• Tidak ada hasil yang ditemukan

BAB IV HASIL DAN PEMBAHASAN

1 Pengungkapan ERM COSO

Risiko/ERM

Luas pengungkapan manajemen risiko menurut COSO ERM Framework sebanyak 108 item dalam annual report Jumlah item pengungkapan ERM dalam annual report dibagi dengan 108 Rasio 2 Komisaris independen Anggota dewan komisaris yang tidak memiliki hubungan dengan pihak terafiliasi Jumlah anggota komisaris independen dibagi dengan jumlah anggota dewan komisaris Rasio

3 Komite audit Komite yang bertugas melakukan pemeriksaan dan pengawasan dalam proses pelaporan keuangan serta pengendalian internal Jumlah anggota komite audit Nominal 4 Konsentrasi kepemilikan Persentase kepemilikan saham terbesar Jumlah kepemilikan lembar saham terbesar dibagi total lembar saham yang beredar Rasio

3.6 Metode Analisis Data

Data penelitian dianalisis dan diuji dengan uji statistik yang terdiri dari statistik deskriptif, uji asumsi klasik, dan analisis regresi untuk pengujian hipotesis.

3.6.1 Statistik Deskriptif

Statistik deskriptif merupakan proses transformasi data penelitian dalam bentuk tabulasi sehingga mudah dipahami dan diinterpretasikan (Erlina, 2011: 93). Statistik deskriptif dimaksudkan untuk menggambarkan dan menyajikan secara ringkas informasi dari sejumlah besar data (Sularso, 2003: 77). Ukuran statistik deskriptif yang digunakan dalam penelitian ini adalah nilai minimum dan maksimum, mean, dan standar deviasi. Nilai minimum dan maksimum digunakan untuk mengetahui range (rentang) data. Semakin besar nilai range maka semakin besar pula penyimpangan dari nilai rata- ratanya. Nilai rata-rata (mean) adalah perbandingan penjumlahan sekelompok data dengan jumlah data. Standar deviasi adalah rata-rata

No. Variabel Definisi Indikator Skala

5 Leverage Rasio keuangan untuk mengukur seberapa besar aset perusahaan dibiayai oleh liabilitas

Total hutang dibagi total aset

Rasio 6 Ukuran perusahaan Besar – kecilnya perusahaan Logaritma natural total aset

penyimpangan masing-masing data terhadap nilai yang diharapkan (Erlina, 2011: 96).

3.6.2 Uji Asumsi Klasik

Pengujian asumsi atas analisis multivariat disebut pengujian asumsi klasik. Tujuan pengujian ini adalah untuk menguji kelayakan model regresi yang digunakan dalam peneltitian. Uji asumsi klasik terdiri atas uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.

3.6.2.1 Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan (Situmorang, et al., 2007: 55). Uji normalitas dapat dilakukan melalui analisa grafik dan analisa statistik. Analisa grafik dilakukan dengan melihat grafik histogram dan grafik normal probability plot. Distribusi data dikatakan normal jika garis tren pada histogram berbentuk lonceng dan garis tren pada grafik normal probability plot tidak melenceng jauh dari garis tren. Analisis statistik dilakukan dengan uji Kolmogorov Smirnov. Jika nilai signifikansi > 0,05 maka data berdistribusi normal.

3.6.2.2 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk mengetahui apakah antar variabel independen dalam model regresi memiliki korelasi. Dampak dari multikolinearitas adalah kurang akuratnya model regresi karena penaksiran koefisien regresi menjadi sangat sensitif terhadap perubahan data (Suharjo, 2008: 98). Model regresi yang baik seharusnya tidak memiliki korelasi antar variabel independennya. Uji multikolinearitas dapat dilakukan dengan melihat nilai VIF (variance inflation factor) dan nilai tolerance. VIF adalah estimasi berapa besar multikolinearitas meningkatkan varian pada suatu koefisien estimasi sebuah variabel independen (Erlina, 2011: 103). Jika nilai VIF < 10 dan nilai tolerance > 0,10 maka tidak terdapat multikolinearitas. Uji multikolinearitas juga dapat dilakukan dengan melihat koefisien korelasi antar variabel independen. Korelasi antar variabel independen dikatakan berkorelasi tinggi jika nilai korelasinya > 0,80.

