0 2 23

Total 15 10 2 3 30


Berdasarkan tabel 5.29, ketika tingkat leverage pada kategori

sangat rendah jumlah perusahaan yang melakukan income


sebanyak 1, 2, dan 12 perusahaan. Pada kategori leverage sangat

rendah perusahaan banyak melakukan income minimization pada

kategori tinggi. Ketika tingkat leverage pada kategori rendah jumlah

perusahaan yang melakukan income minimization pada tingkat

kategori rendah hingga tinggi, yaitu sebanyak 0, 1, dan 9 perusahaan.

Pada kategori leverage rendah perusahaan banyak melakukan

income minimization pada kategori tinggi. Ketika tingkat leverage

pada kategori tinggi perusahaan hanya melakukan income

minimization pada kategori sedang, yaitu sebanyak 2 perusahaan.


74

Ketika tingkat leverage pada kategori sangat tinggi jumlah

perusahaan yang melakukan income minimization pada tingkat

kategori rendah hingga tinggi, yaitu sebanyak 0, 1, dan 2 perusahaan.

Pada kategori leverage sangat tinggi perusahaan banyak melakukan

income minimization pada kategori tinggi. Kekuatan dan arah

hubungan dapat dijelaskan dengan tabel symmentric measures

berikut ini.

Tabel 5. 30 Tabel symmentric measures leverage dan manajemen

laba (income minimization). Value

Ordinal by Ordinal Spearman Correlation -0,155

N of Valid Cases 30


Tabel 5.30 menunjukkan nilai Spearman’s rho sebesar -0,155. Hal

ini berarti kekuatan hubungan leverage dan manajemen laba (income

minimization) sangat lemah. Nilai Spearman’s rho negatif, hal ini

berarti hubungan kedua variabel negatif.

3) Hubungan leverage dan manajemen laba (income maximization)

Tabel dibawah ini merupakan output analisis tabulasi silang leverage

dan manajemen laba (income maximization).


(income maximization). Leverage Total

Sangat

Rendah


Tinggi

Max

DA

Rendah 25 9 1 1 36

Sedang 3 2 0 1 6

Tinggi 3 0 0 0 3

Total 31 11 1 2 45



75

Berdasarkan tabel 5.31, ketika tingkat leverage pada kategori

sangat rendah jumlah perusahaan yang melakukan income

maximization pada tingkat kategori rendah hingga tinggi, yaitu

sebanyak 25, 3, dan 3 perusahaan. Pada kategori leverage sangat

rendah perusahaan banyak melakukan income maximization pada

kategori rendah. Ketika tingkat leverage pada kategori rendah

jumlah perusahaan yang melakukan income maximization pada


perusahaan. Pada kategori leverage rendah perusahaan banyak

melakukan income maximization pada kategori rendah. Ketika

tingkat leverage pada kategori tinggi perusahaan hanya melakukan

income minimization pada kategori rendah, yaitu sebanyak 1

perusahaan. Ketika tingkat leverage pada kategori sangat tinggi

jumlah perusahaan yang melakukan income minimization pada


perusahaan. Pada kategori leverage sangat tinggi perusahaan banyak

melakukan income minimization pada kategori rendah dan sedang.

Kekuatan dan arah hubungan dapat dijelaskan dengan tabel

symmentric measures berikut ini.

Tabel 5. 32 Tabel symmentric measures leverage dan manajemen

laba (income maximization). Value


N of Valid Cases 45



76

Tabel 5.32 menunjukkan nilai Spearman’s rho sebesar 0,015. Hal ini

berarti kekuatan hubungan leverage dan manajemen laba (income

maximization) sangat lemah. Nilai Spearman’s rho positif, hal ini

berarti hubungan kedua variabel positif.

c. Hubungan antara profitabilitas dan manajemen laba

Analisis tabulasi silang kedua dilakukan untuk menentukan

antara profitabilitas dan manajemen laba. Hubungan antara

profitabilitas dan manajemen laba dilakukan dengan menguji tiga

hubungan. Pertama antara profitabilitas dan manajemen laba (income

minimization dan income maximization). Kedua hubungan antara

profitabilitas dan income minimization. Ketiga hubungan antara

profitabilitas dan income maximization.

1) Hubungan profitabilitas dan manajemen laba (income minimization

dan income maximization).

Tabel dibawah ini merupakan output analisis tabulasi silang

profitabilitas dan manajemen laba (income minimization dan income

maximization).


(income minimization dan income maximization). ROI Total

Sangat

Rendah


Tinggi

Manajemen

laba

Max

laba

35 6 2 2 45

Min

laba

24 3 2 1 30

Total 59 9 4 3 75



77

Berdasarkan tabel 5.33, pada kategori tingkat profitabilitas

sangat rendah terdapat 35 perusahaan melakukan income

maximization, dan sebanyak 24 melakukan income minimization.

Pada kategori tingkat profitabilitas rendah terdapat 6 perusahaan

melakukan income maximization, dan sebanyak 3 perusahaan

melakukan income minimization. Pada kategori tingkat profitabilitas

tinggi terdapat 2 perusahaan melakukan income maximization, dan

sebanyak 2 perusahaan melakukan income minimization. Pada

kategori tingkat profitabilitas sangat tinggi terdapat 2 perusahaan

melakukan income maximization,dan sebanyak 1 perusahaan

melakukan income minimization. Kekuatan dan arah hubungan

antara profitabilitas dan manajemen laba dapat dijelaskan dengan

tabel symmentric measures berikut ini.



maximization). Value


N of Valid Cases 75



ini berarti kekuatan hubungan profitabilitas dan manajemen laba

(income minimization dan income maximization) sangat lemah. Nilai

Spearman’s rho negatif, hal ini berarti hubungan kedua variabel

negatif.


78

2) Hubungan profitabilitas dan manajemen laba (income minimization)

Tabel dibawah ini merupakan output analisis tabulasi silang

profitabilitas dan manajemen laba (income minimization).


(income minimization).


Berdasarkan tabel 5.35, ketika tingkat profitabilitas pada



sebanyak 1, 5, dan 18 perusahaan. Pada kategori profitabilitas sangat

rendah perusahaan banyak melakukan income minimization pada

kategori tinggi. Ketika tingkat profitabilitas pada kategori rendah

perusahaan hanya melakukan income minimization pada kategori

tinggi, yaitu sebanyak 3 perusahaan. Ketika tingkat profitabilitas

pada kategori tinggi jumlah perusahaan yang melakukan income


sebanyak 0, 1, dan 1 perusahaan. Pada kategori profitabilitas tinggi

perusahaan banyak melakukan income minimization pada kategori

sedang dan tinggi. Ketika tingkat profitabilitas pada kategori sangat

tinggi perusahaan hanya melakukan income minimization pada

kategori tinggi, yaitu sebanyak 1 perusahaan Kekuatan dan arah

Profitabilitas Total

Sangat

Rendah


Tinggi

Min

DA

Rendah 1 0 0 0 1

Sedang 5 0 1 0 6

Tinggi 18 3 1 1 23

Total 24 3 2 1 30


79

hubungan dapat dijelaskan dengan tabel symmentric measures

berikut ini.

Tabel 5. 36 Tabel symmentric measures profitabilitas dan

manajemen laba (income minimization) Value


N of Valid Cases 30


Tabel 5.36 menunjukkan nilai Spearman’s rho sebesar 0,072. Hal ini

berarti kekuatan hubungan profitabilitas dan manajemen laba

(income minimization) sangat lemah. Nilai Spearman’s rho positif,

hal ini berarti hubungan kedua variabel positif.

3) Hubungan profitabilitas dan manajemen laba (income maximization)

Tabel 5.37 merupakan output analisis tabulasi silang profitabilitas

dan manajemen laba (income maximization).


(income maximization). Profitabilitas Total

Sangat

Rendah


Tinggi

MAX

DA

Rendah 27 6 1 2 36

Sedang 5 0 1 0 6

Tinggi 3 0 0 0 3

Total 35 6 2 2 45


Berdasarkan tabel 5.37, ketika tingkat profitabilitas pada



sebanyak 27, 5, dan 3 perusahaan. Pada kategori profitabilitas sangat

rendah perusahaan banyak melakukan income maximization pada

kategori rendah. Ketika tingkat profitabilitas pada kategori rendah


80

perusahaan hanya melakukan income maximization pada kategori

rendah, yaitu sebanyak 6 perusahaan. Ketika tingkat profitabilitas

pada kategori tinggi jumlah perusahaan yang melakukan income


sebanyak 1, 1, dan 0 perusahaan. Pada kategori profitabilitas tinggi

perusahaan banyak melakukan income maximization pada kategori

rendah dan sedang. Ketika tingkat profitabilitas pada kategori sangat

tinggi perusahaan hanya melakukan income maximization pada

kategori rendah, yaitu sebanyak 2 perusahaan. Kekuatan dan arah

hubungan dapat dijelaskan dengan tabel 5.38 symmentric measures

berikut ini.

Tabel 5. 38 Tabel symmentric measures profitabilitas dan

manajemen laba (income maximization) Value


N of Valid Cases 45



ini berarti kekuatan hubungan profitabilitas dan manajemen laba

(income maximization) sangat lemah. Nilai Spearman’s rho negatif,

hal ini berarti hubungan kedua variabel negatif.

B. Pembahasan

1. Hubungan antara Ukuran Perusahaan dengan Manajemen laba

Analisis data ukuran perusahaan terbagi menjadi tiga bagian untuk

mendapatkan hasil mengenai hubungan antara ukuran perusahaan dengan

manajemen laba. Berdasarkan analisis data yang pertama, diketahui bahwa


81

hubungan antara ukuran perusahaan dengan manajemen laba (income

maximization dan income minimization) diketahui bahwa hubungan kedua

variabel sangat lemah dengan arah hubungan positif. Hal ini disebabkan

karena investor atau kreditur dalam mengalirkan dananya tidak

menjadikan satu-satunya ukuran perusahaan sebagai pertimbangannya,

karna selain dari ukuran perusahaan yang dapat dinilai dari aktiva, terdapat

pengukuran lainnya yang lebih penting yang dapat menggambarkan

kinerja perusahaan seperti aliran cash flow serta rasio-rasio yang lebih

dapat menggambarkan kinerja perusahaan. Berdasarkan analisis data

kedua, diketahui bahwa hubungan antara ukuran perusahaan dengan

income minimization diketahui bahwa hubungan kedua variabel sangat

lemah dengan arah hubungan positif. Menurut political cost hypothesis

menunjukkan bahwa dalam suatu perusahaan besar yang memiliki biaya

politik yang tinggi, akan mendorong manajer untuk memilih metode

akuntansi yang menangguhkan laba yang dilaporkan dari periode sekarang

ke periode masa mendatang sehingga dapat memperkecil laba yang

dilaporkan. Berdasarkan analisis data ketiga, diketahui bahwa hubungan

antara ukuran perusahaan dengan income maximization diketahui bahwa

hubungan kedua variabel sangat lemah dengan arah hubungan positif. Hal

ini menunjukkan bahwa perusahaan dengan total aset paling tinggi

berkesempatan lebih sedikit dalam melakukan praktik manajemen laba

dengan cara maximization income karena dipandang lebih kritis oleh pihak

luar, baik oleh investor, kreditor, pemerintah maupun masyarakat.


82

Hubungan yang sangat lemah menjelaskan bahwa ukuran perusahaan

mempunyai kecenderungan yang sangat lemah dalam mempengaruhi

manajemen laba. Arah hubungan yang positif menjelaskan bahwa ukuran

perusahaan yang searah dengan manajemen laba. Hal ini berarti tinggi

rendah ukuran perusahaan, memiliki kecenderungan yang sangat lemah

dalam mempengaruhi manajemen laba. Hasil penelitian ini tidak sejalan

dengan penelitian yang dilakukan oleh Muliati (2011), yang menemukan

bahwa ukuran perusahaan terbukti berpengaruh negatif pada praktik

manajemen laba. Hasil penelitian ini sejalan dengan yang dilakukan oleh

Yamaditya (2014), yang menemukan bahwa ukuran perusahaan

berpengaruh positif terhadap praktik manajemen laba. Hasil penelitian ini

tidak sejalan dengan yang dilakukan oleh Sosiawan (2012) dan Yatulhusna

(2015). Sosiawan (2012) menyimpulkan bahwa ukuran perusahaan tidak

berpengaruh terhadap manajemen laba dan Yatulhusna (2015)

menyimpulkan bahwa ukuran perusahaan tidak berpengaruh signifikan

terhadap manajemen laba pada suatu perusahaan.

2. Hubungan antara Leverage dengan Manajemen Laba

Berdasarkan analisis data, data leverage dibagi menjadi tiga bagian

untuk mendapatkan hasil mengenai hubungan antara leverage dengan

manajemen laba. Berdasarkan analisis data yang pertama, diketahui bahwa

hubungan antara leverage dan manajemen laba (income maximization dan

income minimization) diketahui bahwa hubungan kedua variabel lemah

dengan arah hubungan positif. Hal ini menunjukkan perusahaan dengan


83

tingkat leverage yang tinggi akibat besarnya total hutang terhadap total

modal akan menghadapi resiko default yang tinggi yaitu perusahaan

terancam tidak mampu memenuhi kewajibannya. Tindakan manajemen

laba tidak dapat dijadikan sebagai mekanisme untuk menghindarkan

default tersebut. Pemenuhan kewajiban harus tetap dilakukan dan tidak

dapat dihindarkan dengan manajemen laba. Berdasarkan analisis data

kedua, diketahui bahwa hubungan antara leverage dengan minization

income diketahui bahwa hubungan kedua variabel sangat lemah dengan

arah hubungan negatif. Hal ini menunjukkan bahwa perusahaan dengan

rasio rendah akan disukai oleh kreditur. Jika rasio ini semakin rendah

maka semakin besar perlindungan terhadap kerugian kreditur dalam

peristiwa likuidasi oleh sebab itu kecil kemungkinan perusahaan akan

melakukan manajemen laba atau sama sekali tidak akan melakukan

manajemen laba. Berdasarkan analisis data ketiga, diketahui bahwa

hubungan antara leverage dengan income maximization diketahui bahwa

hubungan kedua variabel sangat lemah dengan arah hubungan positif. Hal

ini menunjukkan berpengaruhnya perubahan leverage yang tinggi terhadap

penurunan manajemen laba dapat diindikasikan karena perusahaan

berusahaa mendapatkan kesan positif pada saat masyarakat

memperhatikan perusahaan, sebab kenaikan hutang yang besar

mengakibatkan perusahaan mendapatkan perhatian besar dari masyarakat

akan lebih teliti dalam melihat perusahaan tersebut. Jika pada kondisi

tersebut perusahaan melakukan kegiatan yang negatif seperti melakukan


84

manajemen laba yang tinggi, maka akan segera diketahui oleh masyarakat

dan menimbulkan kesan negatif terhadap perusahaan. Hubungan yang

sangat lemah menjelaskan bahwa leverage mempunyai kecenderungan

yang sangat lemah dalam mempengaruhi manajemen laba. Arah hubungan

yang positif menjelaskan bahwa leverage yang searah dengan manajemen

laba. Sedangkan arah hubungan yang negatif menjelaskan bahwa leverage

mempunyai hubungan yang tidak searah dengan manajemen laba (income

minimization). Hal ini berarti lancar dan tidak lancarnya leverage, tidak

memiliki kecenderungan mempengaruhi manajemen laba. Hasil penelitian

ini tidak sejalan dengan yang dilakukan oleh Triatmojo (2013), Sosiawan

(2012), dan Yatulhusna (2015). Triatmojo (2013) menyimpulkan bahwa

leverage berpengaruh terhadap manajemen laba. Sosiawan (2012),

menyimpulkan bahwa leverage berpengaruh positif terhadap manajemen

laba. Yatulhusna (2015), menyimpulkan bahwa leverage berpengaruh

signifikan terhadap manajemen laba pada suatu perusahaan. Hasil

penelitian ini sejalan dengan yang dilakukan oleh Yamadita (2014), yang

menemukan bahwa leverage tidak berpengaruh terhadap praktik

manajemen laba.

