BAB IV ANALISIS HASIL PENELITIAN
4.2 Analisis Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran mengenai karakteristik variabel penelitian yang diamati. Statistik deskriptif variabel yang digunakan dalam penelitian dapat dilihat pada tabel 4.1.
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
DA 63 -,25317 ,62191 ,0811892 ,14305329 KI 63 ,11100 ,87780 ,6424592 ,21548144 KM 63 ,00000 1,00000 ,3968254 ,49316890 JKA 63 ,00000 7,00000 3,2063492 1,08000493 FPKA 63 ,00000 38,00000 7,8412698 7,27391794 KDK 63 ,25000 ,66667 ,4461451 ,11417079 LEV 63 ,03269 7,69416 ,8365629 1,21207952 ROA 63 -,37837 ,40239 ,0376545 ,12491306 SIZE 63 23,13513 32,57904 28,4906569 2,43371408 Valid N (listwise) 63
Dari tabel 4.1 di atas dapat dijelaskan statistik masing-masing variabel penelitian yaitu :
1. Variabel dependen manajemen laba (DA) memiliki nilai minimum -0,25317, nilai maksimum 0,62191, nilai rata-rata 0,0811892, dan standar deviasi 0,14305329 dengan jumlah sampel sebanyak 63.
2. Variabel independen kepemilikan institusional (KI) memiliki nilai minimum 0,111, nilai maksimum 0,8778, nilai rata-rata 0,6424592, dan standar deviasi 0,21548144 dengan jumlah sampel sebanyak 63.
3. Variabel independen kepemilikan manajerial (KM) memiliki nilai minimum 0, nilai maksimum 1, nilai rata-rata 0,3968254, dan standar deviasi 0,4931689 dengan jumlah sampel sebanyak 63.
4. Variabel independen jumlah komite audit (JKA) memiliki nilai minimum 0, nilai maksimum 7, nilai rata-rata 3,2063492, dan standar deviasi 1,008000493 dengan jumlah sampel sebanyak 63.
5. Variabel independen frekuensi pertemuan komite audit (FPKA) memiliki nilai minimum 0, nilai maksimum 38, nilai rata-rata 7,8412698, dan standar deviasi 7,27391794 dengan jumlah sampel sebanyak 63.
6. Variabel independen komposisi dewan komisaris (KDK) memiliki nilai minimum 0,25, nilai maksimum 0,66667, nilai rata-rata 0,4461451, dan standar deviasi 0,11417079 dengan jumlah sampel sebanyak 63.
7. Variabel independen leverage (LEV) memiliki nilai minimum 0,03269, nilai maksimum 7,69416, nilai rata-rata 0,8365629, dan standar deviasi 1,21207952 dengan jumlah sampel sebanyak 63.
8. Variabel independen profitabilitas (ROA) memiliki nilai minimum -0,37837, nilai maksimum 0,40239, nilai rata-rata 0,0376545, dan standar deviasi 0,12491306 dengan jumlah sampel sebanyak 63.
9. Variabel independen ukuran perusahaan (SIZE) memiliki nilai minimum 23,13513, nilai maksimum 32,57904, nilai rata-rata 28,4906569, dan standar deviasi 2,43371408 dengan jumlah sampel sebanyak 63.
4.2.2 Uji Asumsi Klasik
Uji asumsi klasik ialah pengujian asumsi-asumsi statistik yang harus dipenuhi pada analisis regresi yang berbasis Ordinary Least Square (OLS). Model regresi yang diperoleh dengan model ini menghasilkan estimator linear tidak bias yang terbaik (Best Linear Unbias Estimator/BLUE).
4.2.2.1 Uji Normalitas
Uji normalitas pada penelitian ini dengan analisis grafik histogram, normal probability plot, dan uji statistik non parametris kolmogrov-smirnov (K-S). Berikut tampilan grafik histogram dan normal probability plot.
Gambar 4.1 Grafik Histogram
Gambar 4.2 Normal P-Plot
Dari hasil uji normalitas dengan menggunakan grafik histogram dan normal p-plot menunjukkan bahwa data berdistribusi normal. Pada grafik histogram (Gambar 4.1) dapat dilihat bahwa data tidak menceng (skewness) ke kiri atau kanan. Pada grafik normal p-plot (Gambar 4.2) juga akan terlihat titik-titik menyebar dan mendekati sekitar garis diagonal, yang artinya data berdistribusi normal. Untuk lebih memastikan apakah data berdistribusi normal atau tidak, tidak cukup hanya melakukan analisis grafik histogram dan normality p-plot. Maka dari itu, dilakukanlah uji statistik non parametris kolmogrov-smirnov (K-S). Tabel 4.2 menunjukkan hasil uji kolmogrov-kolmogrov-smirnov.
Tabel 4.2
Uji Kolmogrov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 63
Normal Parametersa,b Mean ,0000000
Std. Deviation ,12285640
Most Extreme Differences Absolute ,098
Positive ,098
Negative -,065
Test Statistic ,098
Asymp. Sig. (2-tailed) ,200
a. Test distribution is Normal. b. Calculated from data.
Ketentuan dalam menggunakan uji statistik non parametris kolmogrov-smirnov (K-S) adalah sebagai berikut :
Apabila nilai signifikansinya lebih besar dari 0,05 maka data berdistribusi normal
Apabila nilai signifikansinya lebih kecil daripada 0,05 maka data tidak berdistribusi normal.
Berdasarkan hasil pengujian K-S pada tabel 4.2 dapat dilihat nilai signifikansi sebesar 0,200 sehingga dapat disimpulkan bahwa data terdistribusi normal dimana p > 0,005 (0,200 > 0,005).
