BAB IV ANALISIS DATA DAN PEMBAHASAN
B. Hasil Penelitian
1. Uji Statistik Deskriptif
Dalam mengambarkan dan mendeskripsikan variabel-variabel yang digunakan dalam penelitian maka dapat menggunakan statistik deskriptif. Nilai minimum, maksimum, nilai rata-rata (mean), simpangan baku (standart deviation), dan statistik yang digunakan dalam penelitian ini:
Tabel 4.2 Uji Statistik Deskripti
Descriptive Statistics
N Minimum Maximum Mean
Std.
Deviation
X1 33 -.86 1.71 .1018 .47125
X2 33 .01 1.60 .4806 .37747
X3 33 .00 1.49 .2032 .36482
X4 33 -5.02 12.69 1.1536 3.47545
X5 33 .30 .34 .3276 .00902
X6 33 1.00 2.00 1.1818 .39167
X7 33 1.00 2.00 1.1515 .36411
Y 33 -1.08 6.46 1.5159 1.62346
Valid N (listwise)
33 Sumber: data diolah 2022
Berdasarkan hasil analisis deskriptif pada tabel 4.2 dapat diketahui bahwa variabel X1, X2, X3, X4, X5, X6, X7, dan Y memiliki jumlah sampel sebanyak 33.
Nilai rata-rata X1 sebesar 0,1018, X2 (0,4806), X3 (0,2032), X4 (1,1536), X5 (0,3276), X6 (1,1818), X7 (1,1515), dan Y (1,5159). Nilai standar devisi X1 sebesar 0,47125, X2 (37747), X3 (0, 36482), X4 (3.47545), X5 (0,00902), X6 (39167), X7 (36411), dan Y (1.62346). Nilai minimum X1 sebesar -0,86, X2 (0,01), X3 (0,00), X4 (-5,02), X5 (0,30), X6 (1,00), X7 (1,00), dan Y (-1,08). Dan nilai maksimum X1 sebesar 1,71, X2 (1,60), X3 (1,49), X4 (12,69), X5 (0,34), X6 (2,00), X7 (2,00), dan Y (6,46).
2. Uji Asumsi Klasik
Uji asumsi klasik yang digunakan dalam penelitian ini meliputi uji normalitas, uji heteroskedasititas, uji mutikolonieritas, dan uji autokorelasi.
a.) Hasil Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah dalam model regresi variabel terikat dari variabel bebas keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah model regresi yang berdistribusi normal atau mendekati normal. Analisis data menyaratkan data berdistribusi normal untuk menghindari bias dalam analisis data. Prosedur uji dilakukan dengan uji kolmogrov-smirnov dengan ketentuan ialah Hipotesis yang digunakan yaitu H0: residual tersebut normal dan H1: residual tidak tersebar normal.
Tabel 4.3 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 33
Normal Parametersa,b Mean .0000000
Std. Deviation .98011979
Most Extreme Differences Absolute .141
Positive .141
Negative -.100
Test Statistic .141
Asymp. Sig. (2-tailed) .093c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Berdasarkan tabel 4.3 menunjukkan (sig 0,093) yang berarti nilainya lebih besar dari 0,05 maka dapat disimpulkan variabel X, dan variabel Y menyatakan bahwa informasi dari masing-masing penelitian telah
berdistribusi normal secara statistic dan layak digunakan sebagai informasi penelitian.
Gambar 4. 1 Histogram
Berdasarkan uji grafik histogram didaptkan bahwa frekuensi residual paling banyak mengumpulkan pada 0 atau nilai penyebaran data sudah sesuai dengan kurva normal sehingga dikatakan bahwa residual sudah menyebar secara distribusi normal.
Gambar 4.2 Uji P-P Plot
Berdasarkan uji P-Plot didapatkan bahwa titik-titik data sudah menyebar mengikuti garis diagonal, sehingga dikatakan bahwa residual sudah menyebar secara distribusi normal.
b.) Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaab variance dari residual satu pengamatan yang lain.
