1
Yuni Pristiwati Noer W
STIE Swastamandiri Surakarta
Jl. Tejonoto I Jogosuran Gading Surakarta
[email protected] / 08156715575
METODE EARNINGS MANAGEMENT DALAM PERSPEKTIF INCOME
SMOOTHING
Yuni Pristiwati Noer Widianingsih
STIE Swastamandiri Surakarta
ABSTRACT
This research aims to provide evidence regarding the measurement of earnings management in
perspective of income smoothing. The measurement of earnings management includes two approaches
namely real earnings management and accounting earnings management. This research sampled
manufacturing companies listed on Indonesia Stock Exchange published financial statements year 2011
and 2010. Variables used in this study is the real earnings management and accounting earnings
management as the dependent variable. Unexpected income as earnings smoothing proxy. Testing is done
using multiple regression analysis. The results showed that real earnings management and accounting
earnings management associated significant but they are not related to income smoothing
Keywords: earnings management, real earnings management, accounting earnings
management, income smoothing, unexpected income
I. PENDAHULUAN
1.1. Latar belakang Masalah
Seorang manajer sudah seharusnya mengatur mengenai disclosure
(pengungkapan) pelaporan keuangan perusahaannya kepada pihak eksternal dengan
sebaik - baiknya. Hal ini dimaksudkan agar perusahaan tetap mendapatkan penilaian
yang baik di mata publik terutama dari para investor. Manajer memiliki motivasi dalam
menentukan alternative pelaporan keuangan yang berkaitan dengan pengungkapan yaitu
2
manajemen harus secara intensif mempengaruhi kepercayaan stakeholders’ dan perilaku
untuk menentukan bagaimana kontrak dilakukan (Gaa dan Dunmore : 2007 ).
Salah satu metode yang umum digunakan dalam pengungkapan manajemen
adalah dengan earnings management. Istilah manajemen laba mungkin lebih tepat untuk
mengartikan earnings management. Istilah lain yang mungkin kita temui dalam
mengartikan earnings management adalah pengelolaan laba atau pengelolaan keuntungan
atau manajemen keuntungan. Sedangkan perataan laba merupakan salah satu aspek
dalam manajemen laba.
Salah satu bentuk dari earnings management adalah perataan laba (income
smoothing). Income smoothing merupakan strategi yang sangat popular dalam earnings
management (Scoot, 2006) dalam Matsuura (2008 : 64). Tujuan income smoothing
adalah untuk mengurangi perbedaan jumlah earning yang dilaporkan antar periode
(Cahan dkk, 2008:3). Hal ini diperbolehkan dalam kebijakan akuntansi yang berkaitan
dengan fleksibilitas bagi manajer untuk menyesuaikan pelaporan laba dengan tujuan
perataan laba. Matsuura (2008:64) menyatakan bahwa perusahaan melakukan perataan
laba untuk tujuan pelaporan keuangan bagi pihak eksternal. Income smoothing dapat
menyampaikan informasi privat kepada pihak eksternal dengan memungkinkan
perusahaan untuk mengkomunikasikan besarnya laba yang diharapkan.
Pada prinsipnya ada dua pendekatan dalam menentukan besarnya manajemen
laba yaitu pendekatan real earnings managementdan accounting earnings management
(Matsuura, 2008). Real earnings management terdiri dari produksi sebenarnya dan
keputusan investasi, misalnya pengurangan biaya riset dan pengembangan, pengaruh
penjualan serta biaya administrasi. Sedangkan accounting earnings management terdiri
dari pilihan metode akuntansi sesuai ketentuan GAAP seperti LIFO dan FIFO.
Matsuura (2008:64) menyatakan bahwa real earnings management merupakan
pendekatan terbaik untuk pengukuran earnings management. Meskipun banyak
penelitian sebelumnya yang kurang memberikan perhatian pada pendekatan real
earnings management. Peneliti sebelumnya lebih menonjolkan pendekatan accounting
earnings management. Hasil penelitian sebelumnya masih menunjukkan hasil yang
beragam sehingga muncul beberapa model yang bisa digunakan untuk menentukan
besarnya manajemen laba. Setiap model memiliki asumsi sendiri dalam menjelaskan
3
teori yang dikemukakan. Oleh karena itu diperlukan pengujian dari model tersebut yang
bisa digunakan untuk mendeteksi adanya praktik perataan laba
1.2. Perumusan Masalah
Berdasarkan pembahasan diatas maka perumusan masalah dalam penelitian ini
adalah “apakah ada hubungan antara metode real earnings management dan accounting
earnings management dalam perspektif income smoothing?”
