• Tidak ada hasil yang ditemukan

BAB IV ANALISIS HASIL PENELITIAN

3. Pengujian Hipotesis

1. Pengujian Hipotesis Pertama

Pengujian hipotesis pertama dilakukan dengan menggunakan formulasi sebagai berikut:

H

01 : b1 ≤ 0 Penerapan GCG tidak berpengaruh positif terhadap ROE.

H

a1 : b1 > 0 Penerapan GCG berpengaruh positif terhadap ROE.

Kriteria pengujian yang digunakan untuk menerima atau menolak hipotesis (H

a1) di atas adalah: jika koefisien regresi b

1 memiliki nilai p-value<0.05 maka Ha1 diterima yang berarti, Penerapan GCG berpengaruh positif terhadap ROE.

2. Pengujian Hipotesis Kedua

Pengujian hipotesis kedua dilakukan dengan menggunakan formulasi sebagai berikut:

H

02 : b2 ≤ 0 Penerapan GCG tidak berpengaruh positif terhadap ROI.

H

a2 : b2 > 0 Penerapan GCG berpengaruh positif terhadap ROI.

Kriteria pengujian yang digunakan untuk menerima atau menolak hipotesis (H

a2) di atas adalah: jika koefisien regresi b

2 memiliki nilai p-value<0.05 maka H

a2 diterima yang berarti, Penerapan GCG berpengaruh positif terhadap ROI.

3. Pengujian Hipotesis Ketiga

Pengujian hipotesis ketiga dilakukan dengan menggunakan formulasi sebagai berikut:

H

03 : b3 ≤ 0 Penerapan GCG tidak berpengaruh positif terhadap EPS.

H

a3 : b3 > 0 Penerapan GCG berpengaruh positif terhadap EPS.

Kriteria pengujian yang digunakan untuk menerima atau menolak hipotesis (H

a3) di atas adalah: jika koefisien regresi b

3 memiliki nilai p-value<0.05 maka H

a3 diterima yang berarti, Penerapan GCG berpengaruh positif terhadap EPS.

b. Koefisien Determinasi ( )

R Square pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Dalam hal ini R Square digunakan untuk mengetahui seberapa jauh kemampuan skor penerapan

GCG (X) dalam menerangkan ROE ( ), ROI ( ), dan EPS ( ).

c. Uji Signifikansi Parsial (t-test)

Pengujian ini dilakukan untuk melihat besarnya nilai variabel dependen dengan menggunakan t-test yaitu pengujian yang dilakukan untuk melihat ada tidaknya pengaruh secara signifikan dari variabel independen terhadap variabel dependen. Variabel independen dikatakan memiliki pengaruh terhadap variabel dependen apabila variabel tersebut memiliki nilai signifikansi (sig) dibawah 0,05.

G. Jadwal Penelitian

Jadwal penelitian yang direncanakan sebagai berikut : Tahapan Penelitian Januari 2011 Februari 2011 Maret 2011 April 2011 Mei 2011 Juni 2011 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 Pengajuan Judul Penyelesaian Proposal Bimbingan Proposal Seminar Proposal Pengumpulan Data Pengolahan Data Analisis Data Bimbingan Skripsi Ujian Komprehensif Peneliti mengajukan proposal skripsi pada minggu kedua Januari yaitu tanggal 13 Januari 2011 dan melaksanakan bimbingan perbaikan proposal selama 2 minggu. Seminar proposal dilaksanakan pada minggu pertama Maret yaitu pada tanggal 04 Maret 2011. Pengumpulan dan pengolahan data hingga penyelesaian skripsi dilakukan dalam waktu 13 minggu dan dilanjutkan dengan bimbingan skripsi yang dimulai pada minggu kedua Mei yaitu tanggal 10 Mei 2011. Ujian komprehensif pada minggu kedua bulan Juni yang direncanakan pada tanggal 15 Juni 2011.

