BAB IV ANALISA DAN PEMBAHASAN
B. Analisis Hasil Penelitian
Metode yang digunakan dalam penelitian ini adalah metode statistic deskriptif, yaitu peneltian yang dilakukan untuk memperoleh gambaran yang sebenarnya tentang kondisi perusahaan dalam analisis. Statistic deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, dan nilai rata-rata (mean), dan nilai standar deviasi dari variabel-variabel independen
dan variabel dependen. Informasi yang dibutuhkan dalam penelitian ini merupakan data sekunder yang diperoleh dari Capital Market Directory berupa data keuangan sampel perusahaan Food and Beverages dari tahun 2007 sampai tahun 2009 yang dijabarkan dalam bentuk statistic.
Variabel dalam penelitian ini terdiri dari ukuran perusahaa, likuiditas, leverage dan profitabilitas sebagai variabel bebas (independent variabel) dan kelengkapan pengungkapan sebagai variabel terikat (independent variabel). Statistic deskriptif dari variabel tersebut dari sampel perusahaan food and beverages selama periode tahun 2007 sampai dengan tahun 2009 disajikan dalam table 4.1 berikut ini:
Table 4.1
Satistik Deskriptif Variabel-Variabel selama tahun 2007 sampai Tahun 2009
N Mean Std. Deviation Minimum Maximum Ukuran perusahaan 42 27.7343 1.46324 25.03 31.33 CR 42 .6233 .65264 -.53 2.06 DER 42 .1159 1.10465 -1.30 4.17 ROE 42 -1.9524 1.04485 -4.34 1.17 Kelengkapan Pengungkapan 42 -.4904 .07991 -.69 -.33
Table diatas menunjukkan bahwa variabel current ratio, debt to equity ratio (DER), return on equity (ROE), kelengkapan pengungkapan mimiliki nilai minimum negative sedangkan ukuran perusahaan memiliki nilai minimum positif. Untuk nilai maksimum hanya kelengkapan pengungkapan yang memiliki nilai negative. Berikut ini perincian data deskriptif yang telah diolah:
a. Variabel ukuran perusahaan memiliki nilai minimum 25.03 dan nilai maksimum 31.33 dengan rata-rata ukuran perusahaan 27.73 dengan jumlah sampel sebanyak 42 perusahaan.
b. Variabel likuditas (CR) memiliki nilai minimum -0.53 dan nilai maksimum 2.06 dengan rata-rata CR 0.62 dengan jumlah sampel sebanyak 42 perusahaan -1.30
c. Variabel leverage ( DER) memiliki nilai minimum -1.30 dan nilai maksimum 4.17 dengan rata-rata DER 0.11 dengan jumlah sampel sebanyak 42 perusahaan.
d. Variabel profitabilitas (ROE) memiliki nilai minimum -4.34 dan nilai maksimum 1.17 dengan rata-rata ROE -2.95 dengan jumlah sampel sebanyak 42 perusahaan.
e. Variabel kelengkapan pengungkapan memiliki nilai minimum -0.69 dan nilai maksimum -0.33 dengan rata-rata kelengkapan pengungkapan -0.49 dengan jumlah sampel 42 perusahaan.
2. Uji Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu. Pengujian asumsi klasik yang telah dilakukan adalah sebagai berikkut:
1) Uji Normalitas
Uji normalitas bertujuan untuk mrnguji apakah variabel residual berdistribusi normal. Pengujiian normalitas data dalam penelitian ini menggunakan uji statistic non parametric Kolmogorov-Smirnov(K-S) dengan membuat hipotesis:
H0 : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Dalam pengujian Kolmogrov-Smirnov, pedoman yang diguanakan dalam pengambilan keputusan yaitu:
1) Jika nilai signifikansi < 0,05 maka distribusi tidak normal 2) Jika niali signifikansi > 0.05 maka distribusi tidak normal
Table 4.2 Uji normalitas
One-Sample Kolmogorov-Smirnov Test B
_ukuran CR DER ROE Kelengkapan
N 42 42 42 42 42
Normal Parametersa Mean 27.7343 .6233 .1159 -1.9524 -.4904
Std. Deviation 1.46324 .65264 1.10465 1.04485 .07991 Most Extreme Differences Absolute .167 .134 .121 .134 .153 Positive .167 .134 .121 .134 .153 Negative -.158 -.065 -.100 -.116 -.130 Kolmogorov-Smirnov Z 1.081 .868 .787 .871 .991
Asymp. Sig. (2-tailed) .193 .438 .565 .434 .280
a. Test distribution is Normal.