3.6.2.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk mengetahui apakah terdapat gejala heteroskedastisitas dalam model regresi. Heteroskedastisitas terjadi ketika varian residual bersifat tidak konstan. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas. Uji

heteroskedastisitas dilakukan dengan melihat grafik nilai residu dan uji Glejser. Grafik nilai residu menunjukkan tidak adanya gejala heteroskedastisitas jika gambar scatter diagram antara SRESID dan ZPRED nilai residu tidak membentuk pola tertentu dan titik – titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Analisis statistik dilakukan dengan uji Glejser. Jika nilai signifikansi > 0,05 maka data tidak mengalami gejala heteroskedastisitas.

3.6.2.4 Uji Autokorelasi

Autokorelasi dapat didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan waktu atau ruang (Situmorang, et al., 2007: 78). Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu model regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya. Masalah autokorelasi muncul ketika data yang digunakan adalah data time series. Autokorelasi akan muncul bila data sesudahnya merupakan fungsi dari data sebelumnya, atau data sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan besaran data sangat tergantung pada tempat data tersebut terjadi (Hadi, 2006: 175). Uji autokorelasi dilakukan dengan melihat nilai d pada uji Durbin-Watson.

Tabel 3.3 Nilai Durbin-Watson

Hipotesis nol Keputusan Jika

Tidak ada autokorelasi positif Tolak 0 < d < dl Tidak ada autokorelasi positif No decision dl ≤ d ≤ du Tidak ada korelasi negatif Tolak 4 – dl < d < 4 Tidak ada korelasi negatif No decision 4 –du ≤ d ≤ 4 – dl Tidak ada autokorelasi, positif atau

negatif

Tidak ditolak

du < d < 4 – du

Sumber: Ghozali (2013: 111)

3.6.3 Analisis Regresi Berganda

Analisis regresi bertujuan untuk mengetahui dampak variabel bebas terhadap variabel terikat (Hadi, 2006: 147). Analisis regresi linear berganda digunakan dalam penelitian ini karena model yang diuji memiliki lebih dari satu variabel independen yang hanya mempengaruhi satu variabel dependen. Regresi linear berganda ditujukan untuk menentukan hubungan linear antar beberapa variabel bebas dengan variabel terikat (Situmorang, et al., 2007: 118). Data dalam penelitian ini dianalisis dengan analisis regresi linear berganda dengan persamaan sebagai berikut:

+

Keterangan:

ERM = Pengungkapan manajemen risiko/ERM α = Konstanta

IND_COM = Komisaris independen AUD_COM = Komite audit

OWN_CON = Konsentrasi kepemilikan FIN_LEV = Leverage

FRM_SZE = Ukuran perusahaan = Error

3.6.3.1 Koefisien Determinasi

Ketepatan fungsi regresi dalam menaksir nilai aktual dapat diukur berdasarkan Goodness of Fit atau koefisien determinasinya (Situmorang, et al., 2007: 112). Koefisien determinasi ini menggambarkan kemampuan model dalam menjelaskan variasi variabel independen. Nilainya antara 0 sampai dengan 1, jika semakin mendekati 1 maka model semakin baik.

3.6.3.2 Uji Signifikansi Simultan (Uji F)

Uji Signifikansi Simultan atau Uji F ini dilakukan untuk mengetahui seberapa signifikan hubungan variabel – variabel independen secara simultan terhadap variabel dependen. Jika F hitung < F tabel maka Ho diterima dan Ha ditolak, sedangkan jika F hitung > F tabel maka Ho ditolak dan Ha diterima (Situmorang, et al., 2007: 114). Jika tingkat signifikansi di bawah 0,05 maka Ho ditolak dan Ha diterima.

3.6.3.3 Uji Signifikansi Parsial (Uji T)

Uji Signifikansi Parsial atau Uji t ini dilakukan untuk mengetahui seberapa signifikan hubungan variabel independen secara parsial terhadap variabel dependen. Jika t hitung < t tabel maka Ho diterima dan Ha ditolak, sedangkan jika t hitung > t tabel maka Ho ditolak dan Ha diterima (Situmorang, et al., 2007: 115). Jika tingkat signifikansi di bawah 0,05 maka Ho ditolak dan Ha diterima.

BAB IV

HASIL DAN PEMBAHASAN

5.1 Gambaran Umum Objek Penelitian

Populasi dalam penelitian ini adalah perusahaan properti yang terdaftar di Bursa Efek Indonesia tahun 2011-2013. Metode pengambilan sampel adalah purposive sampling. Jumlah sampel 40 perusahaan dan periode pengamatan selama 3 tahun sehingga jumlah observasi adalah 120.

