4. BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1.3 Analisis Data
Metode analisis data dalam peneltian ini adalah analisis kuantitatif yang
meliputi analisis deskriptif, uji normalitas, uji asumsi klasik, uji regresi linear
berganda, uji hipotesis dan keofisien determinasi.
1. Hasil Uji Normalitas
Uji normalitas digunakan untuk menguji apakah nilai residual
terdistribusi secara normal atau tidak. Model regresi yang baik adalah yang
memiliki distribusi normal atau mendekati normal. Jika data berdistribusi normal
maka model regresi yang digunakan memenuhi asumsi normalitas (irawan, 2010).
Untuk mengetahui apakah data berdistribusi normal atau tidak maka dapat
menggunakan analisis grafik, plots, danone sample kolmogorov-smirnov. Berikut
adalah Gambar 4.1 Grafik Normal P-Plot Of Regression Standardized Residual
berikut:
Gambar 4.1GrafikNormal Probability Plot
Sumber: Lampiran 1OutputSPSS
Berdasarkan Gambar 4.1 output regresi diatas diketahui bahwa model
plot terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya
mengikuti arah garis diagonal sehingga memenuhi asumsi normalitas. Dengan
menggunakan grafik histogram, hasil uji normalitas data juga dapat dilihat pada
Gambar 4.2 Grafik histogram berikut:
Gambar 4.2Grafik Histogram
Sumber: Lampiran 1OutputSPSS
Berdasarkan Gambar 4.2 grafik histogram diatas menunjukkan bahwa
bentuk gafik mengikuti bentuk lonceng yang berarti bahwa model regresi
berdistribusi normal. Selain itu hasil uji normalitas juga dapat dilihat
menggunakan one sample kolmogorov-smirnov, yang disajikan pada Tabel 4.11
Berikut ini:
Tabel 4.11Output UjiKolmogorov-Smirnov
Unstandardized Residual
N 30
Asymp. Sig. (2-tailed) 0,922
Sumber: Lampiran 1OutputSPSS
Berdasarkan Tabel 4.11 UjiKolmogorov-Smirnovdi atas, diperoleh hasil
tersebut menunjukkan bahwa data yang diambil berdistribusi normal karena
signifikansiAsymp. Sig. 2-tailedlebih besar dari taraf signifikansi.
2. Hasil Uji Asumsi Klasik
Model regresi linear berganda (multiple regression) dapat dikatakan
sebagai model yang baik jika model tersebut memenuhi criteria BLUE (Best
Linear Unbiased Estimator). BLUE dapat dicapai bila data terdistribusi normal
dengan menggunakan uji normalitas serta terbebas dari gejala autokorelasi,
multikolinearitas, dan heteroskedastisitas (Setyadharma, 2010).
a. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji apakah dalam model
regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variabel bebas (Priyatno, 2011).
