BAB IV ANALISIS HASIL DAN PEMBAHASAN

Transkripsi

1 34 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Statistik deskriptif berkaitan dengan pengumpulan dan peringkat data yang menggambarkan karakteristik sampel yang digunakan dalam penelitian ini. Analisis ini untuk menjelaskan karakteristik sampel terutama mencakup nilai rata-rata (mean), nilai ekstrim yaitu nilai minimum dan nilai maksimum, serta standar deviasi. Tabel 4.1 Statistik Deskriptive Descriptive Statistics N Minimum Maximum Mean Std. Deviation GCG_X Leverage_X ROA_Y Valid N (listwise) 30 Sumber: Output SPSS 15.0 Tabel 4.1 berisi mengenai nilai maximum (tertinggi), minimum (terendah), mean (rata-rata) dan standart deviasi untuk masing-masing variabel yang diteliti. Penjelasan mengenai Tabel 4.1 sebagai berikut :

2 35 1. Berdasarkan Tabel 4.1 menunjukkan bahwa N merupakan jumlah data yang menjadi sampel dalam penelitian ini. Jumlah sampel (N) dari penelitian ini sebanyak 30 yang terdiri dari 30 Perusahaaan yang termasuk dalam indeks LQ 45 yang terdaftar di BEI. 2. Nilai minimum (terendah) dari GCG Perusahaan yang ditunjukkan oleh Tabel 4.1 adalah sebesar 69,33. Sementara itu memiliki nilai maksimum GCG sebesar 91,81 dan nilai rata-rata sebesar 83,1623 dengan deviasi standar sebesar 5, Nilai minimum (terendah) dari Leverage Perusahaan Tabel 4.1 adalah sebesar 17,3581. Sementara itu memiliki nilai maksimum Leverage sebesar 92,3358 dan nilai rata-rata sebesar 56, dengan deviasi standar sebesar 26, Nilai minimum (terendah) dari ROA Perusahaan yang ditunjukkan oleh Tabel 4.1 adalah sebesar 0,0104. Sementara itu memiliki nilai maksimum ROA sebesar 33,7650 dan nilai rata-rata sebesar 7, dengan deviasi standar sebesar B. Uji Asumsi Klasik Uji asumsi klasik dilakukan agar model regresi pada penelitian signifikan dan representatif. Dalam analisis regresi berganda perlu menghindari adanya penyimpangan asumsi klasik supaya tidak timbul masalah dalam penggunaannya.

3 36 1. Uji Normalitas Data Uji normalitas data dilakukan dengan menggunakan grafik normal probability plot serta pengujian one sample Kolmogorov Smirnov untuk membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Tabel 4.2 Uji Normalitas Data a Test distribution is Normal. b Calculated from data. (sumber: SPSS 15.0) One-Sample Kolmogorov-Smirnov Test GCG_X1 Leverage_X2 ROA_Y N Normal Parameters(a,b) Most Extreme Differences Mean Std. Deviation Absolute Positive Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) Kriteria pengambilan keputusan yaitu jika signifikansi > 0,05 maka data berdistribusi normal, dan jika signifikansi < 0,05 maka data tidak berdistribusi normal. Dari hasil tabel 4.2 dapat dilihat Asymp.Sig. (2-tailed) dari ROA sebesar 0,183 dan Leverage sebesar 0,437 serta GCG sebesar 0,462 atau semua nilainya lebih besar dari 0,05, maka dapat disimpulkan bahwa data pada penilaian ini

4 37 berdistribusi normal. Hal ini menunjukkan Ha ditolak dan Ho diterima, yang berarti data berdistribusi normal. 2. Uji Multikolonieritas Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Metode untuk menguji ada tidaknya multikolonieritas dapat dilihat dari Tolerance Value (TOL) atau Variance Inflation Factor (VIF). Batas nilai TOL adalah 0.10 dan batas VIF adalah 10. Apabila TOL kurang dari 0.10 atau nilai VIF lebih dari 10 maka dapat disimpulkan terjadi multikoloniaritas. Tabel 4.3 Uji Multikolonieritas Coefficient Correlations a Model 1 (Constant) GCG_X1 Leverage_X2 a. Dependent Variable: ROA_Y Unstandardized Coefficients Coe fficients a Standardized Coefficients Collinearity Statistics B Std. Error Beta t Sig. Tolerance VIF Dari hasil pengujian diatas, dapat dilihat bahwaangka tolerance pada variable GCG dan Leverage < 0,10 dan VIF-nya < 10. Hal ini ditunjukkan bahwa tidak terjadi multikolinieritas diantara variabel penelitian :