Perusahaan yang menjadi sampel dalam penelitian ini adalah sebagai berikut.

Tabel 4.1

Perusahaan Yang Menjadi Sampel

No Kode Saham Nama Emiten

1 APLN Agung Podomoro Land Tbk

2 ASRI Alam Sutera Realty Tbk

3 BAPA Bekasi Asri Pemula Tbk

4 BCIP Bumi Citra Permai Tbk

5 BIPP Bhuwanatala Indah Permai Tbk

6 BKDP Bukit Darmo Property Tbk

7 BKSL Sentul City Tbk

8 BSDE Bumi Serpong Damai Tbk

9 COWL Cowell Development Tbk

10 CTRA Ciputra Development Tbk

11 CTRP Ciputra Property Tbk

12 CTRS Ciputra Surya Tbk

13 DART Duta Anggada Realty Tbk

14 DILD Intiland Development Tbk

15 DUTI Duta Pertiwi Tbk

16 ELTY Bakrieland Development Tbk

17 FMII Fortune Mate Indonesia Tbk

18 GMTD Gowa Makassar Tourism Development Tbk

19 JRPT Jaya Real Property Tbk

20 KIJA Kawasan Industri Jababeka Tbk

21 LAMI Lamicitra Nusantara Tbk

No Kode Saham Nama Emiten

23 LPKR Lippo Karawaci Tbk

24 MDLN Modernland Realty Ltd Tbk

25 MKPI Metropolitan Kentjana Tbk

26 MTLA Metropolitan Land Tbk

27 OMRE Indonesia Prima Property Tbk 28 PLIN Plaza Indonesia Realty Tbk

29 PWON Pakuwon Jati Tbk.

30 RBMS Ristia Bintang Mahkotasejati Tbk

31 RDTX Roda Vivatex Tbk

32 RODA Pikko Land Development Tbk

33 SCBD Danayasa Arthatama Tbk.

34 SMDM Suryamas Dutamakmur Tbk

35 SMRA Summarecon Agung Tbk

36 ADHI Adhi Karya (Persero) Tbk

37 DGIK Nusa Konstruksi Enjiniring Tbk

38 PTPP PP (Persero) Tbk

39 SSIA Surya Semesta Internusa Tbk

40 TOTL Total Bangun Persada Tbk

5.2 Hasil Penelitian

5.2.1 Analisis Statistik Deskriptif

Ukuran statistik deskriptif yang digunakan dalam penelitian ini adalah nilai minimum dan maksimum, mean, dan standar deviasi. Nilai minimum dan maksimum digunakan untuk mengetahui range (rentang) data. Semakin besar nilai range maka semakin besar pula penyimpangan dari nilai rata-ratanya. Nilai rata-rata (mean) adalah perbandingan penjumlahan sekelompok data dengan jumlah data. Standar deviasi adalah rata-rata penyimpangan masing-masing data terhadap nilai yang diharapkan (Erlina, 2011: 95).

Tabel 4.2

Hasil Statistik Deskriptif

Variabel independen dalam penelitian ini adalah komisis independen, komite audit, konsentrasi kepemilikan, leverage, dan ukuran perusahaan dan variabel dependennya adalah pengungkapan manajemen risiko. Variabel komisaris independen diukur dengan membagi jumlah anggota komisaris independen dengan jumlah anggota dewan komisaris. Variabel komisaris independen dalam penlitian ini diukur dengan membagi jumlah komisaris independen dengan jumlah anggota dewan komisaris. Nilai rata – rata komisaris independen (IND_COM) adalah 0,3981 (39,81%). Nilai ini telah melebihi syarat proporsi komisaris independen untuk perusahaan yang terdaftar di BEI, yaitu minimal 30%. Nilai maksimum 75% diperoleh Lippo Karawaci Tbk. dan nilai minimun 25% diperoleh Gowa Makassar Tourism Development Tbk.. Nilai standar deviasi IND_COM adalah 0,09833 yang jauh lebih kecil dari nilai rata – rata. Hal ini berarti kesenjangan data sangat kecil.

