TINJAUAN PUSTAKA
D. Metode Analisis Data
Metode analisis data pada penelitian ini adalah tekhnik analisis kuantitatif yang artinya adalah metode yang lebih menekankan pada
48 aspek pengukuran secara obyektif terhadap fenomena sosial. Untuk dapat melakukan pengukuran, setiap fenomena sosial di jabarkan kedalam beberapa komponen masalah, variable dan indikator. Setiap variable yang di tentukan di ukur dengan memberikan simbol – simbol angka yang berbeda – beda sesuai dengan kategori informasi yang berkaitan dengan variable tersebut. Dengan menggunakan simbol – simbol angka tersebut, teknik perhitungan secara kuantitatif matematik dapat di lakukan sehingga dapat menghasilkan suatu kesimpulan yang belaku umum di dalam suatu parameter.
Tujuan utama dati metodologi ini ialah menjelaskan suatu masalah tetapi menghasilkan generalisasi. Generalisasi ialah suatu kenyataan kebenaran yang terjadi dalam suatu realitas tentang suatu masalah yang di perkirakan akan berlaku pada suatu populasi tertentu.
Generalisasi dapat dihasilkan melalui suatu metode perkiraan atau metode estimasi yang umum berlaku didalam statistika induktif. Metode estimasi itu sendiri dilakukan berdasarkan pengukuran terhadap keadaan nyata yang lebih terbatas lingkupnya yang juga sering disebut “sampel” dalam penelitian kuantitatif.
Alat analisis yang digunakan dalam penelitian ini adalah analisis regresi berganda dengan bantuan program IBM Statistic Package for Sciences (SPSS) versi 21.
49 1. Satistik Deskriptif
Statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna. Statistik deskriptif memberikan gambaran atau deskripsi mengenai suatu data yang dilihat dari nilai rata-rata (mean), Standar Deviasi (standar deviation), maksimum dan minimum. Mean digunakan untuk memperkirakan besar rata-rata populasi diperkirakan dalam sampel. Standar deviasi digunakan untuk menilai dispersi rata-rata dari sampel. Maksimum digunakan untuk melihat nilai maksimum dari populasi. Sedangkan minimum digunakan untuk melihat nilai minimum dari nilai populasi.hal ini perlu dilakukan untuk melihat gambaran keseluruhan dari sampel yang berhasil dikumpulkan dan memenuhi syarat untuk dijadikan sampel penelitian.
2. Uji Asumsi Klasik
Sebelum dilakukan pengujian regresi berganda maka perlu dilakukan pengujian asumsi klasik untuk model yang digunakan dalam penelitian. Uji asumsi klasik yang digunakan oleh peneliti
50 pada penelitian ini yaitu uji multikolonieritas, uji auto korelasi, uji heteroskidestitas, uji normalitas.
a. Multikolinieritas
Menurut Ghozali (2005: 91) uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar satu atau semua variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas atau tidak terjadi multikolinear. Cara mendeteksi terjadi atau tidaknya multikolonieritas adalah dengan melihat tolerance dan Variance Inflation Factor (VIF). Kedua pengukuran ini menunjukkan menunjukkan setiap variable independen manakah yang dijelaskan oleh variable independen lainnya. Tolerance mengukur variabilitas variable independen yang terpilih dan tidak dijelaskan oleh variable lainnya. Jika nilai tolerance rendah yang rendah sama dengan nilai VIF yang tinggi (karna VIF=1/tolerance). Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance ≤0,10 atau sama dengan nilai VIF≥10.
b. Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam regresi linear ada kolerasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1
51 (sebelumnya). Jika terjadi autokorelasi, maka dinamakan problem autokorelasi. Autokorelasi muncul karna observasi yang berurutan sepanjang waktu berkaitan satu sama lain.
Untuk mendeteksi adanya autokorelasi pada penelitian ini digunakan pengujian autokorelasi tingkat 1 (first order autocorrelation) dan mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variable lag diantara variable independen (Ghozali, 2011:11). Hipotesis yang akan diuji adalah:
H0: tidak ada autokorelasi (r=0)
HA: ada autokorelasi (r=0)
Table 3.1
Pengambilan keputusan autokorelasi Hipotesis nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0<d<dl Tidak ada autokorelasi positif No decision dl≤d≤du Tidak ada autokorelasi Negatif Tolak 4-du<d<4 Tidak ada autokorelasi Negatif No decision 4-du≤d≤4-dl Tidak ada autokorelasi positif atau Negatif
Tidak ditolak Du<d<4-du
52 c. Heteroskedastisitas
Tujuan uji heteroskedastisitas adalah untuk menguji apakah model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan yang lain. Jika residualnya tetap antara satu pengamatan ke pengamatan lainnya disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas . homoskedastisitas adalah model regresi yang baik.
Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat diilakukan dengan berbagai cara, pada penelitian ini penguji menggunakan uji glejser. Analisis dengan grafik plot memiliki kelemahan yang cukup signifikan karena jumlah pengamatan mempengaruhi hasil ploting, semakin sedikit jumlah pengamatan semakin sulit menginterprestasikan hasil grafik plot (ghozali, 2011:139).
Menurut Gujarati (2003) uji glejser mengusulkan untuk meregres nilai absolut residual terhadap variabel independen dengan persamaan regresi: |Ut|=α+βXt+vt
d. Uji normalitas
Tujuan uji normalitas adalah untuk mengukur apakah didalam model regresi variabel independen dan variabel
53 dependen keduanya mempunyai distribusi normal atau mendekati normal. Model regresi yeng baik adalah yang memiliki disrtribusi normal atau mendekati normal. Dalam penelitian ini uji Kolmogorov-smirnov. Suatu variabel dikatakan normal jika nilai probabilitas tes two tailed berada diatas tingkat signifikan yaitu α= 5% maka data dapat dikatakan terdistribusi secara normal.
3. Koefision Determinasi
Koefision determinasi (R²) bertujuan untuk mengukur seberapa jauh kemampuan model dapat menerapkan varian variable dependen. Nilai koefision determinasi antara 0 (nol) dan 1 (satu). Nilai R² yang kecil berarti kemampuan variabel independen dalam menjelaskan varians variabel dependen terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variable dependen. Untuk mengetahui besar atau kecilnya persentase pengaruh variable bebas (X) terhadap variable terikat (Y) dipergunakan koefisien determinasi dengan rumus sebagai berikut: KD= Koefisien Determinasi Dimana: KD= Koefisien Determinasi R= Koefisen Korelasi Sumber: (ghozali, 2011:97).
54 4. Uji Hipotesis
Dalam pengolahan data, penelitian ini menggunakan model regresi berganda. Persamaan regresi berganda bertujuan untuk memprediksi besar variable dependen dengan menggunakan data variable independen yang sudah diketahui besarnya. Adapun persamaan regresi berganda adalah:
ERC= a + b1KNSV+ b2KA+b3KI
(sumber:Sugiyono, 2010:277)
Keterangan :
ERC = Kualitas laba perusahaan i pada periode t
b1, b2, b3 = Koefisien regresi
KNSV = Indeks konservatisme
KA = Komite Audit
KI = Komisaris Independen
Uji hipotesis ini dilakukan melalui:
a. Koefision Determinasi
Koefision determinasi (R²) bertujuan untuk mengukur seberapa jauh kemampuan model dapat menerapkan varian variable dependen. Nilai koefision determinasi antara 0 (nol) dan 1 (satu). Nilai R² yang kecil berarti kemampuan variabel
55 independen dalam menjelaskan varians variabel dependen terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variable dependen. Untuk mengetahui besar atau kecilnya persentase pengaruh variable bebas (X) terhadap variable terikat (Y) dipergunakan koefisien determinasi dengan rumus sebagai berikut:
KD= Koefisien Determinasi Dimana: KD= Koefisien Determinasi R= Koefisen Korelasi Sumber: (ghozali, 2011:97). b. Uji statistic F
Uji statistic f pada dasarnya menunjukkan apakah semua variable independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variable dependen. Jika nilai signifikannya F<0,05 maka Ha diterima dan jika signifikansinya F>0,05 maka Ha ditolak.
56 c. Uji Statistik t
Uji statistik t menunjukkan sseberapa jauh pengaruh variable penjelas atau independen secara individual dalam menerangkan variansi variable dependen dan digunakan untuk mengetahui ada atau tidaknya pengaruh masing-masing variable independen secara individual. Terhadap variable dependen yang diuji pada tingkat signifikansi 0,05. Jika signifikansi t>0,05 maka Ha ditolak se baliknnya jika t<0,05 maka Ha diterima dan berarti terdapat pengaruh yang signifikan antara variable independen dan variable dependen (ghozali, 2011:98)