BAB IV HASIL DAN PEMBAHASAN
4.4 Hasil Penelitian
4.4.1 Analisis Statistik Deskriptif
Analisis deskriptif digunakan untuk mengetahui gambaran atau deskripsi yang meliputi nilai rata-rata, nilai minimum, nilai maksimum, dan nilai standar deviasi dari variabel penelitian. Hasil statistik deskriptif terhadap variabel penelitian dapat dilihat pada tabel berikut :
Tabel 4.6 Statistik deskriptif
Sumber : data diolah peneliti, 2014
Berdasarkan data dari 4.6 dapat dijelaskan bahwa:
a. Variabel prediksi kinerja perusahaan (Y) memiliki sampel (N) sebanyak 28, dengan nilai mean 86.5076, nilai minimum 7.28, nilai maksimum 407.28. Standar deviation (simpanan baku) variabel ini 143.98991.
b. Variabel perbandingan Ukuran dewan komisaris (X1) memiliki sampel (N) sebanyak 28, dengan nilai minimum 12.0, nilai maksimum 42.00 dan nilai mean 21.8571. Standar deviation (simpanan baku) variabel ini 11.85227.
c. Variabel perbandingan frekuensi rapat (X2) memiliki sampel (N) sebanyak 28, dengan nilai minimum 31.00, nilai maksimum 54.00
Descriptive Statistics 28 21.8571 11.85227 12.00 42.00 28 47.2857 8.19988 31.00 54.00 28 12.2857 .75593 12.00 14.00 28 86.5076 143.98991 7.28 407.28 X1 X2 X3 Y
dan nilai mean 47.2857. Standar deviation (simpanan baku) variabel ini 8.19988.
d. Variabel perbandingan frekuensi rapat (X3) memiliki sampel (N) sebanyak 28, dengan nilai minimum 12.00, nilai maksimum 14.00 dan nilai mean 12.2857. Standar deviation (simpanan baku) variabel ini 0.75593.
4.4.2 Uji Asumsi Klasik
Sebelum dilakukan pengujian hipotesis menggunakan regresi linier berganda, ada beberapa uji asumsi klasik yang harus dipenuhi agar kesimpulan dari regresi tersebut tidak bias, yaitu uji normalitas, uji multikolinieritas, uji heteroskodesitas dan uji Autokorelasi.
4.4.2.1 Uji Normalitas
Uji ini digunakan untuk mengetahui apakah data sampel yang diambil mengikuti sebaran distribusi normal atau tidak. Pengujian
dilakukan berdasarkan uji normalitas Kolmogorov-Smirnov yang
Tabel 4.7 Hasil Uji Normalitas
X1 X2 X3
N
Norma Parametersa,b Mean
Std. Deviation Most Extreme Differences Absolute Positive Negative Kolmogorov –Smirnov-Z
Asymp. Sig. (2-tailed)
28 .0000000 2.20299434 .209 .140 -.209 1.109 .173 28 3.7879000 2.14686000 .258 .259 -232 .682 .741 28 3.1048000 1.86263000 .162 .162 -.145 .428 .993 a. Test distribution is Normal
b. Calculated from data
Sumber : data diolah peneliti, 2014
Dari perhitungan pada tabel 4.7 diatas, terlihat bahwa nilai X1 (ukuran dewan komisaris), X2 (frekuensi rapat) dan X3 (ukuran komite audit) masing-masing sebesar 0.173, 0.741 dan 0.993 (Asymp. Sig. (2-tailed)). Ketiga nilai tersebut lebih besar dari 0.05 sehingga data yang digunakan dapat dikatakan berdistribusi normal serta dapat disimpulkan bahwa X1, X2 dan X3 dapat memenuhi uji normalitas. Untuk menegaskan hasil perhitungan Tes Kolmogorov-Smirnov sampel tunggal diatas, digunakan juga Histogram dan Normal P-Plot.
