BAB IV ANALISIS DATA DAN PEMBAHASAN
C. Metode Analisis
1. Analisis Statistik Deskriptif
Analisis statistik deskriptif merupakan teknik deskriptif yang memberikan informasi mengenai data yang dimiliki dan tidak bermaksud menguji hipotesis. Analisis ini hanya digunakan untuk menyajikan dan menganalisis data disertai dengan perhitungan agar dapat memperjelas keadaan atau karakteristik data yang bersangkutan (Nurgiyantoro et al., 2004). Pengukuran yang digunakan dalam penelitian ini adalah mean, standar deviasi, maksimum, dan minimum.
Mean digunakan untuk mengetahui rata-rata data yang bersangkutan. Standar deviasi digunakan untuk mengetahui seberapa besar data yang bersangkutan bervariasi dari rata-rata. Maksimum digunakan untuk mengetahui jumlah terbesar data yang bersangkutan. Minimum digunakan untuk mengetahui jumlah terkecil data yang bersangkutan.
2. Uji Asumsi Klasik
a. Pengujian Normalitas
Uji normalitas bertujuan untuk menguji apakah data terdistribusi normal atau tidak. Data yang baik adalah yang terdistribusi normal. Untuk menguji normalitas, peneliti akan menggunakan analisis grafik. Salah satu cara yang mudah untuk melihat normalitas residual adalah dengan membuat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk suatu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan:
a. Jika data menyebar disekitar garis diagonal dan akan mengikuti arah garis diagonal atau grafik histogramnya menunjukan pola distribusi yang normal, maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Dalam penelitian ini, peneliti menggunakan asumsi central limit theorem yang menyatakan bahwa untuk jumlah observasi (sampel) kategori besar (n > 30) akan mendekati suatu distribusi normal (Gujarati, 2003).
b. Pengujian Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji adanya keterkaitan hubungan antara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling korelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinearitas didalam model, peneliti akan melihat Tolerance (TOL) dan Variance Inflation Factors (VIF) dengan alat bantu program SPSS.
Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan variabel independen lainnya. Jadi nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/Tolerance). Nilai cutoff yang umum dipakai untuk menunjukan adanya multikolinearitas adalah nilai Tolerance< 0.10 atau sama dengan nilai VIF > 10.
c. Pengujian Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah didalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi
korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi terjadi karena adanya redisual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi (Ghozali, 2006). Untuk menguji ada tidaknya masalah autokorelasi, peneliti akan menggunakan uji Durbin-Watson dengan program SPSS. Menurut Ghozali (2006), jika du< d < 4-du maka tidak terjadi autokorelasi baik positif maupun negatif.
d. Pengujian Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah homoskedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan data cross section mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran (kecil, sedang, dan besar) (Ghozali, 2006).
3. Analisis Regresi Linier Berganda
Metode analisis yang digunakan untuk menilai variabilitas luas pengungkapan risiko dalam penelitian ini adalah analisis regresi berganda (multiple regression analysis). Analisis regresi berganda digunakan untuk menguji pengaruh variabel independen tingkat risiko perusahaan, ukuran
perusahaan, dan jenis industri terhadap variabel dependen pengungkapan risiko perusahaan. Model regresi yang dikembangkan untuk menguji hipotesis-hipotesis yang telah dirumuskan dalam penelitian ini adalah:
DA = α0 + β1KS + β2KB + β3Lev + β4BOC + β5AUD+ β6AC + 1.i Keterangan :
DA = discretionary accrual (proksi dari manajemen laba) α0 = konstanta
β1,2,3,4,5 = koefisien variabel
KS = persentase kepemilikan saham terbesar dari total saham beredar KB = kompensasi bonus
Lev = Leverage
BOC = proporsi komisaris independen dari total anggota dewan komisaris AUD = Reputasi auditor
AC = persentase anggota komite audit dari luar terhadap seluruh anggota komite audit
1 = residual of error i = perusahaan ke i
4. Uji Hipotesis
a. Uji Koefisien Determinasi (R2)
Koefisien Determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan variabel-variabel dependen. Nilai koefisien determinasi (R2) adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan
variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas. Jika koefisien determinasi sama dengan nol, maka variabel independen tidak berpengaruh terhadap variabel dependen. Jika besarnya koefisien determinasi mendekati angka 1, maka variabel independen berpengaruh sempurna terhadap variabel dependen. Dengan menggunakan model ini, maka kesalahan penganggu diusahakan minimum sehingga R2 mendekati 1, sehingga perkiraan regresi akan lebih mendekati keadaan yang sebenarnya.
b. Uji Signifikansi Simultan (Uji Statistik F)
Uji statistik F digunakan untuk mengetahui apakah semua variabel independen yang dimasukkan dalam model regresi mempunyai pengaruh secara bersama-sama (simultan) terhadap variabel dependen (Ghozali, 2006). Apabila nilai probabilitas signifikansi < 0.05, maka variabel independen secara bersama-sama mempengaruhi variabel dependen. c. Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji statistik t digunakan untuk mengetahui seberapa jauh pengaruh satu variabel independen secara individual dalam menjelaskan variasi variabel dependen (Ghozali, 2006). Apabila nilai probabilitas signifikansi < 0.05, maka suatu variabel independen merupakan penjelas yang signifikan terhadap variabel dependen.
BAB IV
ANALISIS DATA DAN PEMBAHASAN
Dalam Bab IV ini akan dibahas tahap-tahap dan pengolahan data yang kemudian akan dianalisis tentang “Pengaruh Kompensasi Bonus, Leverage, Praktik Corporate Governance terhadap Manajemen Laba pada Perusahaan Manufaktur di Indonesia yang Terdaftar di BEI Tahun 2007-2009”. Teknik sampling menggunakan metode purposive sampling, artinya sampel harus sesuai dengan kriteria yang telah ditentukan Pengujian data dengan model analisis regression menggunakan software SPSS for Windows Release13.00.