METODOLOGI PENELITIAN A. Ruang lingkup penelitian
D. Metode Analisis Data
Metode analisis data dalam penelitian ini adalah dengan mengguanakan perhitungan statistik, yaitu dengan penerapan SPSS. Setelah data-data yang diperlukan dalam penelitian ini terkumpul, maka selanjutnya dilakukan analisis data yang terdiri dari metode statistik deskriptif, uji asumsi klasik, dan uji hipotesis. Adapun penjelasan mengenai metode analisis data tersebut adalah sebagai berikut:
minimum, sum, range, kurtosis dan skewness (kemelencengan distribusi) (Ghozali, 2006). Jadi dalam penelitian ini analisis statistik deskriptif digunakan untuk mengetahui gambaran mengenai struktur kepemilikan manajerial,
leverage, growth opportunities, ukuran perusahaan dan konservatisme akuntansi.
2. Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mengetahui kelayakan penggunaan model regresi dalam penelitian ini. Uji asumsi klasik yang digunakan pada penelitian ini terdiri atas uji normalitas, uji multikolinearitas, uji autokorelasi dan uji heteroskedastisitas.
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengansumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan cara analisis grafik dan uji statistik (Ghozali, 2013:160).
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Namun
khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal
adalah dengan melihat normal probability plot yang membandingkan
distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu 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 (Ghozali, 2013:161).
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya (Ghozali, 2013:163). Oleh karena itu dalam penelitian ini digunakan uji statistik dengan uji statistik non-parametrik Kolmogorov-Smirnov (K-S). Jika nilaiKolmogorov-Smirnovmemiliki tingkat signifikan di atas a > 0,05 berarti regresi memenuhi asumsi normalitas (Ghozali, 2013:165).
b. Uji Multikolonieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel-variabel independen yang nilai korelasi antar sesama variabel independen adalah sama dengan
ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance = 0,10 atau sama dengan nilai VIF = 10 (Ghozali, 2013:106). Jika nilai tolerance > 0,10 dan VIF < 10 maka tidak terjadi multikolinearitas.
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam 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 masalah autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi (Ghozali, 2013:110). Pada penelitian
ini, uji autokorelasi menggunakan uji Runs test dengan ketentuan
probabilitas lebih besar dari signifikansi 0,05. d. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah homoskedastisitas atau tidak terjadi heteroskedastisitas (Ghozali, 2013:139). Dalam penelitian ini, asumsi heteroskedastisitas akan diuji menggunakan analisis grafik
scatterplot antara nilai prediksi variabel terikat yaitu ZPRED dengan residualnya SRESID.
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan
melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID
dan ZPRED. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas (Ghozali, 2013:139). Selain menggunakan analisis grafikscatterplotuntuk membuktikan lebih lanjut apakah terdapat heteroskedastisitas pada model regresi maka dapat di uji juga dengan menggunakan glejser (Ghozali, 2013:142). Nilai signifikan masing-masing variabel pada uji glejser harus memiliki tingkat signifikansi lebih dari 5%.
3. Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) pada intinya adalah mengukur seberapa jauh kemampuan model dalam menjelaskan variasi variabel dependen. Nilai Koefisien determinasi (R2) adalah antara 0 (nol) dan 1 (satu). Nilai (R2) yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen, secara umum koefisien determinasi untuk data silang (crosssection) relatif rendah karena adanya
runtun (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi (Ghozali, 2013:97).
Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka R2 pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai adjustedR2 pada saat mengevaluasi model regresi terbaik. Tidak seperti R2, nilai adjusted R2 dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model (Ghozali, 2013:97).
4. Uji Hipotesis
a) Uji Signifikasi Simultan (Uji Statistik F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat. (Ghozali, 2013:98). Jika probability F lebih kecil dari 0,05 maka Ha diterima dan menolak H0,sedangkan jika lebih besar dari 0,05 maka Ho diterima dan menolak Ha.
b) Uji Signifikasi Parameter Individual (Uji Statistik t)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi
0,05 maka Ha diterima dan menolak Ho, sedangkan jika nilai probabilitas t lebih besar dari 0,05 maka Ho diterima dan menolak Ha.