Dari grafik hasil pengujian normalitas melalui histrogram terlihat bahwa residual terdistribusi secara normal dan berbentuk simetris tidak menceng ke kanan ataupun ke kiri dan pada grafik hasil pengujian normalitas melalui normal probility plots titik-titik menyebar berhimpit di sekitar diagonal hal ini menunjukan bahwa residual berdistribusi secara normal. Jadi dapat disimpulkan secara keseluruhan bahwa model regresi memenuhi syarat uji normalitas, sehingga model regresi layak
dipakai untuk prediksi variabel dependen berdasarkan masukan variabel independennya.
Gambar 4.1 Histogram Sumber : data diolah peneliti, 2014
Pada grafik histogram terlihat bahwa variabel berdistribusi normal hal ini ditunjukkan oleh distribusi data tersebut tidak miring ke kiri atau ke kanan.
Sumber : Hasil pengolahan data primer dengan SPSS 19.0 tahun 2014 (data diolah)
Gambar 4.2 Normal P-Plot Sumber : data diolah peneliti, 2014
Berdasarkan gambar di atas dapat disimpulkan bahwa data dalam penelitian ini memenuhi syarat normal probability plot sehingga model regresi dalam penelitian memenuhi asumsi normalitas (berditribusi normal).
4.4.2.2 Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Karenamodel regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Uji multikolinieritas dilakukan dengan melihat tolerance value atau dengan menggunakan Variance Inflation Factors (VIF) dari hasil analisis dengan menggunakan SPSS.
Jika terdapat Multikolinieritas maka koefisien regresi menjadi tidak tentu, tingkat kesalahannya menjadi sangat besar. Pada penelitian ini digunakan nilai tolerance dan VIF (Variance Inflation Factor). Jika nilai tolerance > 0,10 dan VIF <10, maka dapat diartikan bahwa tidak terdapat multikolinearitas pada penelitian tersebut begitu pula sebaliknya. Hasil uji multikolinearitas dapat dilihat pada Tabel 4.8 berikut ini.
Tabel 4.8
Sumber : data diolah peneliti, 2014
Dari tabel di atas, dapat diketahui bahwa nilai tolerance variabel independen ukuran dewan komisaris (X1) = 0.434 > 0.10, frekuensi rapat (X2) = 0.259 > 0.10 dan ukuran komite audit (X3) 0.356 > 0.10 dan begitu juga dengan nilai VIF dari X1, X2 dan X3 < 10. Sehingga dapat disimpulkan bahwa dalam regresi antara variabel bebas X1, X2 dan X3 tidak terjadi multikolinieritas antar variabel bebas.
4.4.2.3 Uji Heteroskedastisitas
Ada beberapa cara untuk mendeteksi ada tidaknya heteroskedastisitas, akan tetapi pada penelitian ini dilakukan uji heteroskedastisitas dengan cara melihat grafik plot antara nilai prediksi variabel terikat (ZPRED) dengan residualnya (SPRED). Deteksi ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPREAD dimana sumbu X1 (ukuran dewan komisaris), X2 (frekuensi rapat), X3 (ukuran komite audit) dan (kinerja perusahaan) Y yang telah diprediksi dan sumbu Y adalah residual (Y prediksi-Y sesungguhnya) yang telah di studentized. (Ghozali, 2012:38)
Coefficientsa 1.214 .785 1.547 .135 -.265 .115 -.365 -2.298 .031 .434 2.302 .333 .183 .374 1.822 .081 .259 3.858 .658 .154 .752 4.286 .000 .356 2.813 (Constant) X1 X2 X3 Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: Y a.
Dasar analisisnya adalah jika ada pola tertentu yang teratur seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka telah terjadi Heteroskedastisitas. Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas.
Sumber : Hasil pengolahan data primer dengan SPSS 19.0 tahun 2014 (data diolah)
Gambar 4.3 : Normal Scatterplot
Dari grafik Scatterplot penelitian ini terlihat titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, hal ini menunjukkan tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi (X1 (ukuran dewan komisaris), X2 (frekuensi rapat), X3 (ukuran komite audit) (berdasarkan masukan variabel independennya tabungan dana pihak ketiga) Y.
