HASIL PENELITIAN DANPEMBAHASAN 4.1 Hasil Penelitian
4.1.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi (standard deviation) dari masing-masing variabel. Berikut ini statistik deskriptif untuk variabel-variabel yang digunakan dalam penelitian ini.
Tabel 4.1 Statistik Deskriptif(sebelum transformasi) Descriptive Statistics
N Minimum Maximum Mean Std. Deviation FinancialSFraud 252 -432.09 239.14 -4.8458 45.31819
FS 252 -9.45 .91 -.0358 1.10625
NOI 252 -6.33 6.92 -.0062 .67890
Valid N (listwise) 252
Tabel 4.2 Statistik Deskriptif(setelah transformasi) Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Mnj.Laba 100 -.77 .20 -.2900 .19026
FS 100 -.24 .91 .1018 .19866
NOI 100 -.77 .86 .0067 .19205
Valid N (listwise) 100
CID
Frequency Percent Valid Percent
Cumulative Percent
Valid .00 60 60.0 60.0 60.0
1.00 40 40.0 40.0 100.0
Total 100 100.0 100.0
Berdasarkan tabel 4.2 diatas, disajikan analisis deskriptif dari masing-masing variabel dalam penelitian ini sebagai berikut:
1.Variabel financial statement fraud (Y) memiliki sampel (N) sebanyak 100, dengan nilai minimum (terkecil) -.77 diperoleh PT Nippon Indosari Corpindo Tbk(ROTI), nilai maksimum (terbesar) 0,20 diperoleh oleh PT HM Sampoerna Tbk(HMSP), mean (rata-rata) -2,890dan standard deviation (simpangan baku) variabel ini adalah 0.19.
2.Variabel financial stability (X1) memiliki sampel (N) sebanyak 100, dengan nilai minimum -0,24 diperoleh oleh PT. Central Proteina Prima Tbk (CPRO), nilai maksimum (terbesar) 0.91 diperoleh oleh PT. Semen Baturaja (Persero) Tbk (SMBR), mean (rata-rata) 0,10 dan standard deviation (simpangan baku) variabel ini adalah 0,19.
3.Variabel nature of industry (X2) memiliki sampel (N) sebanyak 100, dengan nilai minimum -0,77 diperoleh oleh PT. Duta Pertiwi Nusanatara Tbk (DPNS), nilai maksimum (terbesar) 0,86 diperoleh oleh PT. Unilever Indonesia Tbk(UNVR), mean (rata-rata) -0,006 dan standard deviation (simpangan baku) variabel ini adalah 0,19.
4.Variabel change in director atau CID (X3) memiliki sampel (N) sebanyak 100, dengan skala nominal bernilai 0 = tidak terjadi pergantian direksi dan 1= terjadi pergantian direksi . Hasil penghitungan frekuensi sampel diperoleh bahwa dari 100 sampel yang Kode 0 = tidak ada CID memiliki frekuensi berjumlah 60 sampel atau 60% dari total sampel, dan Kode 1 = ada CID berjumlah 40 sampel atau 40% dari total sampel yang ada.
4.1.2 Uji Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik diperlukan pengujian asumsi klasik terlebih dahulu sebelum melakukan pengujian hipotesis. Uji ini dilakukan untuk menghasilkan estimator yang linier, tidak bias melaui metode estimasi Ordinary Least Square (OLS) sehingga memberikan hasil yang Best Linear Unbiased Estimator (BLUE) jika memenuhi semua asumsi klasik. Uji asumsi klasik dalam penelitian ini dilakukan dengan bantuan program statistic meliputi uji normalitas data, uji multikolonearitas, uji autokorelasi dan uji heteroskedastisitas..
4.1.2.1 Uji Normalitas
Uji normalitas data dalam penelitian ini menggunakan uji statistik non parametrik Kolmogorov-Smirnov dan Normal P-P Plot Regression.Uji normalitas dalam penelitian ini dilakukan dengan menggunakan uji Kolmogorov-Smirnov dengan nilai probabilitas > 5%, maka residual berdistribusi normal dan jika probabilitas < 5% maka residual tidak berdistribusi normal. Berikut ini disajikan tabel 4.3 hasil pengujian normalitas dengan uj Kolmogorov-Smirnov.