Metode pengujian yang biasa digunakan adalah dengan melihat nilai Inflation
Factor(VIF) dan tolerancepada model regresi. Jika nilai VIF kurang dari 10 dan
tolerance lebih dari 0,1 maka model regresi terbebas dari masalah
multikolinearitas. Hasil uji multikolinearitas dapat dilihat pada Tabel 4.12 berikut:
Tabel 4.12Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF (constant) X1 0,278 3,596 X2 0,220 4,551 X3 0,832 1,202 X4 0,630 1,586
Berdasarkan Tabel 4.12 hasil uji multikolinearitas di atas, dapat diketahui
bahwa nilai VIF seluruh variabel independen kurang dari sepuluh dan nilai
tolerance lebih dari 0,1. Hasil tersebut menunjukkan bahwa keempat variabel
independen terbebas dari masalah multikolinearitas.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan varian dari residual pada satu pengamatan ke
pengamatan lain. Model regresi yang baik adalah jika tidak mengalami masalah
heteroskedastisitas. Metode yang bisa digunakan untuk menentukan terjadi maslah
heteroskedastisitas adalah dengan uji korelasi spearman, uji glejser, uji park, dan
scatterplot (nilai prediksi ZPRED dengan residual SRESID). Model Regresi
terbebas dari asumsi heteroskedastisitas apabila grafik scatterplot membentuk pola
dengan titik-titik menyebar diatas maupun dibawah sumbu Y. Hasil uji
heteroskedastisitas dapat dilihat pada Gambar 4.3 berikut:
Gambar 4.3GrafikScatterplot
Berdasarkan Gambar 4.3 Grafik scatterplot, dapat dilihat bahwa ada
pola-pola yang jelas dengan titik-titik menyebar diatas ataupun dibawah sumbu 0
dan sumbu Y. Hasil tersebut menunjukkan bahwa model tersebut terbebas dari
masalah heteroskedastisitas. Agar lebih meyakinkan apakah terdapat masalah
heteroskedastisitas maka dilakukan ujiglejser yang dapat dilihat pada Tabel 4.13
berikut:
Tabel 4.13Hasil UjiGlejser
Model Unstandardized Coefficients
B Sig. (constant) 0,021 0,495 X1 0,015 0,577 X2 -0,044 0,215 X3 0,011 0,726 X4 0,028 0,276
Sumber: Lampiran 1OutputSPSS
Berdasarkan Tabel 4.13 Uji glejser diatas menunjukkan bahwa nilai
keofisien variabel bebas (indeks grayleverage, indeks gray likuiditas, indeks gray
profitabilitas, indeks gray porsi saham publik) sebesar (0,15; -0,044; 0,011; 0.028)
dengan nilai signifikansi (0,495; 0,577; 0,215; 0,726; 0,276) menunjukkan bahwa
semua nilai tersebut lebih besar dari 0,05 yang berarti bahwa model regresi
terbebas dari masalah heteroskedastisitas.
3. Analisis Regresi Linear Berganda
Analisis yang selanjutnya dilakukan setelah model regresi terbebas dari
asumsi klasik adalah analisis regresi linear berganda. Analisis regresi linear
independen (bebas) dengan satu variabel dependen (terikat) yang ditampilkan
dalam bentuk persamaan regresi (Priyatno, 2011). Pengaruh variabel independen
(indeks gray leverage, indeks gray likuiditas, indeks gray profitabilitas, dan
indeks gray porsi saham publik) terhadap variabel dependen (pengungkapan
laporan keuangan) perusahaan perbankan dapat dilihat pada Tabel 4.14 hasil
output regresi linear berganda berikut:
Tabel 4.14Hasil Regresi Linear Berganda
Model Unstandardized Coefficients
B (constant) 0,342 X1 0,107 X2 0,080 X3 0,095 X4 0,230
Sumber: Lampiran 1OutputSPSS
Berdasarkan Tabel 4.14 hasil output regresi linear berganda diatas
diketahui bahwa persamaan regresi linear dari model penelitian ini adalah sebagai
berikut:
Y = 0,324 + 0,107 X1+ 0,080 X2+ 0,095 X3+ 0,230 X4
Berdasarkan persamaan diatas dapat diketahui beberapa pengertian
berikut:
1) Nilai konstanta sebesar 0,342 berarti bahwa jika variabel independen
(indeks gray leverage, indeks gray likuiditas, indeks gray profitabilitas,
dan indeks gray porsi saham publik) nilainya tetap (0), maka nilai
2) Koefisien regresi variabel indeks gray leverage sebesar 0,107 yang
berarti bahwa jika indeks grayleveragemengalami kenaikan satu-satuan
(1%), maka pengungkapan laporan keuangan akan mengalami
peningkatan sebesar 0,107 dengan asumsi variabel bebas lainnya tetap.
3) Koefisien regresi variabel indeks gray likuiditas sebesar 0,080 yang
berarti bahwa jika indeks gray likuiditas mengalami kenaikan satu-satuan
(1%), maka pengungkapan laporan keuangan akan mengalami
peningkatan sebesar 0,080 dengan asumsi variabel bebas lainnya tetap.
