BAB IV ANALISIS HASIL PENELITIAN
B. Analisis Hasil Penelitian
2. Uji Asumsi Klasik
Uji data statistik dengan model kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak. Ghozali (2005:115), memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov
Smirnov yang dapat dilihat dari :
1. nilai signifikan atau probabilitas < 0,05, maka distribusi data adalah tidak normal.
2. nilai signifikan atau probabilitas < 0,05, maka distribusi data adalah tidak normal.
Hasil uji normalitas dengan menggunakan Kolomogorov Smirnov adalah seperti yang ditampilkan berikut ini :
Tabel 4.3 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Kepemilikan Manajerial Proporsi Dewan Komisaris Komite Audit Manajemen Laba Kinerja Perusahaan N 34 34 34 34 34
Normal Parametersa Mean .36912 .37353 .61441 2.09265 .14418
Std. Deviation .284289 .086371 .271731 2.355704 .142492 Most Extreme Differences Absolute .163 .267 .235 .215 .185 Positive .163 .203 .235 .215 .185 Negative -.119 -.267 -.187 -.196 -.159 Kolmogorov-Smirnov Z .951 1.559 1.369 1.253 1.079
Asymp. Sig. (2-tailed) .327 .015 .047 .086 .195
a. Test distribution is Normal.
Sumber : Data yang Diolah Peneliti, 2010
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4-3 dapat dilihat dari signifikan (2-tailed)
Kolmogorov-Smirnov dari variabel kepemilikan manajerial, proporsi dewan
komisaris, komite audit dan manajemen laba serta kinerja perusahaan lebih besar dari 0,05 atau telah terdistribusi dengan normal.
Dengan demikian, secara keseluruhan dapat disimpulkan bahwa nilai- nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan
dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini dvhnturut dilampirkan grafik histogram dan plot data yang terdistribusi normal.
Gambar 4.1 Histogram Sumber: Data yang diolah peneliti, 2010.
Gambar 4.2
Grafik Normal P-P Plot Sumber: Data yang diolah peneliti, 2010.
Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, 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.
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.
Gambar 4.3 Histogram Sumber: Data yang diolah peneliti, 2010.
Gambar 4.4
Grafik Normal P-P Plot Sumber: Data yang diolah peneliti, 2010.
Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, 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.
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.
b. 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 time series. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji
Durbin Watson dengan ketentuan sebagai berikut:
4) Angka D-W dibawah -2 berarti ada autokorelasi positif,
5) Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 6) Angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.4
Hasil Uji Autokorelasi Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .498a .248 .173 2.141996 1.500
a. Predictors: (Constant), Komite Audit, Kepemilikan Manajerial, Proporsi Dewan Komisaris
b. Dependent Variable: Manajemen Laba
Sumber: Data yang diolah peneliti, 2010.
Tabel 4.7 memperlihatkan nilai statistik D-W sebesar 1,500. Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif.
Tabel 4.5
Hasil Uji Autokorelasi Model R R Square Adjusted R Square
Std. Error of the
1 .430a .185 .103 .134951 1.286
a. Predictors: (Constant), Komite Audit, Kepemilikan Manajerial, Proporsi Dewan Komisaris
b. Dependent Variable: Kinerja Perusahaan Sumber: Data yang diolah peneliti, 2010.
Tabel 4.7 memperlihatkan nilai statistik D-W sebesar 1,286. Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif.
c. Uji Heterokedastisitas
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 teratur (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 dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.5 Scatterplot Sumber: Data yang diolah peneliti, 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.
Gambar 4.6 Scatterplot Sumber: Data yang diolah peneliti, 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.
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolonieritas adalah dengan melihat besaran korelasi antar variabel independen dan besarnya tingkat kolonieritas yang masih dapat ditolerir, yaitu:
Tolerance > 0.10 dan VIF < 10. Berikut disajikan tabel hasil pengujian.
Tabel 4.6
Coefficients untuk Manajemen Laba
Model Collinearity Statistics Tolerance VIF 1 (Constant) Kepemilikan Manajerial .975 1.025 Proporsi Dewan Komisaris .974 1.027 Komite Audit .981 1.020
a. Dependent Variable: Manajemen Laba Sumber: Data yang diolah peneliti, 2010
Tabel 4.5
Cofficients Correlations untuk Manajemen Laba
Model Komite Audit
Kepemilikan Manajerial
Proporsi Dewan Komisaris
1 Correlations Komite Audit 1.000 -.088 -.096
Kepemilikan Manajerial -.088 1.000 -.121
Proporsi Dewan Komisaris -.096 -.121 1.000
Covariances Komite Audit 1.920 -.163 -.708
Kepemilikan Manajerial -.163 1.769 -.863
Proporsi Dewan Komisaris -.708 -.863 28.583
a. Dependent Variable: Manajemen Laba Sumber: Data yang diolah peneliti, 2010.
