BAB III METODE PENELITIAN
B. Analisis Hasil Penelitian
2. Uji Asumsi Klasik
Pengujian normalitas data dalam penelitian ini mengunakan uji statistik
non parametrik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis:
H0 : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal
Apabila nilai signifikansinya lebih besar dari 0,05 maka H0 diterima,
sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H0 ditolak.
Tabel 4.2
Uji Normalitas Sebelum Data Ditransformasi One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 56
Normal Parameters(a,b) Mean .0000000
Std. Deviation .15090505 Most Extreme Differences Absolute .100 Positive .100 Negative -.084 Kolmogorov-Smirnov Z .750
Asymp. Sig. (2-tailed) .627
a Test distribution is Normal. b Calculated from data.
Sumber: Data yang diolah penulis, 2010
Dari hasil pengolahan data tersebut, besarnya nilai
Kolmogorov-Smirnov adalah 0,750 dan signifikansi pada 0,001 maka disimpulkan data
terdistribusi secara normal tersebut juga dapat dilihat melalui grafik
histogram dan grafik normal plot data.
Gambar 4.1 Histogram
Sumber : Data yang diolah penulis, 2010.
Dari grafik di atas dapat disimpulkan bahwa distribusi data normal
karena grafik histogram menunjukkan distribusi data mengikuti garis
diagonal yang tidak menceng (skewness) ke kiri maupun ke kanan atau
normal.
Regression Standardized Residual
4 2 0 -2 F re q u en cy 20 15 10 5 0 Histogram
Dependent Variable: KINERJA KEUANGAN
Mean =4.32E-16 Std. Dev. =0.944
Gambar 4.2 Grafik Normal P-P Plot
Sumber: Data yang diolah penulis, 2010.
Demikian pula dengan hasil uji normalitas dengan menggunakan grafik
plot. Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis
diagonal serta penyebarannya agak mendekati dengan garis diagonal
sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi
secara normal.
Observed Cum Prob
1.0 0.8 0.6 0.4 0.2 0.0 E x p e c te d C u m P ro b 1.0 0.8 0.6 0.4 0.2 0.0
Normal P-P Plot of Regression Standardized Residual
b. Uji Multikolinearitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala
multikolinearitas adalah dengan melihat nilai tolerance dan variance
inflation factor (VIF), menganalisis matrik korelasi variabel-variabel
independen, melihat nilai Condition Index (CI) serta membandingkan nilai
R2 model utama (awal) terhadap nilai R2 dari masing-masing auxilary
regression antar variabel independen. Besarnya tingkat kolinearitas yang
masih dapat ditolerir, yaitu: Tolerance > 0.10, Variance Inflation Factor
(VIF) < 10, Condition Index < 10. Berikut disajikan tabel hasil pengujian:
Tabel 4.3 Coefficients
Model Collinearity Statistics Tolerance VIF 1 .956 1.046 .552 1.811 .525 1.906 .970 1.031 .791 1.265 .867 1.154
a Dependent Variable: KINERJA KEUANGAN
Sumber: Data yang diolah penulis, 2010 .
Tabel 4.4
Cofficients Correlations
Sumber: Data yang diolah penulis, 2010
Dari tabel 4.3, hasil perhitungan nilai tolerance menunjukkan variabel
independen memiliki nilai tolerance lebih dari 0.10 yaitu yaitu masing –
masing sebesar 0,956, 0,552, 0,525, 0,970, 0,791 dan 0,867, yang berarti
tidak terjadi korelasi antar variabel independen. Hasil perhitungan VIF
juga menunjukkan hal yang sama dimana dimana hasil uji Variance
Inflation Factor (VIF) menunjukkan nilai kurang dari 2 (VIF < 2), yaitu
1,046, 1,811, 1,906, 1,031, 1,265 dan 1,182.