4) Koefisien regresi variabel indeks gray profitabilitas sebesar 0,095 yang
berarti bahwa jika indeks gray profitabilitas mengalami kenaikan
satu-satuan (1%), maka pengungkapan laporan keuangan akan mengalami
peningkatan sebesar 0,095 dengan asumsi variabel bebas lainnya tetap.
5) Koefisien regresi variabel indeks gray porsi kepemilikan saham publik
sebesar 0,230 yang berarti bahwa jika indeks gray porsi kepemilikan
saham publik mengalami kenaikan satu-satuan (1%), maka
pengungkapan laporan keuangan akan mengalami peningkatan sebesar
0,230 dengan asumsi variabel bebas lainnya tetap.
4. Uji Hipotesis
Uji hipotesis dilakukan untuk mengetahui apakah variabel independen
memiliki pengaruh terhadap variabel dependen (menolak Ho atau meneima Ho).
Untuk mengetahui hal tersebut dapat dilihat melalui uji simultan (uji F) dan uji
a. Uji F
Uji F adalah uji keofisien regresi secara bersama-sama. Uji F digunakan
untuk menguji pengaruh variabel bebas (indeks gray leverage, indeks gray
likuiditas, indeks gray profitabilitas, dan indeks gray porsi saham publik) secara
bersama-sama terhadap variabel terikat (pengungkapan laporan keuangan). Untuk
mengetahui pengaruh variabel independen terhadap variabel dependen melalui uji
F dapat dilihat pada Tabel 4.15 berikut:
Tabel 4.15Hasil Uji Simultan
Model F Sig
1 Regression 17,710 0,000a
Residual Total Sumber: Lampiran 1 Output SPSS
Dari Tabel 4.15 hasil uji simultan di atas diketahui bahwa nilai F hitung
sebesar 17,071 yang berarti dan nilai F tabel pada tabel uji uji F sebesar 3,056
yang beararti bahwa nilai F hitung > F tabel (17.071>3,056), maka Ho ditolak dan
menerima Ha yang berarti bahwa indeks gray leverage, indeks gray likuiditas,
indeks gray profitabilitas, dan indeks gray porsi saham publik secara simultan
(bersama-sama) berpengaruh terhadap pengungkapan laporan keuangan.
Persentase pengaruh variabel independen secara simultan terhadap
variabel dependen dalam model penelitian ini dapat dilihat melaui koefisien
determinasi. Analisis determinasi digunakan untuk mengetahui persentase
sumbangan pengaruh variabel independen secara bersama-sama terhadap variabel
dependen (Priyatno, 2011). Hasil analisis determinasi dapat dilihat pada output
dari dua variabel independen menggunakan adjusted R square sebagai koefisien
determinasi.Adjusted R squareadalah nilaiR squareyang telah disesuaikan.
Berdasarkan output regresi pada lampiran 1 dapat diketahui angka
adjusted R square sebesar 0,697 atau 69,7%. Hasil tersebut menunjukkan bahwa
persentase sumbangan pengaruh variabel independen indeks grayleverage, indeks
gray likuiditas, indeks gray profitabilitas, dan indeks gray porsi saham publik
sebesar 69,7%. Atau variasi variabel bebas yang digunakan dalam model regresi
mampu menjelaskan sebesar 69,7% variasi variabel dependen. Sedangkan sisanya
sebesar 43% dipengaruhi oleh variabel lain yang tidak dimasukkan dalam model
penelitian ini. Selain itu nilaistandar error of the estimate(SEE) sebesar 0,04387
atau 4,4%. Artinya apabila semakin kecil nilai SEE akan membuat model regresi
semakin tepat dalam memprediksi variabel dependen.
