Statistik Deskriptif Uji Regresi Berganda

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