BAB III METODE PENELITIAN
3.6 Teknik Analisis Data
Metode analisis data yang digunakan untuk menganalisis data yang dikumpulkan adalah :
1. Metode Deskriptif
Metode deskriptif dianalisa untuk memberikan gambaran tentang data yang penelitian secara umum. Pengukuran yang dilakukan dalam penelitian ini mencakup nilai rata-rata (mean), deviasi standar, minimum, dan maksimum. Mean digunakan untuk menghitung jumlah komponen yang paling banyak diungkapkan di sektor manufaktur. Analisa deskriptif ini bukan untuk pengujian hipotesis.
2. Metode Analisis Kuantitatif
Metode Analisis Kuantitatif merupakan metode yang digunakan untuk menyajikan data dalam bentuk angka. Pada metode ini peneliti menggunakan
metode analisis regresi linier berganda. Hal ini berbeda dengan regresi sederhana yang hanya memiliki satu variabel independen, maka regresi berganda memiliki lebih dari satu variabel independen, kedudukan variabel independen dalam formula tidak dimasalahkan apakah sebagai variabel penganggu atau variabel independen utama (Hadi 2006 : 159). Dalam hal ini digunakan untuk mengetahui besarnya hubungan dan pengaruh variabel independen (X), terhadap variabel dependen (Y), serta bagaimana variabel moderasi (Z) mepengaruhi hubungan antara variabel independen dengan variabel dependen.
3.6.1 Uji Asumsi Klasik
Dalam asumsi klasik syarat yang harus dipenuhi dalam model regresi berganda sebelum data dianalisis adalah sebagai berikut :
3.6.1.1 Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam bentuk model regresi antara variabel dependen dan variabel independen mempunyai distribusi normal atau tidak. Adapun beberapa metode yang dipakai dalam pengujian ini yaitu melalui analisis grafik dan analisis statistik.
Dalam pengujian normalitas data dalam penelitian ini menggunakan alat uji One-Sample Kolmogorov-Smirnov. Data dapat dikatakan berdistribusi normal jika memiliki nilai signifikansi lebih besar dari 0.050 atau > 0.050. Di satu sisi peneliti juga menggunakan grafik histogram dan kurva normal probabilitas plot. Dimana pada grafik histogram, suatu data dapat dikatakan normal jika bentuk dari kurva memiliki kemiringan yang cenderung seimbang baik pada sisi kanan. Pada kurva normal probability plot, data dikatakan normal
apabila distribusi data menyebar disekitar garis diagonal atau mengikuti arah garis diagonal (Erlina 2008 : 104).
3.6.1.2 Uji Multikolinearitas
Uji multikolinearitas merupakan uji yang bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen (variabel bebas). Sebuah persamaan terjangkit penyakit ini bila dua atau lebih variabel independen memiliki tingkat korelasi yang tinggi (Gujarati, 1995). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Kolerasi merupakan suatu gambaran tingkat hubungan antar variabel, suatu pasangan disebut memiliki hubungan korelasional bila kedua variabel tersebut saling mempengaruhi atau memiliki hubungan timbal balik. Semakin rendah korelasi antar variabel independen maka persamaan tersebut akan semakin baik. Pengujian ini dilakukan dengan melihat nilai VIF (Variance Inflation Factor) dan korelasi di antara variabel bebas atau independen. Jika didapatkan nilai VIF lebih besar dari 2, maka dapat dikatakan terjadi multikolinearitas di antara variabel independen. Namun sebaliknya, jika nilai VIF di bawah 2, maka bisa dikatakan tidak terjadi gejala multikolinearitas (Erlina 2008 : 105).
3.6.1.3 Uji Heteroskedastisitas
Uji heteroskedastisitas merupakan pengujian yang digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan variabel dari residual untuk suatu pengamatan pada model regresi. Syarat yang harus terpenuhi dalam uji ialah tidak adanya gejala heteroskedastisitas. Untuk memprediksi ada tidaknya heteroskedastisitas pada
suatu model dapat dilihat dari pola gambar scatterplot pada model tersebut. Pada gambar scatterplot yang menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika :
1) Titik-titik data menyebar diatas, dibawah atau di sekitar angka nol pada sumbu Y.