1.3. Tujuan Penelitian
Para peneliti sebelumnya menggunakan beberapa pendekatan dan asumsi yang
berbeda untuk pengukuran manajemen laba dalam perspektif perataan laba sehingga
masih menunjukkan hasil yang beragam. Maka perlu dilakukan penelitian dengan tujuan
untuk:
a. Mengukur manajemen laba dengan pendekatan real earnings management dalam
perspektif income smoothing
b. Mengukur manajemen laba dengan pendekatan accounting earnings management
dalam perspektif income smoothing
c. Mengetahui hubungan metode real earnings management dan accounting earnings
management dalam perspektif income smoothing.
1.4. Manfaat Penelitian
Penelitian ini diharapkan bisa memberikan manfaat untuk:
a. Pengembangan riset earnings management dan income smoothing bagi para peneliti
b. Menambah referensi dalam kajian earnings management dan income smoothing
c. Mengetahui metode pengukuran earnings management yang tepat dalam perspektif
perspektif income smoothing.
1.5. Kajian Teori
a. Definisi Earnings Management
Ada beberapa definisi earnings management, menurut Schipper (1989):
4
Manajemen Laba (earnings management) dapat terjadi dalam proses
pengungkapan laporan keuangan eksternal dengan berdasarkan “real” earnings
management berdasarkan waktu investasi atau keputusan pembiayaan”
Heally dan Wahlen (1999) seperti yang dikutip Zhaohui Xu, dkk (2007:196)
Manajemen laba terjadi ketika menajer menggunakan penyesuaian dalam
pelaporan keuangan dan strukturisasi transaksi sebagai alternative pelaporan
keuangan untuk menghindari kurangnya pemahaman dari stakeholders mengenai
bisnis dari perusahaan dalam mempengaruhi hasil kontraktual yang tergantung
dari jumlah angka yang dilaporkan dalam pelaporan keuangan
Aljifri (2007:76) mendefinisikan ada dua pendekatan dalam earnings yaitu
accrual accounting (misal : pengakuan biaya dan pendapatan) dan perubahan metode
akuntansi (misal FIFO ke LIFO). Pendekatan pertama lebih mudah untuk digunakan ,
lebih murah dan lebih sulit dilakukan deteksi oleh auditor. Sedangkan pendekatan
kedua, relative lebih mahal, dapat dilakukan observasi serta lebih mudah dilakukan
deteksi oleh auditor. Kedua pendekatan tersebut dapat digunakan untuk untuk
menurunkan atau menaikkan laba sepanjang hal tersebut tidak menambah biaya
(Healy, 1985) seperti yang dikutip oleh Aljifri (2007:76). Definisi ini juga sama
dengan yang diungkapkan oleh Matsuura (2008:63) yaitu mendefinisikan earnings
management menjadi dua, real earnings management (misal pengurangan
pengeluaran riset dan pengembangan) dan accounting earnings management (misal
penilaian dan depresiasi aktiva, LIFO atau FIFO
b. Model Pengukuran Earnings Management
Ada beberapa model yang bisa digunakan untuk mengukur manajemen laba
(Zhang, 2002) yaitu:
1. Healy Model
Healy (1985) mengasumsikan bahwa discretionary accrual per tahun sama
sebesar nilai rata – rata dari total accrual dengan skala total assets dari periode
estimasi.
2. The Angelo Model
5
The Angelo Model (1986) mengasumsikan bahwa nilai non discretionary accrual
sebesai nilai total accrual pada akhir periode dengan skala total asset dari periode
t-1
3. The Jones Model
Jones menekankan pengendalian terhadap perubahan ekonomi perusahaan
terhadap non discretionary accrual yang meliputibesarnya total asset, perubahan
revenue dan besarnya property, plant dan equipment.
4. The Modified Jones
The Modified Jones didesain untuk mengeliminasi kecenderungan perkiraan dari
Jones Model yaitu mengukur besarnya discretionary accrual dengan
memasukkan error dari penilaian revenue
5. The Industry Model
The Industry Model (Dechow dan Sloan, 1991) mengasumsikan bahwa non
discretionary accruals konstan setiap periode. Besarnya non discretionary
accrual ditentukan berdasarkan discretionary accrual antar perusahaan dalam
industri yang sama. Non discretionary accrual merupakan fungsi linier dari
median industry total accrual dengan parameter spesifik perusahaan.
6. The Cross-Sectional Models
Model inimengasumsikan korelasi antara non discretionary accruals dan accrual
sebagai perubahan revenue dan gross property, plant dan equipment dari suatu
kelompok industri terhadap situasi ekonomi yang sedang terjadi
7. The forward-looking model
Model ini memasukkan tiga sumsi penyesuaian terhadap Modified Jones Models.