3. Hubungan antara Profitabilitas dengan Manajemen Laba

Berdasarkan analisis data, data profitabilitas dibagi menjadi tiga

bagian untuk mendapatkan hasil mengenai hubungan antara profitabilitas

dengan manajemen laba. Berdasarkan analisis data yang pertama,

diketahui bahwa hubungan antara profitabilitas dengan manajemen laba


85

(income maximization dan income minimization) diketahui bahwa

hubungan kedua variabel sangat lemah dengan arah hubungan negatif. Hal

ini menunjukkan bahwa pelaporan laba yang terlalu rendah akan

berdampak pada tampilan kinerja manajemen yang tidak maksimal. Oleh

karena itu, tinggi rendahnya profitabilitas yang dihasilkan berkaitan

dengan tindakan manajemen laba dengan tujuan pelaporan tingkat

profitabilitas yang berada pada tahap aman. Berdasarkan analisis data

kedua, diketahui bahwa hubungan antara profitabilitas dengan income

minimization diketahui bahwa hubungan kedua variabel sangat lemah

dengan arah hubungan positif. Hal ini menunjukkan bahwa pada saat

perusahaan mengalami tingkat profitabiltas yang tinggi maka perusahaan

akan melakukan manajemen laba dengan maksud agar tidak mendapat

perhatian secara politis dengan cara menyimpan laba sehingga jika laba

periode mendatang mengalami penurunan drastis dapat diatasi dengan

mengambil simpanan periode berjalan. Berdasarkan analisis data ketiga,

diketahui bahwa hubungan antara profitabilitas dengan income

maximization diketahui bahwa hubungan kedua variabel sangat lemah

dengan arah hubungan negatif. Hal ini menunjukkan bahwa jika

perusahaan yang mengalami tingkat profitabiltas yang rendah maka

manajer perusahaan tersebut akan melakukan manajemen laba dengan cara

menaikan laba perusahaan agar dapat menarik investor dengan tampilan

kinerja manajemen yang maksimal dan mendapatkan bonus dengan

mencapai target yang ditentukan. Hubungan yang sangat lemah


86

menjelaskan bahwa profitabilitas mempunyai kecenderungan yang sangat

lemah dalam mempengaruhi manajemen laba. Arah hubungan yang positif

menjelaskan bahwa profitabilitas yang searah dengan manajemen laba

(income minimization). Sedangkan arah hubungan yang negatif

menjelaskan bahwa profitabilitas mempunyai hubungan yang tidak searah

dengan manajemen laba.

Berdasarkan hasil dari ketiga analisis profitabilitas dengan

manajemen laba, dapat ditarik kesimpulan bahwa profitasbilitas memiliki

kecenderungan untuk mempengaruhi manajemen laba walaupun sangat

lemah. Hasil penelitian ini tidak sejalan dengan yang dilakukan oleh

Triatmojo (2013), yang menemukan profitabilitas yang diproksikan

dengan return on asset tidak berpengaruh terhadap manajemen laba. Hasil

penelitian ini sejalan dengan yang dilakukan oleh Triatmojo (2013),

Kartika (2012), dan Yatulhusna (2015). Triatmojo (2013), menyimpulkan

bahwa profitabiltas yang diproksikan dengan net profit margin

berpengaruh terhadap manajemen laba. Kartika (2012), menyimpulkan

bahwa profitabilitas yang diproksikan dengan ROA (Return On Assets)

berpengaruh negatif signifikan terhadap manajemen laba. Yatulhusna

(2015), menyimpulkan bahwa profitabilitas yang diproksikan dengan

menggunakan ROA (Return On Assets) berpengaruh signifikan terhadap

manajemen laba.


87

BAB VI

PENUTUP

A. Kesimpulan.

Berdasarkan hasil analisis data yang dilakukan dapat ditarik

kesimpulan dalam penelitian ini adalah:

1. Hubungan antara ukuran perusahaan dengan manajemen laba yang dibagi

menjadi tiga bagian menunjukkan hasil:

a. Hubungan antara ukuran perusahaan dengan manajemen laba (income

minimization dan income maximization) sangat lemah dengan arah

hubungan positif.

b. Hubungan antara ukuran perusahaan dengan income minimization

sangat lemah dengan arah hubungan positif.

c. Hubungan antara ukuran perusahaan dan income maximization sangat

lemah dengan arah hubungan positif.

2. Hubungan antara leverage dengan manajemen laba yang dibagi menjadi

tiga bagian menunjukkan hasil:

a. Hubungan antara leverage dengan manajemen laba (income

minimization dan income maximization) lemah dengan arah hubungan

positif.

b. Hubungan antara leverage dengan income minimization sangat lemah

dengan arah hubungan negatif.


88

c. Hubungan antara leverage dengan income maximization sangat lemah

dengan arah hubungan positif.

3. Hubungan antara profitabilitas dengan manajemen laba yang dibagi

menjadi tiga bagian menunjukkan hasil:

a. Hubungan antara profitabilitas dengan manajemen laba (income

minimization dan income maximization) sangat lemah dengan arah

hubungan negatif.

b. Hubungan antara profitabilitas dengan income minimization sangat

lemah dengan arah hubungan positif.

c. Hubungan antara profitabilitas dengan income maximization sangat

lemah dengan arah hubungan negatif.

B. Keterbatasan Penelitian

Penelitian yang dilakukan memiliki beberapa keterbatasan sebagai

berikut:

1. Manajemen laba yang diproksikan dengan discretionary accruals

menggunakan Model Jones yang telah dimodifikasi karena belum ada

penelitian yang membuktikan bahwa model lain yaitu model Healy, model

DeAngelo, dan model Jones lebih tepat untuk digunakan.

2. Penelitian ini hanya menggunakan perusahaan yang terdaftar dalam Bursa

Efek Indonesia yang menerbitkan laporan keuangan dalam mata uang

Rupiah.


89

C. Saran

Berdasarkan keterbatasan dalam penelitian ini, penulis mengajukan

beberapa saran berikut:

1. Bagi peneliti selanjutnya, disarankan dapat menggunakan model lain,

seperti model Healy, model DeAngelo, dan model Jones untuk

menghitung discretionary accruals dengan cara berbeda.

2. Bagi peneliti selanjutnya, disarankan dapat menggunakan sampel yang

tidak hanya perusahaan yang menggunakan mata uang Rupiah saja tetapi

dalam mata uang asing lainnya.


90

DAFTAR PUSTAKA

Boedijoewono, Noegroho. 2012. Pengantar Statistika Ekonomi dan Bisnis. Jilid 1

(Deskriptif). Penerbit dan Percetakan (UPP) STIM YKPN, Yogyakarta.

Cooper, Donald R and Pamela S. Schindler, 2006. Business Research Methods,

Ninth Edition.New York: McGraw-Hill Education.

Cooper, Donald R. Dan C. William Emory. 1995. Metode Penelitian Bisnis Jilid 1

& 2. Penerbit Erlangga, Jakarta

Fahmi, Irham. 2011. Analisis Kinerja Keuangan. Bandung: ALFABETA, cv.

Fahmi, Irham. 2011. Analisis Laporan Keuangan. Bandung: ALFABETA, cv.

Ghozali, Imam. 2013. Aplikasi Analisis Multivariate dengan Program IBM

SPSS21. Semarang: Badan Penerbit Universitas Diponegoro.

Halim, J, Meiden, C dan Tobing. 2005. “Pengaruh Manajemen Laba pada Tingkat

Pengungkapan Laporan Keuangan pada Perusahaan Manufaktur yang

Termasuk dalam Indeks LQ – 45”. Simposium Nasional Akuntansi VIII.

Kartika, Yuventia Dewi. 2012. “ Analisis Pengaruh Penerapan Good Corporate

Governance dan Profitabilitas Terhadap Manajemen Laba”. Skripsi.

Yogyakarta: Universitas Sanata Dharma.

Kasmir. 2015. Analisis Laporan Keuangan. Jakarta: PT RajaGrafindoPersada.

Muliati, Ni Ketut. 2011. “ Pengaruh Asimetri Informasi dan Ukuran Perusahaan

pada Praktik Manajemen Laba di Perusahaan Perbankan yang Terdaftar di

Bursa Efek Indonesia”. Skripsi. Denpasar: Universitas Udayana.

Prastowo D, Dwi. 1995. Analisis Laporan Keuangan. UPP AMP YKPN.

Sartono, R. Agus. 2010. Manajemen Keuangan Teori dan Aplikasi. BPFE-

YOGYAKARTA.

Sosiawan, Santhi Yuliana. 2012. “ Pengaruh Kompensasi,Leverage, Ukuran

Perusahaan, Earning Power Terhadap Manajemen Laba”. Jurnal JRAK,

Volume 8, No.1 Februari 2012.

Sugiyono. 2001. Metode Penelitian Bisnis. Penerbit CV Alfabeta, Bandung.

Sugiyono, 2010. Metode Penelitian Pendidikan. Bandung: ALFABETA, cv.


91

Sulistiawan Dedhy, Januarsi yeni, dan Alvia Liza. 2011. “Creative Accounting:

mengungkap Manajemen Laba dan Skandal Akuntansi”. Jakarta: Salemba

Empat.

Sulistyanto, H. Sri. 2008. “Manajemen Laba: Teori dan Model Empiris”. Jakarta:

PT Gramedia Widiasarana Indonesia.

Triatmojo, Vincentius Arswendo. 2013. “Analisis Hubungan Leverage dan

Profitabilitas Terhadap Manajemen Laba”. Skripsi. Yogyakarta:

Universitas Sanata Dharma.

Ulya, Nasihah, dan Khairunnisa. “Pengaruh Ukuran Perusahaan, Profitabilitas,

Financial Leverage dan Kualitas Audit Terhadap Praktik Manajemen

Laba”. Jurnal. Universitas Telkom.

Verawati, Diana.2012.Pengaruh Diversifikasi Operasi, Diversifikasi Geografis,

Leverage dan Struktur Kepemilikan terhadap Manajemen Laba.

Semarang:Universitas Diponogoro.

Yamadita, Vanian. 2014. “ Pengaruh Asimetri Informasi, Leverage, dan Ukuran

Perusahaan Terhadap Praktik Manajemen Laba”. Skripsi. Semarang:

Universitas Diponegoro.

Yatulhusna, Najmi. 2015. “ Pengaruh Profitabilitas, Leverage, Umur, dan Ukuran

Perusahaan Terhadap Manajemen Laba. Skripsi. Jakarta: Universitas Islam

Negeri Syarif Hidayatuliah.

Yulia, Mona. 2013. “Pengaruh Ukuran Perusahaan, Profitabilitas, Financial

Leverage, dan Nilai Saham Terhadap Perataan Laba (Income Smoothing)

pada Perusahaan Manufaktur, Keuangan dan Pertambangan yang Terdaftar

di Bursa Efek Indonesia (BEI)”. Jurnal Akuntansi.Universitas Negeri

Padang.