5 38 a. Variabel GCG_X1 tidak terdapat problem Multikolinearitas, karena angka tolerance-nya 0,997 mendekati dan angka VIF-nya 1,003 atau 1,003 < 10. b. Variabel Leverage_X2 tidak terdapat problem Multikolinearitas, karena angka tolerance-nya 0,997 mendekati dan angka VIF-nya 1,003 atau 1,003 < Uji Autokorelasi Dalam penelitian ini penulis menggunakan uji Durbin - Watson (DW test) untuk menguji apakah terdapat autokorelasi dalam model regresi linier pada penelitian. Dalam uji ini dibutuhkan hipotesis, adapun hipotesis yang akan diuji adalah : H 0 : tidak ada autokorelasi ( r = 0 ) H a : ada autokorelasi ( r 0 ) Tabel 4.4 Uji Autokorelasi Model Summary(b) Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1.572(a) a Predictors: (Constant), LAG_Y, GCG_X1, Leverage_X2 b Dependent Variable: ROA Sumber : SPSS 15.0

6 39 Pada tabel 4.4 diatas, hasil Uji Autokolerasi didapat nilai Durbin Watson yang dihasilkan dari model regresi adalah 1,680 setelah data dikurangi ( ROA - 1 ) atau mengadakan LAG_Y pada data yang akan di uji, sehingga diperoleh hasil dari tabel DW dengan signifikansi 0,05 (5%) dan jumlah data (n) = 30, serta k = 2 diperoleh nilai dl sebesar 1,284 dan du sebesar 1,567. Dari nilai-nilai tersebut dapat dihitung nilai 4 du dan nilai 4 dl sebagai berikut : 1. Nilai 4 du Diketahui nilai du = 1,567 maka nilai 4 1,567 = 2, Nilai 4 dl Diketahui nilai dl = 1,284 maka nilai 4 1,284 = 2,716 Dari hasil perhitungan yang telah dilakukan diatas maka didapat hasil sebagai berikut: 1. Nilai d = 1, Nilai du = 1,567 dan nilai dl = 1, Nilai 4 du = 2,433 dan nilai 4 dl = 2,716 Dengan demikian dapat disimpulkan bahwa du < d < 4-du (1,567 < 1,680 < 2,433) yang berarti tidak ada autokorelasi positif atau negatif pada model regresi maka dengan demikian H 0 diterima.

7 40 Gambar 4.1 Keputusan Autokorelasi dl du d 4-du 4-dl 1,284 1,567 1,680 2,433 2,716 Keterangan : 1. Daerah Ho ditolak ( ada autokorelasi ) 2. Daerah tidak ada kesimpulan 3. Daerah Ho diterima ( tidak ada autokorelasi ) 4. Uji Heteroskedastisitas Heteroskedastisitas adalah terjadinya ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Untuk menguji ada tidaknya heteroskedastisitas, dalam penelitian ini digunakan grafik plot antara nilai prediksi variabel dependen (ZPRED) dengan residualnya (SRESID).

8 Regression Standardized Predicted Value 41 Gambar 4.2 Uji Heteroskedastisitas Scatterplot Dependent Variable: ROA_Y Regression Studentized Residual Dari grafik scatterplots terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. hal ini dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk menilai ROA pada perusahaan (Y) berdasarkan masukkan variable independen GCG (X 1 ) dan Leverage (X 2 ). C. Analisis Koefisien Determinasi Koefisien determinasi (R 2 ) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen

9 42 Tabel 4.5 Koefisien Determinasi Model Summary(b) Adjusted R Std. Error of Model R R Square Square the Estimate 1.564(a) Sumber: SPSS 15.0 Dari tabel model summary dapat diketahui nilai R 2 (Adjusted R Square) adalah 0,318. hal ini berarti bahwa 31,8% variasi Kinerja keuangan perusahaan dengan menggunakan ROA (Y) dapat dijelaskan oleh variasi dari ke dua variabel independen GCG (X 1 ) dan Leverage (X 2 ) sedangkan sisanya ( 100% - 31,8% = 68,2%) dijelaskan oleh sebab-sebab yang lain diluar model. D. Uji Hipotesis 1. Uji t (Uji Individu) Uji individual yaitu uji statistik bagi koefisien regresi dengan hanya satu koefisien regresi yang mempengaruhi Y. Uji t digunakan untuk mengetahui pengaruh variabel independen secara parsial terhadap variabel independen, apakah pengaruhnya signifikan atau tidak.