Penyesuaian pertama dengan memasukkan semua penjualan kredit sebagai
discretionary. Kedua, penyesuaian terhadap total accrual berdasarkan asumsi
bahwa total accrual mempunyai korelasi otomatis. Ketiga, penyesuaian terhadap
pertumbuhan penjualan yang akan datang
8. Deffered Tax Expense
Philips, dkk (2002) memasukkan deffered tax expense untuk mendeteksi earnings
management
9. Total Accruals
6
Collins dan Hribar (2001) menggunakan lapoan arus kas untuk menghitung total
accruals yang merupakan selisih antara income before extraordinary items dan
cash flow dari operating activity
c. Income Smoothing
Ada beberapa definisi income smoothing, diantaranya adalah menurut Lambert
(1984): Income smoothing merupakan aktivitas yang menunjukkan jumlah saldo
akhir antar dua periode dari harapan yang diantisipasi untuk laba bersih.Menurut
Trueman dan Titman (1988), Income smoothing sebagai pengalihan pengakuan laba
perusahaan antar dua periode dimana periode yang satu menghasilkan laba yang lebih
kecil atau lebih besar dari laba yang diharapkan.
Salah satu motivasi manajer melakukan manajemen laba (earnings management)
adalah untuk income smoothing atau perataan laba (Aljifri, 2007:85). Dalam
penelitiannya juga diungkapkan beberapa motivasi untuk melakukan perataan laba,
pertama yang dikemukakan oleh Ronen dan Sadan (1981) yaitu perataan laba untuk
menstabilkan aliran laba dalam mendukung pembayaran dividend yang akan
menentukan harga saham perusahaan. Dividend yang dibayarkan tidak hanya untuk
memenuhi harapan shareholders’ tetapi juga untuk menarik investor potensial.
Kedua, motivasi perataan laba adalah untuk meningkatkan kemampuan investor
dalam memprediksi cash flows masa depan (Barnea, Ronan dan Sadan : 1975) seperti
yang dikutip oleh Aljifri (2007:85). Motivasi ini konsisten dengan tujuan laporan
keuangan yang dikemukakan oleh AICPA (American Institute of Certified Public
Accountants) yaitu “tujuan laporan keuangan adalah untuk menyediakan informasi
yang bermanfaat bagi investor dan kreditur dalam memprediksi, membandingkan dan
mengevaluasi potensial cash flows…”
d. Review Penelitian Sebelumnya
Penelitian mengenai manajemen laba dan perataan laba sudah banyak dilakukan
sebelumnya, diantaranya adalah Trueman dan Titman (1988), yaitu dengan
menganalisa income smoothing sebagai penggerak dari harga pasar saham. Dalam
penelitian tersebut juga menunjukkan bahwa income smoothing dapat mengurangi
7
biaya modal untuk pinjaman. Bartrov (1993), melakukan penelitian dengan
menggunakan asset sales untuk menguji hipoesis income smoothing dan debt equity
ratio. Dalam penelitiaannya digunakan variable discretional asset sales yang
didefinisikan sebagai jumlah total asset sales dan menguji hubungan antara laba yang
dihasilkan dari asset sales dan earning per share (EPS). Hasil dari penelitiannya
ditemukan adanya hubungan negative antara variable laba dari asset sales dan
earning per share (EPS). Akan tetapi dalam penelitiannya tidak dapat membedakan
antara discretional asset sales dan normal asset sales, sehingga hasil penelitian
tersebut kurang akurat.
Herrmann dkk (2003) juga meneliti discretional asset sales untuk manajemen
laba. Discretional asset didefinisikan sebagai jumlah perbedaan dari total asset sales
dan median industri dari asset sales. Roychodhury (2006) seperti yang dikutip oleh
Matsuura (2008) menguji real earnings management seperti pengurangan
pengeluaran untuk riset dan pengembangan, pengeluaran untuk iklan dan biaya
penjualan.
Aljifri (2007:76) memfokuskan penelitiannya pada accrual-pilihan metode
akuntansi sebagai alat untuk manajemen laba. Dalam penelitian tersebut diperoleh
pemahaman mengenai hubungan antara discretionary accrual, motivasi manajerial
dan earnings management. Matsuura (2008) menguji hubungan antara real earnings
management dan accounting earnings management untuk perataan laba. Variable
real earnings management digunakan discretional operating cash flow sedangkan
accounting real managementdigunakan discretional accrual. Hasil penelitian
menunjukkan ada hubungan antara real dan accounting earnings management dan
manajer menggunakan dua earning management untuk income smoothing.
e. Hipotesis
Berdasarkan penelitian yang dilakukan sebelumnya maka dapat dinyatakan
hipotesis dalam penelitian ini adalah sebagai berikut:
H1 : Ada hubungan antara real earnings management dengan income smoothing
H2 : Ada hubungan antara accounting earnings management dengan income
smoothing
8
H3 : Ada hubungan antara real earnings managementdan accounting earnings
management dengan income smoothing
II.METODE PENELITIAN
2.1. Data Penelitian
Penelitian ini mengambil data sekunder berupa laporan keuangan yang
dipublikasikan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode
2010 – 2011. Data tersebut dapat diakses melalui website BEI di www.idx.co.id.