Melihat hasil besaran korelasi antar variabel independen tampak bahwa variabel arus kas operasi dan variabel ROA mempunyai korelasi sebesar 0,015
atau sekitar 1,5 %. Hasil dari coefficient correlations tersebut menunjukkan tidak ada korelasi yang tinggi (umumnya diatas 0,90), maka hal ini merupakan indikasi tidak adanya multikolonieritas. Hasil perhitungan nilai tolerance menunjukkan variabel independen memiliki nilai tolerance lebih dari 0,10 yaitu 1,0000 yang berarti tidak terjadi korelasi antar variabel independen. Hasil perhitungan VIF juga menunjukkan hal yang sama dimana variabel independen memiliki nilai VIF kurang dari 10 yaitu 1,000. Berdasarkan tabel diatas dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model ini.
Tabel 4.6
Coefficients untuk Kinerja Perusahaan
Model Collinearity Statistics Tolerance VIF 1 (Constant) Kepemilikan Manajerial .975 1.025 Proporsi Dewan Komisaris .974 1.027 Komite Audit .981 1.020
a. Dependent Variable: Kinerja Perusahaan Sumber: Data yang diolah peneliti, 2010.
Tabel 4.7
Cofficients Correlations untuk Kinerja Perusahaan Coefficient Correlationsa
Model Komite Audit
Kepemilikan Manajerial
Proporsi Dewan Komisaris
1 Correlations Komite Audit 1.000 -.088 -.096
Proporsi Dewan Komisaris -.096 -.121 1.000
Covariances Komite Audit .008 .000 -.003
Kepemilikan Manajerial .000 .007 -.003
Proporsi Dewan Komisaris -.003 -.003 .113
a. Dependent Variable: Kinerja Perusahaan Sumber: Data yang diolah peneliti, 2010.
Melihat hasil besaran korelasi antar variabel independen tampak bahwa variabel arus kas operasi dan variabel ROA mempunyai korelasi sebesar 0,015 atau sekitar 1,5 %. Hasil dari coefficient correlations tersebut menunjukkan tidak ada korelasi yang tinggi (umumnya diatas 0,90), maka hal ini merupakan indikasi tidak adanya multikolonieritas. Hasil perhitungan nilai tolerance menunjukkan variabel independen memiliki nilai tolerance lebih dari 0,10 yaitu 1,0000 yang berarti tidak terjadi korelasi antar variabel independen. Hasil perhitungan VIF juga menunjukkan hal yang sama dimana variabel independen memiliki nilai VIF kurang dari 10 yaitu 1,000. Berdasarkan tabel diatas dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model ini.
3. Analisis Regresi
Dari hasil pengujian asumsi klasik disimpulkan bahwa bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang
Best Linear Unbiased Estimator (BLUE) dan layak dilakukan analisis regresi.
Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda. Berdasarkan hasil pengolahan data dengan program SPSS 16, maka diperoleh hasil sebagai berikut.
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen, melalui pengaruh good corporate governance yang diproksikan kedalam kepemilikan manajerial, proporsi dewan komisaris dan komite audit terhadap manajemen laba dan kinerja perusahaan. Hasil regresi dapat dilihat pada tabel 4.10 berikut ini:
Tabel 4.10 Analisis Hasil Regresi
Sumber: Data yang diolah peneliti, 2010.
Berdasarkan tabel di atas, didapatlah persamaan regresi sebagai berikut: Manajemen Laba = 3,363 - 3,520 KM – 3,670 PDK + 2,355 KA + ε
Keterangan :
1) Konstanta sebesar 3,363 menunjukkan bahwa apabila tidak ada variabel independen (X1 = 0 dan X2 = 0) maka manajemen laba sebesar 3,363,
2) β1 sebesar -3,520 menunjukkan bahwa setiap kenaikan kepemilikan
manajerial sebesar 1% akan diikuti oleh kenaikan manajemen laba sebesar -3,520 dengan asumsi variabel lain tetap,
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 3.363 2.168 1.551 .131 Kepemilikan Manajerial -3.520 1.330 -.424 -2.646 .013
Proporsi Dewan Komisaris -3.670 5.346 -.110 -.686 .498
Komite Audit 2.355 1.386 .272 1.700 .100
3) β2 sebesar – 3,670 menunjukkan bahwa setiap kenaikan 1% pada
proporsi dewan komisaris akan diikuti oleh kenaikan manajemen laba sebesar – 3,670 dengan asumsi variabel lain tetap.