Heteroskedasititas menunjukkan bahwa varuasi variabel tidak sama semua pengamatan. Pada heteroskedasititas kesalahan yang terjadi tidak secara acak tetapi menunjukkan hubungan yang sistematis sesuai dengan besarnya satu atau lebih variabel. Berdasarkan hasil pengolahan data, maka hasil dapat dilihat pada gambar berikut:
Gambar 4. 3 Scatterplot
Dari grafik yang ada pada gambar diatas dapat dilihat bahwa titik-titik menyebar secara acak, serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y.
c.) Uji Multikoloniaritas
Uji ini bertujuan u tuk mengetahui apakah terdapat korelasi yang besar antara variabel bebas dalam model regresi linear berganda. Jika terdapat korelasi yang besar antara variabel bebas dan variabel terikat maka ikatan dari variabel bebas dan terikat akan terganggu. Indentifikasi statistik yang bebas digunakan untuk menguji kendala multikolonearitas adalah variance inflator factor (VIF) dan nilai tolerance. Tabel dibawah ini menunjukkn uji multikolonealitas:
Tabel 4.4 Uji Multikolinearitas
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -6.957 7.985 -.871 .392
X1 1.437 .524 .417 2.740 .011 .629 1.589
X2 1.872 .541 .435 3.464 .002 .923 1.083
X3 1.951 .605 .438 3.223 .004 .788 1.269
X4 .258 .068 .552 3.773 .001 .681 1.469
X5 27.317 24.683 .152 1.107 .279 .774 1.291
X6 -.031 .520 -.008 -.060 .953 .926 1.079
X7 -1.892 .699 -.424 -2.706 .012 .593 1.687
a. Dependent Variable: Y_LN
Dari tabel 4.4 untuk semua variabel X diperoleh nilai tolerance diatas 0,10 dan nilai VIF dibawah 10,0. Hal ini dapat disimpulkan bahwa tidak terdapat multikolinearitas.
d.) Uji Autokorelasi
Pada penelitian ini pengujian menggunakan Durbin Watson karena pendekatan Durbin Watson sering digunakan untuk menguji apakah terjadi autokorelasi pada variabel independen. Model regreasi yang baik adalah regresi yang bebas dari autokorelasi. Batasan tidak terjadinya autokorelasi adalah DU<DW<4-DU.
Tabel 4.5 Uji Autokorelasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .797a .636 .533 1.10888 2.059
a. Predictors: (Constant), X7, X6, X4, X2, X5, X3, X1 b. Dependent Variable: Y_LN
Sumber: olah data spss
Berdasarkan hasil diatas pada tabel 4.5 diketahui nilai Durbin Watson sebesar 2,059, nilai ini lebih besar (>) dari nilai DU sebesar 1,812 dari nilai durbin watson lebih kecil (<) dari nilai 4-DU sebesar 2,118 sehingga dapat diambil kesimpulan bahwa tidak terjadi gejala autokorelasi.
3. Uji Hipotesis
a.) Uji Signifikan Parameter (uji statistik t)
Setelah dilakukan uji asumsi klasik dapat diperoleh kesimpulan bahwa model telah dapat digunakan untuk melakukan pengujian moderate regression analize. Berdasrkan hasil pengolahan data penelitian yang telah dilakukan, maka dapat ditunjukkan pada tabel pengujian parsial dibawah ini:
Tabel 4.6 Uji Satistik t
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
(Constant) -6.957 7.985 -.871 .392
X1 1.437 .524 .417 2.740 .011
X2 1.872 .541 .435 3.464 .002
X3 1.951 .605 .438 3.223 .004
X4 .258 .068 .552 3.773 .001
X5 27.317 24.683 .152 1.107 .279
X6 -.031 .520 -.008 -.060 .953
X7 -1.892 .699 -.424 -2.706 .012
a. Dependent Variable: Y_LN
Sumber: output spss
Berdasarkan hasil uji regresi berganda yang telah dilakukan dengan mnggunakan spss 23 for windows, dapat dibuat persamaan sebagai berikut:
F-score = 1.437 + 1.872 + 1.951 + 0, 258 + 27,317 + -0,031 + -1,892 Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel independen (penjelas) secara individual mampu menerangkan variasi variabel dependen (terikat). Jika nilai t-hitung (+) > (+) t-tabel atau t-hitung (-) < (-) t-tabel maka variabel independen secara individu berpengaruh terhadap variabel dependen tingkat signifikansi yang digunakan adalah 5%.