2.2. Populasi dan Sampel
Populasi yang digunakan dalam penelitian ini adalah perusahaan manufaktur yang
terdaftar di Bursa Efek Indonesia. Sampel yang diambil dalam penelitian adalah 51
perusahaan yang terdaftar di BEI yang mempublikasikan laporan keuangan tahun 2009 –
2010.
2.3. Perumusan Variabel dan Pengukurannya
Variabel yang digunakan dalam penelitian ini antara lain:
a. Variabel Dependen
Variabel dependen dalam penelitian ini adalah menggunakan dua proksi variable
earnings management yaitu real earnings management (REM) dan pendekatan
accounting earnings management (AEM). REM didefinisikan sebagai cash flow dari
kegiatan operasional. Rumus yang digunakan untuk mengukur REM adalah
berdasarkan model Dechow, Kothari dan Watts (1998) yaitu:
CFOt/A
t-1 = α
0 + α
1(1/A
t-1) + β
1(SALE
t/ A
t-1) + β
2(ΔSALE
t / A
t-1) + ε
t
CFO : cash flow dari operasional dibagi dengan total asset awal periode
At-1 : total asset periode t-1
SALE : current sales dibagi dengan total asset awal periode
∆SALE : perubahan sales dibagi dengan total asset awal periode
9
Abnormal cash flow diperoleh dari selisih actual cash flow dengan normal cash
flow yang dihitung berdasarkan estimasi koefisien perusahaan sampel
Sedangkan AEM menggunakan discretional accrual yang merupakan selisih total
accrual dengan non discretionary accrual:
𝑫𝒊𝒔𝒄𝒓𝒆𝒕𝒊𝒐𝒏𝒂𝒓𝒚 𝒂𝒄𝒄𝒓𝒖𝒂𝒍𝒔 𝑫𝑨 = 𝑻𝑨𝒊𝒕
𝑨𝑻𝒊𝒕−𝟏 –
𝑵𝑫𝑨𝒊𝒕
𝑨𝑻𝒊𝒕−𝟏
Total accrual dihitung berdasarkan model Jones yaitu:
TAit = α0 + α1 1/ΑSSETSit-1 + α2ΔSALESit + α3PPEit + εit,
TA : total accruals yang merupakan perbedaan antara cash flow dari
operasional dan net income setelah pajak
ΑSSETSit-1 : total asset tahun t-1
ΑSSETSit : total asset tahun ke-t
PPE : property, plant dan equipment pada awal tahun dibagi dengan total
asset awal periode
Persamaan tersebut untuk mengestimasi besarnya α0, α1 dan α2. Estimasi ini
kemudian digunakan untuk menghitung besarnya non discretionary accrual.
b. Variabel Independen
Variabel independen adalah variable perataan laba yang diproksikan dengan pre-
earnings management unexpected income (Matsuura:2008). Pre-earnings
management unexpected income digunakan dua proksi yaitu Pre-EMUI (pre-earnings
management sebelum real dan accounting earnings management) dan Pre-AEMUI
(pre-earnings management sebelum accounting earnings management). Kedua proksi
tersebut dirumuskan sebagai berikut:
𝑷𝒓𝒆 𝑬𝑴𝑼𝑰𝒊𝒕 = 𝑼𝑰𝒊𝒕 − 𝑹𝑬𝑴𝒊𝒕 – 𝑨𝑬𝑴𝒊𝒕
𝑷𝒓𝒆 𝑨𝑬𝑴𝑼𝑰𝒊𝒕 = 𝑼𝑰𝒊𝒕 − 𝑨𝑬𝑴𝒊𝒕
𝑃𝑟𝑒 𝐸𝑀𝑈𝐼𝑡 : pre-earnings management sebelum real dan accounting earnings
management
𝑃𝑟𝑒 𝐴𝐸𝑀𝑈𝐼𝑖𝑡 : pre-earnings management sebelum accounting earnings
management
𝑈𝐼𝑖𝑡 : net income periode t-1
𝑅𝐸𝑀𝑖𝑡 : real earnings management
10
𝐴𝐸𝑀𝑖𝑡 : accounting earnings management
Untuk menghitung besarnya unexpected income digunakan rumus seperti yang
digunakan dalam penelitian Matsuura (2008), yaitu:
𝑼𝑰𝒕 = 𝜹𝒕 = 𝑵𝑰𝒕 –𝑵𝑰𝒕−𝟏
𝑈𝐼𝑡 : Unexpected income periode t
𝑁𝐼𝑡 : Net income periode t
𝑁𝐼𝑡−1 : Net income periode t-1
Dalam penelitian ini juga digunakan variable control yang dimasukkan dalam
model persamaan regresi berdasarkan penelitian yang dilakukan Matsuura (2008)
yaitu debt equity dan size. Variable control tersebut dapat dirumuskan sebagai
berikut:
𝑫𝑬𝒊𝒕 =𝑫𝑬𝑩𝑻𝒊𝒕
𝑨𝒊𝒕
𝐷𝐸𝑖𝑡 : Debt equity ratio
𝐷𝐸𝐵𝑇𝑖𝑡 : jumlah hutang
𝐴𝑖𝑡 : total asset
𝑺𝑰𝒁𝑬𝒊𝒕 = 𝐥𝐨𝐠(𝑨𝒊𝒕)
𝑆𝐼𝑍𝐸𝑖𝑡 : ukuran perusahaan
𝐴𝑖𝑡 : total asset pada akhir periode
GROWTH it = (SALE it – SALE i, t-1) / SALE i, t-1.