4) β2 sebesar 2,355 menunjukkan bahwa setiap kenaikan 1% pada komite
audit akan diikuti oleh kenaikan manajemen laba sebesar 2,355 dengan asumsi variabel lain tetap.
Tabel 4.11 Analisis Hasil Regresi
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .002 .137 .014 .989 Kepemilikan Manajerial .128 .084 .255 1.529 .137
Proporsi Dewan Komisaris .476 .337 .236 1.414 .168
Komite Audit -.145 .087 -.276 -1.657 .108
a. Dependent Variable: Kinerja Perusahaan Sumber: Data yang diolah peneliti, 2010.
Berdasarkan tabel di atas, didapatlah persamaan regresi sebagai berikut: Kinerja perusahaan = 0,002 - 0,128 KM – 0,476 PDK + 0,146 KA + ε
Keterangan :
1) Konstanta sebesar 0,002 menunjukkan bahwa apabila tidak ada variabel independen (X1 = 0 dan X2 = 0) maka kinerja perusahaan sebesar 0,002,
2) β1 sebesar -0,0128 menunjukkan bahwa setiap kenaikan kepemilikan
manajerial sebesar 1% akan diikuti oleh kenaikan kinerja perusahaan sebesar -0,0128 dengan asumsi variabel lain tetap,
3) β2 sebesar -0,476 menunjukkan bahwa setiap kenaikan 1% pada
proporsi dewan komisaris akan diikuti oleh kenaikan kinerja perusahaan sebesar -0,476 dengan asumsi variabel lain tetap.
4) β2 sebesar 0,1466 menunjukkan bahwa setiap kenaikan 1% pada
komite audit akan diikuti oleh kenaikan kinerja perusahaan sebesar 0,146 dengan asumsi variabel lain tetap.
b. Analisis Koefisien Korelasi dan Koefisien Determinasi
Nilai koefisien korelasi (R) menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0.5 dan mendekati 1.
Koefisien determinasi (R square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel- variabel independen dalam menjelaskan variasi variabel dependen semakin terbatas. Nilai Rsquare memiliki kelemahan yaitu nilai R square
akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen.
Tabel 4.12
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .498a .248 .173 2.141996 1.500
a. Predictors: (Constant), Komite Audit, Kepemilikan Manajerial, Proporsi Dewan Komisaris
b. Dependent Variable: Manajemen Laba Sumber: Data yang diolah peneliti, 2010.
Pada model summary, nilai koefisien korelasi (R) sebesar 0,498 yang berarti bahwa korelasi atau hubungan antara manajemen laba dengan variabel independennya good corporate governance yang diproksikan kedalam kepemilikan manajerial, proporsi dewan komisaris dan komite audit tidak begitu kuat karena berada dibawah 0,5. Angka adjusted R square atau koefisien determinasi adalah 0,173. Hal ini berarti 17,3 % variasi atau perubahan dalam manajemen laba dapat dijelaskan oleh variasi dari good
corporate governance yang diproksikan kedalam kepemilikan manajerial,
proporsi dewan komisaris dan komite audit, sedangkan sisanya (82,7 %) dijelaskan oleh sebab-sebab lain. Standar Error of Estimate (SEE) adalah 2,141996, yang mana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
Tabel 4.13
Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .430a .185 .103 .134951 1.286
a. Predictors: (Constant), Komite Audit, Kepemilikan Manajerial, Proporsi Dewan Komisaris
b. Dependent Variable: Kinerja Perusahaan Sumber: Data yang diolah peneliti, 2010.
Pada model summary, nilai koefisien korelasi (R) sebesar 0,430 yang berarti bahwa korelasi atau hubungan antara kinerja perusahaan dengan variabel independennya good corporate governance yang diproksikan kedalam kepemilikan manajerial, proporsi dewan komisaris dan komite audit tidak begitu kuat karena berada dibawah 0,5. Angka adjusted R square atau koefisien determinasi adalah 0,103. Hal ini berarti 10,3 % variasi atau perubahan dalam manajemen laba dapat dijelaskan oleh variasi dari good
corporate governance yang diproksikan kedalam kepemilikan manajerial,
proporsi dewan komisaris dan komite audit, sedangkan sisanya (89,7%) dijelaskan oleh sebab-sebab lain. Standar Error of Estimate (SEE) adalah 0,134951, yang mana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
c. Pengujian Hipotesis
Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan menggunakan uji t (t test).