Regression Studentized Residual-10123
-2
-3
Regression Standardized Predicted Value
4.4.2.4 Uji Autokorelasi
Untuk menguji ada atau tidaknya autokorelasi dalam penelitian ini maka digunakan Durbin-Watson test dengan menggunakan program SPSS 19.00 for windows. Uji Autokorelasi dapat dilihat dengan tabel 4.9.
Tabel 4.9
Nilai Durbin-Watson sebagai Dasar Uji Autokorelasi
Nilai DW sebesar 1.990, nilai ini bila dibandingkan dengan nilai tabel dengan signifikansi 5%, jumlah sampel (n) 28 dan jumlah variabel dependen 3 (K-3).Oleh karena nilai D-W 1.990 lebih besar dari batas atas (du) 1.6503 dan kurang dari 3-1.6503 (3-du), maka dapat disimpulkan bahwa tidak dapat menolak H0 yang menyatakan bahwa tidak ada autokorelasi positif atau negatif, atau dapat disimpulkan tidak terdapat autokorelasi.
4.4.3 Analisis Regresi Berganda
Metode analisis regresi linear berganda berfungsi untuk mengetahui pengaruh/hubungan variabel bebas dengan variabel terikat. Pengolahan data akan dilakukan dengan menggunakan alat bantu aplikasi Sofware SPSS 19.0 for Windows.
Untuk menjawab hipotesis yang diajukan, maka akan digunakan analisis regresi linier berganda dengan variabel ukuran dewan komisaris,
Model Summaryb .859a .737 .705 2.24692 1.990 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson Predictors: (Constant), X3, X1, X2 a. Dependent Variable: Y b.
frekuensi rapat dan ukuran komite audit terhadap kinerja perusahaan. Hasil pengujian regresi adalah sebagai berikut
Tabel 4.10 Regresi Berganda
Sumber : Hasil Pengolahan Data
Berdasarkan hasil analisis regresi berganda pada tabel diperoleh persamaan regresi sebagai berikut :
Y = 1.214 + -0.265X1 + 0.333X2 + 0.658X3 + e
Berdasarkan persamaan regresi berganda seperti di atas, selanjutnya dapat diinterpretasikan sebagai berikut :
a. Nilai B Constant (α) = 1.214
Nilai konstanta ini menunjukkan bahwa apabila tidak ada nilai variabel bebas yaitu perbandingan ukuran dewan komisaris, frekuensi rapat dan ukuran komite audit, maka perubahan nilai kinerja perusahaan yang dilihat dari nilai Y tetap 1.214.
b. Nilai β1 = -0.265
Hasil pengujian menunjukkan nilai variabel ukuran dewan komisaris (X1) sebesar -0.265 dengan signifikansi sebesar 0.031 dan < 0.05 yang berarti bahwa model regresi tersebut signifikan. Nilai
Coefficientsa 1.214 .785 1.547 .135 -.265 .115 -.365 -2.298 .031 .333 .183 .374 1.822 .081 .658 .154 .752 4.286 .000 (Constant) X1 X2 X3 Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Dependent Variable: Y a.
variabel ukuran dewan komisaris (X1) sebesar -0.265 berarti setiap kenaikan 1% ukuran dewan komisaris akan menurunkan kinerja perusahaan sebesar 0.265 dengan mengasumsikan variabel yang lain konstan.
c. Nilai β2 = 0.333
Hasil pengujian menunjukkan nilai variabel frekuensi rapat (X2) sebesar 0.333 dengan signifikansi sebesar 0.081 dan > 0.05 yang berarti bahwa model regresi tersebut signifikan. Nilai variabel frekuensi rapat (X2) sebesar 0.333 berarti setiap kenaikan 1% frekuensi rapat akan meningkatkan kinerja perusahaan sebesar 0.333 dengan mengasumsikan variabel yang lain konstan.
d. Nilai β3 = 0.658
Hasil pengujian menunjukkan nilai variabel ukuran komite audit (X3) sebesar 0.658 dengan signifikansi sebesar 0.000 dan < 0.05 yang berarti bahwa model regresi tersebut signifikan. Hasil pengujian menunjukkan nilai sebesar 0.658 yang berarti bahwa setiap kenaikan 1 rupiah ukuran komite audit akan menaikkan kinerja perusahaan sebesar 0.658 dengan mengasumsikan variabel yang lain konstan.
