41
13
BJBR BANK JABAR BANTEN
14
BKSW BANK KESAWAN
15
BMRI BANK MANDIRI PERSERO
16
BNGA BANK CIMB NIAGA
17
BNII BANK INTERNATIONAL INDONESIA
18
BSIM BANK SINAR MAS
19
BSWD BANK SWADESI
20
BTPN BANK TABUNGAN PENSIUNAN NASIONAL
21
BVIC BANK VICTORIA INTERNATIONAL
22
INPC BANK ARTHA GRAHA INTERNASIONAL
23
MAYA BANK MAYAPADA INTERNATIONAL
24
MCOR BANK WINDU KENTJANA INTERNATIONAL
25
MEGA BANK MEGA
26
NISP BANK NISP OCBC
27
PNBN BANK PAN INDONESIA
28
SDRA BANK HIMPUNAN SAUDARA 1906
Sumber: Data yang diolah penulis 4.2
Hasil Uji Faktor-Faktor yang Mempengaruhi Pengungkapan Manajemen Risiko
4.2.1 Statistik Deskriptif
Statistik deskriptif digunakan untuk menunjukkan jumlah data yang digunakan dalam penelitian ini serta dapat menunjukkan nilai
maksimum, nilai minimum, nilai rata-rata mean serta standar deviasi dari masing-masing variabel.
Variabel dalam penelitian ini meliputi leverage, profitabilitas, dan ukuran perusahaan sebagai variabel independen serta pengungkapan
manajemen risiko sebagai variabel dependen. Hasil olah data deskriptif dapat dilihat pada tabel 4.2 sebagai berikut:
42
Tabel 4.2 Statistik Deskriptif
Descriptive Statistics
N Minimu
m Maximu
m Mean
Std. Deviation
Pengungkapan Manajemen Risiko
28 .0
1.0 .714
.4600 Ukuran Perusahaan
28 26.49
66.45 46.1104 9.51730
Leverage 28
2.28 2.77
2.6139 .12653
Profitabilitas 28
-2.10 1.60
.5996 .70448
Valid N listwise 28
Output tampilan SPSS pada tabel 4.2 menunjukkan jumlah sampel N adalah sebanyak 28 perusahaan yang diteliti selama periode 2011-
2013, dengan deskripsi data untuk masing-masing variabel yaitu nilai minimum, maksimum, rata-rata, dan standar deviasi. Berikut ini adalah
perincian data deskriptif yang telah diolah: 1.
Variabel leverage mempunyai nilai minimum sebesar 2,28 terdapat pada perusahaan Bank Tabungan Pensiunan Nasional dan nilai
maksimum sebesar 2,77 terdapat pada perusahaan Bank Himpunan Saudara 1906. Nilai rata-rata mean sebesar 2,6139 dan nilai standar
deviasi sebesar 0,12653. 2.
Variabel profitabilitas mempunyai nilai minimum sebesar -2,10 terdapat pada perusahaan Bank Mutiara dan nilai maksimum sebesar
1,60 terdapat pada perusahaan Bank Victoria Internasional. Nilai rata- rata mean sebesar 0,5996 dan nilai standar deviasi sebesar 0,70448.
3. Variabel ukuran perusahaan mempunyai nilai minimum sebesar 26,49
terdapat pada perusahaan Bank Himpunan Saudara 1906 dan nilai
43 maksimum sebesar 66,45 terdapat pada perusahaan Bank Rakyat
Indonesia Agro Niaga. Nilai rata-rata mean sebesar 46,1104 dan nilai standar deviasi sebesar 9,51730.
4.2.2 Uji Asumsi Klasik
Uji asumsi klasik pada penelitian ini dilakukan untuk menguji apakah data dalam penelitian telah memenuhi kriteria asumsi
klasik.Tujuan dari uji asumsi klasik adalah untuk menghindari estimasi yang biasa karena tidak semua data dapat diterapkan dengan melakukan
analisis regresi.
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam sebuah regresi variabel dependen, variabel independen atau
keduanya mempunyai distribusi normal ataukah tidak mempunyai distribusi normal. Model regresi yang baik adalah
memiliki distribusi data normal atau mendekati normal.