1. Uji t ( t-Test)
Uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Berdasarkan hasil pengolahan SPSS, diperoleh hasil sebagai berikut :
Tabel 4.14 Hasil Uji t Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta
1 (Constant) 3.363 2.168 1.551 .131
Kepemilikan Manajerial -3.520 1.330 -.424 -2.646 .013
Proporsi Dewan Komisaris -3.670 5.346 -.110 -.686 .498
Komite Audit 2.355 1.386 .272 1.700 .100
a. Dependent Variable: Manajemen Laba
Sumber: Data yang diolah peneliti, 2010.
Dari tabel regresi dapat dilihat besarnya t hitung untuk variabel kepemilikan manajerial sebesar -2,646 dengan nilai signifikan 0,13. Hasil uji statistik tersebut dapat menyimpulkan t hitung adalah -2,646 sedangkan t tabel adalah 2,032244, sehingga t tabel > t hitung (2,032244 > -2,646), maka kepemilikan manajerial secara individual tidak mempengaruhi manajemen laba. Signifikansi penelitian juga menunjukkan angka > 0,05 (0,05 > 0,013), maka Ho ditolak dan Ha ditolak, artinya kepemilikan manajerial tidak berpengaruh terhadap manajemen laba.
Tabel diatas juga menunjukkan besarnya t hitung untuk variabel proporsi dewan komisaris sebesar -0,686 sedangkan t tabel adalah 2,032244, sehingga t tabel > t hitung (2,032244 > -0,686), maka proporsi dewan komisaris tidak berpengaruh terhadap manajemen laba secara individual. Signifikansi 0,498 menyimpulkan bahwa signifikansi penelitian > 0,05 (0,498 > 0,05 ), maka Ho diterima dan Ha ditolak, artinya proporsi dewan komisaris tidak berpengaruh terhadap manajemen laba.
Tabel diatas juga menunjukkan besarnya t hitung untuk variabel komite audit sebesar 1,700 sedangkan t tabel adalah 2,032244, sehingga t tabel > t hitung (2,032244 > 1,700), maka komite audit tidak berpengaruh terhadap manajemen laba secara individual. Signifikansi 0,100 menyimpulkan bahwa signifikansi penelitian > 0,05 (0,100 > 0,05 ), maka
Ho diterima dan Ha ditolak, artinya komite audit tidak berpengaruh terhadap manajemen laba.
Tabel 4.15 Hasil Uji t Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .002 .137 .014 .989 Kepemilikan Manajerial .128 .084 .255 1.529 .137
Proporsi Dewan Komisaris .476 .337 .236 1.414 .168
Komite Audit -.145 .087 -.276 -1.657 .108
a. Dependent Variable: Kinerja Perusahaan
Dari tabel regresi dapat dilihat besarnya t hitung untuk variabel kepemilikan manajerial sebesar 1,529 dengan nilai signifikan 0,137. Hasil uji statistik tersebut dapat menyimpulkan t hitung adalah 1,529 sedangkan t tabel adalah 2,032244, sehingga t tabel > t hitung (2,032244 > 1,529), maka kepemilikan manajerial secara individual tidak mempengaruhi kinerja perusahaan. Signifikansi penelitian juga menunjukkan angka > 0,05 (0,137 > 0,005), maka Ho diterima dan Ha ditolak, artinya kepemilikan manajerial tidak berpengaruh terhadap kinerja perusahaan.
Tabel diatas juga menunjukkan besarnya t hitung untuk variabel proporsi dewan komisaris sebesar 1,414 sedangkan t tabel adalah 2,032244, sehingga t tabel > t hitung (2,032244 > 1,414), maka proporsi dewan komisaris tidak berpengaruh terhadap kinerja perusahaan secara individual. Signifikansi 0,168 menyimpulkan bahwa signifikansi
penelitian > 0,05 (0,168 > 0,05 ), maka Ho diterima dan Ha ditolak, artinya proporsi dewan komisaris tidak berpengaruh terhadap kinerja perusahaan.
Tabel diatas juga menunjukkan besarnya t hitung untuk variabel komite audit sebesar -1,657 sedangkan t tabel adalah 2,032244, sehingga t tabel > t hitung (2,032244 > -1,657), maka komite audit tidak berpengaruh terhadap kinerja perusahaan secara individual. Signifikansi 0,108 menyimpulkan bahwa signifikansi penelitian > 0,05 (0,108 > 0,05 ), maka Ho diterima dan Ha ditolak, artinya komite audit tidak berpengaruh terhadap kinerja perusahaan.