BAB IV

ANALISIS HASIL PENELITIAN

A. Analisis Hasil Penelitian

1. Analisis Statistik Deskriptif

Statistik Deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebgaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atatu generalisasi (Sugiyono, 2007:142). Deskripsi suatu data dilihat dari nilai rata-rata (mean), standar

deviasi, varian, maksimum, dan minimum. Berikut ini akan dijelaskan hasil statistik deskriptif dari masing-masing variabel penelitian.

a. GCG (X)

Tabel 4.1 berikut menyajikan deskripisi total skor penerapan GCG dari sampel perusahaan:

Tabel 4.1

Statistik Deskriptif Total Skor Penerapan GCG

N Minimum Maksimum Mean Std. Deviation

GCG 30 64.74 90.65 80.1147 7.87137

Sumber : Hasil Olah Data SPSS,2011

Berdasarkan tabel 4.1 dapat dideskripsikan bahwa variable skor penerapan GCG perusahaan sampel memilki rata-rata sebesar 80.1147% dengan nilai minimum sebesar 64.74% dan nilai maksimum sebesar 90.65%. Besarnya nilai standar deviasi adalah 7.87137%, hal ini menunjukkan bahwa besarnya nilai rata-rata skor penerapan GCG adalah +7.87137% sedangkan penurunan nilai rata-rata skor penerapan GCG yang mungkin adalah -7.87137%.

b. Return On Equity-ROE

Tabel 4.2 berikut menyajikan deskripsi total ROE dari sampel perusahaan:

Tabel 4.2

Statistik Deskriptif Total ROE

N Minimum Maksimum Mean Std.

ROE 30 0.03 0.58 0.1791 0.13167 Sumber : Hasil Olah data SPSS,2011

Berdasarkan tabel 4.2 dapat dideskripsikan bahwa variable ROE perusahaan sampel memiliki rata-rata sebesar 0.1791% dengan nilai minimum sebesar 0.03% dan nilai maksimum sebesar 0.58%. Besarnya nilai standar deviasi adalah 0.13167%, hal ini menunjukkan bahwa besarnya nilai rata-rata ROE adalah peningkatan maksimum yang mungkin sebesar +0.13167% sedangkan penurunan nilai rata-rata ROE yang mungkin adalah -0.13167%.

c. Return On Invesment-ROI

Tabel 4.3 berikut menyajikan deskripsi total ROI dari sampel perusahaan:

Tabel 4.3

Statistik Deskriptif Total ROI

N Minimum Maksimum Mean Std.

Deviation

ROI 30 0.01 0.43 0.0820 0.10315

Sumber : Hasil Olah data SPSS,2011

Berdasarkan tabel 4.3 dapat dideskripsikan bahwa variable ROI perusahaan sampel memiliki rata-rata sebesar 0.0820% dengan nilai minimum sebesar 0.01% dan nilai maksimum sebesar 0.43%. Besarnya nilai standar deviasi adalah 0.10315%, hal ini menunjukkan bahwa besarnya nilai rata-rata ROI adalah peningkatan maksimum yang

mungkin sebesar +0.10315% sedangkan penurunan nilai rata-rata ROI yang mungkin adalah -0.10315%.

d. Earning Per Share-EPS

Tabel 4.4 berikut menyajikan deskripsi total EPS dari sampel perusahaan:

Tabel 4.4

Statistik Deskriptif Total EPS

N Minimum Maksimum Mean Std.

Deviation EPS 30 6.64 1184.00 262.1720 335.50555 Sumber : Hasil Olah data SPSS,2011

Berdasarkan tabel 4.4 dapat dideskripsikan bahwa variable EPS perusahaan sampel memiliki rata-rata sebesar 262.1720% dengan nilai minimum sebesar 6.64% dan nilai maksimum sebesar 1184.00%. Besarnya nilai standar deviasi adalah 335.50555%, hal ini menunjukkan bahwa besarnya nilai rata-rata EPS adalah peningkatan maksimum yang mungkin sebesar +335.50555% sedangkan penurunan nilai rata-rata EPS yang mungkin adalah -335.50555%.