Descriptive Statistics

N Range Minimum Maximum Mean Std. Deviation

IND_COM 120 ,55 ,20 ,75 ,3981 ,09736 AUD_COM 120 2,00 2,00 4,00 3,0500 ,31356 OWN_CON 120 ,86 ,09 ,95 ,4440 ,21885 FIN_LEV 120 ,78 ,07 ,85 ,4388 ,17097 FRM_SZE 120 5,44 25,64 31,08 28,7021 1,32955 ERM 120 ,34 ,31 ,65 ,4510 ,07310 Valid N (listwise) 120

Definisi operasional variabel komite audit dalam penelitian ini adalah jumlah anggota komite audit. Nilai rata – rata komite audit (AUD_COM) adalah 3,05 yang sedikit lebih besar dari syarat jumlah anggota komite audit PRMBG, yaitu minimal 3 orang. Nilai maksimum 4 diperoleh Metropolitan Kentjana Tbk dan Total Bangun Persada Tbk. Sedangkan nilai minimum 2 diperoleh Roda Vivatex Tbk. Nilai standar deviasi 0,313456 lebih kecil jika dibandingkan dengan nilai mean. Hal ini berarti kesenjangan data sangat kecil.

Variabel konsentrasi kepemilikan (OWN_CON) dalam penelitian ini diukur dengan membagi jumlah kepemilikan lembar saham terbesar dibagi total lembar saham yang beredar. Nilai rata – rata konsentrasi kepemilikan 0,4440 (44,40%) di atas nilai standar deviasinya sebesar 0,21885 (21,90%). Range dalam konsentrasi kepemilikan cukup tinggi, yaitu 0,86. Persentasi kepemilikan tertinggi diperoleh Cowell Development Tbk. sebesar 95% dan yang terendah adalah Surya Semesta Internusa Tbk. sebesar 9%.

Variabel leverage diukur dengan membagi total hutang dengan total aset. Leverage memiliki nilai rata – rata 0,4388 (43,90%) dan standar deviasi 0,17097 (17,01). Range dalam konsentrasi kepemilikan cukup tinggi, yaitu 0,78. Nilai leverage tertinggi diperoleh Adhi Karya (Persero) Tbk. sebesar 85% dan nilai terendah diperoleh Ristia Bintang Mahkotasejati Tbk. sebesar 7%.

Ukuran perusahaan diukur dari logaritma natural total aset. Nilai rata – rata 28,7021 jauh di atas standar deviasinya 1,32955 sehingga kesenjangan data sangat kecil. Nilai maksimum diperoleh Lippo Karawaci Tbk. sebesar 31,08 dan nilai minimum diperoleh Ristia Bintang Mahkotasejati Tbk. sebesar 28,7021.

Pengungkapan manajemen risiko/ERM dalam penelitian ini diukur dengan membagi jumlah item pengungkapan ERM dalam annual report dengan 108. Nilai minimum 0,31 (31%) diperoleh Lamicitra Nusantara Tbk. dan nilai maksimum 0,65 (65%) diperoleh Bakrieland Development Tbk.. Nilai rata – rata pengungkapan ERM adalah 0,4510 (45,10%) dan standar deviasi 0,07310 (7,31%). Nilai standar deviasi jauh lebih kecil dari nilai rata – rata berarti kesenjangan data rendah.

5.2.2 Uji Asumsi Klasik

5.2.2.1 Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan (Situmorang, et al., 2007: 55). Uji normalitas dapat dilakukan melalui analisa grafik dan analisa statistik. Analisa grafik dilakukan dengan melihat grafik histogram dan grafik normal probability plot.

Hasil pengujian analisis grafik dapat dilihar pada Gambar 4.1 dan 4.2 berikut.

Gambar 4.1 Grafik Histogram

Gambar 4.2

Grafik Normal Probability Plot

Distribusi data dikatakan normal jika garis tren pada histogram menyerupai bentuk lonceng dan garis tren pada grafik normal probability plot tidak melenceng jauh dari garis tren. Gambar 4.1 dan 4.2 menunjukkan distribusi data normal.

Analisis statistik dilakukan dengan Uji Kolmogorov – Smirnov. Jika nilai signifikansi lebih dari 0,05 maka data berdistribusi normal. Hasil pengujian Kolmogorov – Smirnov ditunjukkan tabel 4.3 berikut.

Tabel 4.3

Hasil Uji Kolmogorov - Smirnov

Pada tabel di atas dapat dilihat bahwa nilai Kolmogorov – Smirnov sebesar 0,474 dengan signifikansi 0,978. Nilai signifikansi di atas 0,05 sehingga dapat disimpulkan bahwa data berdistribusi normal.