10 43 Dengan taraf signifikansi 0,05 hipotesis yang akan diuji, yaitu : H0 1 = GCG tidak berpengaruh secara signifikan terhadap ROA. Ha 1 = GCG berpengaruh secara signifikan terhadap ROA. H0 2 = Leverage tidak berpengaruh secara signifikan terhadap ROA Ha 2 = Leverage berpengaruh secara signifikan terhadap ROA. Dasar pegambilan keputusan berdasarkan probabilitas (signifikansi): Jika probabilitas > 0,05 maka H 0 diterima Jika probabilitas 0,05 maka H a ditolak Tabel 4.6 Uji t Model Unstandardized Coefficients Coefficients(a) Standardized Coefficients t Sig. B Std. Error Beta Tolerance VIF 1 (Constant) GCG_X a Leverage_X Dependent Variable: ROA_Y Sumber: SPSS 15.0

11 44 Berdasarkan tabel 4.6 dapat diketahui bahwa: a. GCG terhadap ROA Nilai signifikansi untuk GCG sebesar 0,404 > 0,05 maka H 0 diterima atau dengan kata lain GCG tidak memiliki pengaruh yang signifikan ROA b. Leverage terhadap ROA Nilai signifikansi untuk laba bersih sebesar 0,002 < 0,05 maka H 0 ditolak atau dengan kata lain leverage memiliki pengaruh yang signifikan terhadap ROA. 2. Uji F ( Uji Serentak) Uji F, yaitu uji statistik bagi koefisien regresi yang serentak atau bersama-sama mempengaruhi Y. Jika signifikan F stat 0.05; H 0 ditolak, H a diterima. Jika signifikan F stat > 0.05; H 0 diterima, H a ditolak. Dari uji F akan diputuskan utuk menerima atau menolak hipotesis yang diajukan: 1. Bila signifikansi F hitung < 0.05, maka H 0 ditolak dan H a diterima. Ini berarti semua variabel independen secara bersama-sama terdapat pengaruh yang signifikan terhadap variabel dependen. 2. Bila signifikansi F hitung > 0.05, maka H 0 gagal ditolak dan H a gagal diterima. Ini berarti semua variabel independen secara bersama-sama tidak terdapat pengaruh yang signifikan terhadap variabel dependen.

12 45 Tabel 4.7 Uji F ANOVA(b) Mode l Sum of Squares df Mean Square F Sig. 1 Regression (a) Residual Total a Predictors: (Constant), Leverage_X2, GCG_X1 b Dependent Variable: ROA_Y Sumber: SPSS 15.0 Diketahui F hitung sebesar 6,296. Sedangkan nilai F tabel pada α = 0,05 dan df1 = 3 1 = 2 ; df2 = 30 3 = 27 (lihat tabel distribution F) maka hasil F tabel adalah sebesar 3,3541 maka dapat disimpulkan bahwa nilai F hitung (6,296) > F tabel (3,3541) yang artinya variabel independen yang diteliti secara serentak berpengaruh terhadap ROA. Dengan demikian H 0 ditolak dan H 1 diterima pada kolom sig. 0,006 < 0,05 artinya terdapat pengaruh yang signifikan antara GCG dan leverage terhadap ROA. Dari uji Anova atau F test didapat nilai F hitung sebesar 6,296 dengan probabilitas 0,006. Karena probabilitas lebih kecil dari 0,05 maka model regresi dapat digunakan untuk menilai ROA atau dapat

13 46 dikatakan GCG dan leverage secara bersama-sama berpengaruh terhadap ROA. 3. Analisis Regresi Linier Berganda Tabel 4.8 Uji Regresi Linier Berganda Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta Tolerance VIF 1 (Constant) GCG_X Leverage_X a Dependent Variable: ROA_Y Sumber: SPSS 15.0 Dari nilai-nilai koefisien diatas, persamaan regresi pengaruh variabel CGC dan Leverage terhadap ROA adalah : Y = 1, ,201 X 1-0,177 X 2 Dimana : Y = ROA (Return On Assets) X 1 = GCG (Good Corporate Governance) X 2 = Leverage

14 47 1. Konstanta a = 1,031 Artinya jika GCG dan Leverage nilainya adalah 0, maka nilai ROA positif sebesar -1, Koefisien b 1 = 0,201 pada variabel GCG (X1) terdapat hubungan positif dengan variabel dependen. Hal ini menunjukkan bahwa setiap kenaikan satu persen dari X1 akan menyebabkan kenaikan pada variabel dependen sebesar 0, Koefisien b 2 = -0,177 Pada variabel X2 terdapat hubungan tidak positif dengan variabel dependen. Hal ini menunjukkan bahwa setiap kenaikan satu persen dari X2 akan menyebabkan penurunan terhadap variabel dependen sebesar -0,177. Tabel 4.9 Keputusan Variabel Hasil GCG Leverage GCG dan Keputusan Leverage Uji t 0,404 H 1 diterima 0,002 H 2 ditolak UJi F 0,006 H o ditolak dan H a diterima