BAB III METODE PENELITIAN
3.7. Metode Analisis Data
Model penelitian yang akan digunakan adalah analisis regresi linier berganda (MultipleRegression Analysis) untuk melihat pengaruh leverage, profitabilitas dan Basis
Perusahaan terhadap kelengkapan pengungkapan laporan keuangan. 1. Uji Normalitas data
Sebelum dilakukan uji statistik regresi, maka perlu dilakukan terlebih dahulu pengujian normalitas data. Uji normalitas dilakukan untuk dapat mengetahui apakah antar variabel yang sedang diteliti memiliki distribusi normal atau tidak. Pengujian normalitas dalam penelitian ini menggunakan grafik Normality Probability Plot dimana:
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal maka model regesi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari diagonal atau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas..
2. Uji asumsi Klasik terhadap persaman Regresi 1. Uji Multikolinearitas
Multikolinearitas merupakan suatu situasi di mana beberapa atau semua variabel independen saling berkorelasi tinggi. Jika terdapat korelasi yang sempurna di antara sesama variabel independen sehingga nilai koefisien korelasi di antara sesama variabel independen ini sama dengan satu, maka konsekuensinya adalah: a. Koefisien-koefisien regresi menjadi tidak stabil.
b. Nilai standar error setiap koefisien regresi menjadi tak terhingga.
Sehingga semakin besar korelasi diantara sesama variabel independen, maka koefisien-koefisien regresi semakin besar kesalahannya dan standar errornya semakin
besar pula. Cara yang digunakan untuk mendeteksi ada tidaknya multikolinearitas adalah dengan menggunakan Variance Inflation Factors (VIF),
VIF=
− ��
Ri adalah koefisien determinasi yang diperoleh dengan menregresikan salah satu
variabel bebas Xi terhadap variabel bebas lainnya. Jika nilai VIF kurang atau sama dengan 10 (Gujarati, 2003: 363) maka di antara variabel independen tidak terdapat multikolinearitas.
2. Uji Heterokesdastisitas
Model regresi yang baik adalah tidak terjadinya heterokesdastisitas. Uji heterokesdastisitas dilakukan dengan tujuan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan lainnya. Jika varian residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas. Dan jika varian berbeda, disebut heteroskedastisitas.
Untuk menguji ada tidaknya heteroskedastisitas digunakan Uji korelasi Rank Spearman (Gujarati.2004:406) dengan rumus sebagai berikut:
��= − 6 [� � −∑�� ]
Dengan hipotesis yang diuji adalah :
� ∶ � = Tidak terdapat heteroskedastisitas � ∶ � ≠ Terdapat heteroskedastisitas
Di mana jika tingkat signifikansi hasil tes untuk heteroskedastisitas lebih kecil dari tarif signifikansi 0.05 berarti dalam model regresi terdapat gejala heteroskedastisitas.
1. Uji Autokorelasi
Salah satu asumsi model linear adalah tidak terdapatnya autokorelasi. Autokorelasi adalah korelasi antara nilai observasi yang berurutan dari variabel residu. Autokorelasi dapat terjadi karena beberapa hal, yaitu:
a. Inertia, yaitu adanya momentum yang masuk ke dalam variabel-variabel independen secara terus-menerus, sehingga sesuatu akan terjadi dan mempengaruhi nilai variabel-variabel independennya;
b. Terjadinya penyimpangan spesifik karena adanya variabel-variabel independen lainnya yang tidak dimasukkan dalam model;
c. Bentuk fungsi yang salah;
