Uji Statistik Deskriptif Uji Asumsi Klasik

52

D. Metode Analisis Data

Metode analisis data yang digunakan dalam penelitian ini adalah dengan menggunakan perhitungan statistik, yaitu dengan menggunakan aplikasi SPSS Statistical Product and Services Solutions version 22 for windows. Setelah data-data yang dibutuhkan dalam penelitian ini terkumpul, selanjutnya dilakukan teknik analisis data berupa uji regresi linier berganda yang terdiri dari uji statistik deskriptif, uji asumsi klasik, uji koefisien determinasi dan uji hipotesis. Adapun penjelasan mengenai metode analisis data tersebut adalah sebagai berikut:

1. Uji Statistik Deskriptif

Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness kemencengan distribusi Ghozali, 2013:19. Oleh karena itu, penelitian ini menggunakan uji statistik deskriptif adalah untuk mengetahui gambaran mengenai variabel independen ukuran perusahaan, umur perusahaan, leverage, profitabilitas dan konsentrasi kepemilikan, serta variabel dependen pengungkapan intellectual capital pada perusahaan property dan real estate.

2. Uji Asumsi Klasik

Uji asumsi klasik dalam penelitian ini bertujuan untuk mengetahui kelayakan penggunaan model regresi yang digunakan dalam penelitian ini. 53 Uji asumsi klasik terdiri dari uji normalitas, uji multikolinieritas, uji autokorelasi dan uji heteroskedastisitas.

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Terdapat dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik Ghozali, 2013:160. Grafik histogram untuk membandingkan data observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2013:161. Uji normalitas dengan grafik dapat menyesatkan jika tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya Ghozali, 2013:163. Uji normalitas yang digunakan dalam penelitian ini yaitu analisis grafik histogram, normal probability plot dan analisis statistik non-parametrik Kolmogorov-Smirnov Z 1-Sample K-S. Jika nilai Kolmogorov-Smirnov memiliki tingkat signifikan di atas α 0,05 berarti regresi memenuhi asumsi normalitas Ghozali, 2013:165. 54

b. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen adalah sama dengan nol Ghozali, 2013:105. Salah satu cara untuk mendeteksi multikolinieritas dilakukan dengan menggunakan nilai VIF Variance Inflation Factor dan tolerance. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya Ghozali, 2013:106. Jika nilai tolerance 0,10 dan nilai VIF 10, maka tidak terjadi multikolinieritas. c. Uji Autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka terdapat problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2013:110. Cara yang digunakan untuk mendeteksi autokorelasi dalam penelitian ini adalah dengan menggunakan uji Runs Test, yaitu merupakan bagian dari statistik non-parametrik yang dapat digunakan 55 untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi, maka dikatakan bahwa residual adalah acak atau random. Runs test digunakan untuk melihat apakah data residual terjadi secara random atau tidak sistematis. Nilai probabilitas harus lebih besar dari tingkat signifikansi 5 Ghozali, 2013:120-121.

d. Uji Heteroskedastisitas

Uji heteroskedastisitas 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 berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas Ghozali, 2013:139. Asumsi heteroskedastisitas akan diuji menggunakan analisis grafik scatterplot antara nilai prediksi variabel terikat yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2013:139. Selain menggunakan analisis grafik scatterplot, untuk memperkuat bukti apakah terdapat heteroskedastisitas atau tidak pada model regresi, 56 maka diperlukan uji statistik dengan menggunakan uji glejser Ghozali, 2013:142. Nilai signifikansi dari masing-masing variabel pada uji glejser harus memiliki tingkat signifikansi lebih dari 0,05. 3. Uji Koefisien Determinasi R 2 Koefisien determinasi R 2 pada intinya mengukur seberapa jauh kemampuan variabel independen, yaitu ukuran perusahaan, umur perusahaan, leverage, profitabilitas, dan konsentrasi kepemilikan dalam menjelaskan variasi variabel dependen, yaitu pengungkapan intellectual capital. Nilai koefisien determinasi adalah antara 0 dan 1. Nilai R 2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas, sehingga R 2 mengandung kelemahan mendasar, yaitu adanya bias terhadap jumlah variabel independen yang dimasukkan ke dalam model, maka dalam penelitian ini menggunakan adjusted R 2 yang nilainya berkisar antara 0 dan 1. Jika nilai adjusted R 2 semakin mendekati 1, maka semakin baik kemampuan model tersebut dalam menjelaskan variabel dependen Ghozali, 2013:97.

4. Uji Hipotesis