92

LAMPIRAN


93

Lampiran I

Tabel Perhitungan Nilai Total Accruals 2014. NO KODE Net Income Cash Flow Operation Total Accrual

1 ADES 31.021.000.000 101.377.000.000 (70.356.000.000)

2 AKPI 34.690.704.000 374.349.492.000 (339.658.788.000)

3 ALDO 21.061.034.612 (29.883.033) 21.090.917.645

4 ALKA 2.659.254.000 (18.833.943.000) 21.493.197.000

5 ALMI 1.634.820.237 (935.671.862.182) 937.306.682.419

6 AMFG 458.635.000.000 564.250.000.000 (105.615.000.000)

7 APLI 9.626.571.647 22.314.328.339 (12.687.756.692)

8 ARNA 261.651.053.219 238.937.995.916 22.713.057.303

9 AUTO 956.409.000.000 264.565.000.000 691.844.000.000

10 BAJA 14.077.852.427 (74.385.983.999) 88.463.836.426

11 BATA 70.781.440.000 62.179.864.000 8.601.576.000

12 BRNA 60.493.636.000 198.105.603.000 (137.611.967.000)

13 BTON 7.630.330.090 7.643.755.010 (13.424.920)

14 BUDI 28.499.000.000 68.190.000.000 (39.691.000.000)

15 CEKA 41.001.414.954 (147.806.952.847) 188.808.367.801

16 CPIN 1.746.644.000.000 239.221.000.000 1.507.423.000.000

17 DAJK 90.592.575.000 (232.306.697.000) 322.899.272.000

18 DLTA 288.073.432.000 164.246.813.000 123.826.619.000

19 DPNS 14.519.866.284 5.877.779.661 8.642.086.623

20 DVLA 80.929.476.000 104.436.317.000 (23.506.841.000)

21 EKAD 40.756.078.282 4.641.605.865 36.114.472.417

22 ERTX 348.916.778 (31.499.865.702) 31.848.782.480

23 FASW 86.745.854.950 1.327.852.701.205 (1.241.106.846.255)

24 GJTL 269.868.000.000 152.146.000.000 117.722.000.000

25 HMSP 10.181.083.000.000 11.103.195.000.000 (922.112.000.000)

26 ICBP 2.531.681.000.000 3.860.843.000.000 (1.329.162.000.000)

27 IGAR 54.898.874.758 25.762.820.842 29.136.053.916

28 IKAI 26.511.071.474 (15.834.747.540) 42.345.819.014

29 INAF 1.164.824.606 148.726.901.608 (147.562.077.002)

30 INAI 22.058.700.759 81.915.088.114 (59.856.387.355)

31 INCI 11.028.221.012 (7.581.339.094) 18.609.560.106

32 INDS 127.657.349.869 65.911.208.643 61.746.141.226

33 INTP 5.274.009.000.000 5.344.607.000.000 (70.598.000.000)

34 JECC 23.844.710.000 42.230.169.000 (18.385.459.000)

35 JPFA 384.846.000.000 1.570.533.000.000 (1.185.687.000.000)

36 JPRS 13.693.234.452 (76.997.875.467) 90.691.109.919

37 KBLI 70.080.135.740 170.079.674.604 (99.999.538.864)

38 KBLM 20.623.713.329 5.994.209.466 14.629.503.863

39 KIAS 92.239.403.158 53.807.189.894 38.432.213.264

40 KICI 4.703.508.241 1.313.583.361 3.389.924.880

41 KLBF 2.121.090.581.630 2.316.125.821.045 (195.035.239.415)

42 LION 49.001.630.102 61.833.303.338 (12.831.673.236)

43 LMPI 1.710.590.575 7.786.642.389 (6.076.051.814)

44 LMSH 7.403.115.436 9.999.770.412 (2.596.654.976)

45 MERK 181.472.234.000 289.725.783.000 (108.253.549.000)

46 MLBI 794.883.000.000 913.005.000.000 (118.122.000.000)

47 MLIA 125.013.335.000 460.633.645.000 (335.620.310.000)

48 MRAT 7.371.973.842 (22.679.473.943) 30.051.447.785

49 MYOR 409.824.768.594 (862.339.383.145) 1.272.164.151.739

50 NIPS 50.134.988.000 118.463.324.000 (68.328.336.000)


94

Lampiran I

Tabel Perhitungan Nilai Total Accruals 2014 (Lanjutan). NO KODE Net Income Cash Flow Operation Total Accrual

51 PICO 16.153.616.369 24.408.903.218 (8.255.286.849)

52 PRAS 11.340.527.608 11.556.006.425 (215.478.817)

53 PYFA 2.657.665.405 1.472.541.371 1.185.124.034

54 RICY 15.111.531.641 47.145.296.495 (32.033.764.854)

55 ROTI 188.577.521.074 364.975.619.113 (176.398.098.039)

56 SCCO 137.618.900.727 62.171.128.817 75.447.771.910

57 SIAP 7.382.322.000 113.985.737.000 (106.603.415.000)

58 SIMA 1.378.596.138 3.624.161.343 (2.245.565.205)

59 SKBM 89.115.994.107 48.342.031.990 40.773.962.117

60 SKLT 16.480.714.984 23.398.218.902 (6.917.503.918)

61 SMBR 328.336.316.000 283.527.338.000 44.808.978.000

62 SMCB 668.869.000.000 1.709.438.000.000 (1.040.569.000.000)

63 SMSM 420.436.000.000 449.864.000.000 (29.428.000.000)

64 SPMA 48.602.721.399 32.968.578.086 15.634.143.313

65 SQBB 164.808.009.000 160.898.696.000 3.909.313.000

66 SRSN 14.456.260.000 9.622.985.000 4.833.275.000

67 STAR 348.916.778 (31.499.865.702) 31.848.782.480

68 STTP 123.465.403.948 198.516.135.904 (75.050.731.956)

69 TCID 174.314.394.101 123.551.162.065 50.763.232.036

70 TOTO 293.803.908.949 307.708.638.190 (13.904.729.241)

71 TRIS 35.944.155.042 51.371.394 35.892.783.648

72 TRST 30.084.477.143 236.909.957.713 (206.825.480.570)

73 TSPC 584.293.062.124 512.956.089.428 71.336.972.696

74 UNIT 396.296.296 23.058.031.778 (22.661.735.482)

75 WIIM 112.304.822.060 44.609.246.858 67.695.575.202


95

Lampiran II

Komponen-Komponen Perhitungan Nondiscretionary Accruals 2014

NO KODE Total Sales

∆Revit 2013 2014

1 ADES 502.524.000.000 578.784.000.000 76.260.000.000

2 AKPI 1.663.385.190.000 1.945.383.031.000 281.997.841.000

3 ALDO 399.345.658.763 493.881.857.454 94.536.198.691

4 ALKA 1.099.620.270.000 1.230.364.713.000 130.744.443.000

5 ALMI 2.871.313.447.075 3.336.087.554.837 464.774.107.762

6 AMFG 3.216.480.000.000 3.672.186.000.000 455.706.000.000

7 APLI 281.551.386.863 294.081.114.204 12.529.727.341

8 ARNA 1.417.640.229.330 1.609.758.677.687 192.118.448.357

9 AUTO 10.701.988.000.000 12.255.427.000.000 1.553.439.000.000

10 BAJA 1.052.131.125.561 1.229.844.640.405 177.713.514.844

11 BATA 902.459.209.000 1.008.727.515.000 106.268.306.000

12 BRNA 960.999.965.000 1.258.841.240.000 297.841.275.000

13 BTON 113.547.870.414 96.008.496.750 (17.539.373.664)

14 BUDI 2.568.954.000.000 2.284.211.000.000 (284.743.000.000)

15 CEKA 2.531.881.182.546 3.701.868.790.192 1.169.987.607.646

16 CPIN 25.662.992.000.000 29.150.275.000.000 3.487.283.000.000

17 DAJK 513.122.156.000 894.481.711.000 381.359.555.000

18 DLTA 867.066.542.000 879.253.383.000 12.186.841.000

19 DPNS 131.333.196.189 132.775.925.237 1.442.729.048

20 DVLA 1.101.684.170.000 1.103.821.775.000 2.137.605.000

21 EKAD 418.668.758.096 526.573.620.057 107.904.861.961

22 ERTX 274.141.734.113 228.622.027.943 (45.519.706.170)

23 FASW 4.960.825.518.081 5.456.935.920.101 496.110.402.020

24 GJTL 12.352.917.000.000 13.070.734.000.000 717.817.000.000

25 HMSP 75.025.207.000.000 80.690.139.000.000 5.664.932.000.000

26 ICBP 25.094.681.000.000 30.022.463.000.000 4.927.782.000.000

27 IGAR 643.403.327.263 737.863.227.409 94.459.900.146

28 IKAI 211.523.292.543 262.321.356.543 50.798.064.000

29 INAF 1.337.498.191.710 1.381.436.578.115 43.938.386.405

30 INAI 640.702.671.875 933.462.438.255 292.759.766.380

31 INCI 81.244.267.131 110.023.088.698 28.778.821.567

32 INDS 1.702.447.098.851 1.866.977.260.105 164.530.161.254

33 INTP 18.691.286.000.000 19.996.264.000.000 1.304.978.000.000

34 JECC 1.490.073.098.000 1.493.012.114.000 2.939.016.000

35 JPFA 21.412.085.000.000 24.458.880.000.000 3.046.795.000.000

36 JPRS 195.247.201.170 313.636.426.234 118.389.225.064

37 KBLI 2.572.350.076.614 2.384.078.038.239 (188.272.038.375)

38 KBLM 1.032.787.438.869 919.537.870.594 (113.249.568.275)

39 KIAS 910.845.835.792 898.976.979.994 (11.868.855.798)

40 KICI 99.029.696.717 102.971.318.497 3.941.621.780

41 KLBF 16.002.131.057.048 17.368.532.547.558 1.366.401.490.510

42 LION 333.674.349.966 377.622.622.150 43.948.272.184

43 LMPI 676.111.070.762 513.547.309.970 (162.563.760.792)

44 LMSH 256.210.760.822 249.072.012.369 (7.138.748.453)

45 MERK 805.746.000.000 863.207.535.000 57.461.535.000

46 MLBI 3.561.989.000.000 2.988.501.000.000 (573.488.000.000)

47 MLIA 5.197.009.630.000 5.629.696.723.000 432.687.093.000

48 MRAT 358.127.545.503 434.747.101.600 76.619.556.097


96

Lampiran II


(Lanjutan).

NO KODE Total Sales

∆Revit 2013 2014

49 MYOR 12.017.837.133.337 14.169.088.278.238 2.151.251.144.901

50 NIPS 911.064.069.000 1.015.868.035.000 104.803.966.000

51 PICO 684.448.835.916 694.332.286.638 9.883.450.722

52 PRAS 316.174.631.298 445.664.542.004 129.489.910.706

53 PYFA 192.555.731.180 222.302.407.528 29.746.676.348

54 RICY 984.185.102.135 1.185.443.580.242 201.258.478.107

55 ROTI 1.505.519.937.691 1.880.262.901.697 374.742.964.006

56 SCCO 3.751.042.310.613 3.703.267.949.291 (47.774.361.322)

57 SIAP 245.690.437.000 336.909.371.000 91.218.934.000

58 SIMA 2.281.916.205 15.760.701.901 13.478.785.696

59 SKBM 1.296.618.257.503 1.480.764.903.724 184.146.646.221

60 SKLT 567.048.547.543 681.419.524.161 114.370.976.618

61 SMBR 1.168.607.832.000 1.214.914.932.000 46.307.100.000

62 SMCB 9.686.262.000.000 10.528.723.000.000 842.461.000.000

63 SMSM 2.381.889.000.000 2.632.860.000.000 250.971.000.000

64 SPMA 1.395.838.227.179 1.550.810.295.608 154.972.068.429

65 SQBB 426.436.344.000 497.501.571.000 71.065.227.000

66 SRSN 392.315.526.000 472.834.591.000 80.519.065.000

67 STAR 274.141.734.113 228.622.027.943 (45.519.706.170)

68 STTP 1.694.935.468.814 2.170.464.194.350 475.528.725.536

69 TCID 2.027.899.402.527 2.308.203.551.971 280.304.149.444

70 TOTO 1.711.306.783.682 2.053.630.374.083 342.323.590.401

71 TRIS 709.945.585.382 746.828.922.732 36.883.337.350

72 TRST 2.033.149.367.039 2.507.884.797.367 474.735.430.328

73 TSPC 6.854.889.233.121 7.512.115.037.587 657.225.804.466

74 UNIT 101.886.214.646 102.448.044.300 561.829.654

75 WIIM 1.588.022.200.150 1.661.533.200.316 73.511.000.166


97

Lampiran III


NO KODE Receivables

∆Recit 2013 2014

1 ADES 79.179.000.000 105.645.000.000 26.466.000.000

2 AKPI 416.207.759.000 400.045.577.000 (16.162.182.000)

3 ALDO 108.891.776.937 139.991.484.544 31.099.707.607

4 ALKA 152.247.256.000 167.034.904.000 14.787.648.000

5 ALMI 201.166.084.956 313.875.817.692 112.709.732.736

6 AMFG 400.446.000.000 383.817.000.000 (16.629.000.000)

7 APLI 44.108.251.883 49.153.447.552 5.045.195.669

8 ARNA 306.380.879.154 392.856.746.890 86.475.867.736

9 AUTO 1.650.635.000.000 1.784.352.000.000 133.717.000.000

10 BAJA 148.686.321.996 211.977.317.848 63.290.995.852

11 BATA 43.299.158.000 40.711.116.000 (2.588.042.000)

12 BRNA 159.995.583.000 232.366.583.000 72.371.000.000

13 BTON 10.853.173.217 9.317.662.847 (1.535.510.370)

14 BUDI 666.785.000.000 526.564.000.000 (140.221.000.000)

15 CEKA 284.131.937.391 315.238.141.384 31.106.203.993

16 CPIN 2.616.950.000.000 3.522.209.000.000 905.259.000.000

17 DAJK 339.899.235.000 465.783.737.000 125.884.502.000

18 DLTA 120.891.620.000 218.008.089.000 97.116.469.000

19 DPNS 16.245.495.525 18.334.276.135 2.088.780.610

20 DVLA 377.104.867.000 351.272.822.000 (25.832.045.000)

21 EKAD 62.632.568.080 73.854.708.986 11.222.140.906

22 ERTX 66.499.283.201 94.075.057.566 27.575.774.365

23 FASW 1.053.663.166.479 817.928.768.583 (235.734.397.896)

24 GJTL 2.282.868.000.000 2.338.576.000.000 55.708.000.000

25 HMSP 1.449.427.000.000 1.097.937.000.000 (351.490.000.000)

26 ICBP 2.549.415.000.000 2.902.202.000.000 352.787.000.000

27 IGAR 128.470.063.461 147.758.394.227 19.288.330.766

28 IKAI 31.247.588.201 44.453.295.315 13.205.707.114

29 INAF 285.853.171.964 208.245.803.553 (77.607.368.411)

30 INAI 162.208.830.774 225.252.514.571 63.043.683.797

31 INCI 15.685.354.206 17.246.171.884 1.560.817.678

32 INDS 309.703.107.747 339.313.341.166 29.610.233.419

33 INTP 2.518.588.000.000 2.670.993.000.000 152.405.000.000

34 JECC 513.749.516.000 473.898.955.000 (39.850.561.000)

35 JPFA 1.249.813.000.000 1.312.779.000.000 62.966.000.000

36 JPRS 84.866.827.313 159.411.872.894 74.545.045.581

37 KBLI 486.996.835.413 476.764.021.710 (10.232.813.703)

38 KBLM 222.905.072.590 220.478.314.735 (2.426.757.855)

39 KIAS 230.819.919.141 296.488.388.327 65.668.469.186

40 KICI 9.693.700.254 9.919.207.273 225.507.019

41 KLBF 2.273.378.788.416 2.464.901.529.716 191.522.741.300

42 LION 63.350.679.547 81.803.308.390 18.452.628.843

43 LMPI 229.486.553.340 250.433.391.505 20.946.838.165

44 LMSH 24.299.962.987 24.106.193.844 (193.769.143)

45 MERK 137.783.742.000 144.633.951.000 6.850.209.000

46 MLBI 325.807.000.000 382.051.000.000 56.244.000.000

47 MLIA 517.172.468.000 563.658.451.000 46.485.983.000

48 MRAT 161.304.734.299 226.132.399.238 64.827.664.939


98

Lampiran III


(Lanjutan).