Sale : jumlah penjualan
2.4. Teknik dan Model Analisis
Data akan diuji dengan program SPSS (Statistic Packages for Social Science
menggunakan metode Regresi Berganda(Analisis Multiple Regression). Untuk menguji
hipotesis yang telah disebutkan diatas, maka model yang akan digunakan dalam
penelitian ini berdasarkan model yang digunakan oleh Matsuura (2008) yaitu:
𝑨𝑬𝑴𝒊𝒕 = 𝜷𝟎 + 𝜷𝟏𝑼𝑰𝒊𝒕 + 𝜷𝟐𝑹𝑬𝑴𝒊𝒕 + 𝜷𝟑𝑫𝒆𝒃𝒕𝒊𝒕 + 𝜷𝟒𝑺𝒊𝒛𝒆𝒊𝒕 + 𝝁𝒊𝒕
𝑹𝑬𝑴𝒊𝒕 = 𝜸𝟎 + 𝜸𝟏𝑼𝑰𝒊𝒕 + 𝜸𝟐𝑨𝑬𝑴𝒊𝒕 + 𝜸𝟑𝑫𝒆𝒃𝒕𝒊𝒕 + 𝜸𝟒𝑺𝒊𝒛𝒆𝒊𝒕 + 𝝆𝒊𝒕
𝑨𝑬𝑴𝒊𝒕 = 𝜹𝟎 + 𝜸𝟏𝑷𝒓𝒆𝑬𝑴𝑼𝑰𝒊𝒕 + 𝜹𝟐𝑹𝑬𝑴𝒊𝒕 + 𝜹𝟑𝑫𝒆𝒃𝒕𝒊𝒕 + 𝜹𝟒𝑺𝒊𝒛𝒆𝒊𝒕 + 𝝍𝒊𝒕
𝑹𝑬𝑴𝒊𝒕 = 𝜸𝟎 + 𝜸𝟏𝑷𝒓𝒆𝑬𝑴𝑼𝑰𝒊𝒕 + 𝜸𝟐𝑨𝑬𝑴𝒊𝒕 + 𝜸𝟑𝑫𝒆𝒃𝒕𝒊𝒕 + 𝜸𝟒𝑺𝒊𝒛𝒆𝒊𝒕 + 𝝆𝒊𝒕
11
III. HASIL PENELITIAN DAN PEMBAHASAN
Sampel yang digunakan dalam penelitian ini adalah 51 perusahaan (lampiran 1). Secara
ringkas hasil analisis data adalah sebagai berikut:
Tabel 1. Descriptive Statistics
N Minimum Maximum Mean Std.
Deviation
REM 51 -0.80981 0.462 -0.0343737 0.1964425
AEM 51 -0.53862 0.37916 -0.0530261 0.1377808
UI 51 -8.48E+11 2.40E+12 1.78E+11 5.52E+11
Pre_EMUI 51 -8.48E+11 2.40E+12 1.78E+11 5.52E+11
Pre_AEMUI 51 -8.48E+11 2.40E+12 1.78E+11 5.52E+11
Debt 51 0.04 197.63 5.0157 27.6261
Size 51 10 14 11.9804 0.73458
Growth 51 -0.91 3.48 0.1663 0.71187
Tabel 1 menunjukkan statistik deskriptif dari variable yang digunakan dalam pene
litian.Tabel 2 menunjukkan korelasi antar variable yang digunakan dalam penelitian. Ada
hubunganantara real earnings management dan accounting earning management sebesar 51,9%
Sedangkan variable REM dan AEM tidak berhubungan dengan perataan laba.
