BAB IV ANALISA DAN PEMBAHASAN
4.1 Analisa Hasil Penelitian
1. Uji Normalitas
Model regresi yang baik adalah model yang memiliki distribusi data normal atau mendekati normal. Uji normalitas diperlukan untuk mengetahui normal atau tidaknya distribusi data karena data yang normal merupakan syarat dilakukannya analisis. Data yang normal berarti mempunyai sebaran yang normal pula. Dengan demikian data dianggap dapat mewakili popoulasi. Penelitian ini menggunakan analisis statistik dengan uji Kolmogrov Smirnov. Pedoman pengambilan keputusan rentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji
Kolmogorov Smirnov dapat dilihat dari:
3. nilai Sig. atau signifikan atau probabilitas < 0.05, menunjukkan data berdistribusi tidak normal;
4. nilai Sig. atau signifikan atau probabilitas > 0.05, menunjukkan data berdistribusi normal.
Perhatikan hasil output spss berikut ini : Tabel 4.1
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 44
Normal Parametersa,,b Mean .0000000 Std. Deviation .26970206 Most Extreme Differences Absolute .170 Positive .098 Negative -.170 Kolmogorov-Smirnov Z 1.128
Asymp. Sig. (2-tailed) .157
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil pengolahan data SPSS 17
Dari hasil uji normalitas dengan menggunakan analisis metode
one-sample kolmogorov- smirnov diatas, diketahui bahwa data tersebut
telah terdistribusi secara normal. Hal ini dapat dilihat dari nilai Asymp Sig.(2-tailed) kolmogorov-smirnov dari variabel independen penelitian ini lebih besar dari 0.05 yaitu sebesar 0.157. Untuk lebih jelas, berikut ini disajikan pendekatan yang dilakukan untuk menguji normalitas data yaitu pendekatan grafik histogram dan pendekatan grafik plot data yang terdistribusi normal.
a. Pendekatan grafik histogram
Dalam pendekatan grafik histogram dikatakan normal jika pada kurva tidak terjadi kemiringan baik ke kanan maupun ke kiri dan kurva terlihat sama besar.
Perhatikan hasil output spss berikut ini :
Sumber : Hasil pengolahan data SPSS 17
Dari hasil uji normalitas melalui pendekatan grafik histogram, diperoleh kesimpulan bahwa tampilan pada grafik histogram memberikan pola yang terdistribusi normal. Hal ini dapat dilihat dari bentuk kurva yang memiliki kemiringan yang cenderung seimbang, baik sisi kiri maupun kanan, serta berbentuk lonceng yang hampir sempurna.
b. Pendekatan grafik plot data yang terdistribusi normal
Pendekatan metode ini, yaitu untuk melihat apakah titik – titik mengikuti garis diagonal persamaan atau tidak dan titik – titik tidak ada yang menyebar sembarang atau menjauh dari garis diagonal, jika titik-titik
mengikuti garis diagonal dan titik-titik tidak ada yang menyebar sembarang maka data itu dapat disimpulkan berdistribusi normal.
Perhatikan hasil output spss berikut ini :
Sumber : Hasil pengolahan data SPSS 17
Dari hasil uji normalitas melalui pendekatan grafik plot data yang terdistribusi normal, peneliti juga memperoleh kesimpulan bahwa tampilan
pada grafik plot data memberikan pola yang terdistribusi normal. Hal ini dapat dilihat dari bentuk grafik plot data dimana titik-titik menyebar disekitar garis diagonal serta penyebarannya mendekati garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal. Dengan demikian, secara keseluruhan dapat disimpulkan bahwa nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya.
2. Uji Autokorelasi
Menurut Wijaya (dalam Haryadi dan Julianita, 2011) uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu (disturben term-ed) pada periode t dan kesalahan pengganggu pada periode sebelumnya (t-1). Apabila terjadi korelasi maka hal tersebut menunjukkan adanya problem autokorelasi. Masalah autokorelasi sering terjadi pada data time series (data runtun waktu). Untuk mendeteksi adanya autokorelasi bisa digunakan tes Durbin Watson (DW). Kriteria tes Durbin Watson (DW) : a. jika nilai D-W lebih kecil dari -2 maka terjadi autokorelasi positif. b. jika nilai D-W diantara -2 sampai +2 maka tidak terjadi autokorelasi. c. jika nilai D-W lebih besar dari +2 maka terjadi autokorelasi negatif.