2. Hasil Uji Asumsi Klasik

Pengujian hipotesis dilakukan dengan uji regresi linier sederhana. Uji ini terdiri dari uji normalitas data, uji autokorelasi, dan uji heterokedastisitas.

a. Hasil Uji Normalitas

Tujuan uji normalitas data adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atatu residual memiliki

distribusi normal. Jika asumsi ini dilanggar atatu tidak dipenuhi maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Cara yang digunakan peneliti adalah dengan analisis grafik dan analisis statistik pada ketiga fungsi sesuai dengan jumlah variable dependennya.

Dalam analisis grafik, dilakukan dengan melihat grafik histogram dan normal probability plot. Pada analisis statistik dilakukan dengan alat uji Kolmogorv Smirnov. Apabila nilai signifikan lebih besar dari 0,05 maka data bitu terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil pengujian normalitas data dapat dilihat dibawah ini.

1). Hasil uji normalitas terhadap variable ROE

Hasil pengujian normalitas terhadap variable dependen ROE akan disajikan pada table 4.5 berikut ini:

Tabel 4.5

Hasil Uji Normalitas GCG Terhadap ROE One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 30

Normal Parametersa,b Mean .0000000

Std. Deviation .12441984 Most Extreme Differences Absolute .167 Positive .167 Negative -.113 Kolmogorov-Smirnov Z .917

Sumber : Hasil Olah Data SPSS oleh Penulis, 2011

Berdasarkan tabel 4.5 dapat dilihat bahwa nilai signifikansi independen dan variable dependen ROE menunjukkan data terdistribusi secara normal, karena hasil signifikansinya adalah 0,370 dan diatas nilai signifikansinya 0,05 dengan kata lain variable residual berdistribusi normal.

Uji normalitas juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.1 dan normal probability plot yang akan disajikan pada gambar 4.2 berikut ini:

Asymp. Sig. (2-tailed) .370

a. Test distribution is Normal b. Calculated from data

Gambar 4.1

Grafik Histogram GCG Terhadap ROE Sumber : Hasil Olah Data SPSS,2011

Berdasarkan gambar 4.1, terlihat bahwa grafik histogram pola distribusi yang tidak menceng ke kiri atau ke kanan menunjukkan bahwa data telah terdistribusi secara normal.

Gambar 4.2

Normal P-Plot GCG Terhadap ROE Sumber : Hasil Olah Data SPSS,2011

Berdasarkan gambar 4.2 pada grafik normal plot terlihat bahwa titik-titik menyebar4 di sekitar garis diagonal dan penyebarannya tidak jauh dari garis diagonal. Hal ini menunjukkan data telah terdistribusi dengan normal.

2). Hasil uji normalitas terhadap variable ROI

Hasil pengujian normalitas terhadap variabel dependen ROI akan disajikan pada tabel 4.6 berikut ini:

Tabel 4.6

Hasil Uji Normalitas GCG Terhadap ROI

Sumber: Hasil Olah Data SPSS oleh Penulis,2011

Berdasarkan tabel 4.6, dapat dilihat bahwa nilai signifikansi variabel independen dan variabel dependen ROI menunjukkan data terdistribusi secara normal, karena hasil signifikansinya adalah 0.055 dan diatas nilai signifikansi 0.05 dengan kata lain variabel residual berdistribusi normal.

Uji normalitas juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.3 dan normal probability plot yang akan disajikan pada gambar 4.4 berikut ini:

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 30

Normal Parametersa,b Mean .0000000

Std. Deviation .10236486

Most Extreme Differences Absolute .244

Positive .244

Negative -.193

Kolmogorov-Smirnov Z 1.339

Asymp. Sig. (2-tailed) .055

a. Test distribution is Normal b. Calculated from data

Gambar 4.3

Grafik Histogram GCG Terhadap ROI Sumber : Hasil Olah Data SPSS,2011

Berdasarkan gambar 4.3, terlihat bahwa grafik histogram pola distribusi yang tidak menceng ke kiri atatu ke kanan menunjukkan bahwa data telah terdistribusi secara normal.