b. Uji t
Uji t digunakan untuk mengetahui pengaruh masing-masing variabel
independen (indeks gray leverage, indeks gray likuiditas, indeks gray
profitabilitas, dan indeks gray porsi saham publik) terhadap variabel dependen
(pengungkapan laporan keuangan). Uji parsial dapat diketahui dengan melihat
tingkat signifikansi masing masing koefisien dari hasil output regresi linear
dengan menggunakan ߙ= 5%. Apabila dari masing-masing variabel bebas terlihat bahwa nilai signifikansi < 0,05 maka menolak Ho dan menerima Ha yang berarti
bahwa masing-masing variabel bebas yang dimaksud berpengaruh terhadap
variabel terikat. Hasil output regresi linear uji t dapat dilihat pada Tabel 4.16
Tabel 4.16Hasil Uji Parsial
Model Unstandardized Coefficients
B Sig. 1 Constant 0,342 0,000 X1 0,107 0,214 X2 0,080 0,007 X3 0,095 0,028 X4 0,230 0,000
Sumber: Lampiran 1OutputSPSS
Dari Tabel 4.16 uji parsial di atas dapat diketahui beberapa kesimpulan
berikut:
(a) Uji t antara indeks grayleveragedengan pengungkapan laporan keuangan.
Dari Tabel 4.16 diketahui bahwa variabel indeks gray leverage memiliki
nilai koefisien 0,107 dan nilai signifikansi 0,214. Nilai tersebut lebih besar dari
0,05 yang berarti bahwa Ho diterima. Hasil Ini menunjukkan bahwa tidak ada
pengaruh implementasi IFRS dalam indeks grayleverageterhadap pengungkapan
laporan keuangan.
(b) Uji t antara indeks gray likuiditas dengan pengungkapan laporan
keuangan.
Dari Tabel 4.16 diketahui bahwa variabel indeks gray likuiditas memiliki
nilai koefisien 0,080 dan nilai signifikansi 0,007. Nilai signifikansi 0,007 lebih
kecil dari 0,05 yang berarti bahwa Ho ditolak dan menerima H2. Hasil ini
menunjukkan bahwa implementasi IFRS dalam indeks gray likuiditas
berpengaruh terhadap pengungkapan laporan keuangan.
(c) Uji t antara indeks gray profitabilitas dengan pengungkapan laporan
Dari Tabel 4.16 diketahui bahwa variabel indeks gray profitabilitas
memiliki nilai koefisien 0,095 dan nilai signifikansi 0,028. Nilai signifikansi
0,028 lebih kecil dari 0,05 yang berarti bahwa Ho ditolak dan menerima H3. Hasil
ini menunjukkan bahwa implementasi IFRS dalam indeks gray profitabilitas
berpengaruh terhadap pengungkapan laporan keuangan.
(d) Uji t antara indeks gray porsi saham publik dengan pengungkapan laporan
keuangan.
Dari Tabel 4.16 diketahui bahwa variabel indeks gray porsi kepemilikan
saham publik memiliki nilai koefisien 0,230 dan nilai signifikansi 0,000. Nilai
signifikansi 0,000 lebih kecil dari 0,05 yang berarti bahwa Ho ditolak dan
menerima Ha4. Hasil ini menunjukkan bahwa implementasi IFRS dalam indeks
gray porsi kepemilikan saham publik berpengaruh terhadap pengungkapan
laporan keuangan.
Secara singkat hasil penelitian ini dijelaskan melalui Tabel 4.17 berikut:
Tabel 4.17Hasil Uji Hipotesis
Hipotesis Keterangan Hasil
H1 Implementasi IFRS dalam indeks grayleverage
berpengaruh terhadap pengungkapan laporan keuangan
Ditolak
H2 Implementasi IFRS dalam indeks gray likuiditas berpengaruh terhadap pengungkapan laporan keuangan
Diterima
H3 Implementasi IFRS dalam indeks gray Profitabilitas berpengaruh terhadap pengungkapan laporan keuangan
Diterima
H4 Implementasi IFRS dalam indeks gray porsi saham publik berpengaruh terhadap pengungkapan laporan keuangan
Diterima
H5 Implementasi IFRS dalam indeks grayleverage,likuiditas, profitabilitas, dan porsi saham publik berpengaruh
terhadap pengungkapan laporan keuangan
Diterima