Sumber : data diolah oleh penulis, 2011
Dari hasil pengolahan data tersebut, besarnya nilai Kolmogorov-Smirnov adalah 0.991 dan signifikansinya pada 0,280 maka disimpulkan data terdistribusi normal karena p = 0,280 > 0,05. Data yang terdistribusi histogram dan grafik normal plot data berikut ini:
Gambar 4.1 Sumber : data diolah oleh penulis, 2011
Gambar 4.2 Grafik normal P-P Plot Sumber: data diolah oleh penulis, 2011
Berdasarkan grafik diatas dapat dikemukakan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng (skewness) ke kiri maupun ke kanan. Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
b. Uji Multikoliniearitas
Mendeteksi ada tidaknya gejala multikolineritas adalah dengan melihat nilai tolerance dan variance inflation factor (VIF), serta menganalisis matrik kolerasi variabel-variabel independen. Besarnya tingkat multikolniearitas yang masih dapat ditolerir, yaitu: Tolerance > 0,10, dan nilai Variance Inflation Factor (VIF) < 10. Berikut disajikan table hasil pengujian :
Table 4.3
Hasil Uji Multikoliniaritas
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -1.038 .238 -4.366 .000 Ukuran .019 .008 .350 2.305 .027 .937 1.067 CR -.027 .021 -.217 -1.257 .217 .729 1.371 DER .003 .014 .047 .238 .813 .568 1.761 ROE -.017 .013 -.222 -1.287 .206 .729 1.372 a. Dependent Variable: kelengkapan
Sumber : Data diolah oleh penulis, 2011
Berdasarkan pada table diatas, dapat disimpulkan bahwa tidak terjadi gejala multikoliniearitas antara varibel inpenden yang diindikasikan dari nilai tolerance setiap variabel lebih besar dari 0,1. Nilai tolerance ukuran perusahaan adalah 0,937; CR 0,729; DER 0,568; ROE 0,729. Nilai VIF kelima variabel independen lebih kecil dari 10 yaitu ukuran perusahaan
1.067;CR 1.3371; DER 1,761; ROE 1,372. Maka dapat disimpulkan bahwa analisis lebih lanjut dapat dilakukan dengan menggunakan model regresi berganda.
c. Uji heterodastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat plot grafik yang dihasilkan darai pengolahan menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
1. Jika ada pola tertentu, seperti titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudain menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik-titik yang menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas atau terjadi homoskedastisitas.
Berikut ini dilampirkan grafifk scatterplot untuk menganalisis apakah terjadi heterokedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.3 Scatterpolt Sumber : data diolah oleh penulis , 2011
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi kelengkapan pengungkapan berdasarkan masukan variabel independen ukuran perusahaan, CR, DER dan ROE. Adanya titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya data observasi yang sangat berbeda dengan data observasi lainnya.
d. Uji Autokolerasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada kolerasi antara kesalahan penggangu pada periode t dengan kesalahan pada periode t-1. Autokolerasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan dengan yang lainnya. Hal ini sering ditemukan pada data time series. Cara yang dapat digunakan untuk mendetuksi masalah autokolerasi adalah dengan menggunakan nalai uji Durbin Watson. Untuk uji Durbin Watson memiliki ketentuan sebagai berikut:
1) angka D-W di bawah -2 berarti ada autokolerasi positif,
2) angka D-W di antara -2 sampai dengan +2 berarti tidak ada autokolerasi,
3) angka D-W di atas +2 berarti autokolerasi negative.
Table 4.4
Hasil uji Durbin Watson
Model R R Square
Adjusted R
Square Std. Error of the Estimate Durbin-Watson
1 .446a .199 .112 .07528 1.630
a. Predictors: (Constant),ukuran perussahaan, CR, DER, ROE b. Dependent Variable: kelengkapan
statistic ini menunjukkan nilai D-W berada diantara -2 sampai 2. Nilai D-W berada diantara -2<1,630<2. Dari hasil pengamatan, dapat disimpulkan bahwa tidak terjadi autokolerasi.