Gambar 4.4

Normal P-Plot GCG Terhadap ROI Sumber : Hasil Olah Data SPSS, 2011

Berdasarkan gambar 4.4, pada grafik normal plot terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan penyebarannya tidak jauh dari garis diagonal. Hal ini menunjukkan data telah terdistribusi normal.

3). Hasil uji normalitas terhadap variabel EPS

Hasil pengujian normalitas terhadap dependen EPS akan disajikan pada tabel 4.7 berikut ini:

Tabel 4.7

Hasil Uji Normalitas GCG Terhadap EPS

Berdasarkan tabel 4.7 dapat dilihat nahwa nilai signifikansi variabel independen dan variabel dependen EPS menunjukkan data terdistribusi secara normal, karena hasil signifikansinya adalah 0.050 dan di atas nilai signifikansi 0.05 dengan kata lain variabel residual berdistribusi normal.

Uji normalitas juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.5 dan normal probability plot yang akan disajikan pada gambar 4.6 berikut ini:

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 30

Normal Parametersa,b Mean .0000000

Std. Deviation 330.91314511

Most Extreme Differences Absolute .248

Positive .248

Negative -.189

Kolmogorov-Smirnov Z 1.359

Asymp. Sig. (2-tailed) .050

a. Test distribution is Normal b. Calculated from data

Gambar 4.5

Grafik Histogram GCG terhadap EPS Sumber : Hasil Olah Data SPSS,2011

Berdasarkan gambar 4.5, terlihat bahwa grafik histogram pola distribusi yang tidak menceng ke kiri atau ke kanan menunjukkan bahwa data telah terdistribusi secara normal.

Gambar 4.6

Normal P-Plot GCG terhadap EPS Sumber: Hasil Olah Data SPSS,2011

Berdasarkan gambar 4.6, pada grafik normal plot terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan penyebarannya tidak jauh dari garis diagonal. Hal ini menunjukkan data telah terdistribusi normal.

Berdasarkan tabel 4.1 - 4.7 dan gambar 4.1 – 4.6 dapat disimpulkan bahwa ketiga variabel memenuhi asumsi normalitas.

b. Hasil Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan

kesalahan penganggu t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Kriteria pengambilan keputusan uji autokorelasi adalah sebagai berikut :

sar Pengambilan Keputusan Autokorelasi

H0 (hipotesis nol) Apabila Keputusan

Tidak ada auto korelasi + 0<d<d1 Menolak Tidak ada auto korelasi + d1<d<du Ragu-ragu Tidak ada auto korelasi - (4-d1)<d<4 Menolak Tidak ada auto korelasi - (4-du)<d<(4-d1 ) Ragu-ragu Tidak ada auto korelasi +/- du<d<(4-du) Menerima Sumber: Buku Analisis Data

Hasil dari pengujian autokorelasi dapat dilihat di bawah ini. 1). Hasil uji autokorelasi terhadap variabel ROE

Hasil pengujian autokorelasi terhadap variabel dependen ROE akan disajikan pada tabel 4.9 berikut ini:

Tabel 4.9

Hasil Uji Autokorelasi GCG Terhadap ROE Tabel 4.8

Model

Model R R Square Adjusted R Square Std. Error of The Estimate Durbin- Watson 1 0.327 0.107 0.075 0.12662 2.025 a.Predictor: (Constant),GCG b.Dependen Variabel: ROE

Berdasarkan kriteria pada tabel 4.9 nilai du pada penelitian ini adalah adalah 1,4984. Nilai 4-du adalah 2,5016 maka dapat disimpulkan bahwa model regresi tidak terjadi Autokorelasi, hal ini terlihat bahwa nilai Durbin-Watson sebesar 2,025 yakni berada diantara 1,4984 dan 2,5016, artinya tidak terjadi autokorelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1.