Tabel 2. Correlations
REM AEM Pre_EMUI Pre_AEMUI Debt Size Growth
REM
Pearson
Correlation 1 -.519
** 0.043 0.043 0.057 .284
* -0.044
Sig. (2-tailed) 0 0.765 0.765 0.69 0.043 0.76
AEM Pearson
Correlation -.519
** 1 0.126 0.126 0.044 0.088 -0.072
12
Sig. (2-tailed) 0 0.38 0.38 0.76 0.541 0.618
Pre_EMUI
Pearson
Correlation 0.043 0.126 1 1.000
** 0.05 .317
* .548
**
Sig. (2-tailed) 0.765 0.38 0 0.729 0.023 0
Pre_AEMUI
Pearson
Correlation 0.043 0.126 1.000
** 1 0.05 .317
* .548
**
Sig. (2-tailed) 0.765 0.38 0 0.729 0.023 0
Debt
Pearson
Correlation 0.057 0.044 0.05 0.05 1 -.400
** -0.002
Sig. (2-tailed) 0.69 0.76 0.729 0.729 0.004 0.987
Size
Pearson
Correlation .284
* 0.088 .317
* .317
* -.400
** 1 0.266
Sig. (2-tailed) 0.043 0.541 0.023 0.023 0.004 0.06
Growth
Pearson
Correlation -0.044 -0.072 .548
** .548
** -0.002 0.266 1
Sig. (2-tailed) 0.76 0.618 0 0 0.987 0.06
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Tabel 3. Analisis Regresi Model AEM
Model 1 Model 2
Variables Coefficients Coefficients
Intercept .000 .005
-4.079 -2.970
UI .229 .186
1.217 1.342
REM .000 .000
-4.322 -5.503
Debt .082
13
1.780
Size .009
2.748
Growth .029
-2.249
R-Square 0.291 .434
Table 3 meunjukkan analisis regresi model AEM, dimana variable UI dan REM
berpengaruh signifikan terhadap variable AEM sebesar 29,1% (model 1). Sedangkan model 2
menunjukkan bahwa variable UI, REM, debt, size dan growth berpengaruh signifikan sebesar
43,4%. Kedua model tersebut menunjukkan bahwa AEM tidak digunakan manajer untuk
melakukan perataan laba.
Tabel 4. Analisis Regresi Model REM
Model 1 Model 2
Variables Coefficients Coefficients
Intercept .004 .000
-3.015 -4.034
UI .378 .467
.890 .734
AEM .000 .000
-4.322 -5.503
Debt .027
2.283
Size .000
3.834
Growth .045
-2.062
R-Square 0.281 0.484
Table 4 meunjukkan analisis regresi model REM, dimana variable UI dan REM
berpengaruh signifikan terhadap variable AEM sebesar 28,1% (model 1). Sedangkan model 2
menunjukkan bahwa variable UI, AEM, debt, size dan growth berpengaruh signifikan sebesar
14
48,4%. Kedua model tersebut menunjukkan bahwa REM tidak digunakan manajer untuk
melakukan perataan laba.
Tabel 5. Analisis Regresi Model REM & AEM
Model REM Model AEM
Variables Sign Coeff Sign Coeff
Intercept - .000 - .005
-4.034 -2.970
Pre_EMUI + .467 + .186
.734 1.342
REM - .000
-5.503
AEM - .000
-5.503
Debt + .027 + .082
2.283 1.780
Size + .000 + .009
3.834 2.748
Growth - .045 - .029
-2.062 - -2.249
R-Square .484 .434
Tabel 5 menunjukkan perbandingan metode REM dan AEM untuk mendeteksi adanya
perataan laba. Hasil analisis menunjukkan bahwa REM dan AEM tidak digunakan untuk
perataan laba. REM dan AEM mempunyai hubungan negative, sehingga manajer hanya memilih
salah satu metode.
IV. KESIMPULAN DAN SARAN
Berdasarkan analisis data maka kesimpulan penelitian adalah:
1. Variabel REM dan AEM berhubungan signifikan tetapi keduanya tidak berhubungan dengan
perataan laba.
2. Variabel debt, size dan growth berpengaruh signifikan terhadap besarnya AEM dan REM
15
Penelitian ini masih terdapat banyak keterbatasan, sehingga saran untuk penelitian
selanjutnya adalah:
1. Memperbanyak jumlah sample yang digunakan
2. Memperpanjang periode penelitian
DAFTAR PUSTAKA
Aljifri, K (2007). Measurement and Motivations of Earnings Management: A Critical
Perspective. Journal of Accounting – Business & Management
Al-Attar, A., Hussain, S dan Yan Zuo, L (2008). Earnings Quality, Bankruptcy Risk and Future
Cash Flows.Accounting and Business Research Vol.38 No.1
Busatoa, F., Chiarinib, B dan Marzanob, E (2008). Consumption And Income Smoothing.
Applied Economics.
Cahan, S.,Liu, G dan Sun, J (2008). Investor Protection, Income Smoothing, and Earnings
Informativeness.Journal of International Accounting Research Vol.7 No.1
Gaa, J dan Dunmore, P (2007).The Ethics of Earnings Management. Chartered Accountants
Journal 7
Hapsari, Lely (2012). Hubungan Real Earnings Management dan Income Smoothing Pada
Perusahaan Manufaktur di BEI. Skripsi. Tidak Dipublikasikan
Jung Tseng, L dan Wen Lai, C (2007). The Relationship between Income Smoothing and
Company Profitability: An Empirical Study. International Journal of Management Vol.