3. Analisis Regresi
Berdasarkan hasil pengujian asumsi klasik dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Unbased Estimator (BLUE) dan layak dilakukan analisis regresi. Untuk menguji hipotesis, peneliti menggunakan analsis regersi berganda. Berdasarkan hasil pengolahan data dengan program SPSS 17, maka diperoleh hasil sebagai berikut:
a. Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen, melalui pengaruh ukuran perusahaan, CR, DER, dan ROE terhadap kelengkapan pengungkapan. Berdasarkan hasil pengolahan data dengan SPSS versi 17, maka diperoleh hasil sebagai berikut:
Table 4.5 Hasil Analisis Regresi
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -1.038 .238 -4.366 .000 ukuran .019 .008 .350 2.305 .027 CR -.027 .021 -.217 -1.257 .217 DER .003 .014 .047 .238 .813 ROE -.017 .013 -.222 -1.287 .206
a. Dependent Variable: kelengkapan pengungkapan
Sumber : data diolah oleh penulis, 2011
Berdasarkan table diatas didapatlah persamaan regresi sebagai berikut kelengkapan pengungkapan = -1,038 + 0,019 ukuran perusahaan – 0,027 CR + 0,003 DER – 0,017 ROE + µ
Keterangan :
1. Konstanta sebesar -1,038 menunjukkan bahwa apabila tidak ada variabel independen (ukuran perusahaan, CR, DER dan ROE) maka tingkat kelengkapan pengungkapan laporan keuangan sebesar 1,038.
2. β1 sebesar 0,019 menunjukkan bahwa setiap kenaikan ukuran perusahaan sebesar 1% akan diikuti oleh kenaikan kelengkapan pengungkapan laporan keuangan sebesar 0,019 dengan asumsi variabel lain tetap.
3. β2 sebesar -0,027 menunjukkan bahwa setiap kenaikan CR sebesar 1% akan diikuti oleh penurunan kelengkapan pengungkapan laporan keuangan sebesar 0,027 dengan asumsi variabel lain tetap.
4. β3 sebesar 0,003 menunjukkan bahwa setiap kenaikan DER sebesar 1% akan diikuti oleh kenaikan kelengkapan pengungkapan laporan keuangan sebesar 0,003 dengan asumsi variabel lain tetap.
5. β5 sebesar -0,017 menunjukkan bahwa setiap kenaikan ROE sebesar 1% akan diikuti oleh penurunan laporan keuangan sebesar 0,017 dengan asumsi variabel lain tetap.
b. Analisis koefisien determinasi
Nilai koefisien kolerasi (r) menunjukkan besar kolerasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien dikatakan kuat apabila kuat apabila data nilai R berada diantara 0,5 dan mendekati 1. Koefisien determinasi (R Square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R Square adalah 0 sampai dengan 1. Apabila nilai R Square makin mendekati semua informasi yang dibutuhkan untuk memprediksi variasi veriabel independen. Sebaliknya, semakin kecil nilai R Square maka kemampuan variabel-variabel independen untuk menjelaskan variasi variabel dependen semakin terbatas.
Nilai R Square memiliki kelemahan yaitu nilai R Square akan menungkat setiap ada penambahan satu variabel dependen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel
dependen. Dalam kenyataannya nilai adjusted R Square dapat bernilai negative, walaupun yang dikehendaki harus bernilai positif. Jika dalam uji empiris didapat nilai R Square negative, maka nilai adjusted R Square dianggap nol.
Table 4.6 Model Summary Model R R Square
Adjusted R
Square Std. Error of the Estimate
1 .446a .199 .112 .07528
a. Predictors: (Constant), ROE, ukuran , CR, DER b. Dependent Variable: kelengkapan
Sumber : Data diolah oleh penulis, 2011
Model summary pada table diatas menunjukkan bahwa nilai koefisien (r) sebesar 0,446 yang berarti bahwa kolerasi atau hubungan antara kelengkapan pengungkapan laporan keuangan dengan variabel independennnya (ukuran perusahaan, CR, DER dan ROE). Lemah karena kurang dari 0,5. Angka adjusted R Square atau koefisien determinasi adalah 0,112. Angka ini sama dengan nol karena bernilai negative. Hal ini berarti tidak ada variasi atau perubahan variasi atau perubahan dalam kelengkapan pengungkapan dapat dijelaskan oleh ukuran perusahaan, CR, DER dan ROE , sedangkan sisanya 100% dapat dijelaskan oleh variabel-veriabel lain yang tidak dimasukkan dalam persamaan. Standard error of estimasi (SEE) adalah 0,0752, yang mana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
c. Pengujian hipotesis
Untuk mengetahui apakah variabel independen dlam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan menggunakan uji t (t- test) dan uji F (F- test).