2). Hasil uji autokorelasi terhadap variabel ROI

Hasil pengujian autokorelasi terhadap variabel dependen ROI akan disajikan pada tabel 4.10 berikut ini:

Tabel 4.10

Hasil Uji Autokorelasi GCG Terhadap ROI Model

Model R R Square Adjusted R Square Std. Error of The Estimate Durbin- Watson 1 0.015 -0.020 0.10418 2.266 a.Predictor: (Constant),GCG b.Dependen Variabel: ROI

Berdasarkan kriteria pada tabel 4.9 nilai du pada penelitian ini adalah adalah 1,4984. Nilai 4-du adalah 2,5016 maka dapat disimpulkan bahwa model regresi tidak terjadi Autokorelasi, hal

ini terlihat bahwa nilai Durbin-Watson sebesar 2,266 yakni berada diantara 1,4984 dan 2,5016, artinya tidak terjadi autokorelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1.

3). Hasil uji autokorelasi terhadap variabel EPS

Hasil pengujian autokorelasi terhadap variabel dependen EPS akan disajikan pada tabel 4.11 berikut ini:

Tabel 4.11

Hasil Uji Autokorelasi GCG Terhadap EPS Model

Model R R Square Adjusted R Square Std. Error of The Estimate Durbin- Watson 1 0.027 -0.008 336.77047 1.858 a.Predictor: (Constant),GCG b.Dependen Variabel: EPS

Berdasarkan kriteria pada tabel 4.9 nilai du pada penelitian ini adalah adalah 1,4984. Nilai 4-du adalah 2,5016 maka dapat disimpulkan bahwa model regresi tidak terjadi Autokorelasi, hal ini terlihat bahwa nilai Durbin-Watson sebesar 2,025 yakni berada diantara 1,4984 dan 2,5016, artinya tidak terjadi autokorelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1.

c. Hasil Uji Heterokedastisitas

Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lain. Model regresi yang baik adalah tidak terjadi

heterokedastisitas. Untuk pengujian ini peneliti menggunakan alat analisis grafik (scatterplot). Deteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat ada tidaknya pola tertentu pada grafik scatterplot di sekitar nilai , , , dan . Jika ada pola tertentu, maka telah terjadi hetero kedastisitas.

1). Hasil uji heterokedastisitas terhadap variabel ROE

Hasil dari pengujian gejala heterokedastisitas terhadap variabel dependen ROE akan disajikan pada gambar 4.7 berikut ini:

Grafik Scatterplot GCG Terhadap ROE Sumber: Hasil Olah data SPSS,2011

Berdasarkan gambar 4.7, pada grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Maka dapat disimpulkan bahwa tidak terjadi gejala heterokedastisitas.

2). Hasil uji heterokedastisitas terhadap variabel ROI

Hasil pengujian heterokedastisitas terhadap variabel dependen ROI akan disajikan pada gambar 4.8 berikut ini:

Gambar 4.8

Grafik Scatterplot GCG Terhadap ROI Sumber: Hasil Olah data SPSS,2011

Berdasarkan gambar 4.8, pada grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Maka dapat disimpulkan bahwa tidak terjadi gejala heterokedastisitas.

3). Hasil uji heterokedastisitas terhadap variabel EPS

Hasil pengujian heterokedastisitas terhadap variabel dependen EPS akan disajikan pada gambar 4.9 berikut ini:

Gambar 4.9

Grafik Scatterplot GCG Terhadap EPS Sumber: Hasil Olah data SPSS,2011

Berdasarkan gambar 4.9, pada grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Maka dapat disimpulkan bahwa tidak terjadi gejala heterokedastisitas.

