HASIL DAN PEMBAHASAN A.Data Penelitian
B. Uji Asumsi Klasik
Salah satu syarat yang mendasari model regresi berganda dengan metode estimasi Ordinary Least Square (OLS) adalah terpenuhinya semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program normalitas data, autokolerasi, heterokedastisitas dan asumsi-asumsi klasik lainnya agar hasil pengujian tidak bersifat bias dan efisien. Menurut Gazali (2005:123) asumsi klasik yang harus dipenuhi adalah berdestribusi normal, non-multikolineritas, non-autokorelasi dan non-heterokedastisitas.
a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal serta untuk menghindari bias dalam model regresi. Pengujian normalitas dalam penelitian ini menggunakan uji statistik non-paramektik Kolmogrov-Smirnov (K-S), dengan membuat hipotesis:
H0 : Data residua l berdistribusi normal
Ha : Data tidak berdistribusi normal
Apabila signifikansi lebih besar dari 0,05 maka H0 diterima, sedangkan jika nilai signifikansi lebih kecil dari 0,05 maka H0 ditolak.
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogrov-Smirnov Rest Unstandardiz
ed Residual
N 20
Normal Parametersa Mean .0000000
Std. Deviation 4.92443980 Most Extreme Differences Absolute .210 Positive .097 Negative -.210 Kolmogorov-Smirnov Z .939
Asymp. Sig. (2-tailed) .341
a. Test distribution is Normal.
Dari table 4.2, dapat diambil kesimpulan bahwa data dalam model regresi setelah dilakukan transformasi data dalam logaritma natural, destribusi secara normal. Hal ini dapat dilihat dari nilai unstandardized residual lebih besar dari 0,05 yakni 0,341>0,05. Dengan demikian dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi normal.
Gambar 4.1 Histogram Sumber : Output SPSS diolah penulis 2010
Dengan cara membandingkan antara data observasi dan 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) kiri maupun menceng kanan.
Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot berikut ini:
Gambar 4.2 Grafik Normal Plot Sumber : Output SPSS diolah penulis 2010
Pada Grafik normal plot terlihat titik-titik menyebar disekitar gambar diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
b. Uji Multikolinearitas
Menurut Ghozali (2005:91) “Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi yang kuat antara variabel bebas (independen)”. Multikolinearitas menunjukkan ada tidaknya variabel independen yang memiliki hubungan yang kuat dengan variabel independen
lain dalam model regresi, agar pengambilan keputusan pengaruh pada uji parsial masing-masing variabel independen tidak bias. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai Variance Inflation Factor
(VIF), apabila nilai VIF>10 dan nilai tolerance < 0,1 maka terjadi
multikolinearitas (Ghozali, 2005:92).
Tabel 4.3
Hasil Uji Multikolinearitas
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 81.040 1.192 67.965 .000 Economic Value Added -4.962E-13 .000 -.020 -.085 .933
a. Dependent Variable: Good Corporate Governance Sumber : Output SPSS diolah penulis 2010
Berdasarkan tabel 4.3 diatas dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Hal ini dapat dilihat dengan membandingkan nilai tolerance dan VIF. Masing-masing variabel bebas dalam penelitian memiliki nilai tolerance lebih besar dari 0,01. Jika dilihat dari VIFnya, bahwa masing-masing variabel bebas lebih kecil dari 10. Dengan demikian tidak terjadi gejala multikolinearitas dalam variabel bebasnya.
c. Uji Autokolerasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan periode t-1 (sebelumnya). Model regresi yang baik adalah bebas dari autokorelasi. Uji autokorelasi yang digunakan adalah uji Durbin-Watson (DW) dengan hipotesis sebagai berikut:
H0 : tidak ada autokorelasi (r=0) Ha : ada autokorelasi (r≠0)
Pengambilan keputusan ini melihat autokorelasi adalah sebagai berikut:
0< d < Dl : tolak H0
dl≤d≤du : tidak ada keputusan
4-dL≤4 : tolak H0 d>4-dL : tolak H0
4-du d≤4-dl : tidak ada keputusan dl< d <4-du : tidak tolak H0 Berikut adalah hasil uji Durbin-Watson
Tabel 4.4 Model Summary(b) Model R R Square Adjusted R Square Std. Error of the Estimate 1 .020a .000 -.055 5.05938
a. Predictors: (Constant), Economic Value Added b. Dependent Variable: Good Corporate Governance Sumber : Output SPSS diolah penulis 2010
Dari table 4.4 dapat dilihat bahwa untuk jumlah sampel sebanyak (N) = 20, dan variabel bebas 1 maka dapat ditentukan berdasarkan tabel Durbin-Watson yaitu:
dl = 1,441 du = 1,647
Maka, nilai D-W diantara dl<DW<4-du yaitu 1,441<1,939<2,353 maka H0 diterima sehingga tidak terdapat autokorelasi pada model regresi.
d. Uji Heterokedasitas
Gozali (2005:105) “Uji heterokedasitas bertujuan untuk menguji apakah dalam madel regresi terjadi ketidaksamaan variance dari residual suatu
pengamatan ke pengamatan lain.” Pengujian asumsi heterokedastisitas menyimpulkan bahwa model regresi tidak terjadi heterokedastisitas.Dengan kata lain terjadi kesamaan varian dari residual dari satu pengamatan ke pengamatan yang lain. Kesimpulan ini diperoleh dengan melihat penyebaran titik-titik yang menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik diatas maupun di bawah angka 0 pada sumbu Y. Hasil pengujian heterokedastisitas dapat dilihat pada gambar 4.5 berikut ini.
Gambar 4.5
Hasil Uji Heterokedastisitas Sumber : Output SPSS diolah penulis 2010
Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda. Berdasarkan hasil pengelolaan data dengan menggunakan program statistic, maka diperoleh hasil sebagai berikut :
Tabel 4.5 Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .020a .000 -.055 5.05938
a. Predictors: (Constant), Economic Value Added b. Dependent Variable: Good Corporate Governance Sumber : Output SPSS, diolah penulis, 2010
Pada model Summary diatas dapat dilihat hasil analisis regresi secara keseluruhan menunjukkan nilai R sebesar 0,02 menunjukkan bahwa korelasi atau hubungan antara Good Corporate Governace dengan Ecomic Value Added mempunyai hubungan 2%.
Nilai Adjusted R Square sebesar – 0,055 mengindikasikan bahwa variasi dari variabel independen dapat menjelaskan variabel dependen sebesar -0,055 dan sisanya dijelaskan oleh faktor-faktor lain. Pengujian hipotesis statistic dilakukan dengan menggunakan :
1. Uji T (t-test)
Uji t dilkukan untuk mengetahui hubungan antara variabel independen terhadap variabel dependen secara parsial. Ringkasan hasil uji t untuk penelitian ini adalah sebagai berikut :
Tabel 4.6 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 81.040 1.192 67.965 .000 Economic Value Added -4.962E-13 .000 -.020 -.085 .933
a. Dependent Variable: Good Corporate Governance Sumber : Output SPSS diolah penulis 2010
Dari tabel regresi dapat dilihat besarnya t hitung untuk variabel Economic
value added adalah -0,85 dengan nilai signifikansi 0,933. Sedangkan t table
adalah 2,086 sehingga t hitung < t table (-0,85<0,933) maka dapat disimpulkan variabel good corporate governance tidak berpengaruh signifikan terhadap
economic value added.