1. Uji t (t-test)
Uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Berdasarkan hasil pengolahan SPSS versi 17, diperoleh hasil sebagai berikut:
Table 4.7 Hasil Uji t-test Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -1.038 .238 -4.366 .000 Ukuran .019 .008 .350 2.305 .027 CR -.027 .021 -.217 -1.257 .217 DER .003 .014 .047 .238 .813 ROE -.017 .013 -.222 -1.287 .206
a. Dependent Variable: kelengkapan pengungkapan
Sumber : Data diolah oleh penulis,2011
Ukuran perusahaan menunjukkan thitung sebesar 2,305 dengan nilai signifikansi 0,027, sedangkan ttable adalah 2,01 sehingga thitung > ttable (2,305>2,01), maka ukuran perusahaan secara individual mempengaruhi
kelengkapan pengungkapan laporan keuangan. signifikansi penelitian juga menunjukkan angka <0,05(0,027<0,05), maka Ha1 diterima. Artinya ukuran perusahaan berpengaruh signifikan terhadap kelengkapan pengungkapan laporan keuangan.
CR menunjukkan thitung sebesar -1,257 dengan nilai signifikansi 0,217 sedangkan ttable adalah 2,01, sehingga thitung < ttable (-1,257<2,01), maka CR secara individual tidak mempengaruhi kelengkapan pengungkapan laporan keuangan. signifikansi penelitian juga menunjukkan angka > 0,05 (0,217>0,05), maka Ha2 ditolak, artinya likuditas tidak berpengaruh terhadap kelengkapan pengungkapan laporan keuangan.
DER menunjukkan thitung sebesar 0,238 dengan nilai signifikansi 0,813 sedangkan ttable adalah 2,01, sehingga thitung < ttable (0,238 <2,01), maka DER secara individual tidak mempengaruhi kelengkapan pengungkapan laporan keuangan. signifikansi penelitian juga menunjukkan angka > 0,05 (0,813>0,05), maka Ha3 ditolak artinya leverage tidak berpengaruh terhadap kelengkapan pengungkapan laporan keuangan.
ROE menunjukkan thitung sebesar -1,287 dengan nilai signifikansi 0,260 sedangkan ttable adalah 2,01, sehingga thitung < ttable (-1,287<2,01) maka ROE secara individual tidak mempengaruhi kelengkapan pengungkapan laporan keuangan. signifikansi penelitian juga menunjukkan angka > 0,05 (0,260> 0,05), maka Ha4 ditolak, artinya ROE tidak berpengaruh terhadap kelengkapan pengungkapan laporan keuangan.
2. Uji F (F-test)
Untuk melihat pengaruh ukuran perusahaan, likuiditas, leverage dan profitabilitas terhadap kelengkapan pengungkapan laporan keuangan secara simultan dapat dihitung dengan menggunakan F test. Berdasaarkan hasil pengolahan data dengan program SPSS 17, maka diperoleh hasil sebagai berikut:
Table 4.8 Hasil Uji F-Test
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression .052 4 .013 2.299 .077a
Residual .210 37 .006
Total .262 41
a. Predictors: (Constant), ln_profitabilitas, ln_ukuran, ln_likuiditas, ln_leverage b. Dependent Variable: kelengkapan
Sumber : data diolah oleh penulis, 2011
Dari uji ANOVA atau F test, dapat diperoleh Fhitung sebesar 2.299 dengan tingkat signifikansi 0,077, sedangkan Ftabel sebesar 2,60 dengan signifikansi 0,05. Berdasarkan hasil penelitian tersebut dapat disimpulkan bahwa ukuran perusahaan, likuditas, leverage dan profitabilitas secara simultan tidak berpengaruh terhadap kelengkapan pengungkapan laporan keuangan karena Fhitung < Ftabe (2,299 < 2,60) dan signifikansi penelitian > 0,05 (0,07>0,05).