Berdasarkan hasil pengolahan data dapat diketahui bahwa seluruh variabel yang dimasukkan dalam model seperti ditunjukkan pada persamaan regresi di atas bahwa yang paling dominan yakni variabel frekuensi rapat (X2) dan ukuran komite audit (X3) memiliki
pengaruh yang positif (searah) sehingga jika variabel ini mendukung maka diperkirakan akan menyebabkan kinerja perusahaan (Y) akan baik, sedangkan variabel ukuran dewan komisaris (X1) diketahui berpengaruh negatif sehingga jika variabel ini menurun maka diperkirakan akan menyebabkan kinerja perusahaan (Y) akan menurun pula.
4.4.4 Pengujian Hipotesis 4.4.4.1 Uji t (t-tes)
Uji t dilakukan dengan mengetahui hubungan antara variabel-variabel independen dengan variabel-variabel independen secara parsial (individu). Nilai thitung akan dibandingkan dengan nilai ttabel. Nilai ttabel pada tingkat kesalahan (α) = 5% dengan derajat kebebasan (df) = (n-k). Banyak observasi (n) sebanyak 28 banyaknya variabel (bebas dan terikat) sebanyak 4. Jadi, df = (28-4) = 24. Dengan demikian nilai ttabel adalah sebesar 2.06. criteria pengambilan keputusan dalam uji thitung ini adalah sebagai berikut:
a. Hipotesis diterima apabila t-hitung > t-tabel, pada α = 5% dan nilai p-value < level of significant sebesar 0.05.
b. Hipotesis ditolak apabila t-hitung < t-tabel, pada α = 5% dan nilai p -value < level of significant sebesar 0.05.
Tabel 4.11
Sumber : Data diolah peneliti, 2014
Berdasarkan hasil pengujian statistik t pada tabel 4.11 dapat dijelaskan: 1. Hubungan perbandingan ukuran dewan komisaris dengan prediksi
kinerja perusahaan
a. Nilai sig = 0.031 menunjukkan nilai sig. untuk uji t individual (parsial) lebih kecil dari (<) 0.05. hal ini sesuai dengan hasil pengujian statistik yang membandingkan antara thitung dengan ttabel yaitu perbandingan ukuran dewan komisaris secara parsial memiliki hubungan dengan prediksi kinerja perusahaan.
b. Variabel pengaruh perbandingan ukuran dewan komisaris memiliki thitung -2.298 dengan nilai signifikansi 0.031 (< 0.05). dengan menggunakan thitung < ttabel (-2.298 < 2.06) yang berarti bahwa Ho ditolak artinya ukuran dewan komisaris secara parsial berpengaruh negatif dan signifikan terhadap kinerja perusahaan yang terdaftar di Bursa Efek Indonesia.
Coefficientsa 1.214 .785 1.547 .135 -.265 .115 -.365 -2.298 .031 .333 .183 .374 1.822 .081 .658 .154 .752 4.286 .000 (Constant) X1 X2 X3 Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Dependent Variable: Y a.
2. Hubungan perbandingan frekuensi rapat dengan prediksi kinerja perusahaan
a. Nilai signifikansi = 0.081 menunjukkan nilai sig. untuk uji t individual (parsial) lebih besar dari (>) 0.05. hal ini sesuai dengan hasil pengujian statistik yang membandingkan antara thitung dengan ttabel yaitu perbandingan frekuensi rapat secara parsial memiliki hubungan dengan prediksi kinerja perusahaan. b. Variabel pengaruh perbandingan frekuensi rapat memiliki thitung
1.822 dengan nilai signifikansi 0.081 (> 0.05). dengan menggunakan thitung < ttabel (1.822 < 2.06) yang berarti bahwa Ho ditolak artinya frekuensi rapat secara parsial berpengaruh negatif dan signifikan terhadap kinerja perusahaan yang terdaftar di Bursa Efek Indonesia.