NO KODE Receivables

∆Recit 2013 2014

49 MYOR 2.813.146.233.513 3.080.840.526.614 267.694.293.101

50 NIPS 255.667.534.000 325.696.897.000 70.029.363.000

51 PICO 153.848.244.468 168.398.316.329 14.550.071.861

52 PRAS 88.886.702.784 119.653.754.357 30.767.051.573

53 PYFA 30.273.751.470 39.596.938.982 9.323.187.512

54 RICY 295.710.277.188 286.674.551.228 (9.035.725.960)

55 ROTI 183.089.019.764 213.406.935.097 30.317.915.333

56 SCCO 799.525.898.469 840.603.662.188 41.077.763.719

57 SIAP 42.604.038.000 43.234.237.000 630.199.000

58 SIMA 126.469.290 1.761.797.783 1.635.328.493

59 SKBM 139.216.274.687 112.691.427.014 (26.524.847.673)

60 SKLT 73.947.590.412 82.116.256.304 8.168.665.892

61 SMBR 35.736.258.000 80.553.246.000 44.816.988.000

62 SMCB 1.019.127.000.000 1.178.161.000.000 159.034.000.000

63 SMSM 564.631.000.000 574.663.000.000 10.032.000.000

64 SPMA 195.976.401.834 181.435.555.062 (14.540.846.772)

65 SQBB 95.182.119.000 123.424.938.000 28.242.819.000

66 SRSN 81.705.524.000 94.876.681.000 13.171.157.000

67 STAR 66.499.283.201 94.075.157.566 27.575.874.365

68 STTP 235.749.453.769 281.859.370.792 46.109.917.023

69 TCID 290.267.183.651 320.449.310.585 30.182.126.934

70 TOTO 462.105.579.635 546.510.986.499 84.405.406.864

71 TRIS 119.310.956.522 141.945.316.154 22.634.359.632

72 TRST 475.835.141.313 485.064.194.004 9.229.052.691

73 TSPC 808.788.359.595 839.642.753.550 30.854.393.955

74 UNIT 23.722.446.653 21.824.128.777 (1.898.317.876)

75 WIIM 59.295.144.406 74.680.987.552 15.385.843.146


99

Lampiran IV


NO KODE Total Aset

1/Tait-1 2013 2014

1 ADES 441.064.000.000 504.865.000.000 2,26724E-12

2 AKPI 2.084.567.189.000 2.227.042.590.000 4,79716E-13

3 ALDO 301.479.232.221 356.814.265.668 3,31698E-12

4 ALKA 241.912.806.000 244.879.397.000 4,13372E-12

5 ALMI 2.752.078.229.707 3.212.438.981.224 3,63362E-13

6 AMFG 3.539.393.000.000 3.918.391.000.000 2,82534E-13

7 APLI 303.594.490.546 273.126.657.794 3,29387E-12

8 ARNA 1.135.244.802.060 1.259.175.442.875 8,80867E-13

9 AUTO 12.484.843.000.000 14.380.926.000.000 8,00971E-14

10 BAJA 842.928.433.004 974.632.970.453 1,18634E-12

11 BATA 680.685.060.000 774.891.087.000 1,46911E-12

12 BRNA 1.125.132.715.000 1.334.085.916.000 8,88784E-13

13 BTON 176.136.296.407 174.157.547.015 5,67742E-12

14 BUDI 2.382.875.000.000 2.476.982.000.000 4,19661E-13

15 CEKA 1.069.627.299.747 1.284.150.037.341 9,34905E-13

16 CPIN 15.722.197.000.000 20.862.439.000.000 6,36043E-14

17 DAJK 1.128.467.093.000 1.902.696.164.000 8,86158E-13

18 DLTA 867.040.802.000 991.947.134.000 1,15335E-12

19 DPNS 256.372.669.050 268.877.322.944 3,90057E-12

20 DVLA 1.190.054.288.000 1.236.247.525.000 8,40298E-13

21 EKAD 343.601.504.089 411.348.790.570 2,91035E-12

22 ERTX 749.402.740.231 775.917.827.931 1,3344E-12

23 FASW 5.692.060.407.681 5.581.000.723.345 1,75683E-13

24 GJTL 15.350.754.000.000 16.042.897.000.000 6,51434E-14

25 HMSP 27.404.594.000.000 28.380.630.000.000 3,64902E-14

26 ICBP 21.267.470.000.000 24.910.211.000.000 4,70202E-14

27 IGAR 314.746.644.499 349.894.783.575 3,17716E-12

28 IKAI 482.057.048.870 518.546.655.125 2,07444E-12

29 INAF 1.294.510.669.195 1.248.343.275.406 7,72493E-13

30 INAI 765.881.409.376 897.281.657.710 1,30569E-12

31 INCI 136.142.063.219 147.992.617.351 7,34527E-12

32 INDS 2.196.518.364.473 2.282.666.078.493 4,55266E-13

33 INTP 26.607.241.000.000 28.884.973.000.000 3,75838E-14

34 JECC 1.239.821.716.000 1.062.476.023.000 8,06568E-13

35 JPFA 14.917.590.000.000 15.730.435.000.000 6,7035E-14

36 JPRS 376.540.741.943 370.967.708.751 2,65576E-12

37 KBLI 1.337.022.291.951 1.337.351.473.763 7,47931E-13

38 KBLM 654.296.256.935 647.696.854.298 1,52836E-12

39 KIAS 2.270.904.910.518 2.352.542.603.065 4,40353E-13

40 KICI 98.295.722.100 96.745.744.221 1,01734E-11

41 KLBF 11.315.061.275.026 12.425.032.367.729 8,83778E-14

42 LION 498.567.897.161 600.102.716.315 2,00574E-12

43 LMPI 822.189.506.877 808.892.238.344 1,21626E-12

44 LMSH 141.697.598.705 139.915.598.255 7,05728E-12

45 MERK 696.946.318.000 716.599.526.000 1,43483E-12

46 MLBI 1.782.148.000.000 2.231.051.000.000 5,61121E-13

47 MLIA 7.189.899.445.000 7.215.152.320.000 1,39084E-13

48 MRAT 439.583.727.200 498.786.376.745 2,27488E-12


100

Lampiran IV


(Lanjutan).

NO KODE Total Aset

1/Tait-1 2013 2014

49 MYOR 9.710.223.454.000 10.291.108.029.334 1,02984E-13

50 NIPS 798.407.625.000 1.206.854.399.000 1,25249E-12

51 PICO 621.400.236.614 626.626.507.164 1,60927E-12

52 PRAS 795.630.254.209 1.286.827.899.805 1,25687E-12

53 PYFA 175.118.921.406 172.736.624.689 5,71041E-12

54 RICY 1.109.865.329.758 1.170.752.424.106 9,0101E-13

55 ROTI 1.822.689.047.108 2.142.894.276.216 5,4864E-13

56 SCCO 1.762.032.300.123 1.656.007.190.010 5,67526E-13

57 SIAP 272.597.818.000 4.979.635.925.000 3,66841E-12

58 SIMA 65.314.178.204 62.607.762.222 1,53106E-11

59 SKBM 497.652.557.672 649.534.031.113 2,00943E-12

60 SKLT 301.989.488.699 331.574.891.637 3,31137E-12

61 SMBR 2.711.416.335.000 2.926.360.857.000 3,68811E-13

62 SMCB 14.894.990.000.000 17.195.352.000.000 6,71367E-14

63 SMSM 1.712.710.000.000 1.749.395.000.000 5,8387E-13

64 SPMA 1.767.105.818.949 2.091.957.078.669 5,65897E-13

65 SQBB 421.187.982.000 459.352.720.000 2,37424E-12

66 SRSN 420.782.548.000 463.347.124.000 2,37652E-12

67 STAR 749.402.740.231 775.917.827.931 1,3344E-12

68 STTP 1.470.059.394.892 1.700.204.093.895 6,80245E-13

69 TCID 1.465.952.460.752 1.853.235.343.636 6,8215E-13

70 TOTO 1.746.177.682.568 2.027.288.693.678 5,72679E-13

71 TRIS 475.428.240.024 523.900.642.605 2,10337E-12

72 TRST 3.260.919.505.192 3.261.285.495.052 3,06662E-13

73 TSPC 5.407.957.915.805 5.592.730.492.960 1,84913E-13

74 UNIT 459.118.935.528 440.727.374.151 2,17808E-12

75 WIIM 1.229.011.260.881 1.332.907.675.785 8,13662E-13


101

Lampiran V

Komponen-Komponen Perhitungan Nondiscretionary Accruals 2014.

NO KODE ∆Revit Total Aset

∆Revit /Ait-1 2014 2013 2014

1 ADES 76.260.000.000 441.064.000.000 504.865.000.000 0,172900078

2 AKPI 281.997.841.000 2.084.567.189.000 2.227.042.590.000 0,135278845

3 ALDO 94.536.198.691 301.479.232.221 356.814.265.668 0,313574497

4 ALKA 130.744.443.000 241.912.806.000 244.879.397.000 0,540461025

5 ALMI 464.774.107.762 2.752.078.229.707 3.212.438.981.224 0,16888114

6 AMFG 455.706.000.000 3.539.393.000.000 3.918.391.000.000 0,128752586

7 APLI 12.529.727.341 303.594.490.546 273.126.657.794 0,041271261

8 ARNA 192.118.448.357 1.135.244.802.060 1.259.175.442.875 0,169230855

9 AUTO 1.553.439.000.000 12.484.843.000.000 14.380.926.000.000 0,124425994

10 BAJA 177.713.514.844 842.928.433.004 974.632.970.453 0,210828711

11 BATA 106.268.306.000 680.685.060.000 774.891.087.000 0,156119639

12 BRNA 297.841.275.000 1.125.132.715.000 1.334.085.916.000 0,264716572

13 BTON (17.539.373.664) 176.136.296.407 174.157.547.015 -0,099578418

14 BUDI (284.743.000.000) 2.382.875.000.000 2.476.982.000.000 -0,119495567

15 CEKA 1.169.987.607.646 1.069.627.299.747 1.284.150.037.341 1,093827362

16 CPIN 3.487.283.000.000 15.722.197.000.000 20.862.439.000.000 0,221806342

17 DAJK 381.359.555.000 1.128.467.093.000 1.902.696.164.000 0,337944772

18 DLTA 12.186.841.000 867.040.802.000 991.947.134.000 0,014055672

19 DPNS 1.442.729.048 256.372.669.050 268.877.322.944 0,005627468

20 DVLA 2.137.605.000 1.190.054.288.000 1.236.247.525.000 0,001796225

21 EKAD 107.904.861.961 343.601.504.089 411.348.790.570 0,314040715

22 ERTX (45.519.706.170) 749.402.740.231 775.917.827.931 -0,060741313

23 FASW 496.110.402.020 5.692.060.407.681 5.581.000.723.345 0,087158316

24 GJTL 717.817.000.000 15.350.754.000.000 16.042.897.000.000 0,046761026

25 HMSP 5.664.932.000.000 27.404.594.000.000 28.380.630.000.000 0,206714684

26 ICBP 4.927.782.000.000 21.267.470.000.000 24.910.211.000.000 0,231705135

27 IGAR 94.459.900.146 314.746.644.499 349.894.783.575 0,300114082


102

Lampiran V

Komponen-Komponen Perhitungan Nondiscretionary Accruals 2014 (Lanjutan).