Perhatikan hasil output spss berikut ini : Tabel 4.2
Hasil Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .583a ,340 ,272 ,28320 1,886
a. Predictors: (Constant), Kepemilikan Publik, Dewan Komisaris Independen, Dewan Direksi Komite Audit.
b. Dependent Variable: ROA
Sumber : Hasil pengolahan data SPSS 17
Dari hasil uji autokorelasi diatas dapat disimpulkan bahwa pada penelitian ini tidak terjadi masalah autokorelasi atau pengambilan data time
series. Hal ini dapat dilihat pada tabel yang memperlihatkan nilai statistik
D-W sebesar 1,886, maka nilai ini berada pada kriteria yang ke 2 yaitu jika nilai D-W berada diantara -2 sampai +2 maka tidak terjadi autokorelasi.
3. Uji Heterokedasititas
Menurut Wijaya (dalam Haryadi dan Julianita, 2011) heterokedatisitas menunjukkan bahwa varians variabel tidak sama untuk semua pengamatan atau observasi. Jika varians dari residual satu pengamatan ke pengamatan lain tetap maka disebut homokedatisitas. Model regresi yang baik adalah terjadi homokedasititas dalam model atau dengan kata lain tidak terjadi heterokedatisitas. Ada beberapa cara untuk mendeteksi ada tidaknya heterokedatisitas yaitu dengan deteksi ada atau
tidaknya heterokedatisitas yang dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scarrteplot dengan dasar analisis :
a. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas;
b. jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Perhatikan hasil output spss berikut ini :
Sumber : Hasil pengolahan data SPSS 17
Dari hasil uji heteroskedasitas diatas, dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi ini. Hal ini dapat dilihat pada gambar scatterplot diatas, pada gambar terlihat bahwa titik-titik
menyebar secara acak dan tidak membentuk pola tertentu atau tidak teratur serta titik menyebar dibawah dan diatas angka 0 pada sumbu Y, sehingga model regresi ini layak digunakan dalam penelitian ini.
4. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk meneliti apakah dalam model regresi ditemukan adanya korelasi di antara variabel independen. Jika terjadi korelasi, berarti terjadi masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Untuk melihat ada atau tidaknya multikolinearitas dalam model regrasi dilihat dari nilai tolerance dan lawannya Variance Inflation Factor (VIF). Batasan umum yang dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance > 0.1 atau VIF < 10 .
Perhatikan hasil output spss berikut ini : Tabel 4.3
Hasil Uji Multikolinearitas Coefficientsa Model Collinearity Statistics Tolerance VIF 1 (Constant) Kepemilikan Publik ,954 1,048 Dewan Komisaris Independen ,630 1,588 Dewan Direksi ,482 2,073 Komite Audit ,570 1,756
a. Dependent variable : Y = Kinerja Keuangan Sumber : Hasil pengolahan data SPSS 17
Hasil interpretasi dari output spss diatas sebagai berikut:
a. Pada variabel kepemilikan publik (X1) tidak terjadi multikolinearitas dengan variabel lain karena nilai tolerance sebesar 0.954 > 0.1 dan nilai VIF sebesar 1.048 < 10.
b. Pada variabel dewan komisaris independen (X2) tidak terjadi multikolinearitas dengan variabel lain karena nilai tolerance sebesar 0.630 > 0.1 dan nilai VIF sebesar 1.588 < 10.
c. Pada variabel dewan direksi (X3) tidak terjadi multikolinearitas dengan variabel lain karena nilai tolerance sebesar 0.482 > 0.1 dan nilai VIF sebesar 2.037 < 10.
d. Pada variabel komite audit (X4) tidak terjadi multikolinearitas dengan variabel lain karena nilai tolerance sebesar 0.570 > 0.1 dan nilai VIF sebesar 1.756 < 10.
Berdasarkan hasil SPSS 17 diatas, dapat disimpulkan bahwa variabel kepemilikan publik, variabel dewan komisaris independen, variabel dewan direksi, dan variabel komite audit menunjukkan hasil yaitu nilai tolerance > 0.1 dan VIF <10 hasil ini membuktikan bahwa tidak terdapatnya multikolinearitas sehingga model regresi ini layak digunakan dalam penelitian ini.
4.1.2 Analisis Regresi
Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda. Berdasarkan hasil pengolahan data dengan program SPSS 17. Hasil regresi penelitian dapat dilihat sebagai berikut.