5.2.2.2 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk mengetahui apakah antar variabel independen dalam model regresi memiliki korelasi. Jika nilai VIF < 10 dan nilai tolerance > 0,10 maka tidak terdapat multikolinearitas. Uji multikolinearitas juga dapat dilakukan dengan melihat koefisien korelasi antar variabel independen. Korelasi antar variabel independen dikatakan berkorelasi tinggi jika nilai korelasinya > 0,80. Hasil uji multikolinearitas dapat dilihat pada tabel berikut.

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 120

Normal Parametersa,b Mean ,0000000 Std. Deviation ,06737608 Most Extreme Differences Absolute ,043

Positive ,041

Negative -,043

Kolmogorov-Smirnov Z ,474

Asymp. Sig. (2-tailed) ,978

a. Test distribution is Normal. b. Calculated from data.

Tabel 4.4

Nilai Collinearity Statistics

Tabel 4.5

Nilai Koefisien Korelasi

Coefficient Correlationsa Model FRM_ SZE AUD_ COM OWN_ CON FIN_ LEV IND_ COM 1 Correlations FRM_SZE 1,000 -,123 ,168 -,214 -,247 AUD_COM -,123 1,000 ,021 -,101 ,208 OWN_CON ,168 ,021 1,000 ,164 ,104 FIN_LEV -,214 -,101 ,164 1,000 -,034 IND_COM -,247 ,208 ,104 -,034 1,000

a. Dependent Variable: ERM

Pada tabel 4.4 dapat dilihat bahwa nilai tolerance variabel komisaris independen (IND_COM) sebesar 0,898, komite audit (AUD_COM) 0,937, konsentrasi kepemilikan (OWN_CON) 0,910, leverage (FIN_LEV) 0,879, dan ukuran perusahaan (FRM_SZE) 0,816. Nilai tolerance dari semua variabel independen dalam penelitian ini lebih besar dari 0,10 sehingga tidak terjadi gejala multikolinearitas. Lalu, nilai VIF dari variabel komisaris independen (IND_COM) sebesar 1,114, komite audit (AUD_COM) 1,068, konsentrasi

Model Collinearity Statistics

Tolerance VIF 1 (Constant) IND_COM ,898 1,114 AUD_COM ,937 1,068 OWN_CON ,910 1,099 FIN_LEV ,879 1,138 FRM_SZE ,816 1,226

kepemilikan (OWN_CON) 1,099, leverage (FIN_LEV) 1,138, dan ukuran perusahaan (FRM_SZE) 1,226. Nilai VIF dari semua variabel independen dalam penelitian ini lebih kecil dari 10 sehingga tidak terjadi multikolinearitas. Kemudian pada tabel 4.5 dapat dilihat bahwa tidak ada koefisien korelasi antar variabel independen yang nilainya > 0,80 sehingga dapat disimpulkan tidak terjadi multikolinearitas.

5.2.2.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk mengetahui apakah terdapat gejala heteroskedastisitas dalam model regresi. Heteroskedastisitas terjadi ketika varian residual bersifat tidak konstan. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas. Uji heteroskedastisitas dapat dilakukan dengan analisis grafik dan analisis statistik. Hasil pengujian heteroskedastisitas dengan analisis grafik dapat dilihat di bawah ini.

Gambar 4.3 Diagram Scatterplot

Pada diagram scatterplot terlihat bahwa titik – titik menyebar dan tidak membentuk pola – poka tertentu sehingga dapat disimpulkan bahwa tidak terjadi gejala heteroskedastisitas. Uji heteroskedastisitas dengan analisis statistik dalam penelitian ini dilakukan dengan Uji Glejser. Uji Glejser dilakukan dengan mengubah data residual value menjadi absolut lalu melakukan regresi dengan nilai absolut tersebut sebagai variabel dependennya. Hasil Uji Glejser dapat dilihat pada tabel berikut.

Tabel 4.6 Hasil Uji Glejser

Pada tabel di atas dapat dilihat bahwa nilai signifikansi variabel komisaris independen (IND_COM) sebesar 0,157, komite audit (AUD_COM) 0,444, konsentrasi kepemilikan (OWN_CON) 0,177, leverage (FIN_LEV) 0,176, dan ukuran perusahaan (FRM_SZE) 0,424. Nilai signifikansi dari setiap variabel lebih tinggi dari 0,05 sehingga dapat disimpulkan tidak terjadi gejala heteroskedastisitas.