∆Revit /Ait-1 2014 2013 2014

28 IKAI 50.798.064.000 482.057.048.870 518.546.655.125 0,105377702

29 INAF 43.938.386.405 1.294.510.669.195 1.248.343.275.406 0,033942081

30 INAI 292.759.766.380 765.881.409.376 897.281.657.710 0,382252086

31 INCI 28.778.821.567 136.142.063.219 147.992.617.351 0,21138817

32 INDS 164.530.161.254 2.196.518.364.473 2.282.666.078.493 0,074904979

33 INTP 1.304.978.000.000 26.607.241.000.000 28.884.973.000.000 0,049045972

34 JECC 2.939.016.000 1.239.821.716.000 1.062.476.023.000 0,002370515

35 JPFA 3.046.795.000.000 14.917.590.000.000 15.730.435.000.000 0,204241771

36 JPRS 118.389.225.064 376.540.741.943 370.967.708.751 0,31441279

37 KBLI (188.272.038.375) 1.337.022.291.951 1.337.351.473.763 -0,140814435

38 KBLM (113.249.568.275) 654.296.256.935 647.696.854.298 -0,173086071

39 KIAS (11.868.855.798) 2.270.904.910.518 2.352.542.603.065 -0,005226487

40 KICI 3.941.621.780 98.295.722.100 96.745.744.221 0,040099627

41 KLBF 1.366.401.490.510 11.315.061.275.026 12.425.032.367.729 0,120759531

42 LION 43.948.272.184 498.567.897.161 600.102.716.315 0,088149021

43 LMPI (162.563.760.792) 822.189.506.877 808.892.238.344 -0,197720549

44 LMSH (7.138.748.453) 141.697.598.705 139.915.598.255 -0,050380165

45 MERK 57.461.535.000 696.946.318.000 716.599.526.000 0,082447577

46 MLBI (573.488.000.000) 1.782.148.000.000 2.231.051.000.000 -0,321795945

47 MLIA 432.687.093.000 7.189.899.445.000 7.215.152.320.000 0,060179853

48 MRAT 76.619.556.097 439.583.727.200 498.786.376.745 0,174300256

49 MYOR 2.151.251.144.901 9.710.223.454.000 10.291.108.029.334 0,221544968

50 NIPS 104.803.966.000 798.407.625.000 1.206.854.399.000 0,131266239

51 PICO 9.883.450.722 621.400.236.614 626.626.507.164 0,015905129

52 PRAS 129.489.910.706 795.630.254.209 1.286.827.899.805 0,162751366

53 PYFA 29.746.676.348 175.118.921.406 172.736.624.689 0,169865575

54 RICY 201.258.478.107 1.109.865.329.758 1.170.752.424.106 0,181335945


103

Lampiran V



∆Revit /Ait-1 2014 2013 2014

55 ROTI 374.742.964.006 1.822.689.047.108 2.142.894.276.216 0,205598955

56 SCCO (47.774.361.322) 1.762.032.300.123 1.656.007.190.010 -0,027113215

57 SIAP 91.218.934.000 272.597.818.000 4.979.635.925.000 0,334628262

58 SIMA 13.478.785.696 65.314.178.204 62.607.762.222 0,20636845

59 SKBM 184.146.646.221 497.652.557.672 649.534.031.113 0,370030543

60 SKLT 114.370.976.618 301.989.488.699 331.574.891.637 0,378725025

61 SMBR 46.307.100.000 2.711.416.335.000 2.926.360.857.000 0,017078565

62 SMCB 842.461.000.000 14.894.990.000.000 17.195.352.000.000 0,056560025

63 SMSM 250.971.000.000 1.712.710.000.000 1.749.395.000.000 0,14653444

64 SPMA 154.972.068.429 1.767.105.818.949 2.091.957.078.669 0,087698239

65 SQBB 71.065.227.000 421.187.982.000 459.352.720.000 0,168725676

66 SRSN 80.519.065.000 420.782.548.000 463.347.124.000 0,191355524

67 STAR (45.519.706.170) 749.402.740.231 775.917.827.931 -0,060741313

68 STTP 475.528.725.536 1.470.059.394.892 1.700.204.093.895 0,323475859

69 TCID 280.304.149.444 1.465.952.460.752 1.853.235.343.636 0,191209577

70 TOTO 342.323.590.401 1.746.177.682.568 2.027.288.693.678 0,196041671

71 TRIS 36.883.337.350 475.428.240.024 523.900.642.605 0,077579189

72 TRST 474.735.430.328 3.260.919.505.192 3.261.285.495.052 0,145583302

73 TSPC 657.225.804.466 5.407.957.915.805 5.592.730.492.960 0,121529386

74 UNIT 561.829.654 459.118.935.528 440.727.374.151 0,001223713

75 WIIM 73.511.000.166 1.229.011.260.881 1.332.907.675.785 0,059813122


104

Lampiran VI


NO KODE Aset Tetap Total Aset

PPE/Ait-1 2014 2013 2014

1 ADES 171.282.000.000 441.064.000.000 504.865.000.000 0,388338

2 AKPI 1.060.731.359.000 2.084.567.189.000 2.227.042.590.000 0,50885

3 ALDO 110.792.833.798 301.479.232.221 356.814.265.668 0,367497

4 ALKA 14.343.585.000 241.912.806.000 244.879.397.000 0,059292

5 ALMI 78.194.014.973 2.752.078.229.707 3.212.438.981.224 0,028413

6 AMFG 1.530.836.000.000 3.539.393.000.000 3.918.391.000.000 0,432514

7 APLI 165.967.227.248 303.594.490.546 273.126.657.794 0,546674

8 ARNA 736.206.333.096 1.135.244.802.060 1.259.175.442.875 0,6485

9 AUTO 3.305.968.000.000 12.484.843.000.000 14.380.926.000.000 0,264799

10 BAJA 298.005.180.331 842.928.433.004 974.632.970.453 0,353536

11 BATA 245.225.987.000 680.685.060.000 774.891.087.000 0,360264

12 BRNA 184.314.236.000 1.125.132.715.000 1.334.085.916.000 0,163816

13 BTON 14.238.319.647 176.136.296.407 174.157.547.015 0,080837

14 BUDI 1.480.942.000.000 2.382.875.000.000 2.476.982.000.000 0,621494

15 CEKA 221.559.766.343 1.069.627.299.747 1.284.150.037.341 0,207137

16 CPIN 9.058.302.000.000 15.722.197.000.000 20.862.439.000.000 0,576147

17 DAJK 455.121.700.000 1.128.467.093.000 1.902.696.164.000 0,40331

18 DLTA 113.596.416.000 867.040.802.000 991.947.134.000 0,131016

19 DPNS 12.712.559.053 256.372.669.050 268.877.322.944 0,049586

20 DVLA 267.093.943.000 1.190.054.288.000 1.236.247.525.000 0,224438

21 EKAD 105.345.565.956 343.601.504.089 411.348.790.570 0,306592

22 ERTX 318.769.811.984 749.402.740.231 775.917.827.931 0,425365

23 FASW 3.733.099.100.092 5.692.060.407.681 5.581.000.723.345 0,655843

24 GJTL 7.611.453.000.000 15.350.754.000.000 16.042.897.000.000 0,495836

25 HMSP 5.919.600.000.000 27.404.594.000.000 28.380.630.000.000 0,216008

26 ICBP 5.838.843.000.000 21.267.470.000.000 24.910.211.000.000 0,274543

27 IGAR 46.081.516.352 314.746.644.499 349.894.783.575 0,146408


105

Lampiran VI



PPE/Ait-1 2014 2013 2014

28 IKAI 343.182.508.003 482.057.048.870 518.546.655.125 0,711913

29 INAF 394.584.546.295 1.294.510.669.195 1.248.343.275.406 0,304814

30 INAI 103.335.945.534 765.881.409.376 897.281.657.710 0,134924

31 INCI 50.390.263.713 136.142.063.219 147.992.617.351 0,37013

32 INDS 1.247.324.580.729 2.196.518.364.473 2.282.666.078.493 0,567864

33 INTP 12.143.632.000.000 26.607.241.000.000 28.884.973.000.000 0,456403

34 JECC 121.782.583.000 1.239.821.716.000 1.062.476.023.000 0,098226

35 JPFA 6.361.632.000.000 14.917.590.000.000 15.730.435.000.000 0,426452

36 JPRS 13.100.716.324 376.540.741.943 370.967.708.751 0,034792

37 KBLI 411.558.691.981 1.337.022.291.951 1.337.351.473.763 0,307817

38 KBLM 289.754.886.655 654.296.256.935 647.696.854.298 0,44285

39 KIAS 1.493.293.193.212 2.270.904.910.518 2.352.542.603.065 0,657576

40 KICI 8.253.323.849 98.295.722.100 96.745.744.221 0,083964

41 KLBF 3.404.457.131.056 11.315.061.275.026 12.425.032.367.729 0,300878

42 LION 101.606.366.543 498.567.897.161 600.102.716.315 0,203796

43 LMPI 264.086.403.130 822.189.506.877 808.892.238.344 0,321199

44 LMSH 29.522.279.223 141.697.598.705 139.915.598.255 0,208347

45 MERK 81.384.920.000 696.946.318.000 716.599.526.000 0,116774

46 MLBI 1.315.305.000.000 1.782.148.000.000 2.231.051.000.000 0,738045

47 MLIA 5.497.490.587.000 7.189.899.445.000 7.215.152.320.000 0,764613

48 MRAT 77.533.423.631 439.583.727.200 498.786.376.745 0,176379

49 MYOR 3.585.011.717.083 9.710.223.454.000 10.291.108.029.334 0,3692

50 NIPS 450.149.169.000 798.407.625.000 1.206.854.399.000 0,563809

51 PICO 139.160.457.062 621.400.236.614 626.626.507.164 0,223947

52 PRAS 705.792.134.066 795.630.254.209 1.286.827.899.805 0,887086

53 PYFA 91.716.051.981 175.118.921.406 172.736.624.689 0,523736

54 RICY 318.630.063.545 1.109.865.329.758 1.170.752.424.106 0,287089


106

Lampiran VI



PPE/Ait-1 2014 2013 2014

55 ROTI 1.679.981.658.119 1.822.689.047.108 2.142.894.276.216 0,921705

56 SCCO 295.398.107.771 1.762.032.300.123 1.656.007.190.010 0,167646

57 SIAP 6.882.566.000 272.597.818.000 4.979.635.925.000 0,025248

58 SIMA 8.055.614.938 65.314.178.204 62.607.762.222 0,123336

59 SKBM 250.714.045.211 497.652.557.672 649.534.031.113 0,503793

60 SKLT 135.210.633.301 301.989.488.699 331.574.891.637 0,447733

61 SMBR 557.907.013.000 2.711.416.335.000 2.926.360.857.000 0,205762

62 SMCB 14.498.240.000.000 14.894.990.000.000 17.195.352.000.000 0,973364

63 SMSM 492.897.000.000 1.712.710.000.000 1.749.395.000.000 0,287788

64 SPMA 1.389.719.739.866 1.767.105.818.949 2.091.957.078.669 0,786438

65 SQBB 87.174.799.000 421.187.982.000 459.352.720.000 0,206974

66 SRSN 122.183.633.000 420.782.548.000 463.347.124.000 0,290372

67 STAR 318.769.811.984 749.402.740.231 775.917.827.931 0,425365

68 STTP 862.321.588.223 1.470.059.394.892 1.700.204.093.895 0,58659

69 TCID 923.951.560.313 1.465.952.460.752 1.853.235.343.636 0,630274

70 TOTO 807.117.366.092 1.746.177.682.568 2.027.288.693.678 0,462219

71 TRIS 117.375.191.424 475.428.240.024 523.900.642.605 0,246883

72 TRST 1.980.022.881.193 3.260.919.505.192 3.261.285.495.052 0,607198

73 TSPC 1.554.389.853.202 5.407.957.915.805 5.592.730.492.960 0,287426

74 UNIT 347.163.555.335 459.118.935.528 440.727.374.151 0,756152

75 WIIM 309.830.060.177 1.229.011.260.881 1.332.907.675.785 0,252097


107

Lampiran VII


NO KODE Total Accrual Total Aset

TA/Ait-1 2014 2013 2014

1 ADES (70.356.000.000) 441.064.000.000 504.865.000.000 -0,15951

2 AKPI (339.658.788.000) 2.084.567.189.000 2.227.042.590.000 -0,16294

3 ALDO 21.090.917.645 301.479.232.221 356.814.265.668 0,069958

4 ALKA 21.493.197.000 241.912.806.000 244.879.397.000 0,088847

5 ALMI 937.306.682.419 2.752.078.229.707 3.212.438.981.224 0,340581

6 AMFG (105.615.000.000) 3.539.393.000.000 3.918.391.000.000 -0,02984

7 APLI (12.687.756.692) 303.594.490.546 273.126.657.794 -0,04179

8 ARNA 22.713.057.303 1.135.244.802.060 1.259.175.442.875 0,020007

9 AUTO 691.844.000.000 12.484.843.000.000 14.380.926.000.000 0,055415

10 BAJA 88.463.836.426 842.928.433.004 974.632.970.453 0,104948

11 BATA 8.601.576.000 680.685.060.000 774.891.087.000 0,012637

12 BRNA (137.611.967.000) 1.125.132.715.000 1.334.085.916.000 -0,12231

13 BTON (13.424.920) 176.136.296.407 174.157.547.015 -7,6E-05

14 BUDI (39.691.000.000) 2.382.875.000.000 2.476.982.000.000 -0,01666

15 CEKA 188.808.367.801 1.069.627.299.747 1.284.150.037.341 0,176518

16 CPIN 1.507.423.000.000 15.722.197.000.000 20.862.439.000.000 0,095879

17 DAJK 322.899.272.000 1.128.467.093.000 1.902.696.164.000 0,28614

18 DLTA 123.826.619.000 867.040.802.000 991.947.134.000 0,142815

19 DPNS 8.642.086.623 256.372.669.050 268.877.322.944 0,033709

20 DVLA (23.506.841.000) 1.190.054.288.000 1.236.247.525.000 -0,01975

21 EKAD 36.114.472.417 343.601.504.089 411.348.790.570 0,105106

22 ERTX 31.848.782.480 749.402.740.231 775.917.827.931 0,042499

23 FASW (1.241.106.846.255) 5.692.060.407.681 5.581.000.723.345 -0,21804

24 GJTL 117.722.000.000 15.350.754.000.000 16.042.897.000.000 0,007669

25 HMSP (922.112.000.000) 27.404.594.000.000 28.380.630.000.000 -0,03365

26 ICBP (1.329.162.000.000) 21.267.470.000.000 24.910.211.000.000 -0,0625

27 IGAR 29.136.053.916 314.746.644.499 349.894.783.575 0,09257


108

Lampiran VII



TA/Ait-1 2014 2013 2014

28 IKAI 42.345.819.014 482.057.048.870 518.546.655.125 0,087844

29 INAF (147.562.077.002) 1.294.510.669.195 1.248.343.275.406 -0,11399

30 INAI (59.856.387.355) 765.881.409.376 897.281.657.710 -0,07815

31 INCI 18.609.560.106 136.142.063.219 147.992.617.351 0,136692

32 INDS 61.746.141.226 2.196.518.364.473 2.282.666.078.493 0,028111

33 INTP (70.598.000.000) 26.607.241.000.000 28.884.973.000.000 -0,00265

34 JECC (18.385.459.000) 1.239.821.716.000 1.062.476.023.000 -0,01483

35 JPFA (1.185.687.000.000) 14.917.590.000.000 15.730.435.000.000 -0,07948

36 JPRS 90.691.109.919 376.540.741.943 370.967.708.751 0,240853

37 KBLI (99.999.538.864) 1.337.022.291.951 1.337.351.473.763 -0,07479

