ANALISIS DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian 1.Deskripsi Objek Penelitian
1. Hasil Uji Statistik Deskriptif
Uji data statistik deskriptif menggambarkan kualitas data penelitian yang tercermin pada nilai mean dan standar deviasi. Apabila nilai mean lebih besar daripada standar deviasi maka kualitas data dapat dikatakan baik. Deskripsi variabel penelitian mengenai pengungkapan sukarela laporan tahunan, financial distress, proporsi dewan komisaris independen, komite audit, leverage, profitabilitas dan ukuran perusahaan dapat dilihat pada tabel 4.3 sebagai berikut:
Tabel 4.3 Statistik Deskriptif
N Minimum Maximum Mean Std. Deviation IPS 125 .325000 .825000 .62200000 .123360212 DISTRS 125 .000000 1.000000 .43200000 .497347805 INDP 125 .300000 .800000 .38471913 .085670770 KOMIT 125 .000000 1.000000 .54400000 .500064512 LEV 125 .039549 1.439870 .51576737 .274541758 PROF 125 -.755766 .260610 .00344967 .141317312 SIZE 125 9.154799 14.330402 11.72859926 1.058444736 Valid N (listwise) 125
89 Nilai minimum digunakan untuk mengetahui jumlah terkecil dari data yang bersangkutan dari rata- rata sedangkan nilai maksimum digunakan untuk mengetahui jumlah terbesar dari data. Mean
digunakan untuk mengetahui rata-rata sebuah data. Standar deviasai digunakan untuk mengetahui seberapa besar data yang bervariasi dari rata-rata.
Dari tabel 4.3 dapat dilihat bahwa variabel financial distress
(DISTRS) memiliki rata-rata sebesar 0,4320 hal ini menunjukan bahwa 43% perusahaan mengalami kesulitan keuangan. Variabel proporsi dewan komisaris independen (INDP) menunjukkan rata-rata 0,3847 lebih besar dibandingkan dengan standar deviasinya sebesar 0,0856.
Kondisi ini menunjukkan bahwa secara rata-rata perusahaan sampel telah memenuhi syarat minimal 30% anggota dewan komisaris independen sesuai peraturan Bapepam. Variabel leverage (LEV) menunjukan rata-rata sebesar 0,5157 sedangkan variabel profitabilitas (PROF) memiliki rata-rata sebesar 0,0034 lebih kecil dibandingkan dengan standar deviasinya sebesar 0,1413 hal ini menunjukan kualitas data profitabilitas kurang baik. Variabel ukuran perusahaan (SIZE) menunjukkan rata-rata 11,7285. Variabel financial distress (DISTRS) menggunakan variabel dummy, memiliki nilai minimum sebesar 0 dan nilai maksimum sebesar 1. Nilai rata-rata financial distress sebesar 0,4320 atau sebesar 43%.
90 Variabel proporsi dewan komisaris independen (INDP) yang diproyeksikan dengan rasio komisaris independen dengan jumlah dewan komisaris mempunyai nilai minimum sebesar 30%. Hal ini mencerminkan bahwa semua perusahaan telah memenuhi kriteria yang ditetapkan oleh Bapepam yaitu proporsi komisaris independen di perusahaan minimal 30% dari keseluruhan jumlah dewan komisaris. Nilai maksimum di miliki oleh PT Gudang Garam Tbk (GGRM) sebesar 0,80 atau 80% pada tahun 2009. Pada variabel komite audit (KOMIT) yang menggunakan variabel dummy, memiliki nilai minimum sebesar 0 dan nilai maksimum sebesar 1. Nilai rata-rata dari komite audit sebesar 0,540 atau sebesar 54% ini menunjukan bahwa 54% sampel perusahaan dalam penelitian ini telah memiliki komite audit dalam perusahaannya.
Pada variabel leverage (LEV) nilai terkecil (minimum) sebesar 0,0395 yang diperoleh oleh PT Kertas Basuki Rachmat Indonesia Tbk (KBRI) pada tahun 2011 sedangkan nilai maksimum sebesar 1,4398 diperoleh oleh PT Siwani Makmur Tbk (SIMA) pada tahun 2011
Pada variabel profitabilitas (PROF) yang diukur menggunakan
Return On Assets (ROA) yang menunjukkan nilai ROA minimum diperoleh oleh PT Alam Karya Unggul (AKKU) tahun 2011 sebesar -0,7557 dan perusahaan yang memperoleh profitabilitas paling besar adalah PT Duta Pertiwi Nusantara (DPNS) yaitu sebesar 0,2606 pada tahun 2013.
