1

Yuni Pristiwati Noer W

STIE Swastamandiri Surakarta

Jl. Tejonoto I Jogosuran Gading Surakarta

yuni_pristi@yahoo.com / 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