Dari hasil program SPSS yang dilakukan mengestimasi data pada tabel atas sehingga diperoleh:
1.) Variabel X1 (Financial Stability) memberikan niali koefesin parameter (t- hitung) sebesar 2.740 dengan tingkat signifikan 0, 011 (<0,05). Hal ini berarti H1 diterima sehingga dapat dikatakan bahwa financial
stability berpengaruh positif dan signifikan terhadap potensi laporan keuangan karena tingkat signifikansi yang dimiliki variabel financial stability <0,05 (0,011<0,05) dan nilai t-hitung > t-tabel (2,740>2,014).
2.) Variabel X2 (external presssure) memberikan niali koefesin parameter (t-hitung) sebesar 3,464 dengan tingkat signifikan 0, 002 (<0,05). Hal ini berarti H2 diterima sehingga dapat dikatakan bahwa external pressure berpengaruh positif dan signifikan terhadap potensi laporan keuangan karena tingkat signifikansi yang dimiliki variabel external pressure <0,05 (0,002<0,05) dan nilai t-hitung > t-tabel (3,464>2,059).
3.) Variabel X3 (financial target) memberikan niali koefesin parameter (t- hitung) sebesar 3,223 dengan tingkat signifikan 0, 004 (<0,05). Hal ini berarti H3 diterima sehingga dapat dikatakan bahwa financial target berpengaruh positif dan signifikan terhadap potensi laporan keuangan karena tingkat signifikansi yang dimiliki variabel financial target <0,05 (0,004<0,05) dan nilai t-hitung > t-tabel (3,223>2,059).
4.) Variabel X4 (nature of industry) memberikan niali koefesin parameter (t- hitung) sebesar 3,773 dengan tingkat signifikan 0, 001 (<0,05). Hal ini berarti H4 diterima sehingga dapat dikatakan bahwa nature of industry berpengaruh positif dan signifikan terhadap potensi laporan keuangan karena tingkat signifikansi yang dimiliki variabel nature of industry <0,05 (0,001<0,05) dan nilai t-hitung > t-tabel (3,773>2,059).
5.) Variabel X5 (effective monitoring) memberikan niali koefesin parameter (t-hitung) sebesar 1,107 dengan tingkat signifikan 0, 279 (>0,05). Hal ini berarti H5 ditolak sehingga dapat dikatakan bahwa effective monitoring tidak berpengaruh positif dan signifikan terhadap potensi
laporan keuangan karena tingkat signifikansi yang dimiliki variabel effective monitoring >0,05 (0,279>0,05) dan nilai t-hitung < t-tabel (1,107<2,059).
6.) Variabel X6 (rationalization) memberikan niali koefesin parameter (t- hitung) sebesar -0,060 dengan tingkat signifikan 0, 0,953 (>0,05). Hal ini berarti H6 ditolak sehingga dapat dikatakan bahwa rationalization berpengaruh positif dan signifikan terhadap potensi laporan keuangan karena tingkat signifikansi yang dimiliki variabel rationalization <0,05 (0,953>0,05) dan nilai t-hitung > t-tabel (-0,060>2,059).
7.) Variabel X7 (capability) memberikan niali koefesin parameter (t-hitung) sebesar -2,706 dengan tingkat signifikan 0, 012 (<0,05). Hal ini berarti H7 ditolak sehingga dapat dikatakan bahwa capability berpengaruh positif dan signifikan terhadap potensi laporan keuangan karena tingkat signifikansi yang dimiliki variabel capability <0,05 (0,012<0,05) dan nilai t-hitung > t-tabel (-2,706>2,059).
b.) Uji Koefisien Determinan (uji R2)
Uji koefisien determinan dalam regresi linear berganda digunakan untuk mengetahui presentase pengaruh variabel independen secara serentak terhadap variabel dependen. Hasil uji R2 dapat dilihat pada tabel di bawah ini:
z
Tabel 4.7 Uji Adjusted R2
Model Summary
Mode l
R R
Square
Adjusted R Square
Std. Error of the Estimate
1 .797a .636 .533 1.10888
a. Predictors: (Constant), X7, X6, X4, X2, X5, X3, X1
Berdasarkan tabel 4.7 menunjukkan bahwa nilai adjusted R Square (R2) model 1 sebesar 0,533 atau 53,3%. Nilai adjusted R Square (R2) model 1 ini tidak terlalu tinggi. Oleh karena itu, seluruh variabel independen berpengaruh 53,3% terhadap variabel dependen dan Ukuran perusahaan sebesar 53,3% sedangkan sisanya 46,7% dijelaskan oleh variabel lain yang tidak ada dalam penelitian ini.