91 Variabel ukuran perusahaan (SIZE) diukur dengan transformasi logaritma dari total asset menunjukkan nilai minimum sebesar 9,1547 yang dimiliki oleh PT Argo Pantes Tbk (ARGO) tahun 2010 dan nilai maksimum dimiliki oleh PT Astra International Tbk (ASII) 2013 sebesar 14,3304.
Pada variabel pengungkapan sukarela dalam laporan tahunan (IPS) perusahaan dengan pengungkapan sukarela terkecil (minimum) adalah adalah 0,325 atau 33% dimiliki oleh dua perusahaan yaitu PT Sunson Textile Manufacturer Tbk (SSTM) pada tahun 2013 dan pada perusahaan PT Kedaung Indah Can Tbk (KICI) tahun 2009 dan 2011 sedangkan tingkat pengungkapan sukarela tertinggi (maksimum) adalah sebesar 0,825 atau 83% yaitu perusahaan (INDF) pada tahun 2012 dan 2013 dari hasil penelitian menunjukan semua perusahaan telah melakukan pengungkapan sukarela atas laporan tahunan perusahaan. Pengungkapan Informasi akan memberikan stimulus bagi pertumbuhan ekonomi.
2. Uji Asumsi Klasik
Uji asumsi klasik dalam penelitian diperlukan agar model regresi menjadi suatu model yang representative. Analisa data uji asumsi klasik ini menggunakan uji normalitas, uji multikolonieritas,uji heteroskedastisitas dan uji autokorelasi.
92 a. Uji Normalitas
1. Analisis Grafik
Uji normalitas dilakukan dengan menggunakan metode grafik histogram dan probability plot (P-Plot). Pengujian ini bertujuan untuk mengetahui variabel pengganggu atau residual dalam model regresi mempunyai distribusi normal atau tidak.Model regresi yang baik adalah model regresi yang mempunyai distribusi data normal atau mendekati normal. Apabila asumsi ini dilanggar maka uji statistik tidak valid untuk jumlah sampel yang kecil. Data mengenai uji normalitas dapat dilihat pada gambar 4.1 dan 4.2 sebagai berikut:
Gambar 4.1
93 Gambar 4.2
Hasil Uji Normalitas : Grafik Normal Plot
Dengan melihat tampilan gambar 4.1 memberikan pola distribusi yang mendekati normal, sedangkan pada gambar 4.2, grafik normal plot menunjukan titik-titik menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Maka dapat disimpulkan bahwa model regresi dalam penelitian ini telah terdistribusi normal.
2. Analisis Statistik
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, pada hal secara statistik bisa sebaliknya (Ghozali, 2011). Hasil
94 uji normalitas dengan menggunakan uji statistik non parametric Kolmogorov-Smirnov (K-S) menunjukkan nilai 0,836 dengan signifikansi 0,488. Hal ini menunjukkan bahwa model regresi memenuhi asumsi normalitas karena tingkat signifikansinya melebihi α > 0,05.
Tabel 4.4
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 125
Normal Parametersa,b Mean .0000000 Std. Deviation .09173599 Most Extreme Differences Absolute .062
Positive .031
Negative -.062
Kolmogorov-Smirnov Z .062
Asymp. Sig. (2-tailed) .200
a. Test distribution is Normal. b. Calculated from data.
Sumber : Data Diolah (output SPSS 22.0)
Dengan melihat tampilan grafik histogram dalam gambar 4.1 menjelaskan bahwa pola distribusi yang mendekati normal sedangkan pada grafik 4.2 grafik normal plot menunjukan titik-titik menyebar disekitar garis diagonal dan mengukuti arah garis diagonal. Pada tabel 4.4 juga menunjukan nilai Klomogorov-Smirnov pada uji ini adalah sebesar 0,62 > 0,05. Nilai Asymp. Sig. (2-tailed) pada tabel diatas adalah sebesar 0,20 > 0,05. Nilai
95
Klomogorov-Smirnov dan Asymp. Sig. (2-tailed) menunjukan nilainya lebih besar dari 0,05, ini artinya data terdistribusi secara normal. Maka disimpulkan bahwa dalam penelitian ini semua sampel pada penelitian ini terdistribusi secara normal.