5.2.2.4 Uji Autokorelasi

Autokorelasi dapat didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan waktu atau ruang (Situmorang, et al., 2007: 78). Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu model regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya. Uji autokorelasi

Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,034 ,084 ,401 ,689 IND_COM -,054 ,038 -,137 -1,425 ,157 AUD_COM -,009 ,011 -,072 -,769 ,444 OWN_CON -,023 ,017 -,129 -1,359 ,177 FIN_LEV ,030 ,022 ,132 1,361 ,176 FRM_SZE ,002 ,003 ,081 ,803 ,424

dilakukan dengan Uji Runs dan Uji Durbin – Watson. Hasil Uji Runs dan Uji Durbin – Watson dapat dilihat pada tabel berikut.

Tabel 4.7 Hasil Uji Runs

Runs Test

Unstandardized Residual

Test Valuea ,00574 Cases < Test Value 60 Cases >= Test Value 60

Total Cases 120

Number of Runs 65

Z ,733

Asymp. Sig. (2-tailed) ,463

a. Median

Tabel 4.8

Hasil Uji Durbin – Watson

Hasil Uji Runs menunjukkan nilai signifikansi sebesar 0,463. Nilai ini lebih besar dari 0,05 sehingga tidak terjadi gejala autokolerasi. Pada tabel 4.8 dapat dilihat nilai Durbin – Watson sebesar 2,056. Dengan du sebesar 1,7896, maka du < d < 4 – du (1,7896 < 2,056 < 2,2104) sehingga dapat disimpulkan tidak terjadi autokorelasi.

a. Predictors: (Constant), FRM_SZE, AUD_COM, OWN_CON, IND_COM, FIN_LEV b. Dependent Variable: ERM

5.2.3 Analisis Regresi Berganda

Analisis regresi bertujuan untuk mengetahui dampak variabel bebas terhadap variabel terikat (Hadi, 2006). Variabel bebas dalam penelitian ini adalah komisaris independen, komite audit, konsentrasi kepemilikan, leverage, dan ukuran perusahaan sedangkan variabel terikatnya adalah pengungkapan manajemen risiko.

Tabel 4.9

Hasil Analisis Regresi Berganda

Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) ,182 ,152 1,195 ,234 IND_COM -,004 ,068 -,006 -,065 ,948 AUD_COM -,023 ,021 -,097 -1,087 ,279 OWN_CON -,055 ,030 -,166 -1,834 ,069 FIN_LEV ,078 ,039 ,183 1,993 ,049 FRM_SZE ,011 ,005 ,209 2,188 ,031

a. Dependent Variable: ERM

Pada tabel di atas dapat dilihat nilai konstanta 0,182. Nilai koefisien variabel komisaris independen (IND_COM) -0,004, komite audit (AUD_COM) -0,023, konsentrasi kepemilikan (OWN_CON) - 0,055, leverage (FIN_LEV) 0,078, dan ukuran perusahaan (FRM_SZE) 0,011. Jadi dapat diperoleh persamaan regresi berganda sebagai berikut.

ERM = 0,182 – 0,004 IND_COM – 0,023 AUD_COM – 0,055 OWN_CON + 0,078 FIN_LEV + 0,011 FRM_SZE + e

Persamaan regresi di atas memiliki arti sebagai berikut: a. Konstanta (0,182)

Jika variabel komisaris independen, komite audit, konsentrasi kepemilikan, leverage, dan ukuran perusahaan konstan/tetap, maka pengungkapan ERM sebesar 0,182.

b. Koefisien IND_COM (-0,004)

Setiap perubahan jumlah anggota komisaris independen sebanyak 1 akan menurunkan pengungkapan ERM sebesar 0,004 dan faktor lain dianggap tetap.

c. Koefisien AUD_COM (-0,023)

Setiap perubahan jumlah anggota komite audit sebanyak 1 akan menurunkan pengungkapan ERM sebesar 0,023 dan faktor lain dianggap tetap.

d. Koefisien OWN_CON (-0,055)

Setiap perubahan 1% konsentrasi kepemilikan akan menurunkan pengungkapan ERM sebesar 0,055 dan faktor lain dianggap tetap.

e. Koefisien FIN_LEV (0,078)

Setiap perubahan 1% leverage akan meningkatkan pengungkapan ERM sebesar 0,078 dan faktor lain dianggap tetap.

f. Koefisien FRM_SZE (0,011)

Setiap perubahan satu log normal total aset akan menaikkan pengungkapan ERM sebesar 0,011 dan faktor lain dianggap tetap.