3. Hasil Analisis Regresi Sederhana

Pengujian hipotesis dilakukan dengan tujuan untuk menguji ada tidaknya pengaruh dari variabel independen terhadap variabel dependen. Hasil dari pengujian dengan regresi sederhana dapat dilihat di bawah ini:

a. Hasil pengujian regresi terhadap variabel ROE Tabel 4.12

Hasil Uji Regresi GCG Terhadap ROE

Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -.259 .240 -1.079 .290 GCG .005 .003 .327 1.832 .078

Dependent Variable: ROE

Sumber : Hasil Olah data SPSS,2011

Berdasarkan hasil pengolahan data pada tabel 4.12 diperoleh model persamaan regresi sederhana sebagai berikut:

= -0,259 + 0,05X + e

1). Konstanta sebesar -0,259 menyatakan bahwa jika nilai skor penerapan GCG = 0 (tidak ada), maka ROE akan sebesar -0,259.

2). Koefisien X ( ) = 0,05 menunjukkan bahwa GCG (X) berpengaruh positif terhadap ROE ( ). Hal ini berarti bahwa jika variabel skor penerapan GCG ditingkatkan, maka akan menaikkan ROE sebesar 0,05,

3). Standar error (e) menunjukkan tingkat kesalahan pengganggu.

b. Hasil pengujian regresi terhadap variabel ROI

Tabel 4.13

Hasil Uji Regresi GCG Terhadap ROI

Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -.048 .198 -.241 .811 GCG .002 .002 .123 .658 .516

Dependent Variable: ROI

Sumber : Hasil Olah Data oleh Penulis,2011

Berdasarkan hasil pengolahan data pada tabel 4.13 diperoleh model persamaan regresi sederhana sebagai berikut:

= -0,048 + 0,002X + e

1). Konstanta sebesar -0,048 menyatakan bahwa jika nilai skor penerapan GCG = 0 (tidak ada), maka ROI akan sebesar -0,048.

2). Koefisien X ( ) = 0,002 menunjukkan bahwa GCG (X) berpengaruh positif terhadap ROI ( ). Hal ini berarti bahwa jika variabel skor penerapan GCG ditingkatkan, maka akan menaikkan ROI sebesar 0,002,

3). Standar error (e) menunjukkan tingkat kesalahan pengganggu.

c. Hasil pengujian regresi terhadap variabel EPS Tabel 4.14

Hasil Uji Regresi GCG Terhadap EPS

Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -300.889 639.460 -.471 .642 GCG 7.028 7.945 .165 .885 .384

Dependent Variable: EPS

Sumber : Hasil Olah Data oleh Penulis,2011

Berdasarkan hasil pengolahan data pada tabel 4.14 diperoleh model persamaan regresi sederhana sebagai berikut:

= -300,889 + 7,028X + e

1). Konstanta sebesar -300,889 menyatakan bahwa jika nilai skor penerapan GCG = 0 (tidak ada), maka EPS akan sebesar -300,889. 2). Koefisien X ( ) = 7,028 menunjukkan bahwa GCG (X) berpengaruh

positif terhadap EPS ( ). Hal ini berarti bahwa jika variabel skor penerapan GCG ditingkatkan, maka akan menaikkan EPS sebesar 7,028,

3). Standar error (e) menunjukkan tingkat kesalahan pengganggu. d. Hasil pengukuran koefisien determinasi ( )

R Square pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Dalam hal ini R Square

digunakan untuk mengetahui seberapa jauh kemampuan skor penerapan GCG (X) dalam menerangkan ROE ( ), ROI ( ), dan EPS ( ).

1). Hasil pengujian R Square terhadap variabel ROE Tabel 4.15

Hasil Pengujian R Square GCG Terhadap ROE Model

Model R R Square Adjusted R Square

Std. Error of The Estimate

1 0.327 0.107 0.075 0.12662

a.Predictor: (Constant),GCG

b.Dependen Variabel: ROE

Sumber : Hasil Olah Data SPSS,2011

Dalam penelitian ini, nilai R Square pada tabel 4.15=0,107 berarti 10,7 % ROE dapat dijelaskan oleh skor penerapan GCG. Sedangkan sisanya sebesar 89,3% dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.

