METODE PENELITIAN
3.5. Metode Analisis Data
3.5.1. 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, 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.
3.5.2. Uji Asumsi Klasik 3.5.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal (Ghozali, 2013). Model regresi yang baik adalah yang mempunyai distribusi data normal atau mendekati normal. Uji normalitas pada penelitian ini didasarkan pada uji statistik sederhana dengan melihat nilai kurtosis dan skewness untuk semua variabel dependen dan independen.
50
1. Analisis Grafik
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.
2. Analisis Statistik
Uji yang digunakan adalah uji statistik Kolmogorov-Smirnov (K-S). Dasar pengambilan keputusan pada analisis Kolmogrov- Smirnov Z (l-Sample K-S) adalah apabila nilai Asymp. Sig. (2-tailed) kurang dari 0.05, maka H0 ditolak. Hal ini berarti data residual tidak terdistribusi secara normal. Sedangkan apabila nilai Asymp. Sig. (2-tailed) lebih besar dari 0.05, maka H0 diterima. Hal ini berarti data residual terdistribusi normal.
3.5.2.2. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen (Ghozali, 2013). Model regresi yang baik seharusnya bebas dari multikolonieritas. Deteksi terhadap ada tidaknya multikolonieritas yaitu (a) Nilai R square (R2) yang dihasilkan oleh suatu estimasi model regresi empiris yang sangat tinggi, tetapi secara individual tidak terikat, (b) Menganalisis matrik korelasi variabel-variabel independen. Jika antar variable independen terdapat korelasi yang cukup tinggi (lebih dari 0,09), maka merupakan
indikasi adanya multikolonieritas, (c) Melihat nilai tolerance dan variance
51
multikolonieritas apabila mempunyai nilai toleransi kurang dari 0,1 dan nilai VIF lebih dari 10 (Ghozali, 2013).
3.5.2.3. Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain dalam modelregresi (Ghozali, 2013). Model regresi yang baik adalah jika
variance dari residualsatu pengamatan ke pengamatan lain berbeda
(heteroskedastisitas).
Ghozali (2013) menyatakan heteroskedastisitas dapat dilihat melalui grafik plot antara nilai prediksi variable terikat dengan residualnya. Apabila pola pada grafik ditunjukkan dengan titik-titik menyebar secara acak (tanpa pola yang jelas) serta tersebar di atas maupun dibawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Selain menggunakan grafik scatterplots, uji heteroskedastisitas juga dapat dilakukan dengan menggunakan Uji Park. Jika probabilitas signifikan > 0.05, maka model regresi tidak mengandung heteroskedastisitas.
3.5.2.4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier berganda ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1 (sebelumnya) (Ghozali, 2013). Jika terjadi korelasi, maka dinamakan terdapat problem autokorelasi (Ghozali, 2013). Autokorelasi timbul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya.
52
Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Autokorelasi dapat diketahui melalui Run Test. Ketika hasil Run Test melebihi angka signifikansi 0,05, dapat dikatakan data residual bebas dari autokorelasi.
3.5.3. Analisis Linear Berganda
Setelah data yang dibutuhkan dalam penelitian ini telah didapatkan, peneliti akan melakukan serangkaian tahap untuk menghitung dan mengolah data tersebut. Tahap-tahap penghitungan dan pengolahan data sebagai berikut:
1. Menghitung mekanisme dari tata kelola perusahaan dalam perusahaan yang diproksikan dalam ukuran dewan komisaris, ukuran komisaris independen, ukuran dewan direksi, dan komite audit. Kemudian dilanjutkan dengan struktur kepemilikan yang diproksikan dalam kepemilikan manajerial dan kepemilikan institusional.
2. Menghitung struktur modal yang diungkapkan melalui data-data operasional perusahaan dalam laporan tahunan (annual reports).
3. Penghitung model regresi
Pengujian terhadap hipotesis dalam penelitian ini dilakukan dengan analisis regresi berganda dengan persamaan statistik sebagai berikut: DR = α + β1 DK + β2 KI + β3 DD + β4 KA + β5 KM + β6 KI + e Keterangan:
DR = Variabel struktur modal perusahaan DK = Ukuran dewan komisaris
KI = Ukuran komisaris independen DD = Ukuran dewan direksi
53
KA = Ukuran komite audit
KM = Persentase kepemilikan manajerial KI = Persentase kepemilikan institusional α = Konstanta
β = Koefisien regresi e = error term
3.5.4. Pengujian Hipotesis
3.5.4.1. Uji (R²) atau Koefisien Determinasi
Koefisien determinasi adjusted (R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai R² berada di antara 0 dan 1. Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen sangat terbatas. Nilai yang mendekati 1 berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel independen (Ghozali, 2013). Dapat juga dikatakan bahwa R²=0 berarti tidak ada hubungan antara variabel independen dengan variabel dependen, sedangkan R²=1 menandakan suatu hubungan yang sempurna.
3.5.4.2. Uji Signifikansi Simultan (Uji Statistik f)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Ghozali, 2013). Pengujian dilakukan dengan mengukur nilai probabilitas signifikansi. Jika nilai probabilitas signifikansi ≤ 0,05 maka hipotesis tidak dapat ditolak. Ini berarti secara bersama-sama variabel independen
54
mempunyai pengaruh signifikan terhadap variabel dependen. Sebaliknya, jika nilai probabilitas signifikansi ≥ 0,05 maka hipotesis ditolak. Ini berarti secara bersama-sama variabel independen tidak mempunyai pengaruh signifikan terhadap variabel dependen.
3.5.4.3. Uji Signifikan Paramater Individual (Uji Statistik t)
Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel independen (Ghozali, 2013). Pengujian dilakukan dengan mengukur nilai probabilitas signifikansi. Jika nilai probabilitas signifikansi ≤ 0,05 maka hipotesis tidak dapat ditolak. Ini berarti secara individual variabel independen mempunyai pengaruh signifikan terhadap variabel dependen. Sebaliknya, jika nilai probabilitas signifikansi ≥ 0,05 maka hipotesis ditolak. Ini berarti secara individual variabel independen tidak mempunyai pengaruh signifikan terhadap variabel dependen.