7. Adanya tenggang waktu (lags);
8. Manipulasi data yang mengakibatkan data menjadi tidak akurat.
Untuk memeriksa adanya autokorelasi, biasanya dilakukan uji statistik Durbin-
Watson (DW) dengan langkah-langkah hipotesis sebagai berikut ;
� ∶ � = tidak terjadi autokorelasi �� ∶ � ≠ terjadi autokorelasi Nilai Durbin-Watson dapat dicari dengan rumus,
DW=∑ �∑− �−
�
Keterangan :
� Nilai residu dari persamaan regresi periode �− Nilai residu dari persamaan regresi periode
Kriteria yang digunakan adalah :
9. < � < �� artinya ada autokorelasi positif 10. �� ≤ � ≤ � artinya tidak ada kesimpulan
11. 4 − �� < � < 4 artinya ada autokorelasi negative 12. 4 − � ≤ � ≤ 4 − �� artinya tidak ada kesimpulan
13. � < � < 4 − � artinya tidak ada autokorelasi
2. Analisis Regresi Linier Berganda (Multiple Linear Regression Analysis)
Untuk menjawab permasalahan dalam penelitian sebagaimana telah diidentifikasikan di atas dan sehubungan dengan operasionalisasi variabel yang mempergunakan data kuantitatif, maka penulis menggunakan Multiple Linear Regression
Analysis yang merupakan suatu teknik statistik yang digunakan untuk mencari persamaan
variabel independennya, mencari kemungkinan hubungan antara suatu variabel independen dengan dua atau lebih variabel independen baik secara simultan maupun parsial. Persamaan analisis regresi linier secara umum untuk menguji hipotesis-hipotesis dalam penelitian ini adalah sebagai berikut:
= � + � + � + �
Di mana, : Kelengkapan pengungkapan laporan keuangan � : intercept atau konstanta
�− : koefisien regresi variabel pertama sampai ketiga − : variabel bebas (DER, ROA, BP)
� : error
3. Uji Keberartian Regresi/ Uji Simultan (Uji F)
Untuk menguji model regresi yang menjelaskan bentuk hubungan dan pengaruh antara variabel bebas terhadap variabel terikat, digunakan uji F, yang dapat dirumuskan sebagai berikut:
� = (� − � −� ) − �� Di mana:
� Koefisien determinasi � Ukuran sampel
� Banyaknya variabel bebas
Nilai F dari hasil perhitungan di atas kemudian diperbandingkan dengan Ftabel atau F yang diperoleh dengan mempergunakan tingkat resiko atau significance 5%
dan degree of freedom pembilang dan penyebut, yaitu
= � dan = � − � − di mana kriteria yang digunakan adalah :
Jika Fhitung ≤Ftabel maka � diterima Jika Fhitung >Ftabel maka � ditolak
4. Uji Keberartian Tiap Koefisien Regresi/ Uji Parsial (Uji T)
Untuk menguji pengaruh variabel bebas secara parsial terhadap variabel terikat, digunakan penguji koefisien regresi secara parsial (uji t), yaitu dengan membandingkan ttabel dan thitung yang dirumuskan sebagai berikut:
=���√� − � − √ − ��� Di mana: rxi Koefisien korelasi rxi Koefisien determinasi n-k- Derajat kebebasan
Kriteria yang digunakan sebagai dasar perbandingan adalah sebagai berikut, 14. Uji hipotesis secara parsial � , � , � menggunakan uji 2 pihak dengan
kriteria :
� diterima bila − ⁄ �≤ ≤ ⁄ � � ditolak bila < − ⁄ � atau > ⁄ �
Bila terjadi penerimaan � maka dapat disimpulkan suatu pengaruh adalah tidak signifikan, sedangkan bila � ditolak artinya suatu pengaruh adalah signifikan. Perhitungan statistik yang digunakan dalam penelitian ini akan dihitung dengan menggunakan program SPSS for Windows version 20.
5. Koefisien Determinasi
Berdasarkan adanya regresi linier berganda ini, kemudian dihitung besarnya koefisien secara keseluruhan (�) dan koefisien determinasi (multi korelasi) yaitu � yang merupakan bagian dari variasi total dalam variabel dependen yang dapat dijelaskan
variabel independen secara bersama-sama. Korelasi multiple digunakan untuk mengetahui
seberapa erat hubungan antara keseluruhan variabel bebas (X1,X2,X3) dengan variabel terikat.
Dengan diketahuinya koefisien korelasi antara masing-masing variabel X dan Y kita bisa menentukan koefisien determinasi. Koefisien determinasi tersebut digunakan untuk mengetahui besarnya pengaruh yang ditimbulkan masing-masing variabel bebas (X1,X2,X3) terhadap variabel terikat ( ).
Pada hakikatnya nilai r berkisar antara -1 dan 1, bila r mendekati -1 atau 1, maka dapat dikatakan bahwa ada hubungan yang erat antara variabel bebas dengan variabel terikat. Bila r mendekati 0, maka dapat dikatakan bahwa hubungan antara variabel bebas dengan variabel terikat sangat lemah atau bahkan tidak ada.
Untuk menentukan kriteria interprestasi nilai hubungan r dan R, penulis mendasarkan pada ketetapan yang dikemukan oleh Sugiyono (2010:149), yaitu:
Tabel 3.2 Interprestasi Nilai Hubungan r dan R
Besarnya Nilai Hubungan r dan R Interpretasi
0,000 – 0,199 Sangat Rendah
0,200 – 0,399 Rendah
0,400 – 0,599 Sedang
0,600 – 0,799 Tinggi
0,800 – 1,000 Sangat Tinggi