38 KBLM 14.629.503.863 654.296.256.935 647.696.854.298 0,022359

39 KIAS 38.432.213.264 2.270.904.910.518 2.352.542.603.065 0,016924

40 KICI 3.389.924.880 98.295.722.100 96.745.744.221 0,034487

41 KLBF (195.035.239.415) 11.315.061.275.026 12.425.032.367.729 -0,01724

42 LION (12.831.673.236) 498.567.897.161 600.102.716.315 -0,02574

43 LMPI (6.076.051.814) 822.189.506.877 808.892.238.344 -0,00739

44 LMSH (2.596.654.976) 141.697.598.705 139.915.598.255 -0,01833

45 MERK (108.253.549.000) 696.946.318.000 716.599.526.000 -0,15533

46 MLBI (118.122.000.000) 1.782.148.000.000 2.231.051.000.000 -0,06628

47 MLIA (335.620.310.000) 7.189.899.445.000 7.215.152.320.000 -0,04668

48 MRAT 30.051.447.785 439.583.727.200 498.786.376.745 0,068363

49 MYOR 1.272.164.151.739 9.710.223.454.000 10.291.108.029.334 0,131013

50 NIPS (68.328.336.000) 798.407.625.000 1.206.854.399.000 -0,08558

51 PICO (8.255.286.849) 621.400.236.614 626.626.507.164 -0,01328

52 PRAS (215.478.817) 795.630.254.209 1.286.827.899.805 -0,00027

53 PYFA 1.185.124.034 175.118.921.406 172.736.624.689 0,006768

54 RICY (32.033.764.854) 1.109.865.329.758 1.170.752.424.106 -0,02886


109

Lampiran VII



TA/Ait-1 2014 2013 2014

55 ROTI (176.398.098.039) 1.822.689.047.108 2.142.894.276.216 -0,09678

56 SCCO 75.447.771.910 1.762.032.300.123 1.656.007.190.010 0,042819

57 SIAP (106.603.415.000) 272.597.818.000 4.979.635.925.000 -0,39106

58 SIMA (2.245.565.205) 65.314.178.204 62.607.762.222 -0,03438

59 SKBM 40.773.962.117 497.652.557.672 649.534.031.113 0,081933

60 SKLT (6.917.503.918) 301.989.488.699 331.574.891.637 -0,02291

61 SMBR 44.808.978.000 2.711.416.335.000 2.926.360.857.000 0,016526

62 SMCB (1.040.569.000.000) 14.894.990.000.000 17.195.352.000.000 -0,06986

63 SMSM (29.428.000.000) 1.712.710.000.000 1.749.395.000.000 -0,01718

64 SPMA 15.634.143.313 1.767.105.818.949 2.091.957.078.669 0,008847

65 SQBB 3.909.313.000 421.187.982.000 459.352.720.000 0,009282

66 SRSN 4.833.275.000 420.782.548.000 463.347.124.000 0,011486

67 STAR 31.848.782.480 749.402.740.231 775.917.827.931 0,042499

68 STTP (75.050.731.956) 1.470.059.394.892 1.700.204.093.895 -0,05105

69 TCID 50.763.232.036 1.465.952.460.752 1.853.235.343.636 0,034628

70 TOTO (13.904.729.241) 1.746.177.682.568 2.027.288.693.678 -0,00796

71 TRIS 35.892.783.648 475.428.240.024 523.900.642.605 0,075496

72 TRST (206.825.480.570) 3.260.919.505.192 3.261.285.495.052 -0,06343

73 TSPC 71.336.972.696 5.407.957.915.805 5.592.730.492.960 0,013191

74 UNIT (22.661.735.482) 459.118.935.528 440.727.374.151 -0,04936

75 WIIM 67.695.575.202 1.229.011.260.881 1.332.907.675.785 0,055081


110

Lampiran VIII


NO KODE ∆Revit ∆Recit Total Aset

(∆Revit - ∆Recit)/Ait-1 2013 2014

1 ADES 76.260.000.000 26.466.000.000 441.064.000.000 504.865.000.000 0,112895181

2 AKPI 281.997.841.000 (16.162.182.000) 2.084.567.189.000 2.227.042.590.000 0,1430321

3 ALDO 94.536.198.691 31.099.707.607 301.479.232.221 356.814.265.668 0,210417449

4 ALKA 130.744.443.000 14.787.648.000 241.912.806.000 244.879.397.000 0,479333016

5 ALMI 464.774.107.762 112.709.732.736 2.752.078.229.707 3.212.438.981.224 0,127926732

6 AMFG 455.706.000.000 (16.629.000.000) 3.539.393.000.000 3.918.391.000.000 0,133450849

7 APLI 12.529.727.341 5.045.195.669 303.594.490.546 273.126.657.794 0,024653055

8 ARNA 192.118.448.357 86.475.867.736 1.135.244.802.060 1.259.175.442.875 0,093057093

9 AUTO 1.553.439.000.000 133.717.000.000 12.484.843.000.000 14.380.926.000.000 0,113715647

10 BAJA 177.713.514.844 63.290.995.852 842.928.433.004 974.632.970.453 0,13574405

11 BATA 106.268.306.000 (2.588.042.000) 680.685.060.000 774.891.087.000 0,159921753

12 BRNA 297.841.275.000 72.371.000.000 1.125.132.715.000 1.334.085.916.000 0,200394382

13 BTON (17.539.373.664) (1.535.510.370) 176.136.296.407 174.157.547.015 -0,090860678

14 BUDI (284.743.000.000) (140.221.000.000) 2.382.875.000.000 2.476.982.000.000 -0,060650265

15 CEKA 1.169.987.607.646 31.106.203.993 1.069.627.299.747 1.284.150.037.341 1,064746014

16 CPIN 3.487.283.000.000 905.259.000.000 15.722.197.000.000 20.862.439.000.000 0,164227938

17 DAJK 381.359.555.000 125.884.502.000 1.128.467.093.000 1.902.696.164.000 0,22639123

18 DLTA 12.186.841.000 97.116.469.000 867.040.802.000 991.947.134.000 -0,097953439

19 DPNS 1.442.729.048 2.088.780.610 256.372.669.050 268.877.322.944 -0,00251997

20 DVLA 2.137.605.000 (25.832.045.000) 1.190.054.288.000 1.236.247.525.000 0,023502835

21 EKAD 107.904.861.961 11.222.140.906 343.601.504.089 411.348.790.570 0,281380378

22 ERTX (45.519.706.170) 27.575.774.365 749.402.740.231 775.917.827.931 -0,097538315

23 FASW 496.110.402.020 (235.734.397.896) 5.692.060.407.681 5.581.000.723.345 0,128572915

24 GJTL 717.817.000.000 55.708.000.000 15.350.754.000.000 16.042.897.000.000 0,043132018

25 HMSP 5.664.932.000.000 (351.490.000.000) 27.404.594.000.000 28.380.630.000.000 0,219540636

26 ICBP 4.927.782.000.000 352.787.000.000 21.267.470.000.000 24.910.211.000.000 0,215117031

27 IGAR 94.459.900.146 19.288.330.766 314.746.644.499 349.894.783.575 0,238831996


111

Lampiran VIII



(∆Revit - ∆Recit)/Ait-1 2013 2014

28 IKAI 50.798.064.000 13.205.707.114 482.057.048.870 518.546.655.125 0,077983212

29 INAF 43.938.386.405 (77.607.368.411) 1.294.510.669.195 1.248.343.275.406 0,093893204

30 INAI 292.759.766.380 63.043.683.797 765.881.409.376 897.281.657.710 0,299936883

31 INCI 28.778.821.567 1.560.817.678 136.142.063.219 147.992.617.351 0,199923545

32 INDS 164.530.161.254 29.610.233.419 2.196.518.364.473 2.282.666.078.493 0,061424448

33 INTP 1.304.978.000.000 152.405.000.000 26.607.241.000.000 28.884.973.000.000 0,04331802

34 JECC 2.939.016.000 (39.850.561.000) 1.239.821.716.000 1.062.476.023.000 0,034512686

35 JPFA 3.046.795.000.000 62.966.000.000 14.917.590.000.000 15.730.435.000.000 0,200020848

36 JPRS 118.389.225.064 74.545.045.581 376.540.741.943 370.967.708.751 0,116439404

37 KBLI (188.272.038.375 (10.232.813.703) 1.337.022.291.951 1.337.351.473.763 -0,133160999

38 KBLM (113.249.568.275) (2.426.757.855) 654.296.256.935 647.696.854.298 -0,169377112

39 KIAS (11.868.855.798) 65.668.469.186 2.270.904.910.518 2.352.542.603.065 -0,034143801

40 KICI 3.941.621.780 225.507.019 98.295.722.100 96.745.744.221 0,037805458

41 KLBF 1.366.401.490.510 191.522.741.300 11.315.061.275.026 12.425.032.367.729 0,103833176

42 LION 43.948.272.184 18.452.628.843 498.567.897.161 600.102.716.315 0,051137756

43 LMPI (162.563.760.792) 20.946.838.165 822.189.506.877 808.892.238.344 -0,223197447

44 LMSH (7.138.748.453) (193.769.143) 141.697.598.705 139.915.598.255 -0,049012682

45 MERK 57.461.535.000 6.850.209.000 696.946.318.000 716.599.526.000 0,072618686

46 MLBI (573.488.000.000) 56.244.000.000 1.782.148.000.000 2.231.051.000.000 -0,353355614

47 MLIA 432.687.093.000 46.485.983.000 7.189.899.445.000 7.215.152.320.000 0,053714397

48 MRAT 76.619.556.097 64.827.664.939 439.583.727.200 498.786.376.745 0,026825131

49 MYOR 2.151.251.144.901 267.694.293.101 9.710.223.454.000 10.291.108.029.334 0,193976674

50 NIPS 104.803.966.000 70.029.363.000 798.407.625.000 1.206.854.399.000 0,043554949

51 PICO 9.883.450.722 14.550.071.861 621.400.236.614 626.626.507.164 -0,007509848

52 PRAS 129.489.910.706 30.767.051.573 795.630.254.209 1.286.827.899.805 0,124081329

53 PYFA 29.746.676.348 9.323.187.512 175.118.921.406 172.736.624.689 0,116626397

54 RICY 201.258.478.107 (9.035.725.960) 1.109.865.329.758 1.170.752.424.106 0,189477226


112

Lampiran VIII



(∆Revit - ∆Recit)/Ait-1 2013 2014

55 ROTI 374.742.964.006 30.317.915.333 1.822.689.047.108 2.142.894.276.216 0,188965336

56 SCCO (47.774.361.322) 41.077.763.719 1.762.032.300.123 1.656.007.190.010 -0,050425934

57 SIAP 91.218.934.000 630.199.000 272.597.818.000 4.979.635.925.000 0,332316435

58 SIMA 13.478.785.696 1.635.328.493 65.314.178.204 62.607.762.222 0,181330571

59 SKBM 184.146.646.221 (26.524.847.673) 497.652.557.672 649.534.031.113 0,423330476

60 SKLT 114.370.976.618 8.168.665.892 301.989.488.699 331.574.891.637 0,351675521

61 SMBR 46.307.100.000 44.816.988.000 2.711.416.335.000 2.926.360.857.000 0,00054957

62 SMCB 842.461.000.000 159.034.000.000 14.894.990.000.000 17.195.352.000.000 0,045883012

63 SMSM 250.971.000.000 10.032.000.000 1.712.710.000.000 1.749.395.000.000 0,140677056

64 SPMA 154.972.068.429 (14.540.846.772) 1.767.105.818.949 2.091.957.078.669 0,095926862

65 SQBB 71.065.227.000 28.242.819.000 421.187.982.000 459.352.720.000 0,101670536

66 SRSN 80.519.065.000 13.171.157.000 420.782.548.000 463.347.124.000 0,160053948

67 STAR (45.519.706.170) 27.575.874.365 749.402.740.231 775.917.827.931 -0,097538448

68 STTP 475.528.725.536 46.109.917.023 1.470.059.394.892 1.700.204.093.895 0,292109836

69 TCID 280.304.149.444 30.182.126.934 1.465.952.460.752 1.853.235.343.636 0,170620828

70 TOTO 342.323.590.401 84.405.406.864 1.746.177.682.568 2.027.288.693.678 0,147704432

71 TRIS 36.883.337.350 22.634.359.632 475.428.240.024 523.900.642.605 0,029970827

72 TRST 474.735.430.328 9.229.052.691 3.260.919.505.192 3.261.285.495.052 0,142753103

73 TSPC 657.225.804.466 30.854.393.955 5.407.957.915.805 5.592.730.492.960 0,115824017

74 UNIT 561.829.654 (1.898.317.876) 459.118.935.528 440.727.374.151 0,00535841

75 WIIM 73.511.000.166 15.385.843.146 1.229.011.260.881 1.332.907.675.785 0,047294243


113

Lampiran IX

Tabel Perhitungan Nondiscretionary Accruals 2014. NO KODE a1 1/Tait-1 a2 ∆Rev/Ait-1 a3 PPE/Ait-1 NDA

1 ADES 0,004 2,27E-12 0,108 0,172900078 -0,064 0,3883382 -0,00618

2 AKPI 0,004 4,8E-13 0,108 0,135278845 -0,064 0,508849686 -0,01796

3 ALDO 0,004 3,32E-12 0,108 0,313574497 -0,064 0,367497399 0,010346

4 ALKA 0,004 4,13E-12 0,108 0,540461025 -0,064 0,059292376 0,054575

5 ALMI 0,004 3,63E-13 0,108 0,16888114 -0,064 0,028412715 0,016421

6 AMFG 0,004 2,83E-13 0,108 0,128752586 -0,064 0,432513711 -0,01378

7 APLI 0,004 3,29E-12 0,108 0,041271261 -0,064 0,546674042 -0,03053

8 ARNA 0,004 8,81E-13 0,108 0,169230855 -0,064 0,64850007 -0,02323

9 AUTO 0,004 8,01E-14 0,108 0,124425994 -0,064 0,264798524 -0,00351

10 BAJA 0,004 1,19E-12 0,108 0,210828711 -0,064 0,353535566 0,000143

11 BATA 0,004 1,47E-12 0,108 0,156119639 -0,064 0,360263507 -0,0062

12 BRNA 0,004 8,89E-13 0,108 0,264716572 -0,064 0,163815551 0,018105

13 BTON 0,004 5,68E-12 0,108 -0,099578418 -0,064 0,080836942 -0,01593

14 BUDI 0,004 4,2E-13 0,108 -0,119495567 -0,064 0,621493784 -0,05268

15 CEKA 0,004 9,35E-13 0,108 1,093827362 -0,064 0,207137352 0,104877

16 CPIN 0,004 6,36E-14 0,108 0,221806342 -0,064 0,576147341 -0,01292

17 DAJK 0,004 8,86E-13 0,108 0,337944772 -0,064 0,403309678 0,010686

18 DLTA 0,004 1,15E-12 0,108 0,014055672 -0,064 0,131016229 -0,00687

19 DPNS 0,004 3,9E-12 0,108 0,005627468 -0,064 0,049586249 -0,00257

20 DVLA 0,004 8,4E-13 0,108 0,001796225 -0,064 0,224438453 -0,01417

21 EKAD 0,004 2,91E-12 0,108 0,314040715 -0,064 0,306592272 0,014294

22 ERTX 0,004 1,33E-12 0,108 -0,060741313 -0,064 0,425365154 -0,03378

23 FASW 0,004 1,76E-13 0,108 0,087158316 -0,064 0,655843198 -0,03256

24 GJTL 0,004 6,51E-14 0,108 0,046761026 -0,064 0,495835775 -0,02668

25 HMSP 0,004 3,65E-14 0,108 0,206714684 -0,064 0,216007579 0,008501

26 ICBP 0,004 4,7E-14 0,108 0,231705135 -0,064 0,274543375 0,007453

27 IGAR 0,004 3,18E-12 0,108 0,300114082 -0,064 0,146408285 0,023042

28 IKAI 0,004 2,07E-12 0,108 0,105377702 -0,064 0,711912644 -0,03418


114

Lampiran IX

Tabel Perhitungan Nondiscretionary Accruals 2014 (Lanjutan). NO KODE a1 1/Tait-1 a2 ∆Rev/Ait-1 a3 PPE/Ait-1 NDA

