HASIL PENELITIAN DAN PEMBAHASAN
4.1. Data Hasil Penelitian
Penelitian ini menggunakan perusahaan industri barang-barang
konsumsi yang terdaftar di BEI pada tahun 2008, 2009 dan 2010 sebagai objek
penelitian. Bursa efek di Indonesia berdiri pada tahun 1912 di Batavia yang
didirikan oleh pemerintah Hindia Belanda untuk kepentingan pemerintah
kolonial atau VOC. Meskipun pasar modal telah ada sejak tahun 1912,
perkembangan dan pertumbuhan pasar modal tidak berjalan seperti yang
diharapkan, bahkan pada beberapa periode kegiatan pasar modal mengalami
kevakuman. Hal tersebut disebabkan oleh beberapa faktor seperti perang dunia
ke I dan II, perpindahan kekuasaan dari pemerintah kolonial kepada pemerintah
Republik Indonesia, dan berbagai kondisi yang menyebabkan operasi bursa
efek tidak dapat berjalan sebagimana mestinya. Pemerintah Republik Indonesia
mengaktifkan kembali pasar modal pada tahun 1977, dan beberapa tahun
kemudian pasar modal mengalami pertumbuhan seiring dengan berbagai
insentif dan regulasi yang dikeluarkan pemerintah. Pada tanggal 16 juni 1989
Bursa Efek Surabaya (BES) mulai beroperasi dan dikelola oleh Perseroan
dilakukan penggabungan Bursa Efek Surabaya (BES) ke Bursa Efek Jakarta
(BEJ) dan berubah nama menjadi Bursa Efek Indonesia (BEI).
Dari populasi yang ada, sampel diambil berdasarkan kriteria yang telah
ditetapkan, yaitu sebanyak 21 perusahaan dengan tiga tahun pengamatan
sehingga berjumlah 63 unit analisis.
Metode analisis data yang digunakan dalam penelitian ini adalah metode
analisis statistik yang menggunakan regresi linear berganda. Pengujian asumsi
klasik dan regresi dilakukan dengan menggunakan software SPSS versi 16. Proses pengolahan data dimulai dengan memasukkan variabel-variabel
penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai
metode analisis data yang telah ditentukan.
4.2. Analisis Data Hasil Penelitian 4.2.1. Statistik Deskriptif
Analisis statistik deskriptif merupakan metode analisis yang
digunakan untuk memberikan gambaran yang dilihat dari frekuensi dan
deskriptif (minimum, mkasimum, mean, standar deviasi) dari setiap variable, baik variable independen maupun variable dependen. Hasil
Tabel 4.1.
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
DebtCovenant 63 .01 41.99 8.5074 11.67292
GrowthOpportunities 63 .17 35.40 2.7627 5.52894
Konservatisme 63 -434.00 334.00 -8.8317 130.70389
Valid N (listwise) 63
Sumber: Hasil Pengolahan SPSS 16 (2012)
Berdasarkan table 4.1. dapat dideskripsikan sebagai berikut:
1. Jumlah seluruh sampel dalam penelitian ini yang dapat dilihat dari
nilai N sebanyak 63 unit analisis yang terdiri dari 21 perusahaan
dalam tiga tahun pengamatan. Jumlah data yang valid adalah 63,
yang menunjukkan bahwa semua data valid. Penelitian ini
menggunakan dua variable independen dengan skala rasio yaitu debt covenant (X1) dan growth opportunities (X2), dan satu variable dependen dengan skala nominal yaitu konservatisme (Y).
2. Variable independen yang pertama yaitu debt covenant memiliki nilai minimum 0.01, maksimum 41.99 dan mean 8.5074 yang berarti
nilai debt covenant yang dimiliki perusahaan sampel paling sedikit 0.01, paling banyak 41.99 dan rata-rata 8.057 dengan standar deviasi
11.67292.
3. Variable independen yang kedua yaitu growth opportunitiesmemiliki nilai minimum 0.17, maksimum 35.40 dan mean 2.7627 yang berarti
tingkat growth opportunities perusahaan sampel paling rendah 0.17, paling tinggi 35.40 dan rata-rata 2.7627 dengan standar deviasi
5.52894.