b. Uji Multikolonieritas
Uji multikoloniearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik yaitu model regresi yang tidak terjadi korelasi di antara variabel independen. Untuk mengetahui ada atau tidaknya multikoloniearitas dapat dilihat dari nilai tolerance dan lawannya Variance Inflation Factor
(VIF) yang terdapat pada masing-masing variabel seperti pada tabel 4.5 berikut: Tabel 4.5 Coefficientsa Model Collinearity Statistics Tolerance VIF 1 DISTRS .563 1.776 INDP .888 1.126 KOMIT .906 1.103 LEV .733 1.365 PROF .620 1.613 SIZE .791 1.264
a. Dependent Variable: IPS
96 Dari tabel 4.5 menunjukkan bahwa hasil perhitungan menunjukkan tidak ada variabel independen yang nilai tolerance
kurang dari 0,10. Hal ini berarti tidak ada korelasi antar variabel independen. Suatu model regresi juga dinyatakan bebas dari multikolonieritas jika mempunyai nilai VIF dibawah 10. Dari tabel 4.5 dapat diketahui bahwa pada model regresi, semua variable independen memiliki nilai VIF yang rendah di bawah angka 10 yang berarti bahwa tidak terjadi multikolonieritas dalam model regresi.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Model regresi yang baik adalah yang bebas dari heteroskedastisitas. Kebanyakan data crossection mengandung situasi yang heteroskedastisitas karena data ini menghimpun berbagai data yang mewakili semua ukuran baik kecil, sedang, maupun besar (Ghozali, 2011:139). Penelitian ini menggunakan uji statistik dengan melihat grafik scatterplot. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot di tunjukan pada gambar 4.3 pada halaman berikutnya:
97 Gambar 4.3
Uji Heteroskedastisitas
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, dengan demikian dapat disimpulkan bahwa model regresi ini tidak terjadi heteroskedastisitas. Akan tetapi analisis dengan grafik plot memiliki kelemahan dalam keakuratan menginterpretasikannya, oleh sebab itu perlu dilakukan uji statistik untuk lebih menjamin keakuratan hasil penelitian. Uji Glejser adalah salah satu uji statistik digunakan untuk mendeteksi ada tidaknya heteroskedastisitas.
98 Tabel 4.6 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) .206 .061 3.384 .001 DISTRS .016 .013 .142 1.248 .214 INDP -.050 .060 -.075 -.827 .410 KOMIT -.032 .010 -.285 -3.174 .102 LEV -.019 .021 -.091 -.907 .366 PROF .035 .044 .087 .798 .426 SIZE -.008 .005 -.152 -1.578 .117
a. Dependent Variable: ABS_RES1 Sumber : Data Diolah (output SPSS 22.0)
Berdasarkan hasil yang ditunjukkan dalam tabel 4.6 tersebut nampak bahwa semua variabel bebas menunjukkan hasil yang tidak signifikan karena berada diatas > 0,05, sehingga dapat disimpulkan bahwa semua variabel bebas tersebut tidak terjadi heteroskedastisitas dalam varian kesalahan. d. Uji Autokorelasi
Uji autokorelasi bertujuan apakah dalam model regresi linear terdapat korelasi. Problem autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Kondisi ini sering ditemukan pada data time series
karena adanya “gangguan” pada individu atau kelompok cenderung mempengaruhi pada individu atau kelompok yang
99 sama pada periode berikutnya. Penelitian ini menggunakan pengujian run test untuk menguji apakah antar residual terdapat korelasi yang tinggi. Apabila nilai Asymp. Sig. (2-tailed) < 0,05 maka persamaan regresi dikatakan terkena problem autokorelasi.
Tabel 4.7 Runs Test
Unstandardiz ed Residual
Test Valuea .010700
Cases < Test Value 62
Cases >= Test Value 63
Total Cases 125 Number of Runs 65 Z .270 Asymp. Sig. (2-tailed) .787 a. Median
Sumber : Data Diolah (output SPSS 22.0)
Tabel 4.7 menunjukkan bahwa residual dalam persamaan regresi tidak random dengan nilai Asymp. Sig. (2-tailed) > 0,05. Kondisi ini menunjukan bahwa dalam penelitian ini tidak terjadi autokorelasi .