44
TABEL 4.3 Hasil Uji Normalitas dengan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
peng.man.risi ko
N 28
Normal Parameters
a,b
Mean 69.7134
Std. Deviation
91.76842 Most Extreme
Differences Absolute
.248 Positive
.127 Negative
-.248 Kolmogorov-Smirnov Z
1.315 Asymp. Sig. 2-tailed
.063
a. Test distribution is Normal. b. Calculated from data.
Dari hasil tabel normalitas yang terdapat pada lampiran 1 untuk faktor-faktor yang mempengaruhi
pengungkapan manajemen risiko perusahaan dalam laporan tahunan, grafikuji normalitas menunjukkan pola distribusi yang
normal. Hal ini ditunjukkan oleh nilai Kolmogorov-Smirnov Z
sebesar 1,315 dengan nilai signifikansi 0,063,yang berartinilai signifikannya lebih besar dari 0,05.Hal ini menunjukkan data
tersebut berdistribusi normal.
4.2.2.2. Uji Multikolinearitas
Uji ini bertujuan menguji apakah pada model regresiditemukan adanya korelasi antar variabel
independen.Pada model regresi yang baik seharusnya antar variabel independen tidak terjadi kolerasi.
45 Untuk mengetahui ada tidaknya multikolinearitas
dapat dilihat dari nilai Variance Imflation Factor VIF dan nilai Tolerance, apabila nilai VIF 10 dan nilai Tolerance
0,1 maka terjadi multikolinearitas dan apabila nilai VIF 10 dan nilai Tolerance 0,1 maka tidak terjadi multikolineraritas.
Hasil uji mutikolinearitas dapat dilihat pada tabel 4.4 berikut :
Tabel 4.4 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity
Statistics Tolerance
VIF 1
Leverage .953
1.049 Profitabilitas
.946 1.057
Ukuran Perusahaan
.987 1.013
a.
Dependent Variable: Pengungkapan Manajemen Risiko
Berdasarkan aturan VIF Variance Inflation Factor dan Tolerance, maka apabila VIF melebihi angka 10 atau
Tolerance kurang dari 0,10 maka dinyatakan terjadi multikolinieritas, sebaliknya apabila harga VIF kurang dari 10
atau tolerance lebih dari 0,10 maka dinyatakan tidak terjadimultikolinieritas.
Dari tabel 4.4 diatas diketahui masing-masing nilai VIF sebagai berikut:
a. Nilai VIF untuk variabel leverage adalah 1,049 10 dan
nilai tolerance variabel leverageadalah 0,953 0,10 maka
46 variableleveragedapat
dinyatakan tidak terjadi multikolinearitas.
b. Nilai VIF untuk variabel profitabilitas adalah 1,057 10
dan nilai tolerance variabel profitabilitas adalah 0,946 0,10 maka variabel profitabilitas dapat dinyatakan tidak
terjadimultikolinearitas. c.
Nilai VIF untuk variabel ukuran perusahaan adalah 1,013 10 dan nilai tolerance variabel ukuran perusahaan adalah
0,987 0,10makavariable
ukuran perusahaan dapat dinyatakan tidak terjadi multikolinearitas.
4.2.2.3. Uji Heterokedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka
disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda disebut
heteroskedastisitas. Untuk mendeteksi ada atau tidaknya
heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis Ghozali, 2005:139:
1. Jika ada pola tertentu, seperti titik-titik yang ada
membentuk pola tertentu yang teratur bergelombang,
47 melebar kemudian menyempit, maka mengindikasikan
telah terjadi heteroskedastisitas. 2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik
scatterplot di tunjukkan pada gambar 4.1 dibawah ini:
Gambar 4.1 Grafik Scatterplot
Berdasarkan gambar scatterplot gambar 4.1
menunjukkan titik tidak membentuk pola tertentu dan penyebaran sebagian besar terletak antara 1 sampai -1.Hal ini
dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak digunakan dalam
48 pengujian Jadi dapat disimpulkan model regresi tidak
mengandung adanya heterokedastisitas. 4.2.2.4.