4. Variable dependen yaitu konservatisme memiliki nilai minimum
-434.00, maksimum 334.00 dan mean -8.8317 yang berarti tingkat
konservatisme perusahaan sampel paling rendah -434.00, paling
tinggi 334.00 dan rata-rata -8.8317 dengan standar deviasi
130.70389.
4.2.2. Pengujian Asumsi Klasik 4.2.2.1. Uji Normalitas Data
Uji normalitas bertujuan untuk mengetahui apakah
dalam model regresi, variable pengganggu atau residual
memiliki distribusi normal atau tidak. Uji normalitas dapat
dilakukan dengan analisis grafik dan uji statistik.
Hasil uji normalitas dalam penelitian ini awalnya tidak
terdistribusi secara normal. Untuk mengatasi masalah tersebut,
maka dilakukanwinsorizing, yaitu mengubah nilai data yang
outlier ke suatu nilai tertentu. Hasil uji normalitas setelah data terdistribusi normal disajikan sebagai berikut:
Gambar 4.1. Grafik Histogram
Sumber: Hasil Pengolahan SPSS 16 (2012)
Pada gambar 4.1. dapat dilihat bahwa data terdistribusi normal
karena grafik histogram menunjukkan distribusi data tidak menceng ke
Gambar 4.2. Grafik Normal P-Plot
Sumber: Hasil Pengolahan SPSS 16 (2012)
Pada gambar 4.2. grafik normal P-Plot memperlihatkan titik-titik
menyebar di sekitar garis diagonal serta penyebarannya mendekati garis
Tabel 4.2.
Hasil Uji Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 63
Normal Parametersa Mean .0000000
Std. Deviation 1.29976091E2
Most Extreme Differences Absolute .153
Positive .138
Negative -.153
Kolmogorov-Smirnov Z 1.216
Asymp. Sig. (2-tailed) .104
a. Test distribution is Normal.
Sumber: Hasil Pengolahan SPSS 16 (2012)
Pada table 4.2. hasil uji kolmogorov-smirnov menunjukkan nilai Asymp.Sig.(2-tailed) 0.104 lebih besar dari nilai signifikansinya 0.05
(0.104 > 0.05), yang artinya adalah data terdistribusi secara normal.
Hasil ini sesuai dengan grafik histogram dan grafik normal P-Plot yang
menggambarkan data terdistribusi normal.
4.2.2.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah
model regresi ditemukan adanya korelasi antara variable bebas.
Model regresi yang baik adalah yang tidak terjadi korelasi
penelitian ini dilakukan dengan melihat angka tolerance dan nilai VIF dari masing-masing variabel independen yang diuji.
Hasil pengujian multikolinearitas dalam penelitian ini
disajikan sebagai berikut:
Tabel 4.3.
Hasil Uji Multikolinearitas
Sumber: Hasil Pengolahan SPSS 16 (2012)
Untuk mengetahui multikolinearitas dapat dilihat dari
nilai Variance Inflation Factor (VIF) dan nilai toleransi
(tolerance value). Nilai cut off yang umum dipakai adalah nilai toleransi < 0.10 atau sama dengan nilai VIF > 10. Jika
nilai VIF lebih besar dari 10, maka terjadi multikolinearitas
yang cukup berat antara variable independen.
1. Variable debt covenant memiliki nilai tolerance 0.992 yang lebih besar dari 0.10 dan nilai VIF 1.008 yang lebih besar
dari 10. Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1(Constant) -20.272 21.924 -.925 .359
DebtCovenant .787 1.443 .070 .545 .587 .992 1.008
GrowthOpportunities 1.717 3.046 .073 .564 .575 .992 1.008
2. Variable growth opportunities memiliki nilai tolerance 0.992 yang lebih besar dari 0.10 dan nilai VIF 1.008 yang
lebih besar dari 10.
Dari hasil pengujian yang dilakukan terlihat bahwa
tidak ada nilai tolerance yang kurang dari 0.10 dan tidak ada
angka VIF yang lebih dari 10, maka dapat disimpulkan bahwa
tidak terjadi multikolinearitas antar variabel bebas dalam
model regresi.
4.2.2.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan “menguji apakah
model regresi terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan yang lain” (Ghozali, 2007: 105).
Model regresi yang baik adalah yang homoskedastisitas, atau
tidak terjadi heteroskedastisitas.
