METODOLOGI PENELITIAN
3.3 Metode Analisis Data
Metode analisis data yang digunakan didalam penelitian ini adalah metode analisis data kuantitatif yang dinyatakan dengan angka-angka dan perhitungannya menggunakan metode statistik yang dibantu dengan propram SPSS.
3.3.1 Pengujian Statistik Deskriptif
Sugiono (2012:29) mendefinisikan statistik deskriptif sebagai statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap objek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. Statistik deskriptif dapat dilakukan guna mencari kuatnya hubungan antara variabel melalui analisis korelasi, regresi, atau membandingkan dua rata-rata sampel atau populasi (sugiono,2011:200). Dalam penelitian ini,Analisis statistik deskriptif digunakan untuk mengetahui karakteristik sampel yang digunakan dan menggambarkan variabel-variabel dalam penelitian. Pengukuran yang digunakan meliputi jumlah sampel, nilai minimum, nilai maksimum, nilai rata-rata (mean) dan standar deviasi.
3.3.2 Pengujian Asumsi Klasik
Pengujian asumsi klasik bertujuan untuk memperoleh hasil regresi yang bisa dipertanggungjawabkan dan mempunyai hasil yang tidak bias atau Best Linier Unbiased Estimator (BLUE). Asumsi-asumsi yang harus dipenuhi dari pengujian tersebut adalah uji normalitas, uji autokorelasi, uji multikolinearitas dan uji heterokedastisitas.
STIE
Widya
Wiwaha
Jangan
Plagiat
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah residual/error regresi berdistribusi normal atau tidak. Asumsi normalitas yang digunakan dalam regresi berganda ditujukan dengan estimator yang memiliki varians minimum disemua kelas estimator dengan distribusi rata-rata nol (zero mean) (Gujarati, 2003:79).Pada penelitian ini untuk mendeteksi normalitas digunakan uji kolmogorov-smirnov (K-S) yang membandingkan nilai probabilitas yang nilai signifikannya harus diatas 0,05. Namun data yang tidak normal tidak dipermasalahkan apabila jumlah sampel besar (Hair et al. 1988).
2. Uji Multikolinieritas
Uji multikolonieritas bertujuan untuk menguji ada atau tidaknya korelasi antar variabel independen dalam model regresi. Cara untuk mengetahui ada atau tidaknya multikolinieritas dengan melihat nilai tolerance dan Variance
Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap variabel
independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregresi variabel independen lainnya. Nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1/tolerance. Dan poengambilan keputusannya apabila nilai tolerance ≤ 0,10 atau nilai VIF ≥10 maka terjadi multikolinieritas. (Imam Ghozali,2013 :103-104).
3. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi ada korelasi antara kesalahan pengganggu pada periode saat ini (t) dengan
STIE
Widya
Wiwaha
Jangan
kesalahan pada periode sebelumnya (t-1). Dalam model regresi linier. Cara untuk mengetahui terjadinya autokorelasi atau tidak dengan menggunakan Run test. Run test sebagai bagian dari statistik nonparametrik dapat digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual terjadi secara random atau tidak (sistematis). Autokorelasi tidak terjadi apabila probabilitas signifikan lebih besar dari α = 0,05 (Imam Ghozali, 2013: 107-108).
4. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksaman variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas, dan jika berbeda disebut Heteroskedastisitas. Apabila satu model regresi mempunyai nilai signifikansi lebih dari 0,05 maka model regresi tersebut dinyatakan bebas dari gejala hesteroskedestisitas (Ghozali,2013).
3.3.3 Goodness of Fit
Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat. Pengujian ini menggunakan F hitung> Ftabel , dengan tingkat kepercayaan untuk pengujian hipotesis adalah 95% atau α =0,05.
3.3.4 Uji Hipotesis
Uji t digunakan untuk mengetahui pengaruh variabel independen (X1, X2, X3, X4, X5, X6, X7) secara sendiri atau masing-masing terhadap variabel
STIE
Widya
Wiwaha
Jangan
dependen Y (Ghozali, 2007: 84-85). Hipotesis nol (Ho) yang hendak diuji adalah apakah suatu parameter (bi) sama dengan nol atau:
Ho : bi = 0 ,Artinya apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya (Ha), parameter suatu variabel tidak sama dengan nol, atau:
Ha : bi ≠ 0 ,Artinya variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependen.
Kriteria pengujian :
- Ho :diterima bila t hitung ˂ t tabel, Ha ditolak, atau bila nilai signifikansi lebih dari nilai alpha 0.05 berarti variabel independen tidak berpengaruh terhadap variabel dependen.
- Ha : diterima bila thitung > ttabel, Ho ditolak, atau bila nilai signifikansi kurang dari alpha 0,05 berarti variabel independent berpengaruh terhadap variabel dependen.
3.3.5 Analisis Regresi Berganda
Analisis regresi linier berganda digunakan untuk mengetahui pengaruh variabel independen yang jumlahnya lebih dari satu terhadap variabel dependen (Sugiyono: 275).Dalam penelitian ini, analisis regresi berganda yang digunakan untuk mengetahui keakuratan hubungan antara integritas laporan keuangan (variable dependen) baik secara parsial maupun simultan. Alat uji ini digunakan untuk variabel independensi, mekanisme corporate governance (persentase kepemilikan saham institusi, kepemilikan saham manajemen, komite audit, komisaris independen) dan kualitas audit sebagai variabel yang mempengaruhi
STIE
Widya
Wiwaha
Jangan
(variabel independen). Signifikan pada level 0,05 dan 0,01 (two-tailed), artinya Hipotesis ditolak apabila koefisiennya 0,05 atau lebih dan diterima apabila koefisiennya kurang dari 0,05.Berikut model regresi dalam penelitian ini:
Y = α+ β1x1 +β2x2 +β3x3+β4x4+β5x5+β6x6+e Dimana Y = Integritas laporan keuangan
α = konstanta
β1-β6 = koefisien regresi masing-masing variabel x1 = Independensi
x2 = persentase saham intitusional x3 = persentase saham manajemen x4 = komisaris independen
x5 = komite audit x6 = kualitas audit e = stantar error
3.3.6 Uji Koefisien Determinasi (Uji R2)
Ghozali (2013:95) menjelaskan bahwa koefisien determinasi (Adjusted R
Square) digunakan untuk mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol sampai satu. Nilai yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat 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
STIE
Widya
Wiwaha
Jangan
adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi.
Kelemahan mendasar penggunaan penggunaaan koefisien determinasi (R2) adalah bias terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan satu variabel independen, makan R2 pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Dari permasalahan tersebut penelitian ini menggunakan Adjusted R Square berfungsi untuk mengukur seberapa besar tingkat keyakinan penambahan variabel independen yang tepat untuk menambah daya prediksi model.
STIE
Widya
Wiwaha
Jangan
BAB IV