Dari tabel 4.4, melihat hasil besaran korelasi antar variabel independen
tampak bahwa variabel kualitas audit mempunyai korelasi sebesar -0,131
atau sekitar 13,1% terhadap variabel persentase sahama manajemen,
mempunyai korelasi sebesar -0,052 atau sebesar 5,2 % terhadap variabel
manajemen laba, mempunyai korelasi sebesar 0,123 atau 12,3 % terhadap
Coeffi cient Correl ationsa
1.000 -.131 -.052 .123 -.331 -.120 -.131 1.000 -.049 -.109 .315 .662 -.052 -.049 1.000 -.035 -.148 .039 .123 -.109 -.035 1.000 -.026 -.032 -.331 .315 -.148 -.026 1.000 .235 -.120 .662 .039 -.032 .235 1.000 .002 -.001 .000 .001 -.001 -.001 -.001 .027 -.001 -.003 .005 .024 .000 -.001 .014 -.001 -.002 .001 .001 -.003 -.001 .027 .000 -.001 -.001 .005 -.002 .000 .009 .005 -.001 .024 .001 -.001 .005 .047 KUALITAS AUDIT % SAHAM MANAJEMEN MANAJEMEN LABA KOMITE AUDIT KOMISARIS INDEPENDEN % SAHAM INSTITUSI KUALITAS AUDIT % SAHAM MANAJEMEN MANAJEMEN LABA KOMITE AUDIT KOMISARIS INDEPENDEN % SAHAM INSTITUSI Correlations Covariances Model 1 KUALITAS AUDIT % SAHAM MANAJEMEN MANAJEMEN LABA KOMITE AUDIT KOMISARIS INDEPEND EN % SAHAM INSTITUSI
Dependent Variable: KINERJA KEUANGAN a.
komite audit, mempunyai korelasi sebesar -0,331 atau 33,1 % terhadap
komisaris independen, dan mempunyai korelasi sebesar -0,120 atau 12 %
terhadapa persentase saham institusi . Selanjutnya, korelasi antara variabel
persentase saham manajemen terhadap manajemen laba adalah sebesar
0,049 atau sebesar 4,9%, terhadap komite audit adalah sebesar -0,109 atau
10,9 %, terhadap komisaris independen adalah sebesar 0.315 atau 31,5 %,
dan terhadap persentase saham institusi adalah sebesar 0,662 atau 66,2 %.
Korelasi antara manajemen laba terhadap komite audit adalah sebesar
-0,035 atau 3,5 % , terhadap komisaris independen adalah sebesar -0,148
atau 14,8 %, dan terhadap persentase saham institusi adalah sebesar 0,039
atau 3,9 %. Korelasi antara komite audit terhadap komisaris independen
adalah 0,026 atau 2,6 % dan terhadap persentase saham institusi sebesar
-0,032 atau 3,2 %. Dan korelasi antara komisaris independen dengan
persentase saham institusi adalah sebesar 0,235 atau 23,5 %.Hasil dari
coefficient correlations tersebut menunjukkan tidak ada korelasi yang
tinggi (umumnya diatas 0,90 atau 90%), maka hal ini merupakan indikasi
tidak adanya multikolinieritas.
Berdasarkan tabel diatas dapat disimpulkan bahwa tidak ada
c. Uji Heteroskedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala
heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan
dari pengolahan data dengan menggunakan program SPSS. Dasar
pengambilan keputusannya adalah:
1) jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang terartur (bergelombang, melebar kemudian
menyempit), maka mengindikasikan telah terjadi
heteroskedastisitas,
2) jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas atau terjadi homoskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis
apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas
Gambar 4.5 Scatterplot
Sumber: Data yang diolah penulis, 2010.
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara
acak serta tersebar baik di atas maupun di bawah angka 0 pada
sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi
heteroskedastisitas pada model regresi. Adanya titik-titik yang
menyebar menjauh dari titik-titik yang lain dikarenakan adanya
data observasi yang sangat berbeda dengan data observasi yang lain
.Maka dapat disimpulkan bahwa model regresi tidak terdapat
heteroskedastisitas.
Regression Standardized Predicted Value
3 2 1 0 -1 -2 Re gr es si on S tu de nt ize d Re si du al 4 2 0 -2 Scatterplot
d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi
linear ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1. Autokorelasi muncul karena observasi
yang berurutan sepanjang tahun yang berkaitan satu dengan yang
lainnya. Hal ini sering ditemukan pada data time series. Cara yang
dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan
menggunakan nilai uji Durbin Watson. Untuk uji Durbin Watson
memiliki ketentuan sebagai berikut: Cara yang dapat digunakan untuk
mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji
Durbin Watson dengan ketentuan sebagai berikut:
1) angka D-W dibawah -2 berarti ada autokorelasi positif,
2) angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
3) angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.5
Hasil Uji Durbin Watson Model Summary(b)
Model R R Square
Adjusted R Square
Std. Error of
the Estimate Durbin-Watson
1 .612(a) .375 .299 .15988 1.989
a Predictors: (Constant), KUALITAS AUDIT, % SAHAM MANAJEMEN, MANAJEMEN LABA, KOMITE AUDIT, KOMISARIS INDEPENDEN, % SAHAM INSTITUSI
b Dependent Variable: KINERJA KEUANGAN
Sumber: Data yang diolah penuis, 2010.
Tabel 4.5 memperlihatkan nilai statistik D-W sebesar 1,989.
disimpulkan bahwa tidak terjadi autokorelasi positif maupun
autokorelasi negatif.