5.2.3.1 Koefisien Determinasi

Ketepatan fungsi regresi dalam menaksir nilai aktual dapat diukur berdasarkan Goodness of Fit atau koefisien determinasinya (Situmorang, et al., 2007: 112). Koefisien determinasi ini menggambarkan kemampuan model dalam menjelaskan variasi variabel independen. Pada tabel di bawah, nilai R Square adalah 0,150. Hal ini berarti 15% faktor yang mempengaruhi pengungkapan manajemen risiko dapat dijelaskan oleh variabel independen dalam penelitian ini, sisanya dapat dijelaskan oleh variabel lain yang tidak diteliti. Nilai R Square selalu meningkat jika variabel independen ditambahkan walaupun variabel tersebut tidak berpengaruh sehingga seringkali menimbulkan bias. Sedangkan nilai Adjusted R Square dapat bertambah atau berkurang sesuai korelasinya walaupun variabel independen bertambah. Nilai Adjusted R Square sebesar 0,113 (11,3%) berarti bahwa 11,3% faktor yang mempengaruhi pengungkapan manajemen risiko dapat dijelaskan oleh variabel independen dalam penelitian ini, sisanya dapat dijelaskan oleh variabel lain yang tidak diteliti.

Standar deviasi sebesar 0,06884. Semakin kecil standar deviasi, berarti model semakin baik (Situmorang, et al., 2007: 114.)

Tabel 4.10

Nilai Koefisien Determinasi

a. Predictors: (Constant), FRM_SZE, AUD_COM, OWN_CON, IND_COM, FIN_LEV

5.2.3.2 Uji Signifkansi Simultan

Jika F hitung < F tabel maka Ho diterima dan Ha ditolak, sedangkan jika F hitung > F tabel maka Ho ditolak dan Ha diterima (Situmorang, et al., 2007: 114). Jika tingkat signifikansi di bawah 0,05 maka Ho ditolak dan Ha diterima.

Tabel 4.11

Hasil Uji Signifikansi Simultan

ANOVAb

Model Sum of Squares Df Mean Square F Sig.

1 Regression ,096 5 ,019 4,037 ,002a

Residual ,540 114 ,005

Total ,636 119

a. Predictors: (Constant), FRM_SZE, AUD_COM, OWN_CON, IND_COM, FIN_LEV b. Dependent Variable: ERM

Berdasarkan tabel di atas, nilai signifikansi adalah 0,002 yang lebih kecil dari 0,05, sehingga variabel – variabel independen dalam penelitian ini secara simultan memiliki pengaruh signifikan terhadap variabel dependen. F hitung

adalah 4,037 dan F tabel adalah 2,294. F hitung > F tabel sehingga hipotesis alternatif diterima dan dapat disimpulkan bahwa variabel komisaris independen, komite audit, konsentrasi kepemilikan, leverage, dan ukuran perusahaan secara simultan berpengaruh positif signifikan terhadap pengungkapan manajemen risiko.

5.2.3.3 Uji Signifikansi Parsial

Jika t hitung < t tabel maka Ho diterima dan Ha ditolak, sedangkan jika t hitung > t tabel maka Ho ditolak dan Ha diterima (Situmorang, et al., 2007: 115). Jika tingkat signifikansi di bawah 0,05 maka Ho ditolak dan Ha diterima.

Tabel 4.12

Hasil Uji Signifikansi Parsial

Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) ,182 ,152 1,195 ,234 IND_COM -,004 ,068 -,006 -,065 ,948 AUD_COM -,023 ,021 -,097 -1,087 ,279 OWN_CON -,055 ,030 -,166 -1,834 ,069 FIN_LEV ,078 ,039 ,183 1,993 ,049 FRM_SZE ,011 ,005 ,209 2,188 ,031

a. Dependent Variable: ERM

Pada tabel 4.12 dapat dilihat nilai signifikansi dari setiap variabel. Nilai signfikansi variabel komisaris independen (IND_COM) 0,948, komite audit (AUD_COM) 0,279, konsentrasi kepemilikan (OWN_CON) 0,069, leverage

(FIN_LEV) 0,049, ukuran perusahaan (FRM_SZE) 0,031. Variabel komisaris independen, komite audit, dan konsentrasi

Dokumen terkait