4.2.2.2 Uji Multikolinearitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolinearitas adalah dengan melihat besaran korelasi antara variabel independen dan besarnya tingkat kolinearitas yang masih dapat ditolerir, yaitu Tolerance > 0,10 dan Variance Inflation Factor (VIF) < 10. Berikut disajikan tabel hasil pengujian :
Tabel 4.3
Hasil Uji Multikolinearitas
Berdasarkan tabel 4.3, dapat dilihat bahwa nilai tolerance dari setiap variabel independen tidak lebih dari 0,10 dan nilai VIF dari setiap variabel independen tidak lebih dari 10. Oleh karena itu, dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi. Kesimpulan ini didukung dengan hasil koefisien korelasi antar variabel seperti pada tabel 4.4 dibawah ini : Coefficientsa Model Collinearity Statistics Tolerance VIF 1 KI ,826 1,211 KM ,741 1,349 JKA ,581 1,722 FPKA ,557 1,796 KDK ,776 1,288 LEV ,711 1,406 ROA ,821 1,218 SIZE ,633 1,581 a. Dependent Variable: DA
Tabel 4.4
Besaran Korelasi antar Variabel Coefficient Correlationsa
Model SIZE KDK ROA KI KM JKA LEV
1 Correlatio ns SIZE 1,000 -,136 -,091 ,199 ,010 -,327 ,389 KDK -,136 1,000 ,162 -,272 ,344 -,001 -,209 ROA -,091 ,162 1,000 -,177 -,059 ,110 -,334 KI ,199 -,272 -,177 1,000 -,116 -,221 ,044 KM ,010 ,344 -,059 -,116 1,000 -,052 -,069 JKA -,327 -,001 ,110 -,221 -,052 1,000 -,153 LEV ,389 -,209 -,334 ,044 -,069 -,153 1,000 FPKA -,117 -,070 -,165 ,190 -,288 -,469 ,126 a. Dependent Variable: DA
Dari hasil korelasi antar variabel independen pada tabel 4.4, tidak tampak adanya variabel yang memiliki korelasi cukup tinggi. Semua korelasi antar variabel independen masih dibawah 95% (0,95), maka dapat dikatakan tidak terjadi multikolinearitas antar variabel independen.
4.2.2.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Heteroskedastisitas terjadi apabila variabel gangguan tidak mempunyai varians yang sama untuk semua observasi. Salah satu uji untuk mengetahui heteroskedastisitas adalah dengan menggunakan uji glejser. Dasar pengambilan keputusan dalam uji glejser adalah apabila nilai signifikansi variabel lebih besar dari 0,05 maka tidak terjadi heteroskedastisitas, sedangkan bila nilai
signikansi variabel lebih kecil dari 0,05 dapat dikatakan terjadi heteroskedastisitas. Berikut pada tabel 4.5 hasil uji glejser.
Tabel 4.5 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,192 ,143 1,343 ,185 KI -,073 ,050 -,213 -1,463 ,149 KM ,019 ,023 ,124 ,811 ,421 JKA ,010 ,012 ,144 ,831 ,410 FPKA -,002 ,002 -,173 -,979 ,332 KDK ,086 ,097 ,133 ,890 ,378 LEV -,004 ,010 -,060 -,381 ,705 ROA ,036 ,086 ,062 ,423 ,674 SIZE -,004 ,005 -,127 -,768 ,446
a. Dependent Variable: Abs_res
Dari tabel diatas dapat kita lihat bahwa nilai signifikansi semua variabel berada di atas 0,05. Maka dari itu, dapat disimpulkan bahwa tidak terdapat adanya heteroskedastisitas pada model regresi ini.
4.2.2.4 Uji Autokorelasi
Autokorelasi merupakan korelasi antara anggota/observasi yang disusun menurut urutan waktu. Uji ini bertujuan untuk menganalisis apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan tingkat kesalahan pada periode t-1. Data observasi yang menggunakan data time series harus diuji apakah data tersebut mengandung autokorelasi atau tidak.
Tabel 4.6 Uji Durbin-Watson Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,512a ,262 ,153 ,1316426857563 70 1,623
a. Predictors: (Constant), SIZE, KDK, ROA, KI, KM, JKA, LEV, FPKA b. Dependent Variable: DA
Hasil pengujian pada tabel memperlihatkan nilai statistik DW sebesar 1,623. Nilai ini akan dibandingkan dengan nilai tabel DW dengan nilai signifikansinya 5%, jumlah sampel 63, jumlah variabel independen 8 (k=8), maka akan diperoleh nilai dL ditabel sebesar 1,35672 dan dU 1,84569. Nilai DW sebesar 1,623 terletak diantara dL dan dU, sehingga tidak menghasilkan kesimpulan yang pasti. Maka dari itu dilakukan Uji Runs Test untuk memperoleh kesimpulan yang lebih jelas.
Tabel 4.7 Uji Runs Test
Runs Test
Unstandardized Residual
Test Valuea -,01929
Cases < Test Value 31 Cases >= Test Value 32
Total Cases 63
Number of Runs 28
Z -1,141
Asymp. Sig. (2-tailed) ,254 a. Median
Berdasarkan hasil pengujian runs test di atas, diperoleh signifikansi sebesar 0,254, sehingga dapat disimpulkan bahwa data tidak memiliki autokorelasi, dimana p > 0,05 (p= 0,254 > 0,05). Dengan demikian secara keseluruhan dapat diyakini bahwa nilai observasi cukup random dan tidak terdapat masalah autokorelasi.