Hasil pengujian heteroskedastisitas dapat dilihat dari
Gambar 4.3. Scatterplot
Sumber: Hasil Pengolahan SPSS 1666 (2012)
Hasil pengujian heterokedastisitas dengan jelas
menunjukkan bahwa tidak ada pola yang jelas, serta titik-titik
menyebar di atas dan di bawah angka nol pada sumbu Y.
Dengan demikian, dapat disimpulkan bahwa tidak terjadi
heterokedastisitas dalam model regresi tersebut.
Selain scatterplot, heteroskedastisitas juga dapat diuji
Tabel 4.4. Hasil Uji Glejser
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -20.272 21.924 -.925 .359 DebtCovenant .787 1.443 .070 .545 .587 GrowthOpportunities 1.717 3.046 .073 .564 .575
a. Dependent Variable: Konservatisme
Sumber: Hasil Pengolahan SPSS 16 (2012)
Dari hasil regresi diatas menunjukkan bahwa
probabilitas signifikansinya adalah 0.587 dan 0.575. Semuanya
berada diatas 0.05 maka dapat dipastikan tidak terjadi
heteroskedastisitas pada model regresi.
4.2.2.4. Uji Autokorelasi
Uji autokorelasi bertujuan “menguji apakah model
regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu pada periode t-1”
(Ghozali, 2007: 95). Auto korelasi muncul karena observasi
Untuk mengetahui adanya autokorelasi dilakukan dengan uji
Durbin Watson.
Hasil uji Durbin Watson disajikan dalam table berikut ini:
Tabel 4.5. Uji Durbin Watson
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .105a .011 -.022 132.12460 2.215
a. Predictors: (Constant), GrowthOpportunities, DebtCovenant
b. Dependent Variable: Konservatisme
Sumber: Hasil Pengolahan SPSS 16 (2012)
Tabel 4.5. memperlihatkan nilai statistik D-W sebesar 2.215lebih besar dari batas atas (du) 1.736 dan kurang dari
4-1.736 (4-du), yang berarti tidak terjadi autokorelasi.
4.2.3. Pengujian Hipotesis Penelitian
Pengujian hipotesis penelitian dilakukan untuk mengetahui
seberapa besar pengaruh beberapa variable independen terhadap satu
variable dependen. Hasil dari analisis regresi berganda berupa koefisien
untuk setiap variable independen.
Hasil pengolahan SPSS 16 untuk pengujian hipotesis penelitian
Tabel 4.6. Hasil Analisis Regresi
Sumber: Hasil Pengolahan SPSS 16 (2012)
Dengan pengujian persamaan regresi linier berganda tersebut, maka
diperoleh model regresi berganda sebagai berikut:
Konservatisme = -20.272 + 0.787 Debt Covenant + 1.717 Growth Opportunities + e
Keterangan:
1. Konstanta sebesar -20.272 menunjukkan apabila tidak ada
variable independen (X1 = 0, X2 = 0) maka tingkat
konservatisme adalah sebesar -20.272.
2. β1 sebesar 0.787 menunjukkan bahwa setiap kenaikan debt covenant sebesar 1% maka akan diikuti oleh kenaikan konservatisme sebesar 0.787 dengan asumsi variable lain
tetap. Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -20.272 21.924 -.925 .359 DebtCovenant .787 1.443 .070 .545 .587 GrowthOpportunities 1.717 3.046 .073 .564 .575
3. β2 sebesar 1.717 menunjukkan bahwa setiap kenaikan
growth opportunities sebesar 1% maka akan diikuti oleh kenaikan konservatisme sebesar 1.717 dengan asumsi
variable lain tetap.
4.2.4. Uji Kelayakan Model Regresi (Goodness of Fit) 4.2.4.1. Koefisien Determinasi (R2)
“Koefisien determinasi mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variable
dependen. Nilai koefisien determinasi adalah antara nol dan
satu” (Ghozali, 2007: 83).
Hasil Uji Koefisien determinasi adalah sebagai berikut :
Tabel 4.7.
Uji Koefisien Determinasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .105a .011 -.022 132.12460
a. Predictors: (Constant), GrowthOpportunities, DebtCovenant
b. Dependent Variable: Konservatisme
Sumber: Hasil Pengolahan SPSS 16 (2012)
Tabel 4.7. dapat dideskripsikan sebagai berikut:
1. Dari hasil ujidapat dilihat nilai R sebesar 0.105, hal ini
variabel-variabel independen nya sangat tidak erat (hanya
10.5%) karena berada diantara 0.0 – 0.19.
