Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik. Peneliti melakukan terlebih dahulu uji asumsi klasik sebelum melakukan pengujian hipotesis.
4.7.1.Pengujian Asumsi Klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi-asumsi klasik seperti normalitas data, autokorelasi, heteroskedastisitas dan asumsi-asumsi klasik lainnya. Adapun pengujian asumsi klasik yang digunakan adalah sebagai berikut:
a. Uji Normalitas
Uji Normalitas bertujuan untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal (Erlina, 2007:103). Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan analisis grafik. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Dalam hal ini kita sebut variabel-variabel bebas ini tidak ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol.
Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah:
1) Koefisien-koefisien regresi menjadi tidak dapat ditaksir.
2) Nilai standar error setiap koefisien regresi menjadi tak terhingga.
Apabila terjadi korelasi antar variabel independen, maka dinamakan terdapat problem multikolinearitas. Pengujian multikolinearitas dilakukan dengan melihat nilai VIF dan korelasi diantara variabel independen.
Ghozali (2005:91) mengemukakan bahwa pengujian multikolinearitas dapat dilakukan dengan melihat nilai Variance Inflation Factor (VIF) dan korelasi di antara variabel independen. Jika nilai VIF >10 atau nilai tolerance < 0,10 maka terjadi multikolonieritas sedangkan apabila nilai VIF < 10 atau nilai tolerance > 0,10 maka tidak terjadi multikolonieritas. Di samping itu, suatu model dikatakan terdapat gejala multikolinearitas, jika korelasi di antara variabel independen lebih besar dari 0,9.
Ada dua cara yang dapat dilakukan menurut Erlina (2007:107) jika terjadi multikolinearitas, yaitu:
1) Mengeluarkan salah satu variabel, misalnya variabel independen A dan B saling berkorelasi dengan kuat, maka bisa dipilih A atau B yang dikeluarkan dari model regresi.
2) Menggunakan metode lanjut seperti Regresi Bayesian atau Regresi Ridge. c. Uji Heteroskedastisitas
Tujuan dari pengujian heteroskedastisitas ini adalah untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu
pengamatan ke pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas. Sebaliknya jika varians berbeda, maka disebut heteroskedastisitas (Erlina, 2007:108). Deteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat ada tidaknya pola tertentu. Jika membentuk pola tertentu maka telah terjadi gejala heteroskedastisitas.
d. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual atau kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu atau time series karena “gangguan” pada seorang individu/kelompok cenderung mempengaruhi “gangguan” pada individu/kelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Pada penelitian ini, uji autokorelasi dilakukan dengan Uji Durbin Watson, karena uji ini yang umum digunakan. Uji ini hanya digunakan untuk autokorelasi tingkat pertama (first order autokorelasi) dan mensyaratkan adanya intercept (konstanta) dalam model regresi.
4.7.2.Pengujian Hipotesis.
Dalam pengujian hipotesis , metode analisis data yang digunakan adalah regresiUji hipotesis terhadap suatu variabel umumnya berupa uji perbedaan antara nilai sampel dengan populasi atau nilai data yang diteliti dengan nilai ekspektasi peneliti (Erlina, 2007: 113). Uji hipotesis secara statistik dilakukan dengan menggunakan uji signifikansi parsial (uji t) . Dan jenis hipotesis perbedaan antar kelompok dapat menggunakan t-test bila terdiri dari dua kelompok dengan kriteria pengambilan keputusan untuk uji t diterangkan sebagai berikut:
H0
H
diterima jika nilai sig > 0,05
a
H
diterima jika nilai sig < 0,05
0
H
diterima jika t hitung < t tabel untuk α = 5%
BAB V
HASIL PENELITIAN DAN PEMBAHASAN
5.1. Deskripsi Data Penelitian
Setelah melalui berbagai tahapan penelitian yang telah direncanakan, penelitian ini menghasilkan berbagai hal yang berhubungan dengan masalah yang diajukan pada bagian awal. Hasil statistik deskriptif memberikan gambaran umum terhadap data yang digunakan dalam penelitian ini. Sebelum mengadakan pengujian hipótesis terhadap kualitas data yang digunakan untuk menjamin terpenuhinya asumsi yang diperlukan terhadap model regresi.
Pada penelitian ini menggunakan Good Corporate Covernance (GCG) sebagai variabel independent dengan indikator yang di gunakan adalah Kepemilikan Direksi, Kepemilikan Institusional, Ukuran Dewan komisaris, Ukuran Dewan komisaris independent dan Komite Audit. Sedangkan variabel dependent nya adalah Kinerja Keuangan dengan indikator yang di gunakan adalah rasio Return On Asset (ROA). Sedangkan Manajemen laba (ML) sebagai variabel intervening. Sebagaimana diterangkan dalam kerangka konsep bahwa Good Corporate Covernance (GCG) sebagai variabel independen dan Kinerja Keuangan sebagai variabel dependen merupakan variabel Laten atau variabel unobservable maka dalam penelitian ini menggunkanan metode total Skor. Setelah dilakukan regresi atas penelitian ini dengan menggunakan metode statistik diperoleh hasil-hasil sebagai berikut:
Dari Tabel 5.1 statistik deskriptif dapat dijelaskan bahwa jumlah sampel data adalah 72 diambil dengan menggunakan jenis data sekunder, dan ditunjukkan bahwa nilai Earning Manajemen maximum sebesar 0,6759 , nilai minimumnya
sebesar -1,0823 dan nilai diskresioner akrual rata-rata sebesar 0,002837. Dengan
nilai Earning Manajemen rata-rata yang positif maka dapat disimpulkan bahwa perusahaan yang dijadikan observasi dalam penelitian ini rata-rata melakukan
aktivitas earning management dalam bentuk peningkatan laba (income
increasing).
Tabel 5.1. Deskriptif Data