29 INAF 0,004 7,72E-13 0,108 0,033942081 -0,064 0,304813669 -0,01584

30 INAI 0,004 1,31E-12 0,108 0,382252086 -0,064 0,134924212 0,032648

31 INCI 0,004 7,35E-12 0,108 0,21138817 -0,064 0,370130014 -0,00086

32 INDS 0,004 4,55E-13 0,108 0,074904979 -0,064 0,567864399 -0,02825

33 INTP 0,004 3,76E-14 0,108 0,049045972 -0,064 0,456403278 -0,02391

34 JECC 0,004 8,07E-13 0,108 0,002370515 -0,064 0,098225883 -0,00603

35 JPFA 0,004 6,7E-14 0,108 0,204241771 -0,064 0,426451726 -0,00523

36 JPRS 0,004 2,66E-12 0,108 0,31441279 -0,064 0,034792294 0,03173

37 KBLI 0,004 7,48E-13 0,108 -0,140814435 -0,064 0,307817375 -0,03491

38 KBLM 0,004 1,53E-12 0,108 -0,173086071 -0,064 0,442849678 -0,04704

39 KIAS 0,004 4,4E-13 0,108 -0,005226487 -0,064 0,657576276 -0,04265

40 KICI 0,004 1,02E-11 0,108 0,040099627 -0,064 0,083964222 -0,00104

41 KLBF 0,004 8,84E-14 0,108 0,120759531 -0,064 0,300878365 -0,00621

42 LION 0,004 2,01E-12 0,108 0,088149021 -0,064 0,203796448 -0,00352

43 LMPI 0,004 1,22E-12 0,108 -0,197720549 -0,064 0,321198946 -0,04191

44 LMSH 0,004 7,06E-12 0,108 -0,050380165 -0,064 0,208347068 -0,01878

45 MERK 0,004 1,43E-12 0,108 0,082447577 -0,064 0,116773585 0,001431

46 MLBI 0,004 5,61E-13 0,108 -0,321795945 -0,064 0,738044764 -0,08199

47 MLIA 0,004 1,39E-13 0,108 0,060179853 -0,064 0,764613 -0,04244

48 MRAT 0,004 2,27E-12 0,108 0,174300256 -0,064 0,176379194 0,007536

49 MYOR 0,004 1,03E-13 0,108 0,221544968 -0,064 0,369199713 0,000298

50 NIPS 0,004 1,25E-12 0,108 0,131266239 -0,064 0,563808705 -0,02191

51 PICO 0,004 1,61E-12 0,108 0,015905129 -0,064 0,223946579 -0,01261

52 PRAS 0,004 1,26E-12 0,108 0,162751366 -0,064 0,887085591 -0,0392

53 PYFA 0,004 5,71E-12 0,108 0,169865575 -0,064 0,52373582 -0,01517

54 RICY 0,004 9,01E-13 0,108 0,181335945 -0,064 0,287088942 0,001211

55 ROTI 0,004 5,49E-13 0,108 0,205598955 -0,064 0,921705027 -0,03678

56 SCCO 0,004 5,68E-13 0,108 -0,027113215 -0,064 0,16764625 -0,01366


115

Lampiran IX

Tabel Perhitungan Nondiscretionary Accruals 2014 (Lanjutan). NO KODE a1 1/Tait-1 a2 ∆Rev/Ait-1 a3 PPE/Ait-1 NDA

57 SIAP 0,004 3,67E-12 0,108 0,334628262 -0,064 0,02524806 0,034524

58 SIMA 0,004 1,53E-11 0,108 0,20636845 -0,064 0,12333639 0,014394

59 SKBM 0,004 2,01E-12 0,108 0,370030543 -0,064 0,503793342 0,007721

60 SKLT 0,004 3,31E-12 0,108 0,378725025 -0,064 0,447732912 0,012247

61 SMBR 0,004 3,69E-13 0,108 0,017078565 -0,064 0,205762208 -0,01132

62 SMCB 0,004 6,71E-14 0,108 0,056560025 -0,064 0,973363527 -0,05619

63 SMSM 0,004 5,84E-13 0,108 0,14653444 -0,064 0,287787775 -0,00259

64 SPMA 0,004 5,66E-13 0,108 0,087698239 -0,064 0,786438325 -0,04086

65 SQBB 0,004 2,37E-12 0,108 0,168725676 -0,064 0,206973614 0,004976

66 SRSN 0,004 2,38E-12 0,108 0,191355524 -0,064 0,290372387 0,002083

67 STAR 0,004 1,33E-12 0,108 -0,060741313 -0,064 0,425365154 -0,03378

68 STTP 0,004 6,8E-13 0,108 0,323475859 -0,064 0,586589624 -0,00261

69 TCID 0,004 6,82E-13 0,108 0,191209577 -0,064 0,63027389 -0,01969

70 TOTO 0,004 5,73E-13 0,108 0,196041671 -0,064 0,462219495 -0,00841

71 TRIS 0,004 2,1E-12 0,108 0,077579189 -0,064 0,246883087 -0,00742

72 TRST 0,004 3,07E-13 0,108 0,145583302 -0,064 0,607197718 -0,02314

73 TSPC 0,004 1,85E-13 0,108 0,121529386 -0,064 0,287426396 -0,00527

74 UNIT 0,004 2,18E-12 0,108 0,001223713 -0,064 0,756151682 -0,04826

75 WIIM 0,004 8,14E-13 0,108 0,059813122 -0,064 0,252097007 -0,00967


116

Lampiran X

Tabel Perhitungan Discretionary Accruals 2014. NO KODE TA/Ait-1 NDA DA

1 ADES -0,15951 -0,00618 -0,15333

2 AKPI -0,16294 -0,01796 -0,14498

3 ALDO 0,069958 0,010346 0,059612

4 ALKA 0,088847 0,054575 0,034272

5 ALMI 0,340581 0,016421 0,324161

6 AMFG -0,02984 -0,01378 -0,01606

7 APLI -0,04179 -0,03053 -0,01126

8 ARNA 0,020007 -0,02323 0,043234

9 AUTO 0,055415 -0,00351 0,058924

10 BAJA 0,104948 0,000143 0,104805

11 BATA 0,012637 -0,0062 0,018833

12 BRNA -0,12231 0,018105 -0,14041

13 BTON -7,6E-05 -0,01593 0,015852

14 BUDI -0,01666 -0,05268 0,036024

15 CEKA 0,176518 0,104877 0,071641

16 CPIN 0,095879 -0,01292 0,108797

17 DAJK 0,28614 0,010686 0,275454

18 DLTA 0,142815 -0,00687 0,149682

19 DPNS 0,033709 -0,00257 0,036275

20 DVLA -0,01975 -0,01417 -0,00558

21 EKAD 0,105106 0,014294 0,090811

22 ERTX 0,042499 -0,03378 0,076282

23 FASW -0,21804 -0,03256 -0,18548

24 GJTL 0,007669 -0,02668 0,034352

25 HMSP -0,03365 0,008501 -0,04215

26 ICBP -0,0625 0,007453 -0,06995

27 IGAR 0,09257 0,023042 0,069528

28 IKAI 0,087844 -0,03418 0,122026

29 INAF -0,11399 -0,01584 -0,09815

30 INAI -0,07815 0,032648 -0,1108

31 INCI 0,136692 -0,00086 0,137551

32 INDS 0,028111 -0,02825 0,056364

33 INTP -0,00265 -0,02391 0,02126

34 JECC -0,01483 -0,00603 -0,0088

35 JPFA -0,07948 -0,00523 -0,07425

36 JPRS 0,240853 0,03173 0,209124

37 KBLI -0,07479 -0,03491 -0,03988

38 KBLM 0,022359 -0,04704 0,069395

39 KIAS 0,016924 -0,04265 0,059573

40 KICI 0,034487 -0,00104 0,03553

41 KLBF -0,01724 -0,00621 -0,01102

42 LION -0,02574 -0,00352 -0,02221

43 LMPI -0,00739 -0,04191 0,03452

44 LMSH -0,01833 -0,01878 0,00045

45 MERK -0,15533 0,001431 -0,15676

46 MLBI -0,06628 -0,08199 0,015708

47 MLIA -0,04668 -0,04244 -0,00424

48 MRAT 0,068363 0,007536 0,060827

49 MYOR 0,131013 0,000298 0,130715


117

Lampiran X

Tabel Perhitungan Discretionary Accruals 2014 (Lanjutan). NO KODE TA/Ait-1 NDA DA

50 NIPS -0,08558 -0,02191 -0,06367

51 PICO -0,01328 -0,01261 -0,00067

52 PRAS -0,00027 -0,0392 0,038926

53 PYFA 0,006768 -0,01517 0,021941

54 RICY -0,02886 0,001211 -0,03007

55 ROTI -0,09678 -0,03678 -0,05999

56 SCCO 0,042819 -0,01366 0,056476

57 SIAP -0,39106 0,034524 -0,42559

58 SIMA -0,03438 0,014394 -0,04878

59 SKBM 0,081933 0,007721 0,074212

60 SKLT -0,02291 0,012247 -0,03515

61 SMBR 0,016526 -0,01132 0,02785

62 SMCB -0,06986 -0,05619 -0,01367

63 SMSM -0,01718 -0,00259 -0,01459

64 SPMA 0,008847 -0,04086 0,049708

65 SQBB 0,009282 0,004976 0,004306

66 SRSN 0,011486 0,002083 0,009404

67 STAR 0,042499 -0,03378 0,076282

68 STTP -0,05105 -0,00261 -0,04845

69 TCID 0,034628 -0,01969 0,054315

70 TOTO -0,00796 -0,00841 0,000447

71 TRIS 0,075496 -0,00742 0,082918

72 TRST -0,06343 -0,02314 -0,04029

73 TSPC 0,013191 -0,00527 0,018461

74 UNIT -0,04936 -0,04826 -0,0011

75 WIIM 0,055081 -0,00967 0,064756


118

Lampiran XI

Tabel Perhitungan Ukuran Perusahaan 2014. NO KODE Ukuran Perusahaan

1 ADES 504.865.000.000

2 AKPI 2.227.042.590.000

3 ALDO 356.814.265.668

4 ALKA 244.879.397.000

5 ALMI 3.212.438.981.224

6 AMFG 3.918.391.000.000

7 APLI 273.126.657.794

8 ARNA 1.259.175.442.875

9 AUTO 14.380.926.000.000

10 BAJA 974.632.970.453

11 BATA 774.891.087.000

12 BRNA 1.334.085.916.000

13 BTON 174.157.547.015

14 BUDI 2.476.982.000.000

15 CEKA 1.284.150.037.341

16 CPIN 20.862.439.000.000

17 DAJK 1.902.696.164.000

18 DLTA 991.947.134.000

19 DPNS 268.877.322.944

20 DVLA 1.236.247.525.000

21 EKAD 411.348.790.570

22 ERTX 775.917.827.931

23 FASW 5.581.000.723.345

24 GJTL 16.042.897.000.000

25 HMSP 28.380.630.000.000

26 ICBP 24.910.211.000.000

27 IGAR 349.894.783.575

28 IKAI 518.546.655.125

29 INAF 1.248.343.275.406

30 INAI 897.281.657.710

31 INCI 147.992.617.351

32 INDS 2.282.666.078.493

33 INTP 28.884.973.000.000

34 JECC 1.062.476.023.000

35 JPFA 15.730.435.000.000

36 JPRS 370.967.708.751

37 KBLI 1.337.351.473.763

38 KBLM 647.696.854.298

39 KIAS 2.352.542.603.065

40 KICI 96.745.744.221

41 KLBF 12.425.032.367.729

42 LION 600.102.716.315

43 LMPI 808.892.238.344

44 LMSH 139.915.598.255

45 MERK 716.599.526.000

46 MLBI 2.231.051.000.000

47 MLIA 7.215.152.320.000

48 MRAT 498.786.376.745

49 MYOR 10.291.108.029.334


119

Lampiran XI

Tabel Perhitungan Ukuran Perusahaan 2014 (Lanjutan). NO KODE Ukuran Perusahaan

50 NIPS 1.206.854.399.000

51 PICO 626.626.507.164

52 PRAS 1.286.827.899.805

53 PYFA 172.736.624.689

54 RICY 1.170.752.424.106

55 ROTI 2.142.894.276.216

56 SCCO 1.656.007.190.010

57 SIAP 4.979.635.925.000

58 SIMA 62.607.762.222

59 SKBM 649.534.031.113

60 SKLT 331.574.891.637

61 SMBR 2.926.360.857.000

62 SMCB 17.195.352.000.000

63 SMSM 1.749.395.000.000

64 SPMA 2.091.957.078.669

65 SQBB 459.352.720.000

66 SRSN 463.347.124.000

67 STAR 775.917.827.931

68 STTP 1.700.204.093.895

69 TCID 1.853.235.343.636

70 TOTO 2.027.288.693.678

71 TRIS 523.900.642.605

72 TRST 3.261.285.495.052

73 TSPC 5.592.730.492.960

74 UNIT 440.727.374.151

75 WIIM 1.332.907.675.785


120

Lampiran XII

Tabel Perhitungan Debt to Equity Ratio 2014. NO KODE Total Hutang Total Equity DER