2. Dari hasil uji nilai R Square didapat 0.011, berarti 1.1% factor-fator konservatisme dapat dijelaskan oleh debt
covenant dan growth opportunities. Sedangkan sisanya
98.1% dapat dijelaskan oleh faktor-faktor lain yang tidak
dijelaskan dalam penelitian ini.
3. Standard Error of the Estimate (SEE) model tersebut adalah 132.12460. SEE yang semakin kecil akan membuat
model regresi semakin tepat dalam memprediksi variabel
dependen.
4. Dari hasil uji nilai Adjusted R Square adalah 0.22, hal ini berarti 22% variasi konservatisme dapat dijelaskan oleh
variasi dari variabel independen yaitu debt covenant dan
growth opportunities. Sedangkan sisanya dijelaskan oleh sebab lain diluar model.
4.2.4.2. Uji Signifikansi Simultan (Uji F)
Uji ini bertujuan untuk menunjukkan pengaruh variable
independen secara bersama-sama apabila dimasukkan ke dalam
Hasil uji signifikansi simultan (uji F) adalah:
Tabel 4.8.
Uji Signifikansi Simultan (Uji F)
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 11762.727 2 5881.363 .337 .715a
Residual 1047414.630 60 17456.910
Total 1059177.357 62
a. Predictors: (Constant), GrowthOpportunities, DebtCovenant
b. Dependent Variable: Konservatisme
Sumber: Hasil Pengolahan SPSS 16 (2012)
Hasil uji ANOVA atau uji F menunjukkan F hitung
sebesar 0.337 dengan tingkat signifikansi 0.715. Sedangkan F
table yang diperoleh dari perhitungan Microsoft Excel dengan rumus FINV(0.05,2,60) yaitu sebesar 3.150 dengan
signifikansi 0.05. Dengan demikian F hitung < F table (0.337 <
3.150) dan signifikansi penelitian lebih besar dari 0.05 (0.715
> 0.05). Berdasarkan hasil tersebut dapat disimpulkan bahwa
debt covenant dan growth opportunities tidak berpengaruh signifikan secara simultan terhadap konservatisme.
4.2.4.3. Uji Signifikansi Parsial (Uji t)
Uji signifikansi parsial (Uji t) digunakan untuk menguji
signifikansi konstanta dan setiap variabel independennya. Uji
ini menunjukkan seberapa besar pengaruh suatu variable
independen secara individual dalam menerangkan variasi
variable dependennya. Jika t hitung lebih besar dari t table atau
tingkat signifikansi lebih kecil dari 5% maka menunjukkan
adanya pengaruh variable independen dalam menerangkan
variable dependennya. Jika t hitung lebih kecil dari t table atau
tingkat signifikansi lebih besar dari 5% maka menunjukkan
tidak adanya pengaruh variable independen dalam
menerangkan variable dependennya.
Hasil pengujian signifikansi parsial (uji t) adalah sebagai berikut:
Tabel 4.9.
Uji Signifikansi Parsial (Uji t)
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -20.272 21.924 -.925 .359 DebtCovenant .787 1.443 .070 .545 .587 GrowthOpportunities 1.717 3.046 .073 .564 .575
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -20.272 21.924 -.925 .359 DebtCovenant .787 1.443 .070 .545 .587 GrowthOpportunities 1.717 3.046 .073 .564 .575
a. Dependent Variable: Konservatisme
Sumber: Hasil Pengolahan SPSS 16 (2012)
Berdasarkan table 4.9. dapat diketahui bahwa:
1. Variable debt covenant memiliki nilai t hitung 0.545, lebih kecil dari t table yaitu 1.9983 (0.545 < 1.9983) dan
memiliki signifikansi 0.587 yang lebih besar dari 0.05.
maka dapat disimpulkan bahwa variable debt covenant
tidak berpengaruh signifikan terhadap konservatisme.
2. Variable growth opportunities memiliki nilai t hitung 0.564, lebih kecil dari t table yaitu 1.9983 (0.564 < 1.9983)
dan memiliki signifikansi 0.575 yang lebih besar dari 0.05.
maka dapat disimpulkan bahwa variable growth opportunities tidak berpengaruh signifikan terhadap konservatisme.