2). Hasil pengujian R Square terhadap variabel ROI Tabel 4.16

Hasil Pengujian R Square Terhadap ROI Model

Model R R Square Adjusted R Square

Std. Error of The Estimate

1 0.015 -0.020 0.10418

a.Predictor: (Constant),GCG

b.Dependen Variabel: ROI

Sumber : Hasil Olah Data SPSS,2011

Dalam penelitian ini, nilai R Square pada tabel 4.16=0,015 berarti 1,5 % ROI dapat dijelaskan oleh skor penerapan GCG. Sedangkan sisanya

sebesar 98,5% dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.

3). Hasil pengujian R Square terhadap variabel EPS Tabel 4.17

Hasil Pengujian R Square GCG Terhadap EPS Model

Model R R Square Adjusted R Square

Std. Error of The Estimate

1 0.027 -0.008 336.77047

a.Predictor: (Constant),GCG

b.Dependen Variabel: EPS

Sumber : Hasil Olah Data SPSS,2011

Dalam penelitian ini, nilai R Square pada tabel 4.17=0,027 berarti 2,7 % ROE dapat dijelaskan oleh skor penerapan GCG. Sedangkan sisanya sebesar 97,3% dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.

e. Hasil Uji Signifikan Parsial (uji-t)

Uji-t dilakukan untuk menguji secara parsial atau individu apakah penerapan GCG secara parsial berpengaruh terhadap ROE, ROI, dan EPS. Hasil uji-t dapat dilihat dari tabel 4.12, 4.13 dan 4.14. Dari hasil uji-t, dapat diketahui variabel GCG akan berpengaruh secara parsial terhadap kinerja keuangan yang diproksi dengan ROE,ROI, dan EPS jika nilai probabilitasnya <0,05 dan t hitung > t tabel. T tabel dalam penelitian ini adalah 2,048.

Berdasarkan hasil uji-t, dari tabel 4.12 dapat diketahui nilai probabilitas untuk variabel GCG adalah 0,78 dan t hitung sebesar 1,832 berarti penerapan GCG tidak berpengaruh positif terhadap ROE karena probabilitasnya berada diatas 0,05 dan t hitungnya berada dibawah 2,048.

2). Hasil Uji t GCG terhadap variabel dependen ROI

Berdasarkan hasil uji-t, dari tabel 4.13 dapat diketahui nilai probabilitas untuk variabel GCG adalah 0.52 dan t hitung sebesar 0,658 berarti penerapan GCG tidak berpengaruh positif terhadap ROI karena probabilitasnya berada di atas 0,05 dan t hitungnya berada dibawah 2,048.

3). Hasil Uji t GCG terhadap variabel dependen EPS

Berdasarkan hasil uji-t, dari tabel 4.14 dapat diketahui nilai probabilitas untuk variabel GCG adalah 0,38 dan t hitung sebesar 0,885 berarti penerapan GCG tidak berpengaruh positif terhadap EPS karena probabilitasnya berada diatas 0,05 dan t hitungnya berada dibawah 2,048.

Dapat disimpulkan, bila bergerak secara parsial, penerapan GCG berpengaruh negatif terhadap kinerja keuangan – ROE, ROI, dan EPS dengan tingkat signifikansi variabel independen 0,78 (>0,05), 0,52 (>0,05), dan 0,38 (>0,05). Selain itu t hitung juga berada di bawah t tabel. Hal ini berarti secara parsial, semakin tinggi skor penerapan GCG (X) maka kinerja keuangan-

ROE, ROI, dan EPS semakin rendah. Hasil penelitian ini secara parsial menenmukan bahwa penerapan GCG tidak berpengaruh terhadap kinerja keuangan.

Dokumen terkait