24 No. 4
Khasanah, Uswatun. 2012. Analisis Hubungan Accounting Earning Management dengan Income
Smoothing pada Perusahaan Manufaktur yang Terdaftar di BEI. Skripsi. Tidak
Dipublikasikan
Machuga, S dan Teitel, K (2007).The Effects of the Mexican Corporate Governance Code on
Quality of Earnings and its Components.Journal Of International Accounting Research
Vol. 6, No. 1
16
Matsuura, S (2008).On The Relation Between Real Earnings Management And Accounting
Earnings Management: Income Smoothing Perspective.Journal of International Business
Research, Volume 7
Subramanyam, KR dan Venkatachalam M (2007). Earnings, Cash Flows, and Ex Post Intrinsic
Value of Equity.The Accounting Review Vol.82 No.2
Zhaohui Xu, R., K Taylor, G dan T Dugan, M (2007). Review of Real Earnings Management
Literature. Journal of Accounting Literature Vol.26
17
No Kode NDA REM NDA AEM = DA UI PreEMUI PreAEMUI DE SIZE GROWTH
1 ADES -0.019 -0.29359 0.120366 0.22406 15,338,000,000 15,338,000,000.0695 15,337,999,999.7759 0.69 12 0.63
2 AISA -0.019 -0.06005 0.053043 0.00965 37,447,795,739 37,447,795,739.0504 37,447,795,738.9903 0.70 12 0.32
3 CEKA -0.019 -0.42383 0.036347 0.37916 -19,931,068,984 -19,931,068,983.9553 -19,931,068,984.3792 0.64 12 -0.40
4 DAVO -0.019 -0.00441 0.086593 -0.16726 2,241,004,102,229 2,241,004,102,229.1700 2,241,004,102,229.1700 0.66 12 2.97
5 DLTA -0.019 -0.00520 0.023141 0.11865 13,062,838,000 13,062,837,999.8865 13,062,837,999.8813 0.16 12 -0.26
6 DVLA -0.019 0.11724 0.038048 -0.11923 38,608,289,000 38,608,289,000.0020 38,608,289,000.1192 0.25 12 0.07
7 GGRM -0.019 -0.02794 0.007062 0.10257 2,402,159,000,000 2,402,158,999,999.9300 2,402,158,999,999.9000 0.31 13 0.14
8 HMSP -0.019 0.16582 0.033427 -0.06947 1,334,090,000,000 1,334,089,999,999.9000 1,334,090,000,000.0700 0.50 13 0.11
9 ICBP -0.019 -0.01638 0.053318 -0.10651 1,491,315,000,000 1,491,315,000,000.1200 1,491,315,000,000.1100 0.04 14 3.48
10 INAF -0.019 -0.10895 0.031556 -0.05077 10,421,006,422 10,421,006,422.1597 10,421,006,422.0508 0.73 12 -0.07
11 INDF -0.019 0.08495 0.034307 -0.13230 876,997,000,000 876,997,000,000.0470 876,997,000,000.1320 13.53 12 0.03
12 KAEF -0.019 -0.09780 0.037617 -0.03786 76,209,167,590 76,209,167,590.1357 76,209,167,590.0379 0.35 12 0.12
13 KDSI -0.019 -0.23657 0.108909 -0.03742 6,381,638,700 6,381,638,700.2740 6,381,638,700.0374 0.54 12 0.17
14 KICI -0.019 0.02442 0.104984 -0.15285 8,474,268,945 8,474,268,945.1284 8,474,268,945.1529 0.26 11 -0.03
15 KLBF -0.019 0.04283 0.004778 0.00022 357,326,285,674 357,326,285,673.9570 357,326,285,674.0000 197.63 10 0.13
16 LMPI -0.019 -0.02843 0.055173 -0.08661 -3,197,612,584 -3,197,612,583.8850 -3,197,612,583.9134 0.34 12 0.05
17 MBTO -0.019 -0.12773 0.055109 0.01925 14,533,877,159 14,533,877,159.1085 14,533,877,158.9808 0.65 12 0.10
18 MERK -0.019 0.20258 0.00289 -0.09688 -27,905,900,000 -27,905,900,000.1057 -27,905,899,999.9031 0.17 12 0.06
19 MLBI -0.019 0.15318 0.073183 0.05048 102,458,000,000 102,457,999,999.7960 102,457,999,999.9500 0.59 12 0.11
20 MRAT -0.019 -0.07620 0.045182 0.00898 3,401,950,210 3,401,950,210.0672 3,401,950,209.9910 0.13 12 0.07
21 MYOR -0.019 -0.17167 0.057596 0.23220 111,928,290,181 111,928,290,180.9390 111,928,290,180.7680 0.54 13 0.57