Uji Autokorelasi
Bertujuan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antara kesalahan pengganggu
pada periode t dengan kesalahan periode t-1 sebelumnya. Jika terjadi korelasi dalam model regresi berarti koefisien
korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari
autokorelasi. Untuk mengetahui adanya autokorelasi dalam suatu
model regresi dilakukan melalui pengujian terhadap nilai uji Durbin-Watson Uji DW. Dalam pengambilan keputusan ada
tidaknya autokorelasi adalah sebagai berikut:
1. Bila nilai DW terletak diantara batas atau upper bound
du dan 4-du maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah daripada batas bawah atau
lower bound dl maka koefisien autokorelasi 0, berarti tidak ada autokorelasi positif.
3. Bila nilai DW lebih besar dari 4-dl maka koefisien
autokorelasi 0, berarti ada autokorelasi negatif.
49 4.
Bila nilai DW terletak antara du dan dl atau DW terletak antara 4-du dan 4-dl, maka hasilnya tidak dapat
disimpulkan. Hasil uji autokorelasi dengan Durbin-Watson dapat
dilihat pada tabel dibawah ini:
Tabel 4.5 Hasil Uji Autokorelasi dengan Durbin-Watson
Dari hasil uji autokorelasi Durbin–Watsonmaka diperoleh nilai DW sebesar 1.657. Dengan melihat kriteria
nilai uji Durbin–Watson yaitu 1,65DW2,35 maka dapat disimpulkan tidak terjadi autokorelasi.
Model Summary
b
Mode l
R R
Square Adjusted
R Square Std. Error of
the Estimate Durbin-
Watson 1
.330
a
.109 -.002
.4606 1.657
a. Predictors: Constant, Ukuran Perusahaan, Leverage, Profitabilitas b. Dependent Variable: Pengungkapan Manajemen Risiko
50
4.2.3. Uji Regresi Berganda
Hasil analisis regresi berganda pengaruh leverage, profitabilitas, ukuran perusahaanterhadap pengungkapan manajemen risiko pada
perusahaan perbankan yang terdaftar di Bursa Efek Indonesia ditunjukkan pada tabel 4.6berikut :
Tabel 4.6 Hasil Analisis Regresi Berganda
Analisis regresi linear berganda digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap satu variabel
dependen.Persamaan regresi dapat dilihat dari tabel hasil uji coefficients. Pada tabel coefficients yang dibaca adalah nilai dalam kolom B,
baris pertama menunjukkan konstanta a dan baris selanjutnya menunjukkan konstanta variabel independen. Berdasarkan tabel 4.6 di atas
maka model regresi yang dapat disusun adalah sebagai berikut: Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
-.340 1.971
-.173 .864 Leverage
.608 .718
.167 .848 .405
Profitabilitas -.111 .129
-.171 -.861 .398
Ukuran Perusahaan
-.010 .009
-.210 -
1.084 .289
a. Dependent Variable: Pengungkapan Manajemen Risiko
51
Pengungkapan Manajemen Risiko = � + �1�1 + �2�2 + �3�3 + �
Pengungkapan Manajemen Risiko = -0.340 + 0.608 + -0.111 + -0.010+
1.971 Keterangan:
� = Konstanta
� = Koefisien Arah Regresi
�1 = Leverage
�2 = Profitabilitas
�3 = Ukuran perusahaan
� = Standar Error
Dari persamaan regresi tersebut diatas maka dapat dianalisis sebagai berikut:
1. Konstanta α sebesar -0.340 ini menunjukkan bahwa apabila tidak
ada variabelleverage, profitabilitas, dan ukuran perusahaan maka pengungkapan manajemen risiko yang terbentuk adalah sebesar-
0.340. 2.
Koefisien regresi leverage sebesar 0.608, artinya apabila terjadi penambahan variabel leverage sebesar 1 akan menaikkan
pengungkapan manajemen risikosebesar 0.608. 3.
Koefisien regresi profitabilitassebesar -0.111, artinya apabila terjadi penambahan variabel profitabilitas sebesar 1 akan
menaikkan pengungkapan manajemen risiko sebesar -0.111.
52 4.
Koefisien regresi ukuran perusahaansebesar-0.010, artinya apabila terjadi penambahan variabel ukuran perusahaansebesar 1 akan
menaikkan pengungkapan manajemen risiko sebesar -0.010.
4.2.4. Uji Hipotesis