METODE PENELITIAN
D. Metode Analisis Data
Metode analisis data dalam penelitian ini adalah dengan menggunakan perhitungan statistik, yaitu dengan penerapan SPSS (Statistical Product and Services Solutions) for windows 22. Setelah data-data yang diperlukan dalam penelitian ini terkumpul, maka selanjutnya dilakukan analisis data yang terdiri
dari metode analisis statistik deskriptif, uji asumsi klasik, uji koefisien determinasi dan uji hipotesis. Adapun penjelasan mengenai metode analisis data tersebut adalah sebagai berikut.
1. Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness (kemelencengan distribusi) (Ghozali, 2013:19). 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 demikian hanya dengan melihat histogram hal ini dapat menyesatkan 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 statistiknon-parametrik Kolmogorov-Smirnov (K-S). Jika nilai Kolmogorov-Smirnov memiliki 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 nol. Salah satu cara untuk mendeteksi multikolinearitas dilakukan dengan menggunakan nilai VIF (Variance Inflation Factor) dan tolerance. Kedua 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 testdengan 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 grafik scatterplot untuk 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 variasi yang besar antara masing-masing pengamatan, sedangkan untuk data 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 adjusted R2 pada saat mengevaluasi model regresi terbaik. Tidak seperti R2, nilaiadjustedR2dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model (Ghozali, 2013:97). 4. Uji Hipotesis
Hipotesis dalam penelitian ini diuji dengan menggunakan model regresi linier berganda. Regresi linier berganda digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap satu variabel dependen. Adapun variabel independen dalam penelitian ini terdiri dari struktur kepemilikan manajerial, leverage, growth opportunities dan ukuran perusahaan. Sedangkan variabel dependennya adalah konservatisme akuntansi. Untuk menguji hipotesis dari variabel-variabel tersebut, maka rumus persamaan regresi yang digunakan adalah sebagai berikut:
Y= α + β1X1+ β2X2+β3X3+ β4X4+ e keterangan:
Y = Konservatisme Akuntansi (BTMR)
α = Konstanta
β1 = Koefisien regresi pertama, yaitu besarnya perubahan Y apabila X1berubah 1 satuan
X1 = Struktur Kepemilikan Manajerial (MOWN)
β2 = Koefisien regresi pertama, yaitu besarnya perubahan Y apabila X2berubah 1 satuan
X2 = Leverage(DER)
β3 = Koefisien regresi pertama, yaitu besarnya perubahan Y apabila X3berubah 1 satuan
X3 = Growth Opportunities(MBVE)
β4 = Koefisien regresi pertama, yaitu besarnya perubahan Y apabila X4berubah 1 satuan
X4 = Ukuran Perusahaan (SIZE)
e = Kesalahan Regresi (regretion error)
Pada penelitian ini, pengujian hipotesis menggunakan uji signifikansi parameter individual dan uji signifikansi simultan.
a. Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel penjelas/ independen secara individual menerangkan variasi variabel dependen dan digunakan untuk mengetahui ada atau tidaknya pengaruh
masing-masing variabel independen secara individual terhadap variabel dependen yang diuji pada tingkat signifikansi 0,05. Langkah yang digunakan dalam menguji hipotesis ini adalah dengan menentukanlevel of significance-nya.Level of significanceyang digunakan adalah sebesar 5% atau (a) = 0,05. Jikasignt > 0,05 maka Ha ditolak namun jika sign t < 0,05 maka Ha diterima dan berarti terdapat pengaruh yang signifikan antara variabel independen dengan variabel dependen (Ghozali, 2013:99).
b. Uji Signifikansi Simultan (Uji Statistik F)
Uji statisitik F pada dasarnya menunjukkan apakah semua variabel independen/ bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/ terikat. Uji statistik F digunakan untuk mengetahui pengaruh semua variabel independen yang dimasukkan dalam model regresi secara bersama-sama terhadap variabel dependen yang di uji pada tingkat signifikan 0,05. Jika nilai signifikansi lebih kecil dari 0,05 maka H0ditolak dan Ha diterima, hal ini berarti bahwa semua variabel independen secara bersama-sama dan signifikan mempengaruhi variabel dependen. Sebaliknya, jika nilai signifikansi lebih besar dari 0,05 maka H0diterima dan Ha ditolak , hal ini berarti bahwa semua variabel independen tidak mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Ghozali, 2013:98).