Tabel 4.3 Uji Kolmogorov -Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parametersa,b Mean -.0982403
Std. Deviation .19313083 Most Extreme Differences Absolute .064
Positive .064
Negative -.064
Test Statistic .064
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Tabel 4.3 menujukkan nilai signifikansi adalah 0,020, hal ini menunjukkan bahwa asymptotic significance lebih besar dari 0,05 sehingga dari hasil tersebut dapat dikatakan bahwa residual berdistribusi normal dan asumsi normalitas dapat dipenuhi sehingga bisa dilakukan regresi linier.
Uji Normalitas kedua dilakukan dengan menggunakan analisis grafik (Normal P-P Plot Regression), yaitu jika data (titik) menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi secara normal.
Gambar 4.1 Hasil Uji Normalitas Sumber :Output SPSS, 2020
Grafik Normal P-P Plot of Regression pada gambar4.1 di atas memperlihatkan titik-titik menyebar disepanjang garis diagonal, maka residual mengikuti distribusi nomal sehingga dapat disimpulkan bahwa model regresi yang dipakai telah terdistribusi dengan normal.
4.1.2.2 Uji Multikoleniaritas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Model yang baik adalah model yang tidak memiliki korelasi yang kuat antar variabel-variabel bebasnya, jika korelasi terjadi maka variabel-variabel tersebut terjadi kemiripan. Metode yang digunakan untuk menguji adanya multikolinearitas pada penelitian ini adalah VIF (variance inflated factor) dimana apabila nilai VIF > 10, dikatakan terjadi multikolinearitas dan sebaliknya, apabila VIF < 10, maka dapat dikatakan tidak terjadi multikolinearitas.
Tabel 4.4 Hasil Uji Multikolonearitas diasumsikan bahwa model terbebas dari asumsi multikolinearitas sehingga dapat dilakukan uji regresi linier.
4.1.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu periode sebelumnya dalam model regresi. Autokorelasi menunjukkan adanya korelasi antara kesalahan pengganggu pada data yang tersusun, baik berupa data cross sectional dan/atau time series. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi.
Untuk melihat ada tidaknya autokorelasi dapat dilakukan dengan melakukan pengujian Durbin-Watson (DW). Dalam model regresi tidak terjadi autokorelasi apabila niali du < dw < 4 - du. Tabel 4.5 menyajikan hasil uji Durbin Watson dengan menggunakan program SPSS.
Tabel 4.5 Hasil Uji Autokorelasi (Durbin-Watson)
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .393a .154 .128 .17767 1.639
a. Predictors: (Constant), CID, NOI, FS b. Dependent Variable: FinancialSFraud
Nilai DW sebesar 1,639 nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan signifikansi 5% dengan jumlah sampel 100 dan jumlah variabel independen 3, maka di tabel Durbin Watson akan didapat nilai dU 1,5782 dan nilai dL yaitu 1,5922. Hal ini menunjukkan tidak ada autokorelasi positif atau negatif dalam penelitian, atau dengan kata lain tidak ada autokorelasi, maka dapat disimpulkan bahwa data dapat diterima.
4.1.2.4 Uji Heteroskedastisitas
Salah satu cara untuk mengetahui ada tidaknya heteroskedastisitas dalam suatu model regresi linier berganda adalah dengan melihat grafik scatterplot antara nilai prediksi variabel terikat yaitu ZPRED dengan residual error SRESID.
Jika ada pola tertentu dan titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Grafik scatterplot ditunjukkan pada grafik berikut ini:
Gambar 4.2 Uji Heteroskedastisitas Sumber : Output SPSS, 2020
Gambar 4.2 menunjukkan bahwa data tersebar secara acak dan tidak membentuk suatu pola tertentu. Data tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terdapat heteroskedastisitas dalam model regresi yang digunakan.
Tabel 4.6 Uji Heteroskedastisitas Coefficientsa
Model
Unstandardized Coefficients
Standardize d Coefficients
t Sig.
B Std. Error Beta 1 (Constan
t)
.164 .018 9.185 .000
FS .074 .066 .115 1.121 .265
NOI -.024 .069 -.036 -.357 .722
CID .005 .027 .019 .183 .855
a. Dependent Variable: ABRESID
Berdasarkan uji Glejser pada tabel 4.6 terlihat probabilitas signifikansinya di atas 0,05, hal ini menunjukkan bahwa tidak terjadinya heteroskedastisitas.