1 ADES 209.066.000.000 504.865.000.000 0,41

2 AKPI 1.191.196.937.000 1.035.845.653.000 1,15

3 ALDO 197.391.610.046 159.422.655.622 1,24

4 ALKA 181.643.493.000 63.235.904.000 2,87

5 ALMI 2.571.403.202.989 3.212.438.981.224 0,80

6 AMFG 733.749.000.000 3.184.642.000.000 0,23

7 APLI 47.868.731.692 225.257.926.102 0,21

8 ARNA 346.944.901.743 912.230.541.132 0,38

9 AUTO 4.244.369.000.000 10.136.557.000.000 0,42

10 BAJA 786.309.001.839 188.323.968.614 4,18

11 BATA 345.775.482.000 429.115.605.000 0,81

12 BRNA 967.711.101.000 366.374.815.000 2,64

13 BTON 27.517.328.111 146.640.218.904 0,19

14 BUDI 1.563.631.000.000 913.351.000.000 1,71

15 CEKA 746.598.865.219 537.551.172.122 1,39

16 CPIN 9.919.150.000.000 10.943.289.000.000 0,91

17 DAJK 678.825.319.000 1.065.619.060.000 0,64

18 DLTA 227.473.881.000 764.473.253.000 0,30

19 DPNS 32.794.800.672 236.082.522.272 0,14

20 DVLA 273.816.042.000 962.431.483.000 0,28

21 EKAD 138.149.558.606 273.199.231.964 0,51

22 ERTX 285.744.500.913 490.173.327.018 0,58

23 FASW 3.936.322.827.206 1.644.677.896.139 2,39

24 GJTL 10.059.605.000.000 5.983.292.000.000 1,68

25 HMSP 14.882.516.000.000 13.498.114.000.000 1,10

26 ICBP 9.870.264.000.000 15.039.947.000.000 0,66

27 IGAR 86.443.556.430 263.451.227.145 0,33

28 IKAI 339.889.432.972 178.657.222.154 1,90

29 INAF 656.380.082.912 591.963.192.495 1,11

30 INAI 751.439.553.825 145.842.103.885 5,15

31 INCI 10.872.710.103 137.119.907.248 0,08

32 INDS 454.347.526.616 1.828.318.551.877 0,25

33 INTP 4.100.172.000.000 24.784.801.000.000 0,17

34 JECC 891.120.969.000 171.355.054.000 5,20

35 JPFA 10.440.441.000.000 5.289.994.000.000 1,97

36 JPRS 15.334.844.453 355.632.864.298 0,04

37 KBLI 396.594.755.312 940.756.718.451 0,42

38 KBLM 357.408.981.156 290.287.873.142 1,23

39 KIAS 235.745.579.997 2.116.797.023.068 0,11

40 KICI 18.065.657.377 78.680.086.844 0,23

41 KLBF 2.607.556.689.283 9.817.475.678.446 0,27

42 LION 156.123.759.272 443.978.957.043 0,35

43 LMPI 409.761.454.151 399.130.784.193 1,03

44 LMSH 23.964.388.443 115.951.209.812 0,21

45 MERK 162.908.670.000 553.690.856.000 0,29

46 MLBI 1.677.254.000.000 553.797.000.000 3,03

47 MLIA 5.893.580.221.000 1.321.572.099.000 4,46

48 MRAT 114.841.797.856 383.944.578.889 0,30

49 MYOR 6.190.553.036.545 4.100.554.992.789 1,51


121

Lampiran XII

Tabel Perhitungan Debt to Equity Ratio 2014. NO KODE Total Hutang Total Equity DER

50 NIPS 630.960.175.000 575.894.224.000 1,10

51 PICO 395.525.304.553 231.101.202.611 1,71

52 PRAS 601.006.310.349 685.821.589.456 0,88

53 PYFA 76.177.686.068 96.558.938.621 0,79

54 RICY 774.439.342.861 396.313.081.245 1,95

55 ROTI 1.182.771.921.472 960.122.354.744 1,23

56 SCCO 841.614.670.129 814.392.519.881 1,03

57 SIAP 221.617.172.000 4.758.018.752.000 0,05

58 SIMA 31.210.008.707 31.397.753.515 0,99

59 SKBM 331.624.254.750 317.909.776.363 1,04

60 SKLT 178.206.785.017 153.368.106.620 1,16

61 SMBR 209.113.746.000 2.717.247.111.000 0,08

62 SMCB 8.436.760.000.000 8.758.592.000.000 0,96

63 SMSM 602.558.000.000 1.146.837.000.000 0,53

64 SPMA 1.287.357.023.670 804.600.054.999 1,60

65 SQBB 90.473.777.000 368.878.943.000 0,25

66 SRSN 134.510.685.000 328.835.439.000 0,41

67 STAR 285.744.500.913 490.173.327.018 0,58

68 STTP 882.610.280.834 817.593.813.061 1,08

69 TCID 569.730.901.368 1.283.504.442.268 0,44

70 TOTO 796.296.371.054 1.231.192.322.624 0,65

71 TRIS 214.390.227.222 309.510.415.383 0,69

72 TRST 1.499.792.311.890 1.761.493.183.162 0,85

73 TSPC 1.460.391.494.410 4.132.338.998.550 0,35

74 UNIT 199.073.815.553 241.653.558.598 0,82

75 WIIM 478.482.577.195 854.425.098.590 0,56


122

Lampiran XIII

Tabel Perhitungan Return On Invesment 2014 (%). NO KODE Net Income Total Aset ROI

1 ADES 31.021.000.000 504.865.000.000 6,14

2 AKPI 34.690.704.000 2.227.042.590.000 1,56

3 ALDO 21.061.034.612 356.814.265.668 5,90

4 ALKA 2.659.254.000 244.879.397.000 1,09

5 ALMI 1.634.820.237 3.212.438.981.224 0,05

6 AMFG 458.635.000.000 3.918.391.000.000 11,70

7 APLI 9.626.571.647 273.126.657.794 3,52

8 ARNA 261.651.053.219 1.259.175.442.875 20,78

9 AUTO 956.409.000.000 14.380.926.000.000 6,65

10 BAJA 14.077.852.427 974.632.970.453 1,44

11 BATA 70.781.440.000 774.891.087.000 9,13

12 BRNA 60.493.636.000 1.334.085.916.000 4,53

13 BTON 7.630.330.090 174.157.547.015 4,38

14 BUDI 28.499.000.000 2.476.982.000.000 1,15

15 CEKA 41.001.414.954 1.284.150.037.341 3,19

16 CPIN 1.746.644.000.000 20.862.439.000.000 8,37

17 DAJK 90.592.575.000 1.902.696.164.000 4,76

18 DLTA 288.073.432.000 991.947.134.000 29,04

19 DPNS 14.519.866.284 268.877.322.944 5,40

20 DVLA 80.929.476.000 1.236.247.525.000 6,55

21 EKAD 40.756.078.282 411.348.790.570 9,91

22 ERTX 348.916.778 775.917.827.931 0,04

23 FASW 86.745.854.950 5.581.000.723.345 1,55

24 GJTL 269.868.000.000 16.042.897.000.000 1,68

25 HMSP 10.181.083.000.000 28.380.630.000.000 35,87

26 ICBP 2.531.681.000.000 24.910.211.000.000 10,16

27 IGAR 54.898.874.758 349.894.783.575 15,69

28 IKAI 26.511.071.474 518.546.655.125 5,11

29 INAF 1.164.824.606 1.248.343.275.406 0,09

30 INAI 22.058.700.759 897.281.657.710 2,46

31 INCI 11.028.221.012 147.992.617.351 7,45

32 INDS 127.657.349.869 2.282.666.078.493 5,59

33 INTP 5.274.009.000.000 28.884.973.000.000 18,26

34 JECC 23.844.710.000 1.062.476.023.000 2,24

35 JPFA 384.846.000.000 15.730.435.000.000 2,45

36 JPRS 13.693.234.452 370.967.708.751 3,69

37 KBLI 70.080.135.740 1.337.351.473.763 5,24

38 KBLM 20.623.713.329 647.696.854.298 3,18

39 KIAS 92.239.403.158 2.352.542.603.065 3,92

40 KICI 4.703.508.241 96.745.744.221 4,86

41 KLBF 2.121.090.581.630 12.425.032.367.729 17,07

42 LION 49.001.630.102 600.102.716.315 8,17

43 LMPI 1.710.590.575 808.892.238.344 0,21

44 LMSH 7.403.115.436 139.915.598.255 5,29

45 MERK 181.472.234.000 716.599.526.000 25,32

46 MLBI 794.883.000.000 2.231.051.000.000 35,63

47 MLIA 125.013.335.000 7.215.152.320.000 1,73

48 MRAT 7.371.973.842 498.786.376.745 1,48

49 MYOR 409.824.768.594 10.291.108.029.334 3,98


123

Lampiran XIII

Tabel Perhitungan Return On Invesment 2014 (%) (Lanjutan). NO KODE Net income Total Aset ROI

50 NIPS 50.134.988.000 1.206.854.399.000 4,15

51 PICO 16.153.616.369 626.626.507.164 2,58

52 PRAS 11.340.527.608 1.286.827.899.805 0,88

53 PYFA 2.657.665.405 172.736.624.689 1,54

54 RICY 15.111.531.641 1.170.752.424.106 1,29

55 ROTI 188.577.521.074 2.142.894.276.216 8,80

56 SCCO 137.618.900.727 1.656.007.190.010 8,31

57 SIAP 7.382.322.000 4.979.635.925.000 0,15

58 SIMA 1.378.596.138 62.607.762.222 2,20

59 SKBM 89.115.994.107 649.534.031.113 13,72

60 SKLT 16.480.714.984 331.574.891.637 4,97

61 SMBR 328.336.316.000 2.926.360.857.000 11,22

62 SMCB 668.869.000.000 17.195.352.000.000 3,89

63 SMSM 420.436.000.000 1.749.395.000.000 24,03

64 SPMA 48.602.721.399 2.091.957.078.669 2,32

65 SQBB 164.808.009.000 459.352.720.000 35,88

66 SRSN 14.456.260.000 463.347.124.000 3,12

67 STAR 348.916.778 775.917.827.931 0,04

68 STTP 123.465.403.948 1.700.204.093.895 7,26

69 TCID 174.314.394.101 1.853.235.343.636 9,41

70 TOTO 293.803.908.949 2.027.288.693.678 14,49

71 TRIS 35.944.155.042 523.900.642.605 6,86

72 TRST 30.084.477.143 3.261.285.495.052 0,92

73 TSPC 584.293.062.124 5.592.730.492.960 10,45

74 UNIT 396.296.296 440.727.374.151 0,09

75 WIIM 112.304.822.060 1.332.907.675.785 8,43


124

Lampiran XIV: Hasil Olah Data Spss

Tabel 1. Tabulasi Silang Ukuran Perusahaan dengan Manajemen Laba

(Income Minimization dan Income Maximization)

Manajemen Laba * ukuran perusahaan Crosstabulation

Count

ukuran perusahaan

Total

Sangat

Rendah Rendah Tinggi

Sangat

Tinggi

Manajemen Laba Max Income 39 1 2 3 45

Min Income 23 2 1 4 30

Total 62 3 3 7 75

Tabel 2. Koefisien Hubungan Ukuran Perusahaan dengan Manajemen Laba

(Income Minimization dan Income Maximization).

Symmetric Measures

Value

Asymptotic

Standardized Errora Approximate T

b

Approximate

Significance

Ordinal by

Ordinal

Spearman

Correlation ,129 ,117 1,110 ,271

c

N of Valid Cases 75

a. Not assuming the null hypothesis.

b. Using the asymptotic standard error assuming the null hypothesis.

c. Based on normal approximation.


(Income Minimization). Crosstab

Count

Ukuran Perusahaan

Total Sangat Rendah Rendah Tinggi Sangat Tinggi

MIN DA Rendah 1 0 0 0 1

Sedang 5 1 0 0 6

Tinggi 17 1 1 4 23

Total 23 2 1 4 30


125

Lampiran XIV: Hasil Olah Data Spss (Lanjutan)


(Income Minimization).

Symmetric Measures

Value

Asymptotic


b

Approximate

Significance

Ordinal by

Ordinal

Spearman

Correlation ,152 ,137 ,815 ,422

c

N of Valid Cases 30





(Income Maximization).

Crosstab

Count

Ukuran Perusahaan


MAX DA Rendah 32 1 1 2 36

Sedang 4 0 1 1 6

Tinggi 3 0 0 0 3

Total 39 1 2 3 45



Symmetric Measures

Value

Asymptotic


b

Approximate

Significance

Ordinal by

Ordinal

Spearman

Correlation ,111 ,163 ,735 ,466

c

N of Valid Cases 45





126

Lampiran XV: Hasil Olah Data Spss

Tabel 1. Tabulasi Silang Leverage dengan Manajemen Laba

(Income Minimization dan Income Maximization)

Crosstab

Count

Leverage

Total

Sangat


Sangat

Tinggi


Min Income 15 10 2 3 30

Total 46 21 3 5 75

Tabel 2. Koefisien Hubungan Leverage dengan Manajemen Laba


Symmetric Measures

Value

Asymptotic


b

Approximate

Significance

Ordinal by

Ordinal

Spearman

Correlation ,203 ,115 1,770 ,081

c

N of Valid Cases 75






Crosstab

Count

Leverage



Sedang 2 1 2 1 6

Tinggi 12 9 0 2 23

Total 15 10 2 3 30


127

Lampiran XV: Hasil Olah Data Spss (Lanjutan).



Symmetric Measures

Value

Asymptotic


b

Approximate

Significance

Ordinal by

Ordinal

Spearman

Correlation -,155 ,203 -,830 ,413

c

N of Valid Cases 30






Crosstab

Count

Leverage



Sedang 3 2 0 1 6

Tinggi 3 0 0 0 3

Total 31 11 1 2 45



Symmetric Measures

Value

Asymptotic


b

Approximate

Significance

Ordinal by

Ordinal

Spearman

Correlation ,015 ,151 ,096 ,924

c

N of Valid Cases 45





128

Lampiran XVI: Hasil Olah Data Spss

Tabel 1. Tabulasi Silang Profitabilitas dengan Manajemen Laba


Crosstab

Count

Profitabilitas

Total

Sangat


Sangat

Tinggi


Min Income 24 3 2 1 30

Total 59 9 4 3 75

Tabel 2. Koefisien Hubungan Profitabilitas dengan Manajemen Laba


Symmetric Measures

Value

Asymptotic


b

Approximate

Significance

Ordinal by

Ordinal

Spearman

Correlation -,023 ,115 -,195 ,846

c

N of Valid Cases 75






Crosstab

Count

Profitabilitas



Sedang 5 0 1 0 6

Tinggi 18 3 1 1 23

Total 24 3 2 1 30


129

Lampiran XVI: Hasil Olah Data Spss (Lanjutan).



Symmetric Measures

Value

Asymptotic


b

Approximate

Significance

Ordinal by

Ordinal

Spearman

Correlation ,072 ,168 ,381 ,706

c

N of Valid Cases 30






Crosstab

Count

Profitabilitas



Sedang 5 0 1 0 6

Tinggi 3 0 0 0 3

Total 35 6 2 2 45



Symmetric Measures

Value

Asymptotic


b

Approximate

Significance

Ordinal by

Ordinal

Spearman

Correlation -,130 ,121 -,858 ,396

c

N of Valid Cases 45





Documents

HUBUNGAN ANTARA UKURAN PERUSAHAAN ... ANTARA UKURAN PERUSAHAAN, LEVERAGE, PROFITABILITAS DENGAN MANAJEMEN LABA Studi Empiris Pada Perusahaan Manufaktur Yang Terdaftar di Bursa Efek