2) Titik data tidak mengumpal hanya disatu bagian baik diatas maupun dibawah saja.
3) Penyebaran titik-titik data tidaklah membentuk pola bergelombang melebar kemudian menyempit dan melebar lagi.
4) Titik-titik penyebaran data sebaiknya tidak berpola.
3.6.1.4 Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear terdapat korelasi atau penyimpangan pada periode t dengan kesalahan pada periode t-1 (Wahanakomputer, 2004 : 111). Autokorelasi dapat terjadi karena observasi yang terjadi berurutan sepanjang tahun yang saling berkaitan satu sama lain. Uji yang digunakan dalam penelitian dalam mendeteksi ada tidaknya autokorelasi adalah dengan menggunakan uji Durbin Watson. Kriteria untuk menilai autokorelasi yaitu :
1) Nilai D-W lebih kecil dari -2 berarti ada korelasi positif. 2) Nilai D-W diantara -2 sampai +2 berarti tidak ada autokorelasi. 3) Nilai D-W lebih besar dari +2 berarti ada autokorelasi negative.
3.6.2 Pengujian Hipotesis
3.6.2.1 Uji Signifikasi Parsial (Uji-t)
Uji t merupakan uji yang dilakukan untuk menunjukan berapa jauh pengaruh variabel independen secara pasrial terhadap dependen.
Uji ini dilakukan dengan cara membandingkan t-hitung dengan t-tabel atau dengan memperhatikan tingkat signifikansi dengan ketentuan berikut :
• Jika t-hitung < t-tabel atau probabilitas > tingkat signifikansi (sig > 0,05), maka H0 ditolak dan Ha diterima, variabel independen tidak berpengaruh
terhadap variabel dependen.
• Jika t-hitung > t-tabel atau probabilitas < tingkat signifikansi (sig < 0,05), maka H0 diterima dan Ha ditolak, variabel independen berpengaruh
terhadap variabel dependen.
3.6.2.2 Koefisien Determinasi (R2)
Koefisien determinasi (R2) bertujuan untuk menilai seberapa besar kemampuan variabel-variabel independen dapat menjelaskan variabel dependen. Bila nilai koefisien determinasi sama dengan 0 (R2 = 0), artinya variasi dari variabel independen semakin lemah mempengaruhi variabel dependen. Namun jika nilai R2 mendekati satu menunjukan semakin kuat pengaruh variabel independen terhadap variabel dependen. Baik atau buruknya suatu persamaan regresi ditentukan oleh R2 yang mempunyai nilai antara nol dan satu.
3.6.2.3 Analisis Regresi Variabel Moderasi
Analisis regresi variabel moderasi ini bertujuan untuk mengetahui apakah variabel moderating atau variabel moderasi dapat memperkuat atau memperlemah hubungan antara variabel dependen dan variabel independen atau
variabel bebas. Metode ini mempunyai 4 cara pengujian regresi dengan variabel moderasi, yaitu : metode sub-group, metode interaksi, metode selisih mutlak, dan metode residual. Dalam penelitian ini yang akan digunakan adalah metode interaksi atau sering disebut juga Moderated Regression Analysis (MIRA). Uji ini diterapkan dengan mengalikan variabel yang dihipotesiskan sebagai variabel moderasi dengan variabel bebas. Jika variabel hasil perkalian antara variabel bebas dengan variabel yang dihipotesiskan sebagai variabel moderasi signifikan, maka dapat disimpulkan bahwa variabel moderasi dapat memoderasikan hubungan diantara variabel bebas dan variabel tergantung (Suliyanto, 2011 : 212). Dimana yang dipergunakan dalam penelitian ini merupakan good corporate governance yang disimbolkan dengan keberadaan komisaris independen.
3.6.3 Jadwal Penelitian
Tabel 3.3 Jadwal Penelitian
Tahapan Penelitian Nov Des Jan Feb
Pengajuan Judul Pengumpulan Data Penyelesaian Proposal Pengelolaan & Analisis
Data