3. Hubungan perbandingan ukuran komite audit dengan prediksi kinerja perusahaan
a. Nilai signifikansi = 0.000 menunjukkan nilai sig. untuk uji t individual (parsial) lebih kecil dari (<) 0.05. hal ini sesuai dengan hasil pengujian statistik yang membandingkan antara thitung dengan ttabel yaitu perbandingan ukuran audit komite secara parsial memiliki hubungan dengan prediksi kinerja perusahaan. b. Variabel pengaruh perbandingan ukuran komite audit memiliki
thitung 4.286 dengan nilai signifikansi 0.000 (< 0.05). dengan menggunakan thitung > ttabel (4.286 > 2.06) yang berarti bahwa Ha
diterima artinya ukuran komite audit secara parsial berpengaruh positif dan signifikan terhadap kinerja perusahaan yang terdaftar di Bursa Efek Indonesia.
4.4.4.2 Uji F (F-tes)
Uji F dilakukan untuk menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model regresi mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Kriteria yang digunakan dalam menerima atau menolak hipotesis adalah: 1. Ha diterima apabila F-hitung > F table, pada α = 5% dan nilai p
-value < level of significant sebesar 0.05
2. Ha ditolak apabila F-hitung < F-tabel, pada α = 5% dan nilai p-value < level of significant sebesar 0.05.
Uji regresi simultan atau uji F digunakan untuk menunjukan apakah semua variabel independen atau variabel bebas yang dimasukan dalam model mempunyai pengaruh terhadap variabel dependen atau terikat. Hasil penelitian dikatakan signifikan dan dapat diterima apabila nilai signifikasi F lebih kecil daripada 0.05 atau α = 5 %. Hasil uji regresi simultan terhadap ukuran dewan komisaris, frekuensi rapat, dan ukuran audit komite dapat dilihat dalam tabel sebagai berikut:
Tabel 4.12
Hasil uji F pada tabel 4.12 menunjukkan nilai F-hitung sebesar 12.473 dengan signifikansi 0.000 (< 0.05) dan F-tabel bernilai 1.84, sehingga nilai F-hitung > F-tabel (12.473 > 1.84) yang berarti bahwa Ha diterima Ho ditolak, dengan arti variabel bebas ukuran dewan direksi, frekuensi rapat dan ukuran komite audit secara simultan memiliki pengaruh dengan kinerja perusahaan pulp & kertas yang terdaftar di BEI.
4.4.4.3 Koefisien Determinasi (R2)
Dalam penelitian ini, peneliti menggunakan analisis regresi berganda dengan uji koefisien determinasi. Nilai yang digunakan untuk melihat koefisien determinasi yaitu Adjusted R Square. Adjusted R square adalah R square yang telah disesuaikan nilai ini selalu lebih kecil dari Rsquare dari angka ini bisa memiliki harga negatif, bahwa untuk regresi dengan lebih dari dua variabel bebas digunakan Adjusted R2 sebagai koefisien determinasi. Adjusted R Square untuk mengukur seberapa jauh kemampuan model menerangkan variabel dependen.
ANOV Ab 340.380 3 113.460 22.473 .000a 121.167 24 5.049 461.547 27 Regres sion Residual Total Model 1 Sum of
Squares df Mean S quare F Sig.
Predic tors: (Constant), X3, X1, X2 a.
Dependent Variable: Y b.
Berdasarkan hasil dari pengolahan data dengan menggunakan SPSS diperoleh hasil sebagai berikut:
Tabel 4.13
Koefisien Determinasi (Uji R2)
Sumber : Data diolah peneliti, 2014
Dari tabel diatas, dapat dilihat hasil analisis secara regresi menunjukkan R = 0.859 menunjukkan bahwa korelasi atau hubungan antara ukuran dewan komisaris, frekuensi rapat dan ukuran audit komite dengan kinerja perusahaan (ROE) mempunyai hubungan sangat erat.
Nilai adjusted R square sebesar 0.705 berarti varian dari variabel bebas yaitu ukuran dewan komisaris, frekuensi rapat dan ukuran komite audit, mampu menjelaskan variabel terikat yaitu kinerja perusahaan sebesar 70.5%, sedangkan sisanya sebesar 29.5% dijelaskan oleh variabel lain yang tidak dimasukkan dalam model.