1. Persamaan Regresi Tabel 4.4 Analisis Regresi Coefficientsa Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta 1 (Constant) -,474 ,262 Kepemilikan Publik -,012 ,116 -,013 Dewan Komisaris Independen -,846 ,357 -,388 Dewan Direksi ,396 ,353 ,210 Komite Audit 1,415 ,445 ,548
a. Dependent Variable : Y = ROA
Sumber : Hasil pengolahan data SPSS 17
Dari hasil spss diatas maka persamaan linier berganda yang dihasilkan yaitu sebagai berikut :
Y = a + b1X1 +b2X2 + b3X3 + b4X4
Interpretasi yang dihasilkan dari persamaan regresi diatas sebagai berikut :
a. Nilai konstanta sebesar -0.474, artinya jika nilai variabel kepemilikan publik (X1), dewan komisaris independen (X2), dewan direksi (X3), dan komite audit (X4) bernilai stabil atau nol maka nilai variabel kinerja keuangan (Y) adalah sebesar -0.474.
b. Nilai koefisien variabel kepemilikan publik (X1) sebesar -0.012, artinya jika nilai variabel ini ditingkatkan satu satuan maka akan menurunkan nilai variabel kinerja keuangan (Y) sebesar -0.012 dan sebaliknya jika nilai variabel ini diturunkan satu satuan maka akan menaikkan nilai variabel kinerja keuangan (Y) sebesar -0.012 dalam hal ini terjadi hubungan yang negatif atau berlawanan. c. Nilai koefisien variabel dewan komisaris independen (X2)
sebesar -0.846, artinya jika nilai variabel ini ditingkatkan satu satuan maka akan menurunkan nilai variabel kinerja keuangan (Y) sebesar -0.846 dan sebaliknya jika nilai variabel ini diturunkan satu satuan maka akan menaikkan nilai variabel kinerja keuangan (Y) sebesar -0.846 dalam hal ini terjadi hubungan yang negatif atau berlawanan.
d. Nilai koefisien variabel dewan direksi (X3) sebesar 0.396, artinya jika nilai variabel ini ditingkatkan satu satuan maka akan menaikkan nilai variabel kinerja keuangan (Y) sebesar 0.396 dan sebaliknya jika nilai variabel ini diturunkan satu satuan maka akan menurunkan nilai variabel kinerja keuangan (Y) sebesar 0.396 dalam hal ini terjadi hubungan yang positif searah.
e. Nilai koefisien variabel komite audit (X4) sebesar 1.415, artinya jika nilai variabel ini ditingkatkan satu satuan maka akan menaikkan nilai variabel kinerja keuangan (Y) sebesar 1.415 dan sebaliknya jika nilai variabel ini diturunkan satu satuan maka akan menurunkan nilai variabel kinerja keuangan (Y) sebesar 1.415 dalam hal ini terjadi hubungan positif yang searah.
2. Koefisien Determinasi
Nilai koefisien korelasi (R) menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0.5 dan mendekati 1.
Koefisien determinasi (R square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R
square adalah nol sampai dengan satu. Apabila nilai R square
memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R
square, maka kemampuan variabel-variabel independen dalam
menjelaskan variasi variabel dependen semakin terbatas. Berikut ini merupakan hasil penyajiannya sebagai berikut:
Tabel 4.5
Hasil Uji Koefisien Determinasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .583a ,340 ,272 ,28320
a. Predictors: (Constant), X1=Kepemilikan Publik,
X2=Dewan Komisaris independen, X3= Dewan Direksi, X4=Komite Audit,
b. Dependent Variable: Y= Kinerja Keuangan Sumber : Hasil pengolahan data SPSS17
Hasil uji determinasi pada tabel memperlihatkan bahwa:
a. Nilai R = 0.583 yang berarti hubungan antara variabel kepemilikan publik, dewan komisaris independen, dewan direksi, dan komite audit terhadap kinerja keuangan adalah sebesar 58,3%. Artinya hubungan korelasi tersebut kuat karena nilai R berada diatas 0.5 atau mendekati 1 yaitu 0.583 > 0.5. b. Adjusted R Square sebesar 0.272 yang berarti 27,2 %
faktor-faktor dari kinerja keuangan dapat dijelaskan oleh variable kepemilikan publik, dewan komisaris independen, dewan direksi, dan komite audit sedangkan selebihnya sebesar 72,8 %
dijelaskan oleh faktor lain yang tidak diteliti di dalam penelitian ini.
c. Standard Error of Estimate atau standar deviasi digunakan
untuk mengukur nilai variasi dari nilai yang diprediksi. Standar deviasi dalam penelitian adalah sebesar 0.28320.