22 PSDN -0.019 -0.29736 0.079975 -0.03053 -19,530,793,526 -19,530,793,525.6721 -19,530,793,525.9695 0.53 12 0.57
23 PYFA -0.019 -0.01700 0.144449 -0.19787 426,234,594 426,234,594.2149 426,234,594.1979 0.23 11 0.07
24 RMBA -0.019 0.11580 0.042079 -0.11262 366,564,000,000 366,563,999,999.9970 366,564,000,000.1130 0.57 13 -0.91
25 ROTI -0.019 0.15406 0.145862 -0.18561 42,660,266,243 42,660,266,243.0316 42,660,266,243.1856 0.20 12 0.26
26 SCPI -0.019 -0.09144 0.05443 -0.09859 -18,832,545,000 -18,832,544,999.8100 -18,832,544,999.9014 0.95 11 -0.09
27 SKLT -0.019 -0.10341 0.102493 -0.11909 -7,968,996,045 -7,968,996,044.7775 -7,968,996,044.8809 0.41 11 0.14
28 SQBI -0.019 0.38358 0.045772 -0.19742 -38,616,457,000 -38,616,457,000.1862 -38,616,456,999.8026 0.16 12 -0.27
29 STTP -0.019 -0.15960 0.088347 0.01398 1,558,391,747 1,558,391,747.1456 1,558,391,746.9860 0.31 12 0.22
30 TSPC -0.019 0.02387 0.098207 0.23526 128,924,882,583 128,924,882,582.7410 128,924,882,582.7650 0.27 13 0.06
31 ULTJ -0.019 0.04764 0.070573 -0.16104 45,970,391,645 45,970,391,645.1134 45,970,391,645.1610 0.35 12 0.17
32 UNVR -0.019 0.23805 0.068947 0.05442 327,734,000,000 327,733,999,999.7080 327,733,999,999.9460 0.53 13 0.08
33 Tcid -0.019 0.02387 0.055867 -0.08177 6,833,320,117 6,833,320,117.0579 6,833,320,117.0818 0.09 12 0.06
34 ADMG -0.019 -0.04820 0.004776 -0.04049 -16,225,357,000 -16,225,356,999.9113 -16,225,356,999.9595 0.67 13 0.15
35 ARGO -0.019 0.24615 0.008974 -0.10413 -124,940,239,909 -124,940,239,909.1420 -124,940,239,908.8960 0.85 12 -0.91
36 CNTX -0.019 0.00265 0.091576 -0.18498 36,550,251,000 36,550,251,000.1823 36,550,251,000.1850 0.94 11 0.02
37 ERTX -0.019 -0.80981 0.08892 0.03961 -23,119,843,000 -23,119,842,999.2298 -23,119,843,000.0396 2.79 11 -0.06
38 ESTI -0.019 -0.06898 0.068263 -0.10702 -6,199,386,883 -6,199,386,882.8240 -6,199,386,882.8930 0.56 12 0.14
39 HDTX -0.019 -0.01498 0.035419 -0.05700 629,617,995 629,617,995.0720 629,617,995.0570 0.46 12 -0.29
40 INDR -0.019 -0.00179 0.073161 -0.13795 131,073,543,000 131,073,543,000.1400 131,073,543,000.1380 0.49 13 0.26
41 KARW -0.019 0.00255 0.109634 -0.11148 6,848,195,585 6,848,195,585.1089 6,848,195,585.1115 2.34 11 -0.44
42 MYRX -0.019 -0.02489 21.57077 -0.05185 20,446,975,269 20,446,975,269.0767 20,446,975,269.0519 12.73 11 1.00
43 MYTX -0.019 -0.06217 0.099365 -0.18511 -114,322,513,755 -114,322,513,754.7530 -114,322,513,754.8150 0.90 12 0.16
44 PAFI -0.019 -0.11633 0.044947 -0.09836 -77,310,427,107 -77,310,427,106.7853 -77,310,427,106.9016 1.37 12 -0.89
45 PBRX -0.019 -0.13757 0.064796 -0.02500 2,326,838,430 2,326,838,430.1626 2,326,838,430.0250 0.81 12 -0.10
46 POLY -0.019 0.46200 0.051341 -0.53862 -847,811,105,065 -847,811,105,064.9230 -847,811,105,064.4610 2.98 13 0.27
47 RICY -0.019 -0.03522 0.048075 -0.08506 7,245,441,569 7,245,441,569.1203 7,245,441,569.0851 0.45 12 0.14
48 SSTM -0.019 -0.02551 0.061413 -0.06917 -21,216,955,971 -21,216,955,970.9053 -21,216,955,970.9308 0.63 12 0.05
49 TFCO -0.019 -0.12134 0.068483 -0.04772 252,685,827,000 252,685,827,000.1690 252,685,827,000.0480 0.53 12 0.21
50 UNIT -0.019 -0.13345 0.1329 -0.01879 -717,435,857 -717,435,856.8478 -717,435,856.9812 0.23 11 -0.09
51 UNTX -0.019 -0.29650 0.111793 -0.08839 -55,967,966,167 -55,967,966,166.6151 -55,967,966,166.9116 2.06 11 0.13
Lampiran 1. Ringkasan Data Penelitian