4.1.3 Pengujian Hipotesis
Penelitian ini menggunakan model regresi linier berganda, yakni model regresi yang memiliki lebih dari satu variabel independen. Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan menggunakan uji T dan uji F.
1. Uji Parsial (Uji-t)
Uji parsial digunakan untuk mengetahui seberapa jauh pengaruh variabel independen secara parsial dalam menerangkan variasi variabel dependen. Uji parsial ini dilakukan dengan melihat nilai t yakni nilai probabilitasnya.
Kriteria penerimaan atau penolakan hipotesis adalah sebagai berikut :
• Tolak H0 jika nilai probabilitas ≤ taraf signifikan
sebesar 0.05 (Sig. ≤ α 0.05 )
• Terima H0 jika nilai probabilitas > taraf signifikan sebesar 0.05 (Sig. > α 0.05 ).
Berikut ini merupakan hasil penyajiannya sebagai berikut: Tabel 4.6 Hasil Uji t Coefficientsa Model T Sig. 1 (Constant) -1,810 ,078 Kepemilikan Publik -,101 ,920 Dewan Komisaris Independen -2,367 ,023 Dewan Direksi 1,123 ,268 Komite Audit 3,182 ,003
a. Dependent Variable : Y = Kinerja Keuangan Sumber : Hasil pengolahan data SPSS 17
Dari tabel uji t maka interpretasi untuk tiap variable penelitian adalah sebagai berikut:
a. Variabel kepemilikan publik (X1) memiliki pengaruh yang tidak signifikan terhadap variabel kinerja keuangan (Y) yang diproksikan dengan ROA secara parsial karena nilai signifikan 0.920 > 0.05 maka H0 diterima dan Ha ditolak, artinya kepemilikan publik (X1) tidak berpengaruh secara signifikan terhadap kinerja keuangan (Y).
b. Variabel dewan komisaris independen (X2) memiliki pengaruh yang signifikan terhadap variabel kinerja keuangan (Y) yang diproksikan dengan ROA secara parsial karena nilai signifikan 0.023 < 0.05. Maka H0 ditolak dan
Ha diterima, artinya dewan komisaris independen (X2) berpengaruh secara signifikan terhadap kinerja keuangan (Y).
c. Variabel dewan direksi (X3) tidak memiliki pengaruh signifikan terhadap variabel kinerja keuangan (Y) yang diproksikan dengan ROA secara parsial karena nilai signifikan 0.268 > 0.05 maka H0 diterima dan Ha ditolak, artinya dewan direksi (X3) tidak berpengaruh secara signifikan terhadap kinerja keuangan (Y).
d. Variabel komite audit (X4) memiliki pengaruh yang signifikan terhadap variabel kinerja keuangan (Y) yang diproksikan dengan ROA secara parsial karena nilai signifikan 0.003 < 0.05. Maka H0 ditolak dan Ha diterima, artinya komite audit (X4) berpengaruh secara signifikan terhadap kinerja keuangan (Y).
2. Uji Simultan (Uji-F)
Uji simultan dilakukan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model regresi berganda memiliki pengaruh secara simultan atau bersama–sama terhadap variabel dependen. Uji simultan ini dilakukan dengan melihat nilai f yakni nilai probabilitasnya.
Kriteria penerimaan atau penolakan hipotesis adalah sebagai berikut :
• Tolak H0 jika nilai probabilitas ≤ taraf signifikan
sebesar 0.05 (Sig. ≤ α 0.05 )
• Terima H0 jika nilai probabilitas > taraf signifikan sebesar 0.05 (Sig. > α 0.05 ).
Berikut merupakan hasil pengolahannya : Tabel 4.7 Hasil Uji F
ANOVAb Model
Sum of
Squares Df Mean Square F Sig. 1Regressio
n
1.612 4 .403 5.026 .002a
Residual 3.128 39 .080
Total 4.740 43
a. Predictors: (Constant, Kepemilikan Publik, Dewan Komisaris Independen, Dewan Direksi, Komite Audit)
b. Dependent Variable: Kinerja Keuangan (ROA) Sumber : Hasil pengolahan data SPSS 17
Dari table uji F diperoleh nilai signifikan 0,002 < 0.05, maka H0 ditolak dan Ha diterima artinya variabel kepemilikan publik, dewan komisaris independen, dewan direksi, dan komite audit memiliki pengaruh yang signifikan terhadap variabel